雷锋网按：Civil Maps 前身是斯坦福大学的一个创业孵化项目。该公司通过人工智能软件，整合自动驾驶汽车传感器上得到的 3D 数据，以构建直接供自动驾驶汽车使用的高精度地图。 去年 7 月，Civil Maps 完成第四轮融资，获得福特、斯坦福大学以及雅虎联合创

　　雷锋网按：Civil Maps 前身是斯坦福大学的一个创业孵化项目。该公司通过人工智能软件，整合自动驾驶汽车传感器上得到的 3D 数据，以构建直接供自动驾驶汽车使用的高精度地图。

　　去年 7 月，Civil Maps 完成第四轮融资，获得福特、斯坦福大学以及雅虎联合创始人杨致远等 5 家投资人/企业总计 660 万美元的资金支持，用于开发可供无人驾驶汽车使用的、价格低廉的实时 3D 高精度地图。

　　今年 5 月，Civil Maps 举办了第二届网络研讨会，同时上线了《传感器数据入门》系列视频。

　　在该系列视频中，该公司讲解了有关多款传感器的基本知识，包括惯性测量单元（IMU）和GPS 等。同时，Civil Maps 还讨论了这些传感器为什么能得到广泛使用和它们在 Civil Maps 的定位和地图堆栈中所扮演的角色。

　　据雷锋网（公众号：雷锋网）了解，IMU 和 GPS 只是 Civil Maps眼下用到的重要传感器中的代表性产品。根据客户需求的不同，Civil Maps还可定制专门的产品。

　　为了能适应市场上数量众多的传感器和数据类型，Civil Maps 专门制作了相关软件，它可以轻松适配不同的设定。由于 IMU 和 GPS 是传感器中重要的模块，因为在定位和自动驾驶功能中缺一不可。同时，它们还会经常出现在自动驾驶原型车中。

　　除了传感器，本次网络研讨会的主题还有 SBET（最佳平滑轨迹估算），这种合成数据类型由 IMU 和 GPS 采集的数据混合而成。

　　一个 SBET 文档由一系列 SBET 点组成，每个点中都包含了当日的时间、位置坐标和旋转信息等。对 IMU 和 GPS 数据进行计算后就能得到 SBET 数据，当然还要参考安装信息并进行轴线校准。

　　随后与激光雷达或摄像头采集到的数据进行综合，就能得到点云数据（所谓的点云数据是指扫描资料以点的形式记录，每一个点包含有三维坐标，有些可能含有颜色信息或反射强度信息）。

　　图1：拉斯维加斯会展中心的点云数据和相关语义向量图

　　从 IMU 中我们能得到哪些类型的信息？加速计――三轴加速度值；

　　陀螺仪――通过固定摇架上飞轮的倾角来计算定位；

　　磁力计――根据地球的磁矢量发生倾斜并与地面平行；

　　气压计――通过跟踪气压值来计算海拔。

　　从 GPS 中能得到什么信息？为了更好的对 GPS 数据进行编纂并做出索引，Civil Maps 用 WGS84 坐标系（世界大地坐标系）当垂直参考系，水平参考系上，则用了 UTM 坐标系（通用横墨卡托投影坐标系）。

　　WGS84 坐标系：由于地球不是一个完美的球体，因此椭圆海拔模型中地球表面的山体和沟壑都被抹平，这样才能保证测量和地理索引的一致性。

　　UTM 坐标系：虽然有很多不同的投影方法，但在水平定位上，Civil Maps 将地球分成了 60 个区域，每个区域都有自己的三轴加速度值范围。举例来说，北卡罗来纳位于第十区，南卡罗来纳则位于第十一区。

　　此外，Civil Maps 还将世界统一时间（TUC，同时参考了公转和自转）用到了开发堆栈中去。而轨道卫星搜集的 GPS 时间标记都被纳入了 GPS 时间系统，该系统从 1980 年 1 月 1 日正式开始计时。

　　鉴于世界统一时间与 GPS 时间稍有不同（会有秒差），因此 Civil Maps 对 GPS 数据进行了格式转换，以便适应它们的软件堆栈。

　　将 IMU 和 GPS 数据综合成 SBET 数据

　　正如上图所示，Civil Maps 读取了 IMU 数据（下周他们会将源代码上传 GitHub）并进行了缓冲。随后，将验证过的 GPS 数据和精度因子的系数值导入。

　　所谓的精度因子是 GPS 微信与 GPS 天线间的几何关系，精度因子越小，误差就越小。由于影响 GPS 读数的因素较多，因此 Civil Maps 并不完全依赖它。

　　Civil Maps 一般通过对点云和传感器数据进行模拟逆向工程的方法来验证精度。多次模拟后就能得到路面的真实情况了。