进阶课程⑩ | Apollo地图采集方案
目录
- TomTom NV的高精地图和RoadDNA
- Apollo地图采集流程
- 基站搭建
- Apollo地图采集硬件方案
- 地图数据服务平台
原创 阿波君 Apollo开发者社区 2019-02-21
上周阿波君为大家详细介绍了「Apollo进阶课程⑨业界的高精地图产品」。
出现在课程中的业界制作高精地图的厂商有Here、MobileEye、Google、Waymo四家。
Here有很好基础优势。作为一家传统图商,他的用户基数可以保证地图以更快的速度和形式更新。
MobileEye更侧重于使用Camera,在图像处理方面也做得更好,使用视觉信息来进行辅助驾驶,是一种基于众包的视觉制图。
谷歌Waymo的技术实力雄厚,其自研的激光雷达据称可以检测到两个足球场(240米)外的物体数据。并且整体的生产成本比Velodyne的64线激光雷达的售价(8万美元)低90%左右,这对于开发者来说是非常诱人的价格。
本周阿波君将与大家分享高精地图厂商TomTom的产品,并介绍Apollo的地图采集方案。下面,欢迎开发者紧随阿波君的脚步,进入进阶课程第10期。
以下,ENJOY
TomTom NV的高精地图和RoadDNA
TomTom NV是一家主营业务为地图、导航和GPS设备的荷兰公司,总部位于阿姆斯特丹,在静态地图方面有多年的开发经验。
早在2015年,TomTom的移动测量车队就已实现相当程度的自动化数据采集。
TomTom的移动测量车队通过配备有1台Velodyne激光雷达相机、1台360度全景相机、2台SICK雷达和兼容GPS/GLONASS的高精度天线的福特翼虎,让驾驶员可以独自完成采集任务。
能否保证地图的即时和精准,是衡量一个图商专业性的重要依据。TomTom选择通过前装的方式完成“众包”工作。
在在线路径规划技术方面,TomTom利用云端处理能力,RoadDNA定位方案,快速制定并向车载导航系统发送备用的行驶路径。
集合电动车服务,TomTom还可为驾驶员提供其车辆电量耗尽前所能行驶的距离信息,并为其规划最高效的行驶路径,在恰当的时机提供实用的服务。
RoadDNA的技术原理是通过将原本的3D地图数据转换成2D视图,在对地图数据进行压缩的同时,还能保留道路上的关键要素,进行对比定位。从而达到节省空间,使自动驾驶汽车对道路信息的处理速度更快的目的。
18年11月,TomTom牵手百度推出了全新地图服务AutoStream。
AutoStream是一套针对地图更新机制开发的数据传输软件。车厂开放接口后,车辆可在行驶过程中把其感测到的相关地理信息,通过地图引擎的传输单元上传到云端,AutoStream在编译解读道路数据后再回传给汽车,最终完成高精地图实时更新工作。
Apollo地图采集流程
百度采取的是激光雷达和Camera二者相结合的制图方案
百度在Apollo2.5版本中发布了地图采集方案。
基于Apollo的地图数据采集可以实现一键化
该方案的基础传感器配置有:平装的64线激光雷达,用于道路路面采集。
由于平装的64线激光雷达扫描高度比较低,还需要一个斜向上装的16线激光雷达,用于检测较高处的红绿灯、标牌等信息。
该方案的其他传感器还有GPS、IMU、长焦相机以及短焦相机。
基站搭建
值得一提的是,百度采用的GPS传感器并非一个单纯的GPS,而采用的是RTK的方案。
RTK相较于单纯的GPS,能提供更高的精度。
地面上建立的观测站一般会选择在开阔无遮挡的楼顶,这样能保证观测信号良好。
RTK方案需要建立静态和动态两种观测站点
在RTK方案中,观测站通过长时间在某个位置不断地进行定点观测卫星、观测计算,是一个静态的观测站点。而无人车相当于一个动态的站点,通过车辆移动监测卫星信号。
GPS在传输过程中,可能会受到多径效应、电离层大气层、反射折射等各种元素的影响。但一定范围内的不同基站,受到的影响相对一致。
基于该原理,RTK方案通过观测站之间载波信号的差分就可以得到厘米级的定位效果。
RTK方案需要基站在无遮挡的情况下,才能提供非常准确的位置。
但车辆在城市中行驶,容易受到高楼的遮挡,采集到的数据会受影响。
Apollo地图采集硬件方案
基于Apollo系统的地图数据采集流程
进行地图采集的两个先决条件:传感器工作状态正常和传感器已被标定。
开发者首先要保证各个传感器处于工作状态。
在Apollo提供的地图采集页面中,左侧有监控传感器状态的图标。
采集过程中,首先要看左侧各个传感器图标的状态,绿色表示状态正常,红色或黄色表示传感器出现问题了。
如果出现状态不对,开发者可以检查传感器的线是否松了,或有其他状况。
其次是保证各个传感器已经被标定过。
Camera内部参数和外部参数不一致,会导致采集的数据不准确,从而作废。
相应的,不同厂家生产的激光雷达,其参数设定也会不一致。
同一厂家生产的激光雷达,参数设定一致时,采集的数据可能有效;不同厂家生产的激光雷达,由于地面点反射值不一样,参数设定不一样,就会导致数据采集出现偏差。
因此,Camera和激光雷达都需要被标定。
在以上两个条件都确认无误之后,就可以打开开关进行地图采集了。
采集过程中,无人车需要双向车道全覆盖3—5遍,最好是5遍。
如果车辆搭载64线激光雷达,那么完成地图采集目标所需要的全覆盖圈数可以减少。
16线激光雷达则需要跑更多圈,才会得到更为精准有效的数据。
Apollo地图采集对车速并无明确要求,但为确保采集效果,时速低于60千米为宜。
Apollo采集路口红绿灯时使用的是Riegl传感器。
在路口采集时,我们并不需要将车停下来进行静态扫描。这种行为本身十分危险并且违反交通法规。
车载Riegl可以保持在正常行驶状态下,就能够采集到路口红绿灯的信息。
一次采集行为完成后,所有的结果会形成数据包。其中包含点云、车辆标定参数、定位结果等信息。
地图数据服务平台
采集完成之后,Apollo会提供一系列的制图服务
Apollo地图数据服务平台提供包括数据管理体系、制图任务创建、制图进度跟踪和制图结果下载等服务。
开发者可将采集到的数据提供给Apollo,由Apollo来进行后续系列制图服务。
制图过程是离线的,百度对Pose做校正和视觉图像处理,完成最终的制图后,会将全套地图提供给开发者。
-------END-------
进阶课程⑩ | Apollo地图采集方案相关推荐
- Apollo进阶课程⑩ | Apollo地图采集方案
目录 TomTom的高精地图和RoadDNA APOLLO地图采集流程 基站搭建 Apollo地图采集硬件方案 地图数据服务平台 原文链接:进阶课程⑩ | Apollo地图采集方案 上周阿波君为大家详 ...
- 大三小学期进阶课程第十二课:apollo地图采集方案
第12课.apollo地图采集方案 TomTom的移动测量车队通过配备有1台Velodyne激光雷达相机.1台360度全景相机.2台SICK雷达和兼容GPS/GLONASS的高精度天线的福特翼虎,让驾 ...
- Apollo进阶课程⑪ | Apollo地图生产技术
目录 高精地图生产流程 数据采集 数据处理 元素识别 人工验证 全自动数据融合加工 基于深度学习的地图要素识别 人工验证生产 地图成果 原文链接:进阶课程⑪ | Apollo地图生产技术 高精地图是自 ...
- 二、Apollo高精地图详解(3.Apollo地图采集和生产)
3. Apollo地图采集与生产 3.1业界高精地图产品 几个业界高精地图产品: HERE HD Live Map MobileEye Google Waymo TomTom 百度Apollo 3.2 ...
- Apollo进阶课程⑭ | Apollo自动定位技术——三维几何变换和坐标系介绍
目录 1.三维几何变换---旋转 2.三维几何变换----平移 2.1刚体的位置和朝向 3. 坐标系 3.1 ECI地心惯性坐标系 3.2 ECFF地心地固坐标系 3.3当地水平坐标系 3.4 UTM ...
- 百度Apollo智能驾驶进阶课程——第四章 百度Apollo高精地图
高精地图 1 高精地图与自动驾驶的关系 1.1 高精地图与自动驾驶 1.2 什么是高精地图 1.3 高精地图与导航地图 2 高精地图与其他模块的关系 2.1 高精地图与定位模块的关系 2.2 高精度地 ...
- 《Apollo 智能驾驶进阶课程》二、 高精地图
1. 高精地图与自动驾驶的关系 1.1 高精地图与自动驾驶 L3级别以上才需要高精地图 1.2 什么是高精地图 1.3 高精地图与导航地图 1.4 高精地图-基础模块 高精地图与定位模块的关系 现在主 ...
- Apollo进阶课程⑲丨Apollo感知之旅——感知算法
目录 点云感知 启发式方法:NCut 深度学习方法:CNNSeg 视觉感知 CNN检测 CNN分割 后处理 红绿灯感知 基于深度学习的红绿灯感知模块 Radar感知 超声波感知 原文链接:进阶课程⑲丨 ...
- Apollo进阶课程㉝丨Apollo ROS原理—2
原文链接:进阶课程㉝丨Apollo ROS原理-2 在ROS系统中,从数据的发布到订阅节点之间需要进行数据的拷贝.在数据量很大的情况下,很显然这会影响数据的传输效率.所以Apollo项目对于ROS第一 ...
最新文章
- linux和windows测评,Windows Server 2016 与 Linux同台PK
- 2019年春季学期第4周作业.
- Codeforces937D Sleepy Game
- 9.java.lang.ClassCastException
- 分析引擎 2.0 已来,神策再刷行业标准!
- 在家办公效率最高的组合!
- kafka 不同分区文件存储_Kafka文件存储机制思考及答案:为什么要分区呢?分区存了哪些内容?...
- windows mobile创建文本文件并用word打开
- android中的线程池学习笔记
- PHP5.4连接sqlserver
- PCIe总线基本概念
- U-Mail邮件服务器教你反垃圾邮件新方法
- reentrantlock原理_分享:synchronized和ReentrantLock的实现原理知识点
- 2014年辽宁省普通高等学校本科大学生计算机设计竞赛,2015年辽宁省普通高等学校本科大学生计算机设计竞赛结果进行公示的通知...
- Ubuntu18.04 替换vscode字体
- ubuntu-键盘映射
- 微信隐藏代码大全(来源于网络)
- 回头看一看我的2019年
- 港澳台、内地身份证号校验规则
- iphone 热点 android,苹果手机的热点安卓机可以连接吗(图文)
热门文章
- 数据管理篇之存储和成本管理
- 关于五常膝关节矫形器的介绍
- ❤️汇总贴❤️本科课程汇总(武汉理工大学计算机科学与技术专业)
- 妙用“Check out”与“Check In”
- Java 使用正则表达式匹配淘口令
- 【微信小程序】页面配置,网络数据请求
- 30个顶级Python库 | 用于深度学习、自然语言处理和计算机视觉
- win10 android驱动问题,WIN10 64位 android驱动无法安装
- Spark - OnYARN 模式搭建,并使用 Scala、Java、Python 三种语言测试
- Spark on Yarn环境搭建