构建一个全局3D路由地图

在这里，在这里，由德国汽车公司奥迪，宝马和戴姆勒共同拥有，采用200多辆汽车的舰队收集世界各地道路的密集188asia备用网址点云数据。处理来自这些移动映射车辆的数据以保护隐私并生成详细的路由映射。该数据是各种应用的输入，从传统汽车导航到分析坡道的陡峭程度。但是，最引人注目的应用程序是应用此数据以实现自动驾驶汽车。

数字街道地图对汽车导航和在线地图产品的可视化至关重要。传统上，这种地图是由空间数据库中的带注释的向量组成的，可以通过查询来获取最优的路由信息。越来越多的3D背景信息丰富了地图。这些3D数据被用于智能城市管理或作为无人驾驶汽车的基础。在这里，3D数据是通过移动激光扫描在世界各地的汽车车队收集的。

移动映射

超过200辆被称为“TRUE”的汽车正在世界各地行驶以收集数据(图1)。每辆车都配备了15米高的平台上装有激光扫描仪，相机和一个GNSS / IMU系统．扫描仪是一个Velodyne HDL-32E，是一个小型旋转扫描仪，其包含32个独立的激光器，其在40度的SWATH中发出脉冲。总共，扫描仪每秒收集高达700,000点。扫描仪的测距精度是2cm，可以在高达100米的距离处扫描点。由于扫描仪在车顶上的倾斜位置，暗影效果尽可能减轻。

钻机包含一个GNSS接收机和惯性测量单元(IMU)）收集位置，标题和态度数据。对于街道图像，真正的汽车还包括四个广角24MP摄像头。来自这些相机的图像可以缝合到全景照片中。利用少量相机用于全景摄影是有利的，因为这减少了缝合照片中的缝线的数量。

操作

为了有效地收集数据，每辆TRUE汽车都安装了一个路由系统，引导司机从未映射的区域或需要刷新数据的区域收集数据。司机主要集中在主要城市地区，但也在一些人口较少的地区收集数据，如城市中心以外的高速公路或农村道路。这些传感器每天可以产生大约140GB的数据。在全球范围内，TRUE的车队收集了100兆兆字节的数据，捕捉了950万张图像，一周内行驶了5万多公里。从2010年到2015年，30个国家绘制了500万公里的道路地图。一旦加密硬盘装满，司机就会将内容发送到位于美国北达科他州法戈、墨西哥莱昂或印度孟买的三个处理中心之一。这些中心处理数据，硬盘驱动器在重新格式化后返回到现场重新使用。

处理

其中一个处理中心接收到新数据后，将进行若干处理步骤。这些步骤在一定程度上是自动化的，但许多检查需要人工操作人员来完成。所有图像都是视觉检查质量。有坏天气或阳光照射的照片会被删除。为了消除对隐私的担忧，模糊过滤器被自动应用到人们的脸上和车牌上。在隐私检查之后，每张地图都贴上了道路属性标签，比如停车标志和限速标志。这些街道标志是通过算法自动从图像中识别出来的，这种算法能够识别22个国家的标志。一组分析人员交叉检查自动结果和图像，以确认输出的标签和消除歧义。生成的地图还与其他来源(如政府数据库和城市地图)进行交叉引用，并通过一个程序运行，该程序使用一组规则来检测非法情况或数据库不一致。内部开发的算法在这些不同的数据源上运行，寻找数据处理过程中的差异。

然后对点云数据进行分析，以检索车道标记和路边边缘(图2)。可以从点云识别车道标记，因为每个点都包含一个反射强度值。与路面相比，车道标记是明亮的，它们在点云中也非常明显。路边的边缘可以通过搜索清晰的折线来检测。

最终结果

所有处理的最终结果是包含道路的详细几何形状的数据库及其属性，包括车道边界，遏制边缘，车道限制，速度限制等。该数据可以形成汽车导航数据库的基础。点云数据被存储为云环境中的单独产品。收集的点云的绝对精度为5米，相对精度为20cm，在100米的距离（图3）。

自动驾驶汽车

自动驾驶汽车的发展对汽车的发展起到了重要的推动作用点云采集世界各地。与2D地图相比，高清地图以更高的保真度和准确性提供更多信息，包括车道标记和路边障碍等功能。自动汽车配备有一系列传感器来识别道路。高清图能够为实时传感器提供额外的上下文，从而允许车辆区分来自常规驾驶条件的异常情况 - 例如。一个车道分隔夹击倒了吗？一棵树落入街上吗？

此外，自动驾驶汽车上的传感器可以探测到大约30米的距离，而高速行驶的汽车，比如高速公路上的汽车，只能探测到1到2秒的距离。详细的3D地图可以帮助汽车在拐角处“窥视”。此外，自动驾驶汽车将能够通过参考地图中包含的信息和实时感知来改善自己的定位。与常规的GNSS/IMU定位相比，这是一个额外的可靠性水平。2013年，梅赛德斯用高清地图重现了伯莎·奔驰(Bertha Benz)驾驶的世界上第一次长途旅行——同样具有历史意义的100公里，但这次是由自动驾驶汽车完成的。

在技​​术的其他应用中，检查道路状况可能导致更安全的道路，同时也降低了成本。美国人的残疾人法案（ADA）规定了坡道的一定规模和最大坡度，加州奥克兰市使用3D扫描数据来减少识别和编目符合ADA兼容坡道所需的昂贵和劳动密集型的实地工作城市。高分辨率全景图像与重叠的3D点云数据一起允许快速采取精确测量，并为编目目的提取必要的几何。

图1,A TRUE car地图柏林的街道。

图2基于道路中心线的三维点云采集图。

图3，交叉口的数码车道中心线。

约翰Ristevski是这里负责现实捕捉和处理的副总裁。John于2012年通过收购他的公司Earthmine加入HERE，该公司开发移动地图系统。他曾担任非营利组织CyArk的研发总监，并在斯坦福大学土木与环境工程系授课。他在加州大学伯克利分校获得理学硕士学位，并在墨尔本大学获得岩土工程和法律学位。