第四章：高精地图采集与制作

4.1 采集车硬件配置——我的“移动测绘实验室”

做高精地图这么多年，我始终觉得采集车是整个链条的起点。车上的传感器配置，直接决定了地图的精度上限。说白了，你采集的数据质量不行，后面算法再牛也救不回来。

我个人习惯把采集车分成三个核心模块：定位模块、感知模块和同步模块。缺一个，数据就废了。

定位模块：IMU+GNSS 的组合拳

我最早做采集时，只用单频GPS，结果在隧道里直接“失明”。后来学乖了，必须上组合导航系统。典型的配置是：

• GNSS接收机：支持GPS+北斗+GLONASS多星系统，最好带RTK差分
• 高精度IMU：光纤陀螺级别，零偏稳定性优于0.01°/h
• 轮速计：从车辆CAN总线读取，辅助短时定位

嗯，这里要注意：IMU和GNSS的天线安装位置必须精确测量。我在项目里见过有人随便一装，结果杆臂效应导致定位偏差半米，后期标定花了两周才找回来。

感知模块：激光雷达与相机的“黄金搭档”

激光雷达负责几何结构，相机负责纹理语义。我常用的配置是：

你想想看，激光雷达给的是点云，相机给的是像素。两者必须联合标定，才能把点云投影到图像上。我踩过的坑是：标定板用普通A4纸，反光太强导致角点检测失败。后来改用哑光陶瓷板，问题才解决。

同步模块：时间戳是命根子

所有传感器必须统一到GPS时间。我习惯用PTP（精确时间协议）或者硬件触发线。曾经有个项目，相机和激光雷达的时间戳差了50ms，结果点云和图像对不上，车道线提取全歪了。从那以后，我每次上车第一件事就是检查时间同步。

4.2 点云与图像数据采集流程——别让数据“脏”了

硬件配好了，接下来就是跑路采集。很多人觉得采集就是开车转一圈，其实门道多着呢。

采集前的准备：路线规划与天气

我一般会提前一天看天气预报。为什么？因为雨雪天气会导致点云噪点暴增，激光打在雨滴上会形成大量离群点。另外，强光下的图像过曝，车道线反光严重，后期标注根本看不清。

路线规划也有讲究。尽量选择双向多车道的道路，避免单行道。因为高精地图需要左右两侧的参照物（路灯、路牌、护栏），单侧数据会导致定位退化。

采集中的操作：速度与覆盖

采集车的速度建议控制在30~50 km/h。太快了，点云会拉伸变形；太慢了，效率太低。我习惯用定速巡航，保持匀速。

还有一个细节：每条车道至少跑两遍。一遍靠左，一遍靠右。这样能覆盖车道线的两侧边缘，后期制作车道模型时精度更高。

数据存储与命名规范

数据采集完，第一件事就是备份。我见过有人把数据存在单块硬盘里，结果硬盘坏了，一周的采集白干。

命名规范也很重要。我常用的格式是：

日期_路线编号_传感器类型_序号
示例：20250315_BJ_3rdRing_LiDAR_001.pcd
     20250315_BJ_3rdRing_Camera_001.jpg

这样一看就知道是哪天、哪条路、哪个传感器。千万别用“新建文件夹(1)”这种命名，后期找数据能让你崩溃。

4.3 自动化与人工标注——机器干粗活，人干细活

数据采集完了，接下来就是标注。高精地图的标注量巨大，一条城市道路可能有上千个要素。全靠人工？不现实。全靠自动？不靠谱。我的策略是：自动化粗标 + 人工精修。

自动化标注：让算法先跑一遍

自动化标注主要做三件事：

1. 地面分割：用RANSAC或Patchwork算法，把地面点云和非地面点云分开
2. 要素提取：用深度学习模型（如PointPillars、VoxelNet）检测车道线、路沿、交通标志
3. 语义分割：对图像做像素级分类，识别路面、标线、杆状物

我常用的自动化标注流程是这样的：

# 伪代码示例：自动化标注管线
def auto_labeling(pcd_path, img_path):
    # 1. 地面分割
    ground = segment_ground(pcd_path)
    # 2. 要素检测
    lane_lines = detect_lane_lines(ground)
    traffic_signs = detect_signs(pcd_path)
    # 3. 图像语义分割
    seg_map = semantic_segmentation(img_path)
    # 4. 融合验证
    fused_result = fuse_lidar_camera(lane_lines, seg_map)
    return fused_result

自动化标注的准确率大概在80%~90%。剩下的10%~20%需要人工介入。比如被树遮挡的车道线、磨损严重的标线、异形交通标志，算法经常搞不定。

人工标注：精细活，急不得

人工标注主要修正自动化结果的错误，并补充缺失的要素。我团队里的标注员每人每天大概能处理2~3公里的道路数据。效率不高，但精度必须保证。

人工标注的要点：

• 车道线：必须标注到像素级精度，虚线要标出起止点
• 路沿：高度变化超过3cm就要标注
• 交通标志：不仅要标位置，还要标类型（限速、禁行、指示）
• 杆状物：路灯、信号灯、路牌杆，直径大于10cm的都要标

我曾经遇到过一个案例：某段路的路沿被积雪覆盖，自动化标注完全没识别出来。人工标注时，标注员根据两侧护栏的走向，手动补上了路沿。后来这段路在冬天定位时，全靠这条人工标注的路沿做约束。

标注质量验证：闭环检查

标注完成后，必须做闭环验证。我的做法是：

1. 把标注好的地图要素投影回原始点云，看是否对齐
2. 用另一台车的采集数据做定位测试，看定位精度是否达标
3. 随机抽取10%的标注结果，由质检员重新标注，对比一致性

只有通过这三步，标注数据才能进入地图库。嗯，这一步不能省。我见过有团队为了赶进度跳过验证，结果地图上线后定位频繁跳变，最后不得不回滚版本。

好了，这一章的内容就到这里。高精地图的采集与制作，说白了就是“硬件搭台，数据唱戏”。硬件配置决定了数据质量的上限，采集流程决定了数据的完整性，标注质量决定了地图的可用性。三者缺一不可。

可可精品资料库