以下来自：
Zang, Andi, Zichen Li, David Doria, and Goce Trajcevski. “Accurate Vehicle Self-Localization in High Definition Map Dataset.” In Proceedings of the 1st ACM SIGSPATIAL Workshop on High-Precision Maps and Intelligent Applications for Autonomous Vehicles - AutonomousGIS ’17, 1–8. Redondo Beach, California: ACM Press, 2017. https://doi.org/10.1145/3149092.3149094.
摘要
自动驾驶需要对vehicle进行实时定位，称为self-localization or ego-localization
为了在各种条件下维持可靠性
- harsh conditions and environmental uncertainties (e.g. GPS denial or imprecision),
- sensor malfunction,
- road occlusions,
- poor lighting,
- inclement weather.
系统需要包含
- GPS receiver,
- in-vehicle sensors (e.g. cameras and LiDAR devices)
- 3D High-Definition (3D HD) Maps
本文综述了自定位技术，并提出一个数据集 10km of the Warren Freeway in the San Francisco Area
设备为：
- 消费级单目相机
- 消费级GPS
- 产品级（production-grade）3D HD Maps
Intro
两种常用的基于点云的定位：
- LiDAR 可直接获取 3D 信息，缺点是cost and weather dependency
- 从 2D stereo camera （双目或多目相机）亦可以重建 3D 信息，
还有 SLAM 定位。
还有基于图像+高清地图的定位，通过检测以下lane-level的object进行定位
- lane markings ，
- pole-like objects ,
- curbs ,
- even occupancy grids
有了 HD map，可以通过triangulation使用特征进行定位。
DATASET DESCRIPTION
Vehicle and Sensor Configuration
包含一个校准过的 HERE True platform，用来提供真值
Velodyne 32 LiDAR unit, 高分辨率相机，高分辨率定位单元
能得到：
- well-registered point clouds
- street view imagery
还有
- 消费级的 dash camera
- 消费级的 GPS
camera和gps的位置关系未给定。
已经将真值，dash camera，GPS的数据进行时间戳同步（对齐）。
High Precision Map Modeling
将road 分为 12米长的段。
并提供了包含三部分的road model：
- Lane Boundary。 lane marking 以及 路肩都有。
- Occupancy Grid:light poles, road signs, and overpass bridges,等的occupancy grid
- Road Sign：限速标记，路段确认等。