【自动驾驶】自动驾驶地图构建方法与工具小结

自动驾驶地图构建小结

概述

制作流程主要利用定位与建图算法(组合导航,视觉、激光SLAM等),融合多种传感器数据,构建高精度、高分辨率的三维语义地图,将要素矢量化,构建要素间的关联关系,通过质检确保质量可靠,形成地图引擎(服务、API)以满足自动驾驶系统的需求。

底图构建

底图构建存在两大类方法,点云建图与视觉建图。

点云建图

一般面向高精度采集设备,采用高线束激光雷达,硬件成本高。

一般使用高精度组合导航进行点云拼接,多次采集同一环境需要进行多次点云的融合处理,如使用特征约束抑制点云发散。

目前,存在较多的开源方案实现了多传感器紧耦合的点云定位与建图。

视觉建图

参考Structure from Motion与Bundle Adjustment方法,易于处理重复采集问题,也常用于众包更新。

上述两种方法面对城市峡谷、隧道、高架桥下组合导航精度下降的场景,需要采用视觉或点云观测紧耦合IMU\GPS以提升定位和建图精度。

底图标注

手动标注

以Autocore Map Toolbox为例,流程如下(参考视频https://www.youtube.com/watch?v=WTRHPs8pN04)

a. 新建Unity工程,加入Map Toolbox插件

b. 导入点云PCD文件

c. 手动标准

d. 结果导出为矢量地图,osm格式(参考OpenStreetMap介绍)

自动标注

流程大致如下:

a. 路面提取

b. 路面要素提取(陆沿、车道线、路面标识、停止线、斑马线等)、非路面要素提取(交通标牌、红绿灯、路灯及灯杆)

c. 采用视觉检测补充点云中缺失的要素,需要已知相机内参、相机-LiDAR外参,作2D反投影3D提取要素

d. 对线段进行曲线拟合,同一要素内线段排序,连接端点,完成矢量化

e. 添加语义,添加语义及车道的关联关系,构建地图索引和数据存储,生成高精地图数据文件

f. 人工修补

g.人工质检

标注方法

无论自动标注或者手工标注的方法,均需标注软件,因为机器算法无法做到百分之百,而且实际道路由于路标遮挡、磨损等原因,都需用标注软件手工修正。

一个功能强大的标注软件是高精地图生产必不可少的一部分。

工具软件

名称 支持格式 商业
LGSVL Map Annotation Apollo OpenDrive、OpenDrive、VectorMap、Lanelet2 免费
Assure Mapping Tools Google Earth、KML、Opendrive、Lanelet2、Vector Map 免费
AutoCore MapToolBox Lanelet2 免费
RoadRunner OpenDrive 付费
相关推荐
机智的叉烧15 分钟前
前沿重器[57] | sigir24:大模型推荐系统的文本ID对齐学习
人工智能·学习·机器学习
凳子花❀18 分钟前
强化学习与深度学习以及相关芯片之间的区别
人工智能·深度学习·神经网络·ai·强化学习
泰迪智能科技012 小时前
高校深度学习视觉应用平台产品介绍
人工智能·深度学习
盛派网络小助手3 小时前
微信 SDK 更新 Sample,NCF 文档和模板更新,更多更新日志,欢迎解锁
开发语言·人工智能·后端·架构·c#
Eric.Lee20213 小时前
Paddle OCR 中英文检测识别 - python 实现
人工智能·opencv·计算机视觉·ocr检测
cd_farsight3 小时前
nlp初学者怎么入门?需要学习哪些?
人工智能·自然语言处理
AI明说3 小时前
评估大语言模型在药物基因组学问答任务中的表现:PGxQA
人工智能·语言模型·自然语言处理·数智药师·数智药学
Focus_Liu3 小时前
NLP-UIE(Universal Information Extraction)
人工智能·自然语言处理
PowerBI学谦3 小时前
使用copilot轻松将电子邮件转为高效会议
人工智能·copilot