业界的高精地图产品
HERE HD Live Map
HERE HD Live Map的四大特性：
- 基础地图的设计
- 基础地图是高清实时地图的基础
- 采集车辆配有GPS、激光雷达、相机等，每天采集28T的数据量，精度可达厘米
- 基于激光雷达、相机，建立16线程的Base Map
- 众包更新（基于图像）
- 利用众包车辆传感器采集行车路径、车道标志、道路边缘、路标、路面标志等
- 在云计算中映射学习
- 车辆大小、传感器设置和行驶路径不同。这些变化导致许多观察到的路边物体是不相同的
- 机器学习将这些变化的传感器数据聚合起来，以确定路边工件的精确位置
- 更新的地图
- 创建并添加到地图数据库后，在这里将其发布到HD Live地图，并将必要的平面图发送回车辆，以便车辆能够准确和实时地表示路网
- 采集方案
- HERE采集车，集成了16线激光雷达+ Camera + RTK天线+IMU
- HERE采集车会对地图进行预先制作，在数据采集后进行数据统计，经人工识别检查后，最后更新在地图中
- 众包更新
- HERE地图采集的众包，可以做到非常高频的更新
- 车端通过Sensor进行信息采集，对点、道路、标志标牌通过Feature进行提取，帮助地图进行更快的更新
- Learning方案
- 不同于利用神经网络的图像处理方法，HERE利用点云分割技术对Features进行分析
- 对地图的表述方式
- 对地图做了4个分层结构：
- 第一层是Road & Lane Model Layer（车道边界和区分界线）
- 第二层是Localization Model Layer（基于Camera或点云）
- 第三层是Activity Layer（动态信息层、道路实时信息）
- 第四层是Analytics Layer（司机驾驶习惯分析）
MobilEye
- MobilEye更侧重于使用Camera，在图像处理方面也做得更好，使用视觉信息来进行辅助驾驶，是一种基于众包的视觉制图
- MobilEye把技术层次分为三个层次：
- 感知
- 在图像处理方面，MobilEye经验丰富，使用自己独有算法是用来检测对象，确保安全行驶和系统决策
- 映射
- 自动驾驶汽车需要大量的系统冗余来处理无法预料的情况
- 在所有条件下，车辆相对于道路边界和交叉口的精确定位都需要高精地图
- 驾驶策略
- 在MobilEye的认为中，一旦一辆自动驾驶汽车能够感知周围的场景并在地图上进行定位，要解决的最后一件事情，就是学习和共享人类司机的驾驶策略
- 感知
- MobilEye的道路经验管理系统
- MobilEye的众包流程方案跟HERE的很像，只不过他们的方案更多是基于视觉来做
- Mobileye的REM系统（道路经验管理系统）非常知名，提供实时匿名众包的汽车数据，用于高精度地图的制作和使用
- 采集器
- 云端
- 自动驾驶车辆
- MobilEye的“路书”
- MobilEye把REM采集、发送云端、处理、发回车端的过程称为“路书”
- 搭载MobilEye的车端首先会对环境进行识别，然后进行语义分析和几何形状提取，将其压缩后打包上传，这个过程称为RSD
- MobilEye还会将不同路段的数据打断上传
- MobilEye的演示视频中的场景都是非城市的简单场景，而在更复杂的环境中，其解决方案还是存在局限性
谷歌的Waymo
- 谷歌在业内做自动驾驶非常早，但是其对外披露的信息极少
- 谷歌将地图提供的静态环境和基于感知的动态环境（人物、车辆、道路标志）等信息结合在一起
TomTom
- 做到云端的实时更新
- 基于点云的定位方案