高精度地图制作(二)

之前有写过一篇高精度地图制作的介绍，后面也思考了一些问题，其中比较困扰我的是高精度地图如何做到实时更新？高精度地图的维护成本？最近看了ZENRIN公司关于高精度地图的介绍PPT[1]，得到了很大的启发，简单的做一个学习记录。

这个PPT的思路非常清晰，非常建议学习，下载见文末参考链接。下面开始介绍，多图预警，流量党请先收藏再看。

高效的高精度地图创建（使用GPU加速地图制作过程）

首先PPT的主题是"高效的高精度地图创建（使用GPU加速地图制作过程）"，也就是说本文主要介绍了如果用GPU加速高精度地图制作过程。

你在东京的时候如何到达目的地？

想象一下你要去东京的某个景点，这时候你拿出手机，打开地图导航，一气呵成。也就是说我们需要东京的地图，才知道自己在哪里，如何去哪里，强调了地图的重要性。

接下来介绍下ZENRIN的历史，创建于1948年，在地图领域耕耘了60年，100%覆盖了日本有住宅区域的地图。

下面开始正式介绍高精度地图。

什么是高精度地图？

相比于传统地图，高精度地图不仅仅提供了道路信息，还提供了车道信息，交通标志，以及这些道路的位置信息，精度比传统导航地图更高，自动驾驶要求的精度在10cm以内。

三维信息

标识了车道线，路沿，红绿灯的三维位置信息。

语义信息

语义信息包括道路的结构化信息（哪里分流，哪里并道），同时标识车道停止线，信号位置等。

高精度地图保存格式

根据更新的需要，高精度地图一般分为几层，其中底图信息层是相对变动最少的，而动态信息层则是实时获取红绿灯的状况，路况信息等需要实时更新的信息，最后统一保存到数据库。

如何制作高精度地图

典型高精度地图制作过程分为3步：数据采集，数据处理，验证

采集车

地图采集需要专门的硬件，包括摄像头，激光雷达，轮速计，IMU和GNSS，一套下来价值不菲。

采集的数据非常大

可以看到采集的数据量非常大，即使这里是每隔2.5m拍一张照片，也就是说对道路做了采样之后的数据依然庞大。

点云注册

点云注册是制作高精度地图的基础，把2次采集的点云拼接起来，就合成了一张完整的道路，具体可以参考autoware的源码。

查找点云中的对象

接着就是查找点云地图中的对象，有些比较稀疏的对象，可以结合摄像头的融合，得出对象的具体信息，也就是说传感器融合在制图过程中非常关键。

制图并且验证

最后的过程就是提取道路几何信息，标注，并且进行质量检查，这些步骤都是在办公室用软件完成的。

高精度地图的挑战

这里提出了高精度地图的几大挑战：大量的数据需要处理，大量的计算时间，需要很多有经验的操作员，需要实时更新。也就是说这些问题也是一直困扰业界的问题。

如何加速制图过程？

这里提出了通过GPU和深度学习来加速制作地图

制作地图需要哪些工作？

这张图片非常好，完整的介绍了整个制作地图需要的步骤，然后逐个介绍如果通过GPU来加速这些过程，我找了下这里提到的"NVIDIA high performance mapping SDK"没找到，不知道是否是定制的一款SDK，没有公开？

点云注册（制作地图过程之一）

通过对比通过CPU的PCL库和GPU的ICP库进行点云注册，效率提高了4.6到5倍。

物体识别、分类（制作地图过程之一）

通过深度学习的场景分割和车道线识别，可以有效的减少人工操作。

制作地图的Pipeline

这张图很关键，讲述了整个高精度地图的流水线制作过程，很值得学习。

对比输出

这是制作高精度地图的最后一步骤，第一步是点云注册，之后是点云和图像融合辅助标识出车道等信息，最后一步原始提取，把上述融合的数据提取出重要的部分，主要是道路的部分，对数据做压缩。

利用反馈来更新地图

为了解决实时更新道路的问题，通过可靠和精确的定位来反馈真实世界的变化，并且把反馈加入到高精度地图中。

概念证明：制作整个日本的地图

这里提出了一个很好的问题，如何制作整个日本的地图，证明工作量的挑战。

日本和美国的区别

由于上述的深度学习用到模型，这里提出了如果要制作日本的地图，那么深度学习模型需要从新用日本的数据训练，这里简单对比了为什么基于美国的模型的数据对比。

我有个新奇的想法是，能不能像秦王扫六合一样，统一整个世界的交通规则？

结论

最后得出2点结论，一是GPU和AI确实可以帮忙自动的创建和更新地图；二是优化针对制作日本地图的流水线。

学习笔记

首要的一点，这个PPT回答了我的一些问题，比如：

• 高精度地图如何做到实时更新？

通过确认过精确位置的反馈来更新高精度地图，如果指望人主动发起更新可能不现实，但是如果是汽车主动发起，也就是每个车有义务对地图做更新，那么未来技术上还是可行的。

• 高精度地图的维护成本？

首先采集的数据确实非常大，计算量也很大，但是我们可以通过GPU和AI做加速来解决这些问题，并且也提出了一个很好的问题，证明如何制作整个日本的地图。

最后体会最深的就是关于制作地图的pipeline，并且详细的列出了制作高精度地图的各个过程，以及如何优化，其中图像和点云的融合，还有如何抽取压缩地图信息介绍的都很有启发。

关于英伟达地图SDK，发邮件问了下作者，目前得到的答复如下：

I saw "NVIDIA's High Performance Mapping SDK" in your introduction, but I can't find it in NVIDIA's official website. Is this a publicly released SDK?

看来英伟达还在开发这个SDK