高精地图和自动驾驶
L3以下可以不用高精度地图，L3+必须要用到高精度地图。
高精地图不一定比传统地图精度更高，但包含信息更全面，或者实时性更强。
高精地图的特征
- 实时性
- 描述车道或者车道边界线等，包含了人能看到的能影响驾驶的全部信息。
高精地图与传统导航地图的区别示意
高精地图与其他模块的关系
定位
目前两种主流定位方法：点云定位、视觉定位。
比如，结合粒子滤波以及高精地图计算概率确认所在位置
感知
超距感知与隔障碍物感知、红绿灯感知
弥补感知传感器的局限性：距离的局限性（如激光雷达在一定距离之外点云稀疏，摄像头在恶劣环境下的情况）；雷达穿透能力强，精度不高；激光雷达穿透能力弱，遇到雾霾等天气会有较大误差；遮挡情况
高精度地图的先验提高识别率，缩小检测范围。
规划预测决策
长距离规划（路由选择）：类似于导航，主要针对于静态环境，但会考虑车道级别的规划。
短距离规划（轨迹选择）：通过高精度地图决定短距离规划的目的地（车道）
预测：底层依赖于高精度地图，根据障碍物所在车道位置或者红绿灯等信息预测障碍物可能的运行轨迹。
安全
无人车的操作系统、控制系统、通信系统可能会被攻击、被干扰或者发生故障。
高精度地图提供了一个离线的标准，与实时探测到的进行匹配。
仿真系统
基于高精地图构建仿真系统，保证测试时候的场景和实际道路运行的差别不会很大。
高精度地图作用
- 静态感知，把人的经验传递给自动驾驶系统
- 弥补系统性缺陷，目前4G网络无法实现实时传输数据，云端计算
高精度地图的采集与生产
采集用的一些传感器
- GPS：通过观测卫星（四颗及以上）得到地球上的点位置
- IMU
- 轮速计：通过分析每个时间段里左右轮的总转数，可以得出车走了多远，但路面情况会影响结果
- 激光雷达
生产——计算模型
空间结构的三维重建
高度简化的计算模型
生产——视觉制图
采用纯视觉的制图模式。
- 基于激光雷达：摄像头与激光雷达融合使用，激光雷达准确但信息少，摄像头信息更多
- 基于视觉：硬件较强的可以实时监测实时生成
高精度地图的格式规范
- NDS
- OpenDRIVE
- NDS支持局部更新，提供一些描述功能，较为复杂，但信息很全面。
- 地图分块封装地图数据。
- OpenDRIVE中，道路被切分成多个section，车道线变化、虚实线变化、道路属性变化都是其划分原则。规定了参考车道，基于参考车道向左向右的车道ID分别递加递减。规定了路口概念，包含红色线（虚拟路），用于连接可通行方向。
- tracking坐标系：S相对于参考车道的起点的纵向偏移量；T基于参考车道的横向偏移量。所有车道线的描述都基于这个参考车道偏移描述。