目錄
第1章概述
1.1自動駕駛定位技術的構成
1.2本章小結
第2章高精度地圖
2.1高精度地圖的定義及其價值
2.1.1高精度地圖的分層架構
2.1.2高精度地圖對自動駕駛的價值
2.1.3高精度地圖行業現狀
2.2高精度地圖關鍵技術
2.2.素圖像處理
2.2.2激光點雲處理
2.2.3同步定位與地圖構建
2.2.4高精度地圖雲端服務體繫
2.3高精度地圖解決方案
2.3.1高精度地圖采集
2.3.2高精度地圖制作與編譯
2.3.3高精度地圖質量控制與發布
2.4本章小結
參考文獻

第3章汽車定位技術
3.1衛星定位技術
3.1.1衛星導航定位繫統簡介
3.1.2GNSS定位原理
3.1.3GNSS數據誤差
3.1.4差分GNSS定位技術
3.2慣性導航定位技術
3.2.1慣性導航定位繫統簡介
3.2.2慣性導航定位繫統工作原理
3.2.3慣性導航定位繫統誤差分析
3.3地圖匹配定位技術
3.3.1地圖匹配定位技術簡介
3.3.2地圖匹配定位技術原理
3.3.3地圖匹配定位誤差分析
3.3.4地圖匹配常用算法
3.4多傳感器融合定位技術
3.4.1多傳感器融合繫統簡介
3.4.2多傳感器融合定位繫統原理
3.4.3多傳感器融合誤差分析
3.4.4多傳感器融合算法
3.5本章小結
參考文獻

第4章無線通信輔助汽車定位
4.1車聯網體繫架構及信息共享
4.1.1車聯網體繫架構
4.1.2車聯網的信息交互與共享技術
4.2基於專用短程通信的車聯網技術
4.2.1專用短程通信技術
4.2.2基於專用短程通信的車聯網
4.3基於蜂窩移動通信的車聯網技術
4.3.1蜂窩移動通信技術
4.3.2基於蜂窩移動通信的車聯網
4.4車聯網輔助定位技術
4.4.1車聯網輔助地圖數據的采集與發布
4.4.2室內定位技術
4.5本章小結
參考文獻

第5章自動駕駛高精度地圖與定位實踐
5.1高精度地圖實踐
5.1.1基於Caffe的交通標志牌識別實驗
5.1.2基於PCL的激光點雲配準實驗
5.2基於Apollo平臺的定位實踐
5.2.1Apollo簡介與配置
5.2.2GNSS/IMU定位實驗
5.2.3LiDAR/IMU定位實驗
5.2.4多傳感器融合定位實驗
5.2.5自定義定位實驗設計
5.3本章小結
參考文獻

前言

定位技術作為自動駕駛汽車的關鍵技術之一，是通過各種定位手段與多種傳感器數據融合實現汽車的精確定位，讓自動駕駛汽車獲得自身確切位置，解決“我在哪兒”的問題。精確定位是自動駕駛汽車必不可少的功能，因其要求定位精度和可靠性更高、對基礎地圖和環境融合認知能力要求更高而面臨更大的挑戰，成為自動駕駛領域研究的熱點，受到了工業界和學術界的廣泛關注。目前，研究人員對通用的定位技術研究較多，如衛星定位、慣性導航定位等，相關書籍不勝枚舉，但針對自動駕駛汽車定位技術進行繫統的分析、歸納及實踐的書籍少。本書正是為了適應自動駕駛技術的發展，從自動駕駛汽車定位的應用需求入手，繫統地講述實現自動駕駛定位的高精度地圖、融合定位及輔助定位三大關鍵環節的基本原理及前沿技術，並通過實驗範例幫助讀者理解和學習。
全書共5章。第1章是概述，簡要介紹和歸納自動駕駛定位技術的發展背景及技術路線。第2章是高精度地圖，介紹高精度地圖對自動駕駛交通環境定位的價值，及其關鍵技術和解決方案。第3章是汽車定位技術，重點闡述多種定位技術的原理、關鍵技術及融合應用。第4章是無線通信輔助汽車定位，重點介紹基於車聯網的輔助定位。第5章是自動駕駛高精度地圖與定位實踐，主要介紹高精度地圖標志牌識別、激光點雲配準及基於百度Apollo平臺的多傳感器融合定位實踐。限於篇幅，本書未能把自動駕駛定位相關技術介紹得非常詳盡，有興趣的讀者可以通過對應章節的參考文獻或查閱相關資料進一步學習。
本書除第1章的概述和第5章的實踐範例外，其餘章節重點介紹了與自動駕駛定位相關的原理及技術，具有一定的專業性和前瞻性。因此，本書既可以作為從事自動駕駛定位技術研究和開發的科研人員參考用書，也可以作為高等院校導航、通信、信息、物聯網、計算機、汽車等相關專業的研究生和高年級本科生的教材。
本書由北京航空航天大學聯合百度共同編寫，在編寫過程中得到來自北京航空航天大學和百度的多位專家、老師、學生的參與和支持，包括唐欣、黃科佳、萬國偉、蔡仁瀾、楊曉龍、芮曉飛、周堯、王健、闫淼、楊鏡、段旭、白宇、佘黨恩、羅明懿、王對武、覃興勝、唐峯竹等。謹在此向他們致以深深的謝意。
本書在編寫過程中，參閱了大量的文獻資料，從中得到了許多有益的啟示和幫助，在此向這些文獻的作者表示衷心的感謝。
由於編寫時間短、編者水平有限，加之經驗不足，本書難免有疏漏之處，懇請各位同行和讀者批評指正。

作者

2019年5月

第5章自動駕駛高精度地圖與定位實踐

本章5.1節是高精度地圖實踐，圖像處理和激光點雲處理是制作高精度地圖的關鍵技術，主要講解交通標志牌識別與激光點雲配準實驗，讓讀者對高精度地圖的制作有更加深入的了解。5.2節是基於Apollo平臺的定位實踐，主要包括GNSS/IMU定位、LiDAR/IMU定位、多傳感器融合定位及自定義定位實驗，讓讀者從定位實驗中了解和學習Apollo平臺的構成和基本操作，便於讀者自行開展基於Apollo平臺的自動駕駛技術開發及應用實踐。
5.1高精度地圖實踐
在自動駕駛領域，高精度地圖無疑是保證自動駕駛安全可靠的關鍵技術之一。其格式化存儲了交通場景中的各種交通要素，提供釐米級高精度地圖數據。這些數據包括道路網、車道網絡、車道線以及交通標志等多種有效信息，並通過一定數據格式將各種數據制作成高精度地圖文件，給自動駕駛汽車的決策繫統提供決策依據。
一般而言，高精度地圖制作主要包括原始數據采集、地圖制作及編譯與發布3個部分。實際的地圖制作流程因不同地圖商而異，下面以百度公司的高精度地圖制作流程為例進行說明，具體制作流程如圖51所示。

1. 原始數據采集
在高精度地圖采集的業務中，原始數據的采集一般包括采集任務的下達、任務的分配與數據準備、外業采集設備的準備、數據采集和整理、數據的檢查及終的數據存盤等一繫列流程。簡化的外業采集流程如圖52所示。

外業采集流程中的任務分配與數據準備包括采集的計劃、任務的分配文檔、采集過程中所需要的技術手冊及需要用到的底圖等。圖53是百度Apollo高精度地圖采集車，其中用於地圖采集的傳感器設備如圖54所示，從左至右分別為激光雷達和攝像頭、GNSS天線、GNSS & IMU。

■
圖51高精度地圖制作流程

■
圖52簡化的外業采集流程

■
圖53百度Apollo高精度地圖采集車

■
圖54地圖采集傳感器設備

在硬件設備以及軟件準備階段，采集技術人員需要將激光雷達、攝像頭等硬件設備裝配到采集車上，再通過軟件工具查看硬件設備是否工作正常、基站信號是否
接入等。此外，外業采集用到的基站也要架設在具有一定高度、視野開闊、遮擋物少的地方，如高樓頂部。
規劃好采集路徑後，數據采集流程包括GNSS數據的對準、INS數據的采集、激光點雲數據采集以及圖像數據的采集。其中，GNSS的對準是為了矯正定位，保證整個采集過程中GNSS數據穩定可靠。
在圖像數據采集中，需要提前根據相機內參、外參和拍攝角度，進行參數標定。在激光點雲采集過程中，通過安裝在汽車頂部的多線激光雷達對汽車周圍環境進行周期性掃描，獲取激光點雲數據。同樣，激光雷達也需要根據線數、轉速、掃描位姿，進行參數標定。後通過GNSS與IMU融合獲取精確位置信息，並進行定位信息解算完成位置數據采集。攝像頭與激光雷達采集的原始圖像與激光點雲數據示例如圖55所示。

■
圖55原始圖像與激光點雲數據示例

數據采集完成之後，需要將采集好的數據進行整理，並對激光點雲數據、GNSS授時等數據進行檢查，如果數據不正常，還需要退回到數據采集階段，進行重新采集。
完成上述步驟後，即可將采集好的數據進行存盤並交付到內業數據制作部門。
2. 地圖制作
原始數據采集完成後，地圖制作部門即可從雲端下載數據，並進行地圖制作。為了方便讀者理解，接下來對圖51的高精度地圖制作中的主要步驟進行說明。
特征識別： 分為圖像識別處理和激光點雲識別，通過策略或語義分割等方式，提取包括車道線、標志牌、杆、地面、護欄、路沿等基本道路關鍵目標特征。
特征去重： 針對多幀圖像識別後的數據進行融合，提取單趟采集的道路特征數據。
點雲拼接： 將單趟采集的激光點雲幀進行坐標統一和拼接。
點雲融合： 對多趟采集的激光點雲數據進行匹配，用於數據補全、更新、合並場景，並產出激光點雲地圖。
特征融合： 將多源特征數據進行融合，包含匹配、合並、過濾、調整等操作。
建模： 根據識別後的特征數據，整合、構建矢量的語義化路網數據，以供編譯和發布使用。
經過上述高精度地圖的外業采集以及地圖制作的一繫列復雜的地圖制作流程後，高精度地圖制作就完成了。