3. 高精地图采集技术：激光雷达点云采集、相机视觉采集、毫米波雷达与组合导航、多传感器融合采集方案

大家好，我是这次课程的主讲工程师。今天咱们聊聊高精地图的采集技术。说实话，这一块是我个人觉得整个高精地图链条里最「接地气」的部分——因为你要是不把数据采好，后面算法再牛也白搭。

我参与过几个城市的采集项目，从北京到上海，从高速到园区。踩过的坑不少，但积累的经验也实打实。今天我把这些干货整理出来，希望能帮你少走弯路。

3.1 激光雷达点云采集：精度与效率的博弈

激光雷达，说白了就是「用激光画世界」。它发射激光束，打到物体上反射回来，通过时间差算出距离。一秒钟能打出几十万甚至上百万个点，形成所谓的「点云」。

我个人习惯把点云采集分成三个关键指标：

• 线束密度：64线、128线还是32线？线束越多，点云越密，但数据量也越大。
• 扫描频率：10Hz还是20Hz？频率越高，动态物体捕捉越准，但点云会变稀疏。
• 测距精度：±2cm还是±5cm？这直接决定了地图的绝对精度。

点云采集还有个容易忽略的点——天气影响。雨雪天激光会衰减，点云质量断崖式下降。我记得有一次在南方城市赶工期，硬着头皮在毛毛雨里采集，结果回来一看，点云里全是噪点，最后只能重采。嗯，这里要注意：雨雪天、大雾天，宁可停工也别硬采。

3.2 相机视觉采集：图像里的语义世界

激光雷达给的是几何信息，但很多语义信息——比如交通标志的颜色、文字内容、车道线的虚实——还得靠相机。

相机采集的核心参数有这几个：

参数	推荐值	说明
分辨率	≥1200万像素	太低看不清远处标志
帧率	≥15fps	太低会导致运动模糊
视场角	水平≥90°	太窄会漏掉侧方信息
曝光模式	自动曝光+防闪烁	避免隧道/强光切换时过曝

你想想看，如果相机帧率只有10fps，车开到80km/h，两帧之间车已经跑了2米多。这时候拍到的车道线都是模糊的，后期算法根本没法提取。所以我的经验是：帧率宁可高一点，数据量大点没关系，后期可以抽帧，但模糊了就没救了。

3.3 毫米波雷达与组合导航：看不见的「隐形助手」

激光雷达和相机是「明线」，但高精地图采集还有两个「隐形助手」——毫米波雷达和组合导航。

毫米波雷达的作用是什么？说白了，它不怕雨雪雾。激光雷达在恶劣天气下会失效，但毫米波雷达可以穿透雨雾，提供稳定的距离和速度信息。我在北方冬天做过采集，大雪天激光雷达基本废了，但毫米波雷达还能正常工作，至少能保证车辆安全。

组合导航（GNSS+IMU）就更关键了。高精地图的绝对精度要求通常在厘米级，但GNSS在城市峡谷、隧道里会丢星。这时候IMU就顶上来了——它通过加速度计和陀螺仪推算位置，虽然会漂移，但短时间内精度够用。

我曾经在一条长隧道里采集，GNSS信号完全丢失，全靠IMU撑了将近2公里。出来的时候位置误差大概在30厘米左右，配合后期SLAM修正，最终精度还是控制在10厘米以内。嗯，这里要提醒一句：IMU的零偏和温漂一定要提前标定好，否则漂移速度会快得吓人。

3.4 多传感器融合采集方案：1+1>2

单打独斗不行，得融合。多传感器融合采集方案，说白了就是把激光雷达、相机、毫米波雷达、组合导航的数据「拧成一股绳」。

我画了一张图，帮你理解整个融合采集的流程：

这个流程里，最核心的是两步：

1. 时间同步：所有传感器必须用同一个时钟源。我见过最坑的情况是，激光雷达和相机的时间戳差了200毫秒，结果融合出来的点云和图像对不上，车道线偏移了半米。解决办法是用PTP协议或者GPS秒脉冲做硬同步。
2. 空间对齐：每个传感器都有自己的坐标系，必须通过外参标定把它们统一到车体坐标系。标定精度直接影响融合效果。我建议每采集一次就做一次标定校验，尤其是拆装过传感器之后。

3.5 融合采集的实战经验

说了这么多理论，最后分享几个实战中的小经验：

• 采集路线规划：别只跑主干道。我建议把匝道、辅路、掉头区都覆盖到，这些地方往往是高精地图的难点。
• 数据回传策略：采集车上的硬盘容量有限，建议用4G/5G实时回传关键数据，或者每天采集结束后立即备份。我见过硬盘坏了导致一周数据全丢的惨案。
• 质量检查：每采集一段路，立刻在车上做快速质检——看看点云有没有空洞、图像有没有模糊、轨迹有没有跳变。发现问题当场补采，别等回公司再发现。

好了，这一章的内容就到这里。采集技术是基础，但也是决定高精地图质量的关键。下一章我们会聊到数据预处理，到时候再细讲怎么把原始数据变成可用的地图要素。