无人驾驶高清地图算法研究

无人驾驶高清地图算法研究(任务书,开题报告,外文翻译,论文30000字)
摘  要
本文借助现阶段的三种主流地图构建软件算法，并对几种算法下的实验室模拟地图构建进行了对比与分析，另应用到百度阿波罗平台的实践与学习。
论文主要研究了具体的一种算法应用以及程序的实操，对于试验过程中的问题进行了理论与实践上的探讨与分析；另外简单学习了另外两种算法的的编程与应用，模拟了构建实验室地图，并与其他两种进行了对比分析优缺点。
研究结果表明：第一种可以实时构建室内地图，在构建小场景地图所需的计算量较小且精度较高。相比另外两种方法对激光雷达频率要求低、鲁棒性高（第二种在机器人快速转向时很容易发生错误匹配，建出的地图发生错位，原因主要是优化算法容易陷入局部最小值）；而相比最后一种方法在构建小场景地图时，第一种是不需要太多的粒子并且没有回环检测因此计算量小于最后一种而精度并没有差太多。
关键词：无人驾驶；高清地图；Gmapping slam；Hector slam；Cartographer slam。

 
Abstract
This paper makes use of the current three mainstream map software algorithms, and compares and analyzes the construction of laboratory simulation Maps under several algorithms, and applies it to the practice and learning of Baidu's Apollo platform.
This paper mainly studies the application of a specific algorithm and program practice, and discusses and analyzes the problems in theory and practice. In addition, we simply study the programming and application of the other two algorithms, simulate the construction of laboratory maps, and compare and analyze the advantages and disadvantages with the other two.
The results show that the first one can build indoor maps in real time, and the calculation required to build small scene Maps is small and accurate. Compared with the other two methods, the frequency requirement for Lidar is low and the robustness is high(the second is that when the robot quickly turns, it is easy to mismatch, and the resulting map is misplaced. The main reason is that the optimization algorithm is prone to fall into the local minimum value); Compared to the last method when constructing a small scene map, the first one does not require too many particles and there is no loop detection so the calculation amount is smaller than the last one and the accuracy is not much worse.
Key Words：Driverless；HD map；Gmapping slam；Hector slam；Cartographer slam
 
目录
第1章 绪论    6
1.1无人驾驶高清地图背景历史：    6
1.2国内外发展现状：    9
1.2.1现状综述    9
1.2.2中国国情    13
1.2.3高精度地图标准之争    13
1.3 高精地图在无人驾驶领域的作用    14
1.4高精地图与普通导航地图的区别    15
1.5高精度地图的定义    17
1.6高精度地图应用    18
1.6.1高精地图如何提高鲁棒性    18
1.6.2高精地图的大致分层    20
1.7小结    20
第2章 Gmapping slam    21
2.1 Gmapping概念：    21
2.2 Gmapping slam优缺点：    23
2.2.1优点    23
2.2.2缺点    24
2.3 关于Gmapping的基本理解    24
2.4使用RBpf建图    25
2.4.1目标分布与提议分布    25
2.4.2在RBpf的基础上改进提议分布和选择性重采样    26
2.5存在的部分问题及解决方法    28
2.5.1提出问题    28
2.5.2解决方法    29
2.6小结    32
第3章 Hector slam    32
第4章Cartographer    33
4.1 Cartographer算法原理    33
4.2局部优化    33
4.3 全局优化    35
第5章 百度apollo平台    35
5.1发展背景    35
而将这个计划命名为“Apollo”计划，就是借用了阿波罗登月计划的含义。    36
5.2平台体系    36
5.3生态系统    36
5.4技术合作    36
5.5核心支柱    37