3. 高精地图数据结构：矢量地图、栅格地图、车道线模型、路标模型、拓扑关系

做定位这么多年，我越来越觉得——高精地图就是自动驾驶的「骨架」。没有它，传感器再好也白搭。今天咱们聊聊高精地图里最核心的几种数据结构。说白了，就是地图在计算机里到底长什么样。

3.1 矢量地图 vs 栅格地图

先搞清楚两个基本概念：矢量地图和栅格地图。嗯，这俩的区别，我刚开始也迷糊过一阵子。

矢量地图，存的是点、线、面。比如车道中心线，就是一条折线，存一串坐标点。路沿石，就是一个多边形。优点是精度高、占用空间小。我习惯用矢量地图做匹配定位，因为可以直接算点到线的距离，效率很高。

栅格地图，存的是像素。每个格子存一个值，比如0表示可通行，1表示障碍物。优点是直观，适合做路径规划。但缺点也明显——分辨率越高，文件越大。我曾经在项目里试过5cm分辨率的栅格图，一张图就几百兆，加载慢得要命。

3.2 车道线模型

车道线是高精地图里最基础的元素。你想想看，车要沿着车道走，定位就得知道车道线在哪儿。

常见的车道线模型有三种：

• 三次样条曲线：用几个控制点拟合出一条平滑曲线。精度高，但计算量大。
• 分段线性：用很多小线段连起来。简单粗暴，适合高速场景。
• 多项式模型：比如y = ax³ + bx² + cx + d。我比较常用这个，因为参数少，更新快。

举个例子，一段车道中心线的数据长这样：

{
  "id": "lane_001",
  "type": "center_line",
  "points": [
    [120.123456, 30.987654, 0.0],
    [120.123789, 30.987321, 0.5],
    [120.124123, 30.986987, 1.0]
  ],
  "width": 3.5,
  "speed_limit": 60
}

注意看，每个点除了经纬度，还有高度。为什么？因为路面不是平的。我在项目里遇到过，忽略高度差，定位结果直接偏了半米——这在车道级定位里是不能接受的。

3.3 路标模型

路标就是路上的标志物，比如交通牌、路灯杆、护栏。这些是定位的「锚点」。为什么？因为它们位置固定，传感器容易检测到。

路标模型通常包含：

• 位置：经纬度+高度
• 类型：杆状物、平面标志、立体标志
• 特征描述：颜色、形状、尺寸
• 置信度：这个路标是否可靠

我个人习惯把路标分成两类：

1. 绝对路标：位置非常精确，比如交通牌。可以用来做绝对定位修正。
2. 相对路标：位置精度一般，但相对关系稳定，比如路灯杆。适合做相对定位。

你想想看，如果路上有100个路灯杆，每个杆的位置误差10cm，但杆与杆之间的距离误差只有1cm。那用相对关系做匹配，反而更准。这个道理，我是在一次雨夜测试中悟出来的——当时GPS信号很差，全靠路标做相对定位才没跑偏。

3.4 拓扑关系

拓扑关系，说白了就是「路是怎么连起来的」。哪条车道能变到哪条车道，哪个路口能左转，这些信息都靠拓扑关系来表达。

常见的拓扑结构：

• 节点-边模型：路口是节点，路段是边。简单直观。
• 车道级拓扑：每条车道是一个节点，车道之间的连接是边。更精细，但数据量大。
• 分层拓扑：先粗粒度（路段级），再细粒度（车道级）。我比较推荐这种，因为可以按需加载。

举个例子，一个十字路口的拓扑关系：

{
  "intersection_id": "cross_001",
  "incoming_lanes": ["lane_A1", "lane_B1", "lane_C1", "lane_D1"],
  "outgoing_lanes": ["lane_A2", "lane_B2", "lane_C2", "lane_D2"],
  "connections": [
    {"from": "lane_A1", "to": "lane_B2", "type": "left_turn"},
    {"from": "lane_A1", "to": "lane_C2", "type": "straight"},
    {"from": "lane_A1", "to": "lane_D2", "type": "right_turn"}
  ]
}

3.5 知识体系总览

下面这张图，是我自己总结的高精地图数据结构关系。你看一眼就能明白各个模块怎么配合。

从这张图你能看出来，矢量地图和栅格地图是两条线。矢量地图负责精细的结构信息，栅格地图负责环境感知。两者最终都服务于定位匹配算法。

好了，这一章的内容就这些。数据结构是基础中的基础，后面讲匹配算法的时候，你会反复用到这些概念。记住一句话：地图数据质量，决定了定位精度的上限。

可可精品资料库