主要观点总结
文章介绍了在自动驾驶中如何使用高精度地图、相机和其他传感器进行高精度的相机定位（pose estimation）。文章讨论了相关技术的现状，介绍了不同方法的工作原理和流程，包括基于单目、双目或多目相机的定位方法，以及结合地图数据和使用深度学习技术进行定位的方法。同时，也涉及了一些行业内领先的公司的相关技术和研究。这些方法在自动驾驶车辆定位中具有重要的应用价值。
关键观点总结
关键观点1: 高精地图、高精定位和感知的关系
三者相辅相成，高精地图和感知结果可以为定位提供先验信息，定位结果又可以辅助感知，将感知元素与地图已有元素进行比对更新或者构建新的地图。
关键观点2: NVIDIA在行业中的合作现状
NVIDIA在国内与高德、四维、宽凳合作，在国外与tomtom、here、zenrin等合作，推动了自动驾驶技术的发展。
关键观点3: 视觉定位中的两种主要方法
一种是End-to-end方法，如PoseNet，另一种是两步定位法，先通过图像检索找到最接近的关键帧，再与该关键帧匹配局部特征进行定位。
关键观点4: 文章介绍的几种视觉定位方法
包括利用单目相机和地图进行定位的方法、结合双目相机和hdmap进行定位的方法、使用compact map进行语义定位的方法等。这些方法各有特点，适用于不同的场景和需求。
关键观点5: HF-NET网络的特点
HF-NET网络是一种由粗到精的hierarchical定位网络，可以同时估计局部和全局特征，通过多任务蒸馏方式进行网络的训练，提高了对环境变化的鲁棒性。
文章预览
来源：cc.fy@知乎 问题定义 给定一份高精度地图或环境模型，给定相机（不限于单目，双目，多目，针孔或者鱼眼），输出相对于这份地图的高精度的相机的pose,在这个过程中其他传感器信息是可选的(optional) https://news.developer.nvidia.com/drive-labs-how-localization-helps-vehicles-find-their-way/ https://github.com/ethz-asl/hfnet 高精地图， 高精定位， 感知的关系 高精地图、高精定位和感知三者相辅相成。假如具备高精地图和感知结果，就可为定位提供先验信息: artisense_visual_slam 假如具备高精地图和定位结果，就可把地图元素投影到车体坐标系中，为感知提供先验信息: https://www.atlatec.de/localization.html 假如具备定位和感知结果，就可把感知元素反向投影回地图坐标系，将感知元素与地图已有元素进行比对更新或者构建新的地图: kitti vector mapping 行业现状 NVIDIA 在国内和高德
………………………………
