来到了第二课，开启干货模式！
1.地图简介&2.Sebastian介绍高精度地图
略
3.高精度地图vs传统地图
普通的地图肯定是不可能满足无人驾驶的需求的，高精地图已经逐渐成为无人驾驶的刚需，获得高精度地图测绘的企业这几年也是逐渐增多的，所以这也确实是一个大趋势呀！
高精度地图与传统地图相比，首先就是“精度”了，普通地图只能达到米级，而高精度地图则可以达到厘米级，这对保证无人车的安全性是至关重要的。其次，高精度地图还包含了“语义信息"（例如限速、直行、转向等）。
4.地图与定位、感知与规划的关系_a
高精度地图也是无人驾驶的核心之一，因为其他的各个模块的运行都需要高精度地图的支持。
高精度地图的一个重要功能就是定位，课程拿定位和拼图来打比方，也就是匹配拼图。无人驾驶需要知道自身所在地图的位置，首先车辆就需要寻找地标，车辆通过摄像头、雷达等传感器获得的信息同高精度地图上已知地标进行比较。
这一匹配过程需要经过预处理、坐标转换、数据融合这几个复杂过程。预处理来消除不准确或质量差的数据，坐标转换将来自不同视角的数据转换为统一的坐标系，最后再进行数据融合，形成一个”landmark“，与高精度地图上进行对比，从而完成定位工作。
5.地图与定位、感知与规划的关系_b
人类的感官有各种限制，车辆的传感器也不例外。会受到外界条件的影响，比如恶劣天气、夜间等，另外如果遇到障碍物，感知是无法了解障碍物背后的物体。
正因为如此，高精度地图可以帮助传感器提前预知事物位置，也可以帮助传感器缩小检测范围，即让传感器仅检测感兴趣区域(ROI)，从而提高传感器检测精确度和速度、节约计算资源、提高实时性。
6.地图与定位、感知与规划的关系_c
高精度地图可以帮助车辆规划路径，例如让车辆尽可能沿着车道中心线行驶；在人行横道、减速带等区域，通过高精度地图可以提前预知，提前减速；前方遇到障碍物需要变道，高精度地图可以帮助其缩小选择范围，获得最佳变道方案。
7.Apollo高精度地图
高精度地图专为无人驾驶设计，提供了道路定义、交叉路口、交通信号、车道规则以及汽车导航的其他元素，可以为无人驾驶车提供多方面的帮助。
例如高精度地图记录了信号灯的精确位置和高度信息，从而降低了感知难度。
地图更新是高精度地图中的一项重要工程，需要很多的作业车辆，对高精度地图不断进行验证和更新，同时要达到厘米级的精度，这需要非常高的制图技术。
高精度地图有很多格式，不同的格式就会导致系统的不兼容，为了便于共享，Apollo采用了OpenDrive格式，这是行业制图标准格式。
百度Apollo还开发了一套完善的采图绘图系统，其中90%的地图绘制流程实现了自动化。
8.Apollo高精度地图构建
高精度地图的构建由五个过程组成：数据采集、数据处理、对象检测、手动验证和地图发布。
数据采集：百度Apollo拥有近300辆专业车辆用于数据源采集，当然，这些数据采集车不仅仅用于数据采集，对于地图的维护和更新也非常的重要，他可以及时的更新地图数据。采集车辆具有角度的传感器，比如GPS、惯性测量单元(IMU)、激光雷达和摄像机，Apollo定义了一个硬件框架，将这些传感器集成到单个自主系统中，通过将这些数据的融合，最终生成高精度地图。
数据处理：对数据进行整理、分类以及清洗从而获得没有任何语义信息或注释的初始地图模板。例如下图是对北京中关村的进行数据处理后的初始点云图。
对象检测：Apollo团队使用人工智能（深度学习）来检测静态对象并对其进行分类，包括车道线、交通标志甚至电线杆。
手动验证：这一步就是人工纠错排查，从而确保自动地图创建过程正确并及时发现问题。
地图发布：经过了上述过程的处理，就可以发布高精度地图了。除了发布高精度地图，Apollo还发布了采用自上而下视图的相对定位地图以及三维点云地图。
在构建和更新地图的过程中，Apollo使用了众包，也就是说任何人都可以通过百度发布的工具参与制作高精度地图的任务，众包还可以通过智能手机、智能信息娱乐系统甚至是其他无人驾驶车来实现。这个众包，感觉有点像”开源"的思想呀哈哈哈哈。
9.课程综述
高精度地图对于定位的性能至关重要，也对规划和感知系统有着重要作用。同时我们了解了Apollo高精度地图的制作流程，通过以上的学习，我们对无人驾驶的工作原理应该有了更深刻的了解。
第二课大概就是这样。
