什么是高精度地图的语义信息？

高精度地图是自动驾驶不可或缺的部分，近年来随着更高级别自动驾驶的研发以及更高安全要求的提出，自动驾驶对高精度地图要求越来越高，粗略算起来，高精地图也大致经历了三个阶段。

早期无人车采用循迹的方式，先用一辆车跑一遍然后把每一个坐标点全记下来，自动驾驶的时候不能偏离这个轨迹；第二代高精地图开始采用激光雷达来对物理世界做比较精细的还原，但这个数据量太大。因此为让无人车在决策时能更贴近人对环境的理解方式，第三代高精地图即语义高精地图的需求产生了。

高精度地图语义信息是什么？

都说高精度地图中包含有丰富的语义信息，那什么是语义信息呢？

对于自动驾驶而言，语义信息是指那些能让无人车更好地理解行车规则、感知路面交通状况、规划行车路线，且被涵盖在高精度地图里的多层次、富维度的信息。

相对于典型的点云地图而言，语义地图能够很好的表示出无人车到的地方是什么，无人车“看”到的东西是什么。比如当无人车进入一条马路，点云地图中，无人车并不能识别显示出来的一块块的点云到底是什么。

点云图

但是语义地图的构建可以分辨出马路中的车道、汽车、隔离带、路边树木、指示牌、蓝天等诸多不同对象及概念。

语义分割图

语义有层次之分，一般来说，场景级、物体级、单点云点 or 单像素是比较通用的空间分级方法，时间上还有静态和动态之分。

也有人把图像的语义分为视觉层、对象层和概念层。视觉层即通常所理解的底层，即颜色、纹理和形状等等，这些特征都被称为底层特征语义；对象层即中间层，通常包含了属性特征等，就是某一对象在某一时刻的状态；概念层则是高层，是图像表达出的最接近人类理解的东西。

语义图不是一个单独的图层，它通常能够以几何图、矢量图、路网图、点云图等任何一种地图作为载体，将语义映射到其中。

对于自动驾驶汽车而言，语义图是最接近人类进行“道路行车”这个任务所用时知识的表示。语义地图的构建，对于SLAM研究有着很重大的意义。

高精度地图语义信息能做什么？

自动驾驶里常用到的SLAM是一种时间模型，它的目标是从复杂的信息中计算出一系列状态，包括预期环境，距离，以及根据之前的状态和信息得出的路径。

SLAM需要高精度地图提供大量的驾驶辅助信息进行配合，例如道路网的精确三维表征以及语义信息（交通信号、限速等），道路网提供的几何描绘可帮助车辆进行自身定位，并准确识别车辆自身于地图中所处位置，语义信息则帮助车辆在行车过程中对周围环境进行理解。

以交通信号灯为例，在普通地图中，它们只是三维形状，有坐标位置、朝向或车道应用范围等信息，这些信息并不足以帮助自动驾驶车辆做出行驶决策，因为交通灯还可能有红灯或绿灯等各种状态，这时语义地图就能够发挥作用，它能够辅助车辆的感知和规划系统判定交通信号灯的状态，这就是语义地图与其他地图的区别所在。

语义地图可帮助车辆保持在某一正常车道内运行，让自动驾驶车辆了解不同类型的道路之间、道路与路灯和行人之间是怎样的关系，并按照社会公序良俗和具体环境中他人的期望（如避让行人&车辆等）来选择如何作为。语义高精地图是高层级的高精地图，当然，语义地图的实现需要以几何地图为基础。

地图结合语义信息，有助于SLAM提升车辆定位的精度、稳健性、实时性，同时也有利于提高自动驾驶系统的稳健性。

高精度地图语义信息包含了什么？

从数据维度来看，高精度地图在传统电子地图道路数据基础上加载了更多的路面语义信息和交通环境信息，比如交通信号灯状态、道路标示线的特征信息、车道特征信息、路标等要素。

在道路图层和车道几何图层中，语义关系定义了无人车如何在复杂的车道关系中协同工作。这些语义信息服务于自动驾驶技术的上层应用，不同的上层应用可能需要不同类型的高精度语义地图。易图通具备强大的高精度地图生产线，能提供适应客户需求的语义点云、语义栅格、及各类混合地图，以支撑自动驾驶技术的各种上层应用。

总的来说，语义主要还是应用于自动驾驶SLAM建图，需要结合实际应用场景、需求去做，想做一个大而全的语义地图实际上也不太现实，也没有必要。

部分图文来源于网络，如有侵权联系删除