毫米波雷达与高精地图融合定位工程 - 第2节

2. 高精地图基础

说实话，我刚入行那会儿，对高精地图的理解也很模糊。总觉得不就是导航地图的升级版吗？后来真正上手做项目才发现——完全不是一回事。

高精地图，说白了就是给自动驾驶汽车看的“内部资料”。它不像我们手机里的百度地图，给你看看路名、看看红绿灯位置就完了。高精地图要精确到厘米级，要告诉你车道线的曲率、路沿的高度、甚至路面上的一个小坑。

我习惯把高精地图比作“给车看的立体说明书”。它不光告诉你路在哪，还告诉你这条路该怎么走。

1.1 高精地图 vs 普通导航地图

这里我列个表，大家一看就明白区别在哪：

嗯，这里要注意一点：高精地图不是用来给人看的。它的数据格式、存储方式，都是为算法服务的。你打开高精地图文件，看到的是一堆坐标点和属性标签，根本不像一张“图”。

二、坐标系与转换——绕不开的硬骨头

做雷达和地图匹配，坐标系转换是基本功。我记得第一次做融合定位时，就因为坐标系搞混了，定位结果直接飘到马路对面去了。从那以后，我对坐标系转换就特别敏感。

2.1 常见的坐标系

自动驾驶里常用的坐标系，我总结下来就这几种：

• WGS-84（经纬度坐标系）：GPS用的那个，单位是度。高精地图的原始数据通常用这个存。
• UTM（通用横轴墨卡托）：把地球表面投影到平面上，单位是米。做局部路径规划时常用。
• 车辆坐标系：以车为中心，x轴朝前，y轴朝左，z轴朝上。雷达点云、摄像头图像都在这个坐标系下。
• IMU坐标系：惯性测量单元的坐标系，通常和车辆坐标系有安装偏差。

你想想看，雷达扫到的障碍物是在车辆坐标系下的，高精地图上的车道线是在UTM坐标系下的。要把它们对上，就得做坐标转换。

2.2 坐标转换的核心公式

说白了，坐标转换就是旋转加平移。我给大家一个最常用的公式：

// 从车辆坐标系转到UTM坐标系
// 已知：车辆在UTM下的位置 (x_v, y_v, yaw_v)
// 已知：障碍物在车辆坐标系下的坐标 (x_obj_car, y_obj_car)

// 第一步：旋转
double cos_yaw = cos(yaw_v);
double sin_yaw = sin(yaw_v);
double x_rot = x_obj_car * cos_yaw - y_obj_car * sin_yaw;
double y_rot = x_obj_car * sin_yaw + y_obj_car * cos_yaw;

// 第二步：平移
double x_utm = x_v + x_rot;
double y_utm = y_v + y_rot;

2.3 避坑指南：坐标系转换的常见错误

我曾经在项目里遇到过一个问题：雷达检测到的路沿，投影到地图上总是偏了30厘米。查了两天才发现，是IMU的安装角度没校准。车辆坐标系和IMU坐标系之间有个小夹角，不补偿的话，距离一远误差就放大了。

这里给大家几个建议：

• 一定要做外参标定，把传感器之间的相对位姿标定准
• 转换时注意角度单位，是弧度还是度，别混用
• 浮点数精度问题，累积误差会越来越大，建议用double

三、车道线和路标要素——地图里的“骨架”

高精地图里要素很多，但最核心的，我个人觉得是车道线和路标。为什么？因为自动驾驶的规划控制，基本就是沿着车道线走，看着路标做决策。

3.1 车道线要素

高精地图里的车道线，可不是简单的一条线。它包含的信息非常丰富：

• 几何形状：用一系列离散点表示，每个点有x、y、z坐标
• 属性：实线/虚线、白色/黄色、单线/双线
• 拓扑关系：这条车道线属于哪个车道？左边是什么？右边是什么？
• 曲率：弯道的半径大小，直接影响车辆过弯速度

我习惯把车道线看作“虚拟轨道”。车只要沿着车道线走，就不会出大问题。但要注意，地图里的车道线和实际路面上的车道线，可能存在偏差。这就是为什么我们需要用毫米波雷达去实时匹配和修正。

3.2 路标要素

路标包括交通标志牌、路面箭头、停止线等。在高精地图里，它们通常被建模成“面”或者“点”要素。

举个例子，一个限速60的标志牌，在地图里会记录：

• 位置（经纬度或UTM坐标）
• 类型（限速标志）
• 数值（60 km/h）
• 朝向（面向哪个方向的车流）

四、本章知识体系总览

下面这张图，是我自己总结的高精地图知识框架。大家可以对照着看，心里有个谱：

五、小结

这一章我们聊了高精地图的定义、坐标系转换、以及车道线和路标要素。说白了，高精地图就是给自动驾驶系统准备的“超级说明书”。它精度高、要素全、更新快，是毫米波雷达感知的重要辅助工具。

我个人觉得，理解高精地图的关键，不在于背概念，而在于理解它和传感器数据是怎么配合的。后面几章我们会具体讲毫米波雷达和高精地图的匹配算法，到时候大家会有更深的体会。