apollo地圖采集方案
硬體裝置
利用雷射雷達和攝像頭結合來制作地圖：
64線類雷射雷達：平裝，采集路面
16線雷射雷達：斜向上安裝，用來檢測高處的紅綠燈、标牌等資訊
長短焦相機
除上述兩種外，還包括IMU子產品，GNSSRTK子產品等。
apollo地圖生産技術
1.資料采集：詳見上方Apollo資料采集方案
2.資料處理：資料分為點雲和圖像兩類，因為高精度要求，是以制圖以點雲為主。
（1）點雲拼接：采集過程中信号可能不穩定（RTK在遮擋情況下會出現不穩定現象），通過SLAM等對pose做優化，優化之後對點雲資訊做拼接得到完整的點雲資訊。點雲資訊被壓扁得到定位地圖圖像、反射地圖圖像。反射地圖可以做一些标注。
（2）點雲圖像處理後得到一個高精度圖像，基于圖像可以做精确的車道線識别，獲得車道線的形狀特征。但仍需要道路虛實線、黃白線、路口辨別等資訊，這時候需要元素識别。
3.元素識别：基于深度學習的地圖要素識别有兩個層面：
（1）是否能基于點雲分割，從點雲裡提取特征。
（2）嘗試從點雲中提取車道線、燈杆、紅綠燈等。
4.人工驗證：由于車的自動化程度不夠 ，無法解決道路上沒有車道線的部分以及無法了解邏輯資訊（比如停止線和紅綠燈的關聯關系）是以添加人工驗證，車道線識别是否正确，補充關聯處理。比如路口虛拟線的處理，這種虛拟線的處理依賴于半自動化的處理。
Apollo高精度地圖
1.道路元素分為兩個層次：道路級别和車道線（Line）級别
道路邊界：強限制，永遠不能跨越
車道線邊界：弱限制，緊急情況可以用
2.車道模型：
橫向：分割成Line
縱向: 分割成Section
3.JUCTION模型
變道的時候，監測車道線變化
4.Apollo OpenDrive和普通OpenDrive的差別：
（1）元素做了歸類，所有地面辨別歸為Objects，所有道路标牌歸為Signals，用overlap關聯。
（2）标準是通過參考車道偏移量計算，Apollo是采用絕對坐标點序列描述邊界形狀，不采用方程的方式。好處是對下遊的計算友好，不用再做點的采樣。
（3）标準基于偏移量的計算在道路急轉彎情況會出現道路上的毛刺，可能導緻無人車猛打方向盤造成危險。
（4）擴充了禁停區、人行橫道、減速帶等元素。
（5）新增了junction和junction之間的關聯關系。
（6）增加了車道中心線到真實道路邊界的距離、停止線和紅綠燈的關系。