第2章：高精地图数据采集——传感器与融合方案
做高精地图，第一步就是数据采集。这一步要是没做好，后面所有算法都是白搭。我见过太多团队，算法调得天花乱坠，结果一查，原始数据就有问题——那真是白费功夫。
今天咱们就聊聊，数据采集到底要用哪些传感器，怎么搭配合适，以及精度怎么控制。
2.1 主流传感器介绍
高精地图采集，说白了就是让车「看懂」周围环境。常用的传感器就这四种：激光雷达、摄像头、IMU、GPS。各有各的脾气。
2.1.1 激光雷达（LiDAR）
激光雷达是核心中的核心。它直接输出三维点云，精度高，不受光照影响。
- 机械式：比如Velodyne HDL-64E，64线，360°视野。我最早做采集时用的就是它，重是重了点，但数据质量没得说。
- 固态式：比如禾赛AT128，体积小，寿命长。现在新项目我基本都推荐固态的。
- 混合固态：比如Ouster OS系列，兼顾性能和成本。
关键参数：线束数量、测距精度（一般要求±2cm以内）、帧率（10Hz以上）、视场角。
我个人习惯，选激光雷达时先看「点频」——每秒能打多少点。点频低了，远处物体细节就丢了。
2.1.2 摄像头
摄像头负责提供纹理信息。激光雷达能告诉你「那里有东西」，摄像头能告诉你「那是个路牌」。
- 分辨率：至少200万像素，我建议用500万以上。分辨率低了，远处交通标志根本看不清。
- 帧率：20-30fps，和激光雷达对齐。
- 曝光控制：自动曝光要关掉！我在项目中遇到过，自动曝光导致连续两帧亮度突变，特征匹配全乱了。
注意：摄像头和激光雷达的时间戳必须严格同步。差个10ms，高速场景下位置误差就能到半米。
2.1.3 IMU（惯性测量单元）
IMU测量加速度和角速度。它不依赖外部信号，但会漂移。
- 等级：战术级（光纤陀螺）> 工业级（MEMS）> 消费级。做高精地图，至少工业级起步。
- 零偏稳定性：这个指标很关键。我见过有人用消费级IMU，结果积分10秒就偏了5度，地图直接没法用。
嗯，这里要注意：IMU的采样率要够高，至少100Hz。低频IMU在车辆颠簸时，根本捕捉不到高频振动。
2.1.4 GPS（全球定位系统）
GPS提供绝对位置参考。但普通GPS精度只有米级，高精地图需要厘米级。
- RTK-GPS：实时动态差分，精度可达2-5cm。需要基站或网络差分服务。
- PPK-GPS：后处理动态差分，精度更高，但无法实时。
我建议：采集时用RTK，同时记录原始观测值，方便后处理时用PPK再优化一遍。
2.2 多传感器融合采集方案
单个传感器都有短板。激光雷达怕雨雪，摄像头怕黑夜，IMU会漂移，GPS会丢星。所以必须融合。
下面这张图是我常用的融合方案架构：
你看，所有传感器数据先经过时间同步模块，再进入融合处理。时间同步是基础，没有这个，后面都是空中楼阁。
2.3 数据采集的精度要求
精度要求取决于地图用途。L4级自动驾驶和L2级辅助驾驶，要求差一个数量级。
| 指标 | L2级要求 | L4级要求 | 说明 |
|---|---|---|---|
| 绝对定位精度 | ±50cm | ±10cm | 相对于大地坐标系 |
| 相对定位精度 | ±20cm | ±5cm | 相邻帧之间 |
| 高程精度 | ±30cm | ±10cm | 坡度变化 |
| 点云密度 | ≥50点/m² | ≥200点/m² | 路面区域 |
| 图像分辨率 | ≥2MP | ≥5MP | 交通标志识别 |
避坑指南：我曾经在一个项目中，只关注了绝对精度，忽略了相对精度。结果地图拼接时，相邻路段之间出现了明显的错位。后来花了整整两周重新采集数据，教训深刻。
2.4 质量控制
数据采集完了，不能直接拿去用。必须做质量检查。我一般按下面几步来：
- 完整性检查：有没有漏采的路段？有没有被遮挡的区域？
- 精度检查：用已知控制点验证绝对精度。我习惯每公里设一个检查点。
- 一致性检查：同一路段往返采集的数据，偏差不能超过阈值。
- 传感器状态检查：IMU有没有饱和？GPS有没有丢星？摄像头有没有过曝？
我建议：采集车上装一个实时监控界面。一旦发现传感器异常，立刻停车检查。别等跑完100公里才发现数据全废了。
举个例子，GPS丢星是常见问题。城市峡谷、隧道、高架桥下，信号很容易中断。这时候IMU就要顶上。但IMU会漂移，所以隧道越长，误差越大。我一般要求隧道内IMU推算误差不超过0.5%，超过这个值，这段数据就要重采。
好了，数据采集这块就聊到这儿。传感器选型、融合方案、精度控制，每一步都有坑。但只要你把基础打牢，后面的地图构建就会顺畅很多。
一句话总结：数据采集是「一分钱一分货」的活。传感器别省钱，质量控制别偷懒，否则后面十倍的时间都补不回来。