开发者社区> 问答> 正文

算法在解决高精地图面临的挑战中,如何实现资料精度与对齐?

已解决

算法在解决高精地图面临的挑战中,如何实现资料精度与对齐?

展开
收起
胡嘞嘞 2022-07-07 17:27:56 811 0
1 条回答
写回答
取消 提交回答
  • 推荐回答

    "高精地图的首要原则是精准。高德从一开始就做了很大的投入, 使用了很贵的采集车。用的高精度Riegl采集车,高精度激光雷度,它的测距精度能达到5mm,1M/sec; 高精度的组合惯导; 千寻基站解算… 但即使这样大的投入和采集车配备, 也并不意味着采集的数据资料就没问题了, 还是会出现问题。比如轨迹, 静止或运动的时候都会出错, 出错的时候并不是很多,可能只有0 . 5 %的比例,但出错的时候就会造成点云资料出问题, 比如点云分层, 工程师们需要做很多算法方面的工作去检测, 在点云分层的时候把它修复。

    经过一系列工作后,能在轨迹错误率上有明显的降低。

    单趟资料采集精度的问题解决后, 很快就会遇到多躺资料对齐的问题。举例来说, 一条路上很可能做多次采集, 多次采集回来的点云, 如果不做处理的话就会出现非常明显的重影, 它是不贴在一起的, 需要用算法的手段把它对齐。这也有很大的挑战, 因为对精度的要求很高, 在5cm以内。

    各种场景的挑战很多, 比如植被的影响。在不同季节的时候采集数据就会遇到这种情况, 这些树和灌木会造成非常大的影响。同时在对齐的时候需要保持轨迹的刚性。因为原来采集回来的时候, 轨迹的相对精度是很好的。在对齐过程中不能破坏和降低相对精度。

    而是要在原有基础上去提高相对精度, 包括上下行的场景, 如果是一条路,上下行不同两个方向和观测角度采集到的资料,以及桥上桥下,因为共视区域有限,对齐的挑战就更高了。

    资料对齐分为前端和后端两个部分。前端有一个比较核心的算法就是点云匹配。比较常见的比如ICP或者ICP算法。但光是注意点云匹配是不够的,要把这个题解好,还需要解决很多其他的问题。

    比如稀疏点云特征提取, 快速点云语义分割, 快速车道线分割。这两块跟语义相关, 在效率上是比较大的挑战。因为点云的资料数据量非常大, 在计算时间上不能花太多时间。

    前端做了很多工作, 那对齐后端做什么呢, 后端主要做大规模优化。因为轨迹的修整不能在单点做, 需要很多条轨迹,甚至在整个城市的规模上一起去做调整。高德也花了很多时间在做优化算法。比如做了一条基于样条曲线的稀疏优化算法。把它稀疏化以后就能达到百倍级的加速。能够比较好的解决在一个城市规模下的点云对齐问题。

    以上内容摘自《高德技术2020年刊合集》电子书,点击https://developer.aliyun.com/topic/download?id=1135可下载完成版

    2022-07-07 18:43:23
    赞同 展开评论 打赏
来源圈子
更多
收录在圈子:
阿里云开发者社区官方技术圈,用户产品功能发布、用户反馈收集等。
问答排行榜
最热
最新

相关电子书

更多
数据+算法定义新世界 立即下载
袋鼠云基于实时计算的反黄牛算法 立即下载
Alink:基于Apache Flink的算法平台 立即下载