凡仔stefan

为自动驾驶提供高精度地图，通过众包（crowd sourcing） 采集的数据（多数据源、 多
数据格式） 来更新高精度地图；开发调度服务来协调各车的采集计划。主要使用了 spark
平台以及 spring 微服务架构
整个更新地图流程闭环大约分为 5 个步骤
1 从车端接收数据，并进行解析转化。采集车一般能保证相对精度，而在绝对精度
方面有偏差；从车端接收到的数据是按照特定的转换方式存储的，需要进行相应的转换，
比如不同的坐标系，旋转角等等。
2 不同数据的分类匹配。 众包车上传的数据质量层次不齐，不同车辆不同批次的上
班数据可能偏差比较大，需要将其匹配到相应的地图要素上来。 此时需要划分强弱场景，
并且根据要素的属性及相对位置来匹配。
3 要素认知。 此步骤最主要是计算要素的信度， 采用了贝叶斯的概率模型。 跟多批
次上报的聚集程度以及根据相应的时间流是否上报来计算信度。
4 要素决策。 主要考查要素的各属性信度（比如形状、颜色、宽度、类型）。将满足一定信度的要素同原始底图进行对比，符合变化规则的要素将用于更新底图。 还包括同
过车辆的驾驶行为来挖掘隐式信息（比如施工）
5 spring 微服务调度车辆采集。 定义了 3 层采集单元， task、 mission、 job。其中
task 对应生产部门或者本系统（map leanrning）的更新需求， mission 要求时空间不
重叠， job 对应的是各种采集车的采集能力。 此模块定位于 billing 收费系统，负责如
何高效的来完成地图更新
本人主要负责 4 和 5 两个模块，同时还包括使用 marathon 管理 mesos docker，环
境的部署以及 jenkins 的使用