image.png
OpenDrive
OpenDRIVE是一种高精地图格式，2006年由德国VIRES公司发布，并反复迭代，期间德国戴姆勒驾驶模拟器部门和德国宇航中心DLR也发挥了很大作用。
OpenDRIVE 1.5版本于2019年发布。2018年9月，OpenDRIVE的开发团队将维护工作转交给德国ASAM标准化组织，1.6及之后的版本由ASAM负责。1.6版本已由ASAM在2020年3月发布，本文使用该版本进行介绍。
OpenDRIVE开发起因是VIRES公司在提供驾驶模拟器方案时，发现不同工具的道路数据格式中需要包含逻辑内容是基本一致的，为了方便在不同的驾驶模拟器间进行道路数据的传递，VIRES公司与Daimler Driving Simulator部门决定开发OpenDRIVE格式。转交给ASAM组织后，ASAM组织同样把OpenDRIVE定位为用于仿真测试的地图格式。
OpenDRIVE文件按XML格式编写，文件扩展名为.xodr。
image.png
高精地图
高精地图是当前无人驾驶车技术不可或缺的一部分。它包含了大量的驾驶辅助信息，最重要是包含道路网的精确三维表征，例如交叉路口布局和路标位置
image.png
高精地图还包含很多语义信息，地图上可能会报告交通灯不同颜色的含义，也可能指示道路的速度限制，及左转车道开始的位置。
image.png
高精地图最重要特征之一是精度，手机上的导航地图只能达到米级精度，而高精地图可以使车辆能够达到厘米级的精度，这对确保无人车的安全性至关重要。
高精地图用于定位
首先车辆可能会寻找地标，使用从各类传感器收集的数据，如摄像机图像数据、激光雷达收集的三维点云数据来查找地标。
车辆将其收集的数据与其在高精地图上的已知地标进行比较，这一匹配过程是需要预处理、坐标转换、数据融合的复杂过程。
无人车的整个定位过程取决于高精地图，所以车辆需要通过高精地图明确它处于什么位置。
image.png
高精地图用于感知
无人车也可以使用高精地图来帮助感知，就像人的眼睛和耳朵会受到环境因素的影响一样，无人车的传感器也是如此。
摄像机、激光雷达、雷达探测物体的能力，在超过一定距离后都会受到限制。
在恶劣的天气条件下或在夜间，传感器识别障碍物的能力可能会受到进一步限制。
另外当车辆遇到障碍物时，传感器无法透过障碍物来确定障碍物后面的物体。这时，就需要借助高精地图的帮助了。
即使传感器尚未检测到交通信号灯，高精地图也可以将交通信号灯的位置提供给软件栈的其余部分，帮助车辆做下一个决策。
image.png
另一个好处在于，高精地图可帮助传感器缩小检测范围，如高精地图可能会告知我们在特定位置寻找停车标志，传感器就可以集中在该位置检测停车标志，被称为感兴趣区域ROI。ROI可帮助我们提高检测精确度和速度，并节约计算资源。
高精地图用于规划
高精地图可帮助车辆找到合适的行车空间，还可以帮助规划器确定不同的路线选择，来帮助预测模块预测道路上其他车辆将来的位置。
image.png
如高精地图可帮助车辆识别车道的确切中心线，这样车辆可以尽可能地靠近中心行驶。
在具有低速限制、人行横道或减速带的区域，高精地图可以使车辆能够提前查看并预先减速。如果前方有障碍物，车辆可能需要变道，可帮助车辆缩小选择范围，以便选择最佳方案。
Apollo高精地图
Apollo高精地图专为无人车设计，里面包含了道路定义、交叉路口、交通信号、车道规则，及用于汽车导航的其他元素。
image.png
高精度地图可在许多方面为无人车提供帮助，如高精度地图通常会记录交通信号灯的精确位置和高度，从而大大降低了感知难度。
高精地图不仅可以减少计算需求，还可以通过提供有关驾驶环境的详细信息，来确保无人车的安全。保持这些地图的更新是一项重大任务，测试车队需要不断地对高精度地图进行验证和更新。此外，这些地图可能达到几厘米的精度，这是水准最高的制图精度。
高精地图有很多种格式，为了方便数据共享，Apollo高精地图采用了OpenDRIVE格式，这是一种行业制图标准。同时，Apollo也对OpenDRIVE做出了改进，进而产生了Apollo OpenDRIVE标准，以便更适合无人车。
Apollo高精地图的构建
高精度地图的构建由五个过程组成：数据采集、数据处理、对象检测、手动验证和地图发布。
数据采集是一项庞大的密集型任务，近300辆Apollo测试车辆负责收集用于制作地图的源数据，以便确保每次道路发生改变时，地图均会得到快速更新。
测试车辆使用了多种传感器，如GPS、IMU、激光雷达、摄像机。
Apollo定义了一个硬件框架，将这些传感器集成到单个自主系统中，通过支持多种类的传感器，Apollo收集各类数据将这些数据融合，最终生成高精度地图。
image.png
数据处理指的是Apollo如何对收集到的数据进行整理、分类和精简，以获得没有任何语义信息或注释的初始地图模板。
对象检测Apollo使用人工智能来检测静态对象并对其进行分类，其中包括车道线、交通标志、甚至是电线杆，手动验证可确保自动地图创建过程正确进行并及时发现问题。
Apollo使手动验证团队能够高效标记和编辑地图，在经过数据采集、数据处理、对象检测、手动验证之后，高精地图才能发布。
除高精地图外，Apollo还发布了采用自上而下视图的相应定位地图、三维点云地图。
image.png
