高精地圖
用於自動駕駛的地圖
如何採集與生成：
IMU：測量三軸的加速度，任意兩幀之間的相對運動。
輪速計：測量汽車車輪轉速
GPS：空曠，高速比較好用。不需要做非常複雜的策略。
Lidar：精度高，發射接收激光束，得到距離。
高度簡化的高精地圖計算模型： Q：優化模型，z:激光雷達掃描出的點，h：方程預測最新掃描點的位置，m:掃描到的點在圖中的位置，x:無人車的當前位置。
m與x剛開始未知，先多傳感器融合求x,在求出測量點在地圖中的準確位置。
有時使用視覺與激光雷達融合使用，補充雷達沒有的圖像豐富的色彩信息。
也有計算能力強大，實時採集。還有一些完全使用視覺。
規範：
NDS，OpenDRIVE
主要以下幾個概念：Section,line,Junction.
通過基於reference line 偏移量來描述。
一些公司的方案：
地圖上有車，或移動物體，多次採集移除這些點雲。不動的稱爲feature,定時的更新到地圖中。
還將司機的經作爲數據存在地圖層中，使自動駕駛更像人。
路口處提供虛擬lane
Apollp的方案：
使用百度提供的軟件進行測繪，數據採回來後，雲端百度進行高精地圖繪製。
自定位技術
姿態是說繞三個軸的旋轉。
激光定位
首先提供一個地圖，然後將地圖點雲壓縮成2D，劃分成小格子，儲存例如顏色，高度，等等數據，然後車載實時監測與各個小格子數據進行匹配，獲得車輛所在的位置。以下通過：重合度，到你線段的距離度量。下圖中間是車載端在線跑幫助車子定位。
定位基礎知識
二維旋轉矩陣：三維同理
ECI地心慣性座標系：x和y指向兩個恆星，不隨地球的自轉運動。IMU的輸出是基於這個參考系下的量測輸出。
ECEF地心地固座標系：x和y軸是隨着地心轉動的。地球上任意一點有唯一座標。
UTM座標系(水平地圖)：座標(x,y)加投影帶代號表示地球表面唯一的點，座標與經緯度或者ECEF座標系有確定的轉換關係。高緯度誤差會大，使用不同的座標系，利用這個座標系做輸出。
當地水平座標系：通常定義爲ENU，位於載體上面，東向北向天向。稱爲導航座標系。可以繞ECEF旋轉得到。
車體座標系：RFU(右前上)與FLU(前左上)，隨載體轉動，所以是局部座標系。可以對於ENU有旋轉差異。
IMU座標系：基本上和載體座標系相同。IMU:慣性測量單元
激光雷達座標系：固定於雷達上，通過外參與IMU有關係。
相機座標系：通過外參與IMU有關係，因爲其與IMU有旋轉關係。
無人車定位所涉及的座標系：IMU,ENU,車體座標系他們之間都是旋轉關係。
Apollp用到的技術
GNSS定位：GPS定位，定位，測試，授時
載波定位技術：在5秒內提供cm級精度。問題是需要建立基站
PPP：不同地方消除誤差方式不一樣。RTK用的是比較廣的。
激光點雲定位：輸出xyz,和yaw角度,大地圖分成很多小格子，利用檢測的點雲與匹配各自中的點匹配，獲得位置。LK算法優化其航向角，如果沒有航向角位置誤差差1M以上，很危險。反射值加高度值自適應匹配可以達到誤差cm級
視覺定位技術：用車道線，紅綠燈等
視覺定位技術算法流程：
捷聯慣性導航系統：誤差隨時間累計。
綜合上述：最後的自定位融合上述一些技術最終得到組合導航系統：
自定位技術開源代碼及論文：
Robust and Precise Vehicle Localization based on Multi-sensor Fusion in Diverse City Scenes ICRA，2018 私聊作者可以獲得上述PDF
Apollp Project開源代碼庫
Apollo ROS介紹
兩節點通訊鏈路過程：分別叫Publisher,Subscriber
中心化網絡拓撲
Publisher：發送節點 Subscriber：接收節點
流程：
1：發送節點向Master註冊這個節點，註冊我起了一個節點
2：接收節點去Master註冊我起了一個接收節點。
3：Master向接收節點發送一個已有發送節點的信息拓撲
4：接收節點拿到這個拓撲信息後，向發送節點請求建立TCP連接
5：發送與接收建立P2P連接後，持續不斷的向接收節點發送信息。
優缺點：
優點：節點容錯性強，不同語言模塊隔離，開發模塊低耦合
缺點：過度依賴Master單點,缺乏異常恢復機制
特別是Master作爲拓撲網絡的中心，一旦異常將影響整個網絡。
車上一般設有冗餘備用系統，但是當主系統宕機的情況下，整個系統都無法正常使用，起不到設計冗餘備用系統的作用。
去中心化網絡拓撲
爲了改進以上缺點，採用去中心化網絡拓撲。
去中心化：加入時告訴所有節點我要加入，退出時告訴所有節點要退出。
1：告訴所有節點我要啓動起來
2：所有節點在接受到新加入的節點信息之後，和新加入的節點構成兩兩鏈接
3： 然後所有節點向新加入的節點發送它們已有的拓撲信息
流程圖
