【自动驾驶】Autoware.Universe 开发概述
谈思实验室
2026年11月5日 17:49
上海
去阅读
点击上方蓝字谈思实验室
获取更多汽车网络安全资讯
01
高精地图构建
1、高精地图构成
Autoware 需要一个点云地图 和矢量地图 , 表示车辆的行车环境 , 这两种地图共同组成了 Autoware 自动驾驶 高精地图
- 点云地图 ( Pointcloud Map ) : 是自动驾驶 核心地图类型,由激光雷达采集数据生成 。
- 矢量地图 ( Vector Map ) : 包含车道、交通规则等语义信息的结构化地图。
2、点云地图 Pointcloud Map
传统的点云地图通过移动测量系统MMS( Mobile Mapping System ) 进行创建 , MMS 需依赖高端传感器实现精确定位 , 地图成本极高 , 不适用于小型团队开发。
作为替代方案,可通过同步定位与地图构建 SLAM(Simultaneous Localization And Mapping ) 算法 , 基于录制的激光雷达扫描数据生成点云地图 , 该方式生成 地图成本很低 , 使用 普通的 激光雷达 即可实现点云地图构建 。
3、矢量地图 Vector Map
Autoware 提供了 bag2lanelet 工具 , 这是一款基于自身定位数据创建虚拟车道的工具 。其生成地图的原理是通过该 bag2lanelet 工具从包含自身定位信息的rosbag 文件中 , 提取 定位数据并生成简单的lanelet 车道单元 , 快速测试Autoware 的运行性能 ;
bag2lanelet 工具的核心应用场景是在已手动行驶过的路线上模拟自动驾驶 ;
bag2lanelet 工具仅能生成单车道地图 , 如果需要 实现更全面的地图构建和导航功能 , 建议使用矢量地图构建器 ( Vector Map Builder ) ;
矢量地图构建器 ( Vector Map Builder ) 是 TIER IV 公司提供的免费网页版工具 , 该工具支持以点云地图为参考 , 绘制车道并添加 停车标志、交通信号灯等监管要素 ;
02
点云地图 与 矢量地图 关系
1、点云地图作用
点云地图 ( Point Cloud Map / HD Point Cloud Map ) :
- 数据形式 : 由大量3D点组成 ( 通常是 .pcd 格式 ) , 来源于高精度激光雷达采集并经过配准、滤波处理 ;
主要用途 :
- 定位 ( Localization ) : 通过将实时激光雷达点云与地图点云进行匹配 ( 如使用 NDT 或 ICP 算法 ) , 实现车辆的高精度定位 ;
- 环境感知辅助 : 可用于静态障碍物检测、可行驶区域判断等 ( 但通常不用于动态障碍物 ) ;
- 特点 : 高精度、高密度、体积大、不包含语义信息 ( 如车道线、交通标志等 ) ;
如果只有点云地图 , 没有矢量地图 :车辆知道我在哪 , 但是不知道怎么走 , 要遵守什么规则 ;
- 通过LiDAR与点云匹配 , 能实现定位功能。
- 因为缺少道路网络信息 , 无法进行路线规划 。
- 交通灯、停止线等信息仅存在于矢量地图 , 无法识别这些信息 。
如果你的目标仅仅是让车辆在已知环境中实现高精度的定位和基本的循迹行驶 , 那么只使用点云地图是可行的 。
在实车测试中 , 可以配置决策模块 不依赖矢量地图 , 车辆能够通过定位和跟踪预先录制好的航点来移动 , 这种循迹运动功能有限 , 缺乏对交通规则等复杂场景的应对能力 ;
2、矢量地图作用
矢量地图 ( Vector Map ) :
- 数据形式 : 结构化数据 , 描述道路几何和语义信息 ( 如车道中心线、车道边界、交叉口、信号灯位置、限速等 ) , 常见格式包括 OpenDRIVE (.xodr)、Lanelet2 (.osm) 等 。
- 主要用途 :
- 路径规划 ( Route & Behavior Planning ) : 提供拓扑结构 , 用于全局路径生成 。
- 行为决策 ( Behavior Decision ) : 依据车道规则、交通标志等做决策 。
- 局部轨迹规划( Local Trajectory Planning ) : 基于车道中心线生成平滑轨迹 。
- 特点 : 轻量、含语义、支持复杂交通规则建模
如果只有矢量地图 , 没有点云地图 : 车辆知道 怎么走 , 要遵守哪些规则 , 通过视觉定位知道我在哪 。
- 无需 LiDAR 和 点云 , 只通过视觉定位实现 定位 ;
- 矢量地图中拥有全部道路网络信息 , 能进行 路线规划 ;
- 矢量地图中存在道路设置标注 , 能识别交通灯、停止线等交通元素 ;
如果不依赖基于激光雷达的定位 , 而采用其他定位系统 ( 如 : 纯 GNSS/IMU , 但精度和可靠性通常较低 ) , 那么可以只使用矢量地图进行路径规划 。
在标准的 Autoware 栈中 , 高精度的 LiDAR 定位需要点云地图 , 没有点云地图 , lidar\_localizer节点就无法工作 , 进而影响整个系统的定位精度和可靠性 。
3、点云地图 与 矢量地图 二者关联
矢量地图几乎绝对必须 , 因为它承载了自动驾驶最核心的规划和决策所需信息 ,点云地图相对次要 , 在有替代定位方案时可以不使用 ;
在 Autoware 中 ,
- 矢量地图是自动驾驶的 \" 灵魂 \" , 几乎绝对必须;
- 点云地图是 \" 眼睛 \" , 在标准 LiDAR 配置下必须 , 但在特定条件下可被替代 ;
若只能选其一 , 必须选择矢量地图 , 否则车辆将无法完成最基本的路线规划和交通规则遵守 。
来源:CSDN平台,@韩曙亮
end
谈思汽车媒体门户
精品活动推荐
AutoSec系列沙龙
专业社群
部分入群专家来自:
新势力车企:
特斯拉、理想、极氪、小米、零跑汽车、阿维塔汽车、智己汽车、小鹏、岚图汽车、蔚来汽车、吉祥汽车、赛力斯......
外资传统主流车企代表:
大众中国、大众酷翼、奥迪汽车、宝马、福特、戴姆勒-奔驰、通用、保时捷、沃尔沃、现代汽车、日产汽车、捷豹路虎、斯堪尼亚......
内资传统主流车企:
吉利汽车、上汽乘用车、长城汽车、上汽大众、长安汽车、北京汽车、东风汽车、广汽、比亚迪、一汽集团、一汽解放、东风商用、上汽商用......
全球领先一级供应商:
博世、大陆集团、联合汽车电子、安波福、采埃孚、科世达、舍弗勒、霍尼韦尔、大疆、日立、哈曼、华为、百度、联想、联发科、普瑞均胜、德赛西威、蜂巢转向、均联智行、武汉光庭、星纪魅族、中车集团、潍柴集团、地平线、紫光同芯、字节跳动、......
二级供应商(500+以上):
中科数测、ETAS、BlackDuck、NXP、上海软件中心、Deloitte、奇安信、为辰信安、云驰未来、信长城、泽鹿安全、纽创信安、复旦微电子、天融信、奇虎360、中汽中心、中国汽研、上海汽检、加特兰微电子、浙江大学......
人员占比
公司类型占比
文章
不要错过哦,这可能是汽车网络安全产业最大的专属社区!
首发!小米雷军两会上就汽车数据安全问题建言:关于构建完善汽车数据安全管理体系的建议
版权声明
本站仅做备份收录,仅供研究与教学参考之用。
读者将信息用于其他用途的,全部法律及连带责任由读者自行承担,本站不承担任何责任。











评论