GPS轨迹聚类算法TRACLUS介绍在自研众包地图方案过程中，作为主机厂，会获得大量的车辆GPS轨迹，这些轨迹信息可是众包地图的重要数据来源之一，整体策略是在图商的底图基础上再结合车辆GPS轨迹进行引导线更新。实际自动驾驶L4场景开发过程中发现：实车跑过的轨迹线远比算法生成的引导线合理，尤其是转弯掉头等场景引导线。这篇文章，将对论文 **Trajectory Clustering: A Parti

线段聚类LINE SEGMENT CLUSTERING这篇博客将说明TRACLUS算法的归组聚类阶段。首先，先讨论线段的密度属性；其次，介绍基于密度的聚类算法DBSCAN；然后，介绍计算线段聚类中代表性轨迹的方法；最后，介绍一中基于启发式的算法确定基于密度聚类算法的相关参数。1、线段密度1.1、距离函数回顾距离函数是三种距离的加权和。首先，垂直距离主要测量从不同轨迹中提取的线段之间的位置差。其次，

高精度地图偏转基础知识偏转基础知识首先，高精度地图在发布商用之前必须经过国家测绘局的加密偏转处理，此目的是为了保证国家安全。而对地图数据和应用软件的加密偏转处理是由国家自然资源部相关部门直接处理，其中的国家保密插件，也叫做加密插件或者加偏或者SM模组，其实就是对真实坐标系统进行人为的加偏处理。按照几行代码的算法，将真实的坐标加密成虚假的坐标，而这个加偏并不是线性的加偏，所以各地的偏移情况都会有所不

文章：AVP-SLAM: Semantic Visual Mapping and Localization for Autonomous Vehicles in the Parking Lot作者：Tong Qin, Tongqing Chen, Yilun Chen, and Qing Su前言：去年笔者之前在自研探索AVP方案时，阅读到秦通博士的一篇论文AVP-SLAM: Semantic V