下面公开课的memo:
本期的公开课还是不错的,值得花时间多听几遍,地址为here,在weixin中收听。
贯穿课程的两个问题:
- 为什么说高精度地图,是无人驾驶中必不可少的一部分
- 如何解决基于高精度地图的定位服务,以及行驶过程中的function safety
无人驾驶现在面临挑战很多,最主要的问题有:
- 驾驶过程中,是否足够安全,与人相比是否安全,否则商业上是不被信任的
- 车辆成本,多个激光雷达,多个传感器等成本较高 只有上面两个问题(足够安全,成本可以接收),才算是解决了自动驾驶的问题。
1. 从自动驾驶的需求到高精度地图的诞生
高精度地图,叫做“3D道路环境重建”更合适:
- 传统地图:基于兴趣和点的描述,面向人和娱乐
- 高精度地图:3维模型,基于该模型可以知道车与周围的相对距离,下一步遇到的物体高宽等信息,面向车和系统的地图,利用高精度地图,做到环境感知和相对位置定位等
高精度地图服务对象是系统,除了传统的位置信息以外,还有Z高度信息,角度信息坡度信息等。
另外,传统地图可能是每个季度一次更新,但是高精度地图是实时更新或是准实时更新,才能保证道路安全。
两者的区别:
技术上面临的问题:
- 车辆上计算单元能力,尽量减少计算
- GPS信号不稳定(城市里用GPS去定位困难太大),受天气影响较大
- 复杂路况(下面的换道,依赖实时计算,很难自动驾驶)
如下图中,是英国的一个环岛:
高精地图产业面临的问题:
- 成本,通过人工智能处理的方式,降低内业处理成本。
- 规模,需要达到规模化生成。能否批量化采集,生产,以及更新,是判断规模的标准。
高精度地图组成:
- 点云图:使用激光雷达,对现实世界的三维建模。不仅能获得物体XYZ的信息,还能获得车辆与物体的相对位置信息。通过这个相对位置信息,可以做定位服务,以及在做路径规划的时候,规划一条安全的路径。
- Landmark矢量地图,基于点云图作成的道路相关信息地图,是道路规划时重要的底层信息。
- 其他增值服务,现在更多的是定位服务,相对精度的定位服务。
2. 适用于高级自动驾驶的高精度地图的关键特性
通过这些关键特性来定义高精度地图,什么才是合适的高精度地图产品。
- 点云图
- 矢量图,基于点云图生成,作成道路的车道线,交通标识,指示牌(也可以内容读取,比如限速等)等
- 定位服务
为什么需要一个地图引擎? 高精度的生产并不是基于人工制图的过程,而是一种自动化建图过程。
- 计算力,基于公共云进行海量数据的存储和计算
- 网络环境,wifi/5G,比如通过充电桩进行数据加载
下面是一个地图引擎的处理过程:
地图更新:
数据融合 -> 特征检测 -> 训练模型 -> 自动处理收集数据 -> 基于处理后数据形成矢量图 -> 最后人工check
3. 高精度地图的评价体系和实际价值探讨
如何评价点云地图:
- 精度,传统地图是基于基准点看偏离位置,而高精度地图更多是相对精度(3D点云图与实时物体位置的偏离),要达到5cm级别(车道线大部分10cm宽度),只有达到5cm了才能实现车辆行驶的平稳无漂移。
- 正确性,除了固定的建筑物等以外,还有一些人为障碍物(短暂停车等),这种需要去除掉。
- 点云属性
- 存储方式,压缩比率等都是比较关键的点
- 元素完备性
元素完备性:
4. 实例讲解基于高精度地图的定位服务
当某一些传感器失效的时候,地图能够工作,所以依赖于高精度地图的无人驾驶更有鲁棒性,更安全。
5. QA环节
- 高精度建立的难点:
- 数据量大 2. 精度高 3. 实时性(更新) 其他更具体的难点:4. 多数据融合(正向扫描与反向扫描时保证同一物体一致性) 5. 自动化提取关键特征 6. 如何满足规模化制图
- 不同场景上的高精度地图要求:
高速路/园区路等,对高精度地图的要求不同,另外测量的方式也有不同
-
当前还没有一个行业标准的高精度地图格式
-
矢量图没有绝对坐标系,只有相对坐标。
-
停车场地图,停车场内GPS无信号,Deepmap可以提供停车场地图。
-
众包数据污染,车辆启动的时候,会首先启动校准定位,如果定位OK才开始。
- 地图评估有自动化工具,但最后还是人工check。(比如,去除军事禁区的地图)