硬件： 64线激光雷达平装，用于采集道路路面，16线激光雷达斜向上装，用于检测比较高处的红绿灯和标牌信息等。还有GPS（采用的是RTK）、IMU、长短焦相机。 进行采集数据前需要保证传感器可以工作而且传感器已被标定过。如相机内外参数不一致会导致采集的数据不准确。不同厂商的激光雷达地面点的反射值不一样。

RTK方案提供更高的精度。 原理：观测站（无遮挡情况）通过在某个位置长时间地进行定点观测计算，数据非常准确，静态站点。车辆（无遮挡情况）作为动态站点，通过载波信号的差分得到厘米级的定位效果。 GPS在传输过程中，可能会受到多径效应、电离层大气层、反射折射等影响。但设定一定范围内的不同基站，受到的影响相对一致。 采集流程： 首先检测传感器状态ok，正确标定。然后打开开关进行采集，采集过程中需要将双向车道全覆盖3-5遍（最好5遍），如果是采用16线需要更多次才能达到很好的效果。车速方面Apollo没有明确的要求，不要太快即可。早期大家使用Riegl放在路口中间静态扫描采集红绿灯，违反交通规则而且很危险。Apollo则不需要在路口可以停留/采集最终得到的是一个个的bag包，bag包包含所有信息，如点云、车辆标定参数、定位结果等。 采集完成后Apollo地图数据服务平台提供一系列制图服务，离线过程。

生产流程：

通过64线激光雷达采集到的点云信息+定位信息，拼接得出一个完整的点云效果。

地图要素识别：基于深度学习网络，包含两个层面

Apollo所需要的地图： 定位地图类似于整齐排列的小格子，存储了坐标信息和反射强度信息等，用于点云定位。 高精地图是基于反射地图生产的。通过融合底图数据、图像数据、点云数据，整合生成高精地图数据，将可形成一份相对完整精确的自动驾驶地图数据。 路径规划地图主要用于车道级别规划。 仿真地图主要用于基于高精地图的仿真。

数据元素： 道路级别：

路口级别：

交通信号灯：

线上策略很复杂，需要将图像坐标系转到车辆坐标系，再转到全局的整体坐标系，整个过程都会存在一些误差，会导致红绿灯的框匹配不完美，还需要其他复杂的策略。

逻辑关系西表述：

UTM坐标系：UTM坐标系把全球分成60个区域带（Zone），每个Zone里面都是相当于Zone中心的一个局部坐标系。可以把全球每个位置描述的非常精确。 84坐标系：84坐标系是一套全球经纬度，也是高精地图里面使用的坐标系。在该坐标系中，把整个地球想象成是一个椭球，地面的高度是相对于椭球面的一个偏移。高由正数表示，低由负数表示。 Track坐标系：Track坐标系是基于st的，s是纵向，t是横向。这个坐标系用来表述一个元素跟Lane之间关系，描述它位于Lane的什么位置，相对于Lane起点的偏移量是多少。

Apollo openDRIVE规范： 把所有元素做了一个归类。类似于Road和Junction。路上的所有的地面标识都归属为Objects，所有的标牌都归属为Signal，并通过Overlap把它们关联起来。 Apollo的OpenDRIVE跟标准OpenDRIVE的区别：

Overlap： Overlap主要是用来描述两个元素的空间关系。空间上有重叠都会描述为Overlap 如，Lane和Junction在空间上有重叠，它们之间就会有Overlap。 HDMAP引擎： HDMAP引擎是Apollo里面用于从HDMAP里面提取相关元素给下游的一个模块。HDMAP 引擎可以通过ID去检索一个元素，也可以通过空间位置查找元素，比如给定一个点和半径，可以把这个范围之内所有的红绿灯都提出来。

高精地图在政策方面的挑战 采集地图，必须要经过国家测绘部门、安全部门的审批。