高精地图,自动驾驶,无人驾驶

从三方面解析高精地图量产难题

高精度地图是自动驾驶汽车不可或缺的重要基础。国家发展改革委于2018年发布的《智能汽车创新发展战略》中提出“建设覆盖全国的车用基础地图系统。

高精度地图是自动驾驶汽车不可或缺的重要基础。国家发展改革委于2018年发布的《智能汽车创新发展战略》中提出“建设覆盖全国的车用基础地图系统。开发标准的、统一的车用基础地图,建立并完善三维地理信息系统,提供实时动态地图数据服务”。
 
从顶层设计层面,确定了高精度地图对智能汽车发展的基础性意义和战略要求。高精度地图正在通过自动驾驶应用释放出越来越大的能量。
 
一、高精度地图应用现状
 
相较传统导航电子地图,高精度地图精细程度更高,数据种类更丰富。导航地图的道路、POI等数据一般具备米级地理位置精度,而高精度地图数据则具备分米级、甚至厘米级地理位置精度,相应被称为分米级、厘米级高精度地图。
 
从数据种类上来说,高精度地图既包括传统地图的静态要素,如路网、路形、车道、POI、建筑、路标等,还有对自动驾驶非常重要的动态要素,如交通流量、实时环境、交通灯信息等。
 
2005年,欧洲的车企、零部件商、地图商就发起成立了ADASIS联盟,致力于建立基于高精度地图的ADAS标准规范,目前已经发展到可用于自动驾驶汽车的ADASIS v3规范。
 
2015年起,欧洲车企开始量产应用分米级高精度地图,验证了通过地图对道路坡度、曲率等路形要素的预测,有助于提升汽车经济性、安全性、舒适性。
 
例如,Scania开发的主动预测系统(Active Prediction),利用分米级高精度地图预测车辆前方的坡度,对动力策略进行优化,自动提前调整车速、挡位,降低整车油耗,可获得山区道路4%,平原道路1.5%的节油率。
 
同时,安全性也是基于地图的ADAS系统的重要着力点。如大众、保时捷、奥迪等厂商应用预测式大灯(Predictive Front Lighting)技术,可预测弯道曲率,调整大灯光照角度,提高有效照射区域。奥迪在Q7、A7等车型上,集成了基于地图的预测式自适应巡航(Predictive ACC)等达到L2级的自动驾驶技术,在提升安全性的同时,也降低了司机驾驶强度。
 
分米级地图已进入L2级自动驾驶量产应用阶段,而厘米级高精度地图则成为高度自动驾驶系统的标配。
 
2016年,谷歌Waymo团队打造的无人驾驶汽车引发了全球自动驾驶投资浪潮。Waymo无人车采用了所谓“重地图”技术模式,昂贵的激光雷达背后,还包括经年累月、大量投入堆积起来的厘米级高精度地图系统。
 
高精度地图在高度自动驾驶中的作用可分为:自车定位(Location)、路径规划(Routing)及车路协同(V2X)三个方面。
 
感知系统通过SLAM计算相对定位,需要与高精度地图匹配确定自车的绝对定位;决策系统需要高精度地图规划车辆通行路径;高精度地图也为车路协同系统提供了信息交互的地理标签。一般认为,L4级以上的自动驾驶汽车必须配备厘米级高精度地图。
 
目前,中国的高精度地图产业正在从技术研发向规模投入迈进。近两年,国内主要图商纷纷加大测绘投入,开始对外提供分米级、厘米级地图,多家自动驾驶企业加入地图赛道。
 
同时,中国汽车工程学会牵头的中国智能网联汽车产业创新联盟,也组织了由高校、图商、主机厂等发起的高精度地图工作组,中国标准的地图格式、应用接口规范呼之欲出。
 
高精度地图既事关国家信息安全,又具有高度分工的产业链条,为确保核心技术不受制于国外,形成各个环节的国产供应能力,需要国内厂商脚踏实地、年复一年的投入。
 
二、高精度地图量产的关键问题
 
高精度地图正在成为自动驾驶行业的焦点,然而笔者认为,其量产化应用中必然会遇到三个关键问题。
 
第一,地图生产效率问题。
 
高精度地图精细程度高,动态要素丰富,传统地图生产方式难以满足其量产应用的需要。
 
根据笔者了解,采用传统测绘车方式,分米级地图的测绘效率约为每天每车500公里道路,成本为每公里10元左右,而厘米级地图的测绘效率约为每天每车100公里道路,成本可达每公里千元。在成本约束下,测绘效率很难大幅度提高。
 
众包地图是提高生产效率的一个思路,但必须保证地图采集质量的可靠性、一致性,同时在海量众包数据中,快速提炼生产符合规范的地图,以满足实时性要求,仍是一个难题。
 
事实上,Mobileye的REM模式,正是试图以其高质量、标准化的感知系统,解决L3级以下高精度地图采集问题,但更高级别的地图,仍需要与专业图商合作。
 
第二,实时更新问题。
 
自动驾驶应用要求车载高精度地图具备实时更新能力。清华大学提出的TSINGHUA-AUTOMAP模型,根据自动驾驶的要求,将地图数据划分为3类、7个图层。
 
其中,驾驶员层、动态障碍物层、虚拟定位层、宏观动态层应具备实时特性,车道级细节层、中间层、道路路网层等相对静态要素,在高级别的自动驾驶中,其实时性也有很高要求。
 
因此,实时更新是车载高精度地图的必备特性。对于ADAS级别应用,要求车辆控制系统不停机完成地图的在线更新;对于高度自动驾驶应用,则要求地图完全实时化。如何在车辆行驶中完成高频率的地图在线更新,也将是量产应用的一个关键问题。
 
第三,地图存储问题。
 
车载地图的体积受到嵌入式系统的存储容量限制。一般来说,车载导航用地图(米级精度)的存储密度约为每公里道路0.01MB,ADAS用地图(分米级)则提高到每公里10MB,无人驾驶用地图(厘米级)在量产后,存储密度预计可达每公里1GB。GB级别的存储需求,已远远超出目前主流控制器方案的存储容量,这意味着必须考虑云存储方案。
 
从以上问题可以看出,高精度地图在自动驾驶汽车中的量产化应用,必须基于车联网的架构,以实现地图的云存储、实时更新和众包采集。
 
这套架构实际上构建了一套实时地图应用与生产的闭环,通过提高云服务端自动化程度,提升车联网通讯效率(如5G应用),完善传感器融合识别算法,可不断提高MCU向总线提供地图的实时性、丰富性,最终实现可满足L5级别的完全实时化高精度地图。
 
三、高精度地图发展趋势
 
结合车联网实现高精度地图的车载应用,可以解决地图生产、实时更新及地图存储等三个量产关键问题,而其建设是一个长期的过程。同时,厘米级地图制作成本、自动驾驶场景落地等问题,也让越来越多的厂商认可循序渐进的量产思路。
 
从欧洲厂商基于分米级地图的自动驾驶量产经验可以看出,具备路形预测能力的智能巡航、转向灯等产品,可以有效提高汽车的经济性及安全性。尤其对于耗油大、驾驶习惯不良的国内商用车而言,可以有效降低运营成本、减少公路事故,具有较高的经济价值和社会效益。
 
当前国内厂商正在提高产品的智能化程度。研发基于分米级地图的ADAS系统,可以在实现更安全的L2级自动驾驶的同时,降低油耗,让自动驾驶技术更好服务于运营效益。技术路线方面,采用结合车联网的MCU架构,可以通过模块升级的方式,实现向L5的功能演进。
 
同时,在国内建设公共的地图云服务平台,为自动驾驶汽车搭载的MCU提供高精度地图支持,不仅可以节省量产应用的成本,也便于采取信息防护措施,保证国家战略信息的安全。可以说,这是一条符合中国国情、通达L5级无人驾驶的高效路径。

好文章,需要你的分享

文章来源:小迷糊 / 文章作者:高工智能
声明:本文来源“小迷糊”作者“高工智能”,版权归作者所有,不代表自动驾驶之家官方立场。转载请注明出处、作者和文章链接,如果有侵权,请联系删除。
收藏