自动驾驶中高精度地图生成技术

摘要

本文介绍了自动驾驶中高精度地图生成技术。在过去的几年里，自动驾驶一直是最受欢迎和最具挑战性的话题之一。为了在道路上实现全自动化，研究者利用了各种传感器，例如激光雷达、相机、惯性测量单元（IMU）和GPS，并且开发了用于自动驾驶应用的智能算法，例如目标检测、目标分割、避障和路径规划。近年来，高精度地图受到了广泛关注。由于高精度地图在定位方面具有高精度和丰富的信息，它成为自动驾驶的关键组成部分之一。从百度Apollo、NVIDIA和TomTom等大型组织到个人研究人员，研究者们已经为自动驾驶的不同场景和目的创建高精度地图。有必要回顾高精度地图生成的最先进方法。本文回顾了最新的高精度地图生成技术，它利用了2D和3D的地图生成。本文介绍了高精度地图的概念及其在自动驾驶中的作用，并且对高精度地图生成技术进行了详细的概述。本文还将讨论当前高精度地图生成技术的局限性，以促进将来的研究。

主要贡献

本文的贡献为以下三方面：

1）本文回顾了非商业化的高精度地图生成方法，它们可能有助于研究者创建个性化的高精度地图，并且开发新的高精度地图生成方法；

2）本文介绍了常用的高精度地图框架，并且讨论了当前高精度地图生成方法的局限性，给高精度地图带来一些公开挑战。

论文图片和表格

总结

在本篇综述中，分析了自动驾驶中最新的高精度地图生成技术。高精度地图的基本常见结构总结为三层：1）道路模型；2）车道模型；3）定位模型。本文介绍并且比较了用于生成高精度地图的数据采集、三维点云生成和特征提取方法，包括道路网络、道路标记和杆状物体，也讨论了这些方法的局限性。本文介绍了支持高精度地图的框架，包括Lanelet2、OpenDRIVE和Apollo，还提供了一些有用工具用于在三个框架之间转换地图格式。

需要进一步研究和开发的一些具有挑战性的问题为：

1）将更多的特征（例如深度信息）加入到2D地图中，并且使其一直更新；

2）在不消耗太多时间和算力的情况下，提高三维地图生成过程的效率，并且使得大规模高精度地图的三维建图成为可能；

3）创建人行道的特征提取方法；

4）高精度地图补全和完成的非商业化方法。

文章转载自公众号：自动驾驶专栏