RoadMap：面向自动驾驶视觉定位的轻量级语义地图

精准定位对自动驾驶任务至关重要。如今，我们看到许多传感器丰富的车辆（如 Robo-taxi）自主行驶在街道上，其依赖高精度传感器（如激光雷达与 RTK GPS）和高分辨率地图。然而，低成本量产车无法承担此类传感器与地图的高昂费用。如何降低成本？传感器丰富的车辆如何惠及低成本车？本文中，我们提出了一种轻量级定位方案，其依赖低成本相机与紧凑视觉语义地图。该地图由传感器丰富的车辆以众包方式轻松生成与更新。具体而言，地图由若干语义要素组成，如路面上的车道线、人行横道、地面标识与停止线。我们介绍了车载建图、云端维护与用户端定位的整体框架。地图数据在车辆上采集与预处理。随后，众包数据上传至云服务器。来自多车的大量数据在云端合并，从而语义地图及时更新。最后，语义地图被压缩并分发至量产车，后者利用该地图进行定位。我们在真实世界实验中验证了所提地图的性能，并与其他算法进行比较。语义地图的平均大小为 $36$ kb/km。我们强调该框架是一种可靠且实用的自动驾驶定位方案。