高精地图
用于自动驾驶的地图
如何采集与生成：
IMU：测量三轴的加速度，任意两帧之间的相对运动。
轮速计：测量汽车车轮转速
GPS：空旷，高速比较好用。不需要做非常复杂的策略。
Lidar：精度高，发射接收激光束，得到距离。
J = Q ( z − h ( m , x ) ) J = Q(z-h(m,x)) J=Q(z−h(m,x))
高度简化的高精地图计算模型：Q：优化模型，z:激光雷达扫描出的点，h：方程预测最新扫描点的位置，m:扫描到的点在图中的位置，x:无人车的当前位置。
m与x刚开始未知，先多传感器融合求x,在求出测量点在地图中的准确位置。
有时使用视觉与激光雷达融合使用，补充雷达没有的图像丰富的色彩信息。
也有计算能力强大，实时采集。还有一些完全使用视觉。
规范：
NDS，OpenDRIVE
主要以下几个概念：Section,line,Junction.
通过基于reference line偏移量来描述。
一些公司的方案：
地图上有车，或移动物体，多次采集移除这些点云。不动的称为feature,定时的更新到地图中。
还将司机的经作为数据存在地图层中，使自动驾驶更像人。
路口处提供虚拟lane
Apollp的方案：
使用百度提供的软件进行测绘，数据采回来后，云端百度进行高精地图绘制。
自定位技术
姿态是说绕三个轴的旋转。
激光定位
首先提供一个地图，然后将地图点云压缩成2D，划分成小格子，储存例如颜色，高度，等等数据，然后车载实时监测与各个小格子数据进行匹配，获得车辆所在的位置。以下通过：重合度，到你线段的距离度量。下图中间是车载端在线跑帮助车子定位。
定位基础知识
二维旋转矩阵：三维同理
ECI地心惯性坐标系：x和y指向两个恒星，不随地球的自转运动。IMU的输出是基于这个参考系下的量测输出。
ECEF地心地固坐标系：x和y轴是随着地心转动的。地球上任意一点有唯一坐标。
UTM坐标系(水平地图)：坐标(x,y)加投影带代号表示地球表面唯一的点，坐标与经纬度或者ECEF坐标系有确定的转换关系。高纬度误差会大，使用不同的坐标系，利用这个坐标系做输出。
当地水平坐标系：通常定义为ENU，位于载体上面，东向北向天向。称为导航坐标系。可以绕ECEF旋转得到。
车体坐标系：RFU(右前上)与FLU(前左上)，随载体转动，所以是局部坐标系。可以对于ENU有旋转差异。
IMU坐标系：基本上和载体坐标系相同。IMU:惯性测量单元
激光雷达坐标系：固定于雷达上，通过外参与IMU有关系。
相机坐标系：通过外参与IMU有关系，因为其与IMU有旋转关系。
无人车定位所涉及的坐标系：IMU,ENU,车体坐标系他们之间都是旋转关系。
Apollp用到的技术
GNSS定位：GPS定位，定位，测试，授时
载波定位技术：在5秒内提供cm级精度。问题是需要建立基站
PPP：不同地方消除误差方式不一样。RTK用的是比较广的。
激光点云定位：输出xyz,和yaw角度,大地图分成很多小格子，利用检测的点云与匹配各自中的点匹配，获得位置。LK算法优化其航向角，如果没有航向角位置误差差1M以上，很危险。反射值加高度值自适应匹配可以达到误差cm级
视觉定位技术：用车道线，红绿灯等
视觉定位技术算法流程：
捷联惯性导航系统：误差随时间累计。
综合上述：最后的自定位融合上述一些技术最终得到组合导航系统：
自定位技术开源代码及论文：
Robust and Precise Vehicle Localization based on Multi-sensor Fusion in Diverse City Scenes ICRA，私聊作者可以获得上述PDF
Apollp Project开源代码库
Apollo ROS介绍 底层数据通讯结构
目的：将底层算法模块通过通讯框架串联起来，让他们高实时性，高安全性，高鲁棒性运行
两节点通讯链路过程：分别叫Publisher,Subscriber
中心化网络拓扑
Publisher：发送节点 Subscriber：接收节点流程：
1：发送节点向Master注册这个节点，注册我起了一个节点
2：接收节点去Master注册我起了一个接收节点。
3：Master向接收节点发送一个
已有发送节点的信息拓扑4：接收节点拿到这个拓扑信息后，向发送节点请求建立TCP连接
5：发送与接收建立P2P连接后，持续不断的向接收节点发送信息。
优缺点：
优点：节点容错性强，不同语言模块隔离，开发模块低耦合
缺点：过度依赖Master单点,缺乏异常恢复机制
特别是Master作为拓扑网络的中心，一旦异常将影响整个网络。
车上一般设有冗余备用系统，但是当主系统宕机的情况下，整个系统都无法正常使用，起不到设计冗余备用系统的作用。
去中心化网络拓扑
为了改进以上缺点，采用去中心化网络拓扑。
去中心化：加入时告诉所有节点我要加入，退出时告诉所有节点要退出。
1：告诉所有节点我要启动起来
2：所有节点在接受到新加入的节点信息之后，和新加入的节点构成两两链接
3： 然后所有节点向新加入的节点发送它们已有的拓扑信息
流程图
每一个节点都不是单独的Publisher,Subscriber，一般是两种角色同时担任，取得上游来的消息，callback之后又发送给下游的Subscriber。
Rviz是一种可视化拓扑网络工具，它也是一个Ros节点
使用Eclipse的Plugin引入Rviz的相关功能进行调试
四个需要用到的重要功能
TF坐标转换
每个节点都是相对独立的，所以每个节点的坐标系都需要整合起来为一个同一个世界坐标系。
RQT
Ros 的QT 可视化，图像化展示的有用的工具。
常用功能：
RQTimageview 自动驾驶顶层传感器或camera，实时查看图像是否正确时，查看channel。
multiplot连续数据的二维可视化，XY二维坐标系
graph把节点之间的联系可视化显示出来
concole对应ROS日志系统提供的一套可视化工具，Debug,warning,error等
URDF
Robot Models 机器人表述语言。主要描述节点，和节点间的关系。
Link是节点，Joint是节之间的关系
SDF
另一种调试工具
Service
不同于之前基于消息的订阅发送模型。在实际中使用的还是非常广泛的。
ROS Actions
比Service多了一个Cancel功能，在目前使用较少。
ROS Time
仿真时间，数据是在之前录制的，在仿真环境下模拟的时候回放当时的场景。
ROS Bags
1：实际调试时的数据录制到某个bag文件里，回到实验室拿出数据复现场景。例如车子在某个地方做了错误决策，复现过后，使用新一版算法看看是否覆盖了此处错误。
2：算法训练时，也要使用大量bags数据
Debugging Strategies
RQT提供的诊断程序，当节点运行不起来时，到底哪里错了
Apollo平台介绍
待填：：
//oauth2/v2.0/authorize?p=b2c_1a_signup_signin&redirect_uri=https%3A%2F%2Fazure.apollo.auto%2Fauth%2Fopenid%2Freturn&response_type=code%20id_token&response_mode=form_post&client_id=622ae2f5-9f92-492b-b9a8-967f3b1f63e9&state=CUSTOMa1zr-Ci1YgdFmvyqh0yHyK_bhG5F3J9Dmy_state&nonce=53D3OVFQfEwX34ZhqqxLbVr4O48yUHX0&scope=offline_access%20openid&x-client-SKU=passport-azure-ad&x-client-Ver=3.0.12
在线模拟的一个软件
决策规划
运动规划：Motion planning
本质是搜索
如果觉得《Apollo无人驾驶课程 Intro》对你有帮助，请点赞、收藏，并留下你的观点哦！
