高精度地圖主要用於無人駕駛路徑規劃，還可以應用於無人駕駛定位，ROI區域過濾等。接下來我們主要來看如何製作高精度地圖。
高精度地圖製作流程
高精度地圖的製作過程分為4個步驟：
- 地圖採集
- 點雲地圖製作
- 地圖標註
- 地圖保存
如圖1所示，接下來我們會具體分析每個步驟。
1. 地圖採集
地圖採集是由裝備有雷射雷達、相機、GPS、IMU等傳感器的數據採集車採集完成的，如果沒有採集設備，我們也可以直接採用開源的數據集來進行地圖製作，以熟悉整個製圖流程。
我們採用開源的KITTI 數據集來獲取原始數據，後續我們會更新推薦的採集設備。圖2是高精度地圖採集車。
2. 點雲地圖製作
點雲地圖的製作主要是把採集好的數據進行加工，我們採用雷射雷達數據來進行點雲地圖的製作。製作的過程簡單的來說就是通過雷射雷達來掃描整個街道，以建立整個街道的三維模型。因為雷射雷達的掃描範圍有限，因此我們需要逐幀把雷射雷達的數據拼接起來，來獲取整個街道的模型，這個過程也被稱為點雲註冊。圖3是拼接好的點雲地圖。
目前有2種方法實現地圖製作。
- Autoware NDT mapping. 採用開源社區Autoware提供的NDT mapping 可以實現點雲的拼接，從而得到整個街道的三維模型。
- 各種離線SLAM建圖方法。
目前可以參考的基於雷射雷達的SLAM建圖方法如下：
- LOAM
- Cartographer
- hdl_graph_slam
- blam
- A-LOAM
- LeGO-LOAM
- LIO-mapping
- interactive_slam
3. 地圖標註
地圖標註是在點雲地圖的基礎上，標註出車道線信息、交通標誌信息、紅綠燈信息等，得出道路的結構化信息。無人駕駛規劃控制模塊會利用這些道路結構化信息完成路徑規劃。地圖的標註目前主要是依賴人工完成的，當前地圖標註主要面臨以下2個挑戰。
- 傳感器融合 - 由於雷射雷達採集的點雲數據比較稀疏，並且沒有顏色信息，因此需要把攝像頭的信息和雷射雷達做融合，之後可以獲取更加清晰的信息來識別車道線信息、交通標誌信息等。
- 自動化標註 - 採用人工標註的方式無法解決大規模高精度製作的問題，如何實現自動化標註是目前地圖標註的主要問題。
通過地圖標註工具可以標註出車道線、交通標誌、路口、減速帶等信息。圖4是在點雲地圖上標註好的高精度地圖。
4. 地圖保存
地圖保存主要是把上述標註好的信息保存為固定的格式，目前百度Apollo社區採用的高精度地圖格式是Opendrive格式，高精度地圖最好採用統一的格式標準，以免地圖不兼容。
地圖服務商對高精度地圖做了一部分擴展，把高精度地圖分為3個圖層：
- 地圖圖層 - 保存道路的結構化信息，這部分信息定義了車道線、交通標誌、交通規則信息等。
- 定位圖層 - 保存了原始的點雲地圖，提取出一些特徵如電線桿、建築物、交通標誌等。用來做點雲匹配定位。
- 動態圖層 - 實時動態的更新一些信息如：當前路況、實時交通規則、前方車禍等。