📚 课程目录第1章课程导入

1. 课程导入

欢迎进入《高精地图更新与在线定位工程》课程。本课程面向智能驾驶、机器人导航与智慧交通领域的工程实践，围绕两个核心对象展开：高精地图与在线定位。前者提供厘米级语义化的道路先验，后者回答车辆“此刻在哪里、朝向如何、处于哪条车道”的问题。二者互为支撑：地图为定位提供约束与参考，定位为地图更新提供实时观测与变化发现。理解这一对关系，是后续所有工程方法的基础。

一、核心定义：高精地图与在线定位

高精地图（HD Map）是面向机器驾驶的高精度、高鲜度、强语义地图，通常包含厘米级几何层（车道线、路沿、停止线、斑马线）、拓扑层（车道连接关系、路口转向规则）、语义层（限速、交通标志、信号灯位置）以及定位特征层（杆状物、地面标识、点云特征）。与导航电子地图相比，它的服务对象不是人，而是算法；它不追求“好看”，而追求“可计算、可匹配、可验证”。

在线定位（Online Localization）指车辆在行驶过程中，利用GNSS、IMU、轮速计、激光雷达、摄像头等传感器，结合高精地图先验，实时估计车辆在全局坐标系下的位姿（位置、姿态、速度）。在线定位强调“在线”二字：必须在毫秒级延迟内完成，必须能应对隧道、城市峡谷、雨雾等GNSS退化场景，必须对地图变化保持鲁棒。

一句话概括二者关系：高精地图是“静态的答案”，在线定位是“动态的求解过程”；地图更新则让答案持续保鲜，定位让求解过程持续可信。

二、发展历程：从导航地图到动态地图

高精地图与定位技术大致经历了四个阶段。第一阶段是导航电子地图阶段，以道路中心线和POI为主，精度在米级，服务于人类驾驶。第二阶段是ADAS地图阶段，出现曲率、坡度、限速等属性，精度提升到亚米级，支撑自适应巡航与预警功能。第三阶段是高精地图阶段，激光雷达与SLAM技术推动厘米级采集，车道级拓扑与语义成为标配，典型代表是各图商的高精地图产品。第四阶段是动态地图与在线更新阶段，强调“车云协同、众包更新、实时发布”，地图从离线交付转向在线服务。

定位技术同步演进：从单一GNSS，到GNSS+IMU组合导航，再到激光SLAM、视觉SLAM，最终走向多传感器融合与地图匹配定位。当前工程界的主流方案是“GNSS/IMU/轮速计 + 激光点云匹配 + 视觉语义匹配 + 高精地图约束”的紧耦合架构。

三、产业价值：为什么这门课值得学

高精地图与在线定位是智能驾驶的“基础设施”。没有高精地图，自动驾驶难以获得超视距感知；没有可靠定位，感知与规划就失去统一坐标基准。其产业价值体现在三个层面：

安全价值：厘米级定位与车道级地图可显著降低误判风险，为功能安全提供冗余。
效率价值：地图先验减少感知计算量，定位约束降低规划搜索空间，提升系统实时性。
商业价值：地图更新服务、定位SDK、高精地图合规采集与发布，构成可持续的产业链条。

同时，行业也面临现实挑战：地图更新成本高、鲜度难保证；城市峡谷与隧道定位易失锁；数据合规与测绘资质要求严格。这些挑战正是本课程要解决的工程问题。

四、课程知识框架与学习目标

本课程共30章，整体知识框架可概括为“一条主线、两大对象、三层能力”。一条主线是“地图更新与在线定位的工程闭环”；两大对象是高精地图与在线定位；三层能力分别是数据层（采集、建图、更新）、算法层（匹配、融合、估计）和系统层（部署、评测、运维）。

学习目标包括：掌握高精地图的数据模型与更新流程；理解在线定位的多传感器融合原理；能够设计地图更新与定位评测方案；能够排查常见定位漂移与地图失配问题。下面用一张结构图展示本课程的整体知识框架与对象关系。

五、典型场景与常见误区

典型场景包括：高速公路自动驾驶依赖高精地图的车道级先验与GNSS/IMU组合定位；城市道路依赖激光点云与视觉语义匹配应对GNSS遮挡；地下车库与隧道依赖SLAM与地图匹配维持连续定位；众包更新依赖量产车传感器发现道路变化并回传云端。

常见误区一：认为高精地图“一次采集即可长期使用”。实际上道路变化频繁，地图鲜度直接决定定位可靠性。
常见误区二：认为定位只靠GNSS即可。城市峡谷中GNSS多路径误差可达数十米，必须融合IMU、轮速计与地图匹配。
常见误区三：把地图更新与定位割裂看待。更新后的地图若未经过定位验证，可能引入新的失配风险。

六、关键参数与工程清单

下表列出本课程后续会反复使用的关键指标，建议在学习过程中持续对照。

对象	关键参数	典型目标值	工程意义
高精地图	绝对精度 / 相对精度	≤30cm / ≤10cm	决定车道级匹配可行性
高精地图	更新鲜度	天级至小时级	决定定位对道路变化的适应能力
在线定位	横向误差	≤20cm（开阔）	决定车辆是否在本车道内
在线定位	航向误差	≤0.3°	影响预测与规划稳定性
在线定位	输出频率 / 延迟	≥50Hz / ≤50ms	满足实时控制需求
系统	可用率	≥99.9%	决定功能是否可长期运营

在工程实现中，常用如下配置片段描述定位模块的输入输出，后续章节会逐步展开：

localization:
  inputs:
    - gnss:   {topic: /gnss/fix,   rate: 10Hz}
    - imu:    {topic: /imu/data,   rate: 100Hz}
    - lidar:  {topic: /lidar/points, rate: 10Hz}
    - hd_map: {format: lanelet2,   version: "2024.06"}
  fusion:
    method: ESKF
    map_matching: pointcloud_ndt
  outputs:
    - pose:   {topic: /localization/pose, rate: 50Hz}
    - status: {topic: /localization/health}

学习本课程时，建议带着三个问题阅读每一章：这个模块解决什么工程问题？它的输入输出与上下游如何衔接？它的失效模式与评测指标是什么？当你能回答这三个问题，就已经具备了一名高精地图与定位工程师的基本思维框架。