apollo自动驾驶金字塔点云地图模型结构分析

金字塔地图(pyramid map)

金字塔模型是图像处理中的重要手段，常用作多分辨率模型。
在apollo点云地图中，使用点云特征提取地面特征平面层，再将地面层上的点云数据存储在金字塔模型中。
通过使用金字塔模型对建立不同分辨率(resolution)地图数据进行存储，每一层的数据结构都是统一的，只是保存不同分辨率的数据而已。
每一层的金字塔，主要由以下几个关键数据结构抽象搭建的架构，
$MapMatrix \subset MapNode \subset MapNodePool$

MapNode存储的是点云点的位置（Pose）所确定的范围信息, 它的作用是将确定的地理范围划分成若干个node节点，并以$Node_{index}$来存取相应区域的地图数据。，其Index是根据以下公式计算所得
$Node_{index}=(Pos_{x,y}-min_{x,y})/(Node_{size} \times resolution)$
目前固定每个 $Node _{size}=1024 \times 1024$,
默认点云地图的分辨率是 $0.125m$，即最小$Cell$的边长为 $0.125m$,
所以一个node所能涵盖的单方向的地理距离就是$(1024 \times 0.125)m$
其中$Pos_{x,y} \in R^2$ 是UTM座标，x指向东，y指向北，
$(min_{x},{min}_y)$是当前地图区域的最小边界值，也是UTM座标,

例如，
$$m=(x-{min_x})/(1024*0.125),n=(y-min_y)/(1024*0.125)$,$

MapMatrix 存储每个点云点的相关信息，其Index是根据以下公式计算所得
$Cell_{index}=(P_{global}-P_{lefttop})/resolution$