点击“蓝字”关注我们，选择“星标”获取最新文章

本篇文章主要介绍云栖大会高德地图首席科学家任小枫：高精算法推动高精地图落地。

演讲视频由以下网址得来，大家也可以观看：

https://yunqi.aliyun.com/2020/session31

主要内容

• 高精地图的重要性，“自动驾驶要成功落地，高精地图是必要做成的事情”

• 高精地图落地的挑战：最重要的是精度，当然还有规模，成本，时效性等等。

高精地图的资料对齐

虽然高德采用了很贵的采集车和传感器设备，但是不可避免的出现轨迹解算错误，点云数据分层，以及多次采集数据对齐等问题，这都需要通过一定的算法来解决，并且对不同场景，不同季节采集的数据对算法有着一定的影响，所以要做到点云数据的对齐和高精地图的生成是一项很具有挑战的任务。

点云数据对齐怎么做，这里分成了两部分，前端与后端，前端比较核心的算法就是点云匹配，比较常见的就是ICP及其变种算法。虽然算法是知道的，但是由于点云的数据量之大，以及由于部分场景或者环境的稀疏性等问题让点云的配准变得更多复杂。还需要解决更多的问题，比如稀疏点云的特征的提取，快读的实现点云语义分割等等。后端主要是做大规模的优化，可以将多条轨迹或者整个城市的点云和轨迹一起进行优化。这里说了一种将点云稀疏化之后再记性规模化的优化，这样就可以很好的解决大规模城市的点云对齐问题，提高了算法的效果。

识别和生产自动化

道路要素的识别和自动化生产，这里主要是指在点云对齐之后生成了规模化的地图之后如何对高精地图中存在的道路要素以及环境要素进行识别，比如道路上的线性元素里就有车道线、护栏、路缘石、自然边界，还有所谓的obj，即地面标识、杆状物、交通标牌、桥、龙门架等等。采用自动化的方法，可以用算法来提高人工效率。算法的方法就是非常重要的环节。它的输入有点云和图像识别。可以通过算法来生成高精地图元素。

识别和生产自动化算法

• 点云语义分割(多级随机聚合网络)

• 图像全景分割(检测/分割深度融合)

• 点云/图像融合(前融合+后融合)

• 传统算法辅助(e.g. 拟合，三维)

• 矢量化及建模(深度特征+图模型)

高精地图的变化发现与更新

据介绍高德有两套方案同时在做，应用于不同的场景，一种是激光的方法，一种事基于视觉的方法。

激光的方法：因为要控制成本，所以使用了相对低成本的激光和相对低成本的组合惯导。输入的资料质量比较低，需要做很多事情去提高资料的精度。包括：

• 紧耦合Lidar Slam/LIO

• 实时语义分割

• 定位地图:多重特征图层

• In-the-loop重定位

• 协方差模型

• 全局位姿优化

• 定位图层更新

上面这些都有相对比较成熟的解决方案。虽然输入资料差，但在更新场景下还是能达到很好的精度。

视觉的方法。由极低成本消费级相机和极低成本消费级组合惯导来做，这中间有很多视觉的算法。包括：

• 紧耦合Visual Slam/VIO

• 定位特征图层和语义图层

• 特征+语义重定位

• 全局位姿优化(融合VIO/重定位)

• 定位特征图层及更新

变化发现的问题，高精地图如何做到更高的精度和更高频率的更新？

假设有一个极低成本的方案去采集图像，采集回来的肯定是一些质量很差的图像，在这些图像基础上要做对比，和真实世界的变化，比如两张图片里都有个电子眼，其实是同一个电子眼，但在图片上看着很不一样，需要用算法的手段来判断这是否为同一个电子眼。能用现有的低成本的资料发现物理世界的变化。

资源

三维点云论文及相关应用分享

【点云论文速读】基于激光雷达的里程计及3D点云地图中的定位方法

3D目标检测：MV3D-Net

三维点云分割综述（上）

3D-MiniNet: 从点云中学习2D表示以实现快速有效的3D LIDAR语义分割（2020）

win下使用QT添加VTK插件实现点云可视化GUI

JSNet：3D点云的联合实例和语义分割

大场景三维点云的语义分割综述

PCL中outofcore模块---基于核外八叉树的大规模点云的显示

基于局部凹凸性进行目标分割

基于三维卷积神经网络的点云标记

点云的超体素(SuperVoxel)

基于超点图的大规模点云分割

更多文章可查看：点云学习历史文章大汇总

SLAM及AR相关分享

【开源方案共享】ORB-SLAM3开源啦！

【论文速读】AVP-SLAM：自动泊车系统中的语义SLAM

【点云论文速读】StructSLAM:结构化线特征SLAM

SLAM和AR综述

常用的3D深度相机

AR设备单目视觉惯导SLAM算法综述与评价

SLAM综述(4)激光与视觉融合SLAM

Kimera实时重建的语义SLAM系统

SLAM综述(3)-视觉与惯导，视觉与深度学习SLAM

易扩展的SLAM框架-OpenVSLAM

高翔：非结构化道路激光SLAM中的挑战

SLAM综述之Lidar SLAM

基于鱼眼相机的SLAM方法介绍

往期线上分享录播汇总

第一期B站录播之三维模型检索技术

第二期B站录播之深度学习在3D场景中的应用

第三期B站录播之CMake进阶学习

第四期B站录播之点云物体及六自由度姿态估计

第五期B站录播之点云深度学习语义分割拓展

第六期B站录播之Pointnetlk解读

[线上分享录播]点云配准概述及其在激光SLAM中的应用

[线上分享录播]cloudcompare插件开发

[线上分享录播]基于点云数据的 Mesh重建与处理

[线上分享录播]机器人力反馈遥操作技术及机器人视觉分享

[线上分享录播]地面点云配准与机载点云航带平差

点云PCL更多活动请查看：点云PCL活动之应届生校招群

扫描下方微信视频号二维码可查看最新研究成果及相关开源方案的演示：

如果你对本文感兴趣，请点击“原文阅读”获取知识星球二维码，务必按照“姓名+学校/公司+研究方向”备注加入免费知识星球，免费下载pdf文档，和更多热爱分享的小伙伴一起交流吧！

以上内容如有错误请留言评论，欢迎指正交流。如有侵权，请联系删除

扫描二维码

关注我们

让我们一起分享一起学习吧！期待有想法，乐于分享的小伙伴加入免费星球注入爱分享的新鲜活力。分享的主题包含但不限于三维视觉，点云，高精地图，自动驾驶，以及机器人等相关的领域。

分享及合作方式：微信“920177957”（需要按要求备注） 联系邮箱：dianyunpcl@163.com，欢迎企业来联系公众号展开合作。

点一下“在看”你会更好看耶