目錄
原創： 阿波君 Apollo開發者社區 2月21日
上週阿波君爲大家詳細介紹了「Apollo進階課程⑨業界的高精地圖產品」。
出現在課程中的業界製作高精地圖的廠商有Here、MobileEye、Google、Waymo四家。
Here有很好基礎優勢。作爲一家傳統圖商，他的用戶基數可以保證地圖以更快的速度和形式更新。
MobileEye更側重於使用Camera，在圖像處理方面也做得更好，使用視覺信息來進行輔助駕駛，是一種基於衆包的視覺製圖。
谷歌Waymo的技術實力雄厚，其自研的激光雷達據稱可以檢測到兩個足球場（240米）外的物體數據。並且整體的生產成本比Velodyne的64線激光雷達的售價（8萬美元）低90%左右，這對於開發者來說是非常誘人的價格。
本週阿波君將與大家分享高精地圖廠商TomTom的產品，並介紹Apollo的地圖採集方案。下面，歡迎開發者緊隨阿波君的腳步，進入進階課程第10期。
TomTom的高精地圖和RoadDNA
TomTom NV是一家主營業務爲地圖、導航和GPS設備的荷蘭公司，總部位於阿姆斯特丹，在靜態地圖方面有多年的開發經驗。
早在2015年，TomTom的移動測量車隊就已實現相當程度的自動化數據採集。
TomTom的移動測量車隊通過配備有1臺Velodyne激光雷達相機、1臺360度全景相機、2臺SICK雷達和兼容GPS/GLONASS的高精度天線的福特翼虎，讓駕駛員可以獨自完成採集任務。
能否保證地圖的即時和精準，是衡量一個圖商專業性的重要依據。TomTom選擇通過前裝的方式完成“衆包”工作。
在在線路徑規劃技術方面，TomTom利用雲端處理能力，RoadDNA定位方案，快速制定並向車載導航系統發送備用的行駛路徑。
集合電動車服務，TomTom還可爲駕駛員提供其車輛電量耗盡前所能行駛的距離信息，併爲其規劃最高效的行駛路徑，在恰當的時機提供實用的服務。
RoadDNA的技術原理是通過將原本的3D地圖數據轉換成2D視圖，在對地圖數據進行壓縮的同時，還能保留道路上的關鍵要素，進行對比定位。從而達到節省空間，使自動駕駛汽車對道路信息的處理速度更快的目的。
18年11月，TomTom牽手百度推出了全新地圖服務AutoStream。
AutoStream是一套針對地圖更新機制開發的數據傳輸軟件。車廠開放接口後，車輛可在行駛過程中把其感測到的相關地理信息，通過地圖引擎的傳輸單元上傳到雲端，AutoStream在編譯解讀道路數據後再回傳給汽車，最終完成高精地圖實時更新工作。
APOLLO地圖採集流程
百度採取的是激光雷達和Camera二者相結合的製圖方案
百度在Apollo2.5版本中發佈了地圖採集方案。
基於Apollo的地圖數據採集可以實現一鍵化
該方案的基礎傳感器配置有：平裝的64線激光雷達，用於道路路面採集。
由於平裝的64線激光雷達掃描高度比較低，還需要一個斜向上裝的16線激光雷達，用於檢測較高處的紅綠燈、標牌等信息。
該方案的其他傳感器還有GPS、IMU、長焦相機以及短焦相機。
基站搭建
值得一提的是，百度採用的GPS傳感器並非一個單純的GPS，而採用的是RTK的方案。
RTK相較於單純的GPS，能提供更高的精度。
地面上建立的觀測站一般會選擇在開闊無遮擋的樓頂，這樣能保證觀測信號良好。
RTK方案需要建立靜態和動態兩種觀測站點
在RTK方案中，觀測站通過長時間在某個位置不斷地進行定點觀測衛星、觀測計算，是一個靜態的觀測站點。而無人車相當於一個動態的站點，通過車輛移動監測衛星信號。
GPS在傳輸過程中，可能會受到多徑效應、電離層大氣層、反射折射等各種元素的影響。但一定範圍內的不同基站，受到的影響相對一致。
基於該原理，RTK方案通過觀測站之間載波信號的差分就可以得到釐米級的定位效果。RTK方案需要基站在無遮擋的情況下，才能提供非常準確的位置。但車輛在城市中行駛，容易受到高樓的遮擋，採集到的數據會受影響。
Apollo地圖採集硬件方案
基於Apollo系統的地圖數據採集流程
進行地圖採集的兩個先決條件：傳感器工作狀態正常和傳感器已被標定。
開發者首先要保證各個傳感器處於工作狀態。
在Apollo提供的地圖採集頁面中，左側有監控傳感器狀態的圖標。採集過程中，首先要看左側各個傳感器圖標的狀態，綠色表示狀態正常，紅色或黃色表示傳感器出現問題了。如果出現狀態不對，開發者可以檢查傳感器的線是否鬆了，或有其他狀況。
其次是保證各個傳感器已經被標定過。
Camera內部參數和外部參數不一致，會導致採集的數據不準確，從而作廢。相應的，不同廠家生產的激光雷達，其參數設定也會不一致。同一廠家生產的激光雷達，參數設定一致時，採集的數據可能有效；不同廠家生產的激光雷達，由於地面點反射值不一樣，參數設定不一樣，就會導致數據採集出現偏差。因此，Camera和激光雷達都需要被標定。
在以上兩個條件都確認無誤之後，就可以打開開關進行地圖採集了。
採集過程中，無人車需要雙向車道全覆蓋3—5遍，最好是5遍。
如果車輛搭載64線激光雷達，那麼完成地圖採集目標所需要的全覆蓋圈數可以減少。16線激光雷達則需要跑更多圈，纔會得到更爲精準有效的數據。Apollo地圖採集對車速並無明確要求，但爲確保採集效果，時速低於60千米爲宜。Apollo採集路口紅綠燈時使用的是Riegl傳感器。在路口採集時，我們並不需要將車停下來進行靜態掃描。這種行爲本身十分危險並且違反交通法規。
車載Riegl可以保持在正常行駛狀態下，就能夠採集到路口紅綠燈的信息。一次採集行爲完成後，所有的結果會形成數據包。其中包含點雲、車輛標定參數、定位結果等信息。
地圖數據服務平臺
採集完成之後，Apollo會提供一系列的製圖服務
Apollo地圖數據服務平臺提供包括數據管理體系、製圖任務創建、製圖進度跟蹤和製圖結果下載等服務。
開發者可將採集到的數據提供給Apollo，由Apollo來進行後續系列製圖服務。
製圖過程是離線的，百度對Pose做校正和視覺圖像處理，完成最終的製圖後，會將全套地圖提供給開發者。
阿波君說：
在學習過程中，開發者不僅可以在Apollo開發者社區小程序上對課程內容進行提問，還可以在開發者微信羣中交流學習心得，共同學習自動駕駛技術。
開發者社區還將在公衆號上定期推送課程相關的技術乾貨，全程陪伴大家共同進步。祝Apollo開發者們順利完成《Apollo自動駕駛進階課程》的學習，在自動駕駛道路上越走越遠！
阿波君還歡迎大家在小程序內曬出學習筆記，也可以加入開發者交流社羣與大家交流互動，有好禮相送！
觀看/閱讀完該節課程後在開發者社羣及小程序「社區問答」版塊內上傳你的課程筆記截圖；手寫筆記/電腦文檔均可即可聯社區小助手獲取百度周邊紀念品1份。趕快來撩吧~比心~