无人驾驶实践进阶——高精地图

文章目录

  • 无人驾驶实践进阶——高精地图
    • 高精地图应用场合
    • 高精地图概述
      • 定义及要求
      • 与导航地图区别
    • 与其他模块间关系
      • 核心模块
      • 定位模块
      • 感知模块
      • 规划、预测、决策模块
      • 安全模块
      • 仿真系统
    • 高精地图作用
      • 静态的Perception
      • 弥补系统性的缺陷
    • 高精地图的采集生产
      • 高精地图采集
      • 计算模型
      • 制图
    • 高精地图格式规范
      • NDS
      • OpenDRIVE
    • 业界的高精地图
      • HERE地图:
        • HERE地图制作
      • MobileEye
        • 技术分层
      • Google
      • TomTom
        • 相关技术
    • 百度Apollo
      • 地图采集
      • 地图生产
    • Apollo高精地图
      • 表征元素
      • 车道模型
      • 路口模型
      • 坐标系
      • Apollo OpenDrive
      • Overlap
      • HDMap Engine
      • 政策问题
      • 目前成果

无人驾驶实践进阶——高精地图

高精地图应用场合

下图0-6为自动驾驶六个等级
L3以下不需要高精度地图
无人驾驶实践进阶——高精地图_第1张图片

高精地图概述

定义及要求

无准确定义
无人驾驶实践进阶——高精地图_第2张图片

与导航地图区别

无人驾驶实践进阶——高精地图_第3张图片

与其他模块间关系

核心模块

无人驾驶实践进阶——高精地图_第4张图片

定位模块

定位是对于周围环境的感知
通过Feature提取进行环境比对
无人驾驶实践进阶——高精地图_第5张图片
左侧利用粒子滤波,右侧采用基于车道线的匹配
无人驾驶实践进阶——高精地图_第6张图片

感知模块

通过激光雷达、Radar、Camera等硬件检测,深度学习等软件检测都有一些局限性
高精地图可以为这些感知硬件提供辅助,提供先验等
无人驾驶实践进阶——高精地图_第7张图片

规划、预测、决策模块

高精地图可分别提供如下功能:
规划:进行长距离规划(道路线级别规划)、短距离规划进行轨迹约束(局部规划)(实时)
预测:预测道路上其他物体可能的行动轨迹,高精地图可提供预测经验
决策:决定车辆的运动,通过前两者的功能,使决策更加准确
无人驾驶实践进阶——高精地图_第8张图片

安全模块

主要有如下四个维度的攻击
高精地图提供了一个离线标准,比对过程中可以发现异常
无人驾驶实践进阶——高精地图_第9张图片

仿真系统

基于高精地图来构建,保证地图的真实性
高精地图为仿真系统提供了最底层的系统结构,让仿真能够真实模拟道路场景
无人驾驶实践进阶——高精地图_第10张图片
总之,没有高精地图高可靠性的L3/L4自动驾驶无法落地

高精地图作用

静态的Perception

复杂的地形、复杂的天气、复杂的红绿灯结构等
直接将人理解的经验传给高精地图
无人驾驶实践进阶——高精地图_第11张图片

弥补系统性的缺陷

由于目前大量计算置于本地,通过高精地图预先提供的数据可以减小检测预测进而减小系统负担
高精地图可提供超过传感器边界的远距离感知
无人驾驶实践进阶——高精地图_第12张图片

高精地图的采集生产

高精地图采集

传感器:
通过GPS计算位置,但容易产生误差,故同时会依赖于基站等
通过IMU计算得到的位置会有积累作用
轮速计由于地面交通情况不同会计算不准
激光雷达精度很高
无人驾驶实践进阶——高精地图_第13张图片
无人驾驶实践进阶——高精地图_第14张图片

计算模型

通过不同传感器得到的数据进行综合处理,进行融合校正,得到相对准的结果,最终进行三维重建

无人驾驶实践进阶——高精地图_第15张图片
下图为简化模型,通过求解预测位置与实际位置的最小来进行最优化
无人驾驶实践进阶——高精地图_第16张图片

制图

主流有基于激光雷达的和基于Camera的
激光雷达很准确,但语义信息较少;图像的语义信息较多
英伟达实时监测在线生成(计算能力强大)
宽凳科技、DeepMontion纯视觉制图
无人驾驶实践进阶——高精地图_第17张图片

高精地图格式规范

目前业界通用的为NDS和OpenDRIVE,还有其他格式

NDS

NDS考虑内容全面,提供独立升级更新、局部更新、描述功能、比例尺缩放、块划分等内容,规范复杂
无人驾驶实践进阶——高精地图_第18张图片

OpenDRIVE

道路被切分为很多部分
车道向左向右分别为1、2、3、-1、-2、-3
路口部分要有道路可通行方向
有一个ST的坐标系(基于Reference-line纵向-横向偏移量)
无人驾驶实践进阶——高精地图_第19张图片
无人驾驶实践进阶——高精地图_第20张图片

业界的高精地图

HERE地图:

后期被宝马、奥迪、戴姆勒30亿美金收购
地图制作发展早,体系完善
目前已制作一个更新速度比较快,比较完善的云端地图
无人驾驶实践进阶——高精地图_第21张图片

HERE地图制作

HERE采集地图的流程
BaseMap—>众包更新—>云端学习—>地图更新下发
无人驾驶实践进阶——高精地图_第22张图片
HERE的地图采集方案:
无人驾驶实践进阶——高精地图_第23张图片
HERE的地图更新方案:
无人驾驶实践进阶——高精地图_第24张图片
HERE的地图学习方案:
无人驾驶实践进阶——高精地图_第25张图片
HERE的地图格式:
地图分层(Road&Line)
用于定位的信息
动态信息层
司机驾驶习惯层
无人驾驶实践进阶——高精地图_第26张图片

MobileEye

发展比较早,技术积累雄厚,早期做辅助驾驶
无人驾驶实践进阶——高精地图_第27张图片

技术分层

感知、制图、策略
MobileEye更多使用Camera方案
制图多基于视觉
MobileEye认为基于激光雷达的方案无法做到规模化
无人驾驶实践进阶——高精地图_第28张图片
道路经验管理:
无人驾驶实践进阶——高精地图_第29张图片
Mobile众包系统(Road Book)
在终端做语义信息和特征提取再上传到云端,保证数据量小
无人驾驶实践进阶——高精地图_第30张图片

Google

发展比较早,披露的信息较少
无人驾驶实践进阶——高精地图_第31张图片
无人驾驶实践进阶——高精地图_第32张图片
无人驾驶实践进阶——高精地图_第33张图片
无人驾驶实践进阶——高精地图_第34张图片

TomTom

无人驾驶实践进阶——高精地图_第35张图片

相关技术

识别技术:
基于视觉的标志牌识别
基于激光雷达的识别技术
基于神经网络的分类器等
无人驾驶实践进阶——高精地图_第36张图片
地图更新下发:
相对实时的更新
无人驾驶实践进阶——高精地图_第37张图片
定位方案:
无人驾驶实践进阶——高精地图_第38张图片

百度Apollo

地图采集

硬件方案:
无人驾驶实践进阶——高精地图_第39张图片
左侧窗口用于监测传感器采集状态,防止出现错误
无人驾驶实践进阶——高精地图_第40张图片
基站搭建:
RTK差分方法,厘米级定位
无人驾驶实践进阶——高精地图_第41张图片
采集流程:
检测传感器正常—>多次数据采集—>压缩为bag包
无人驾驶实践进阶——高精地图_第42张图片
制图服务:
校正、视觉图像处理等
无人驾驶实践进阶——高精地图_第43张图片

地图生产

生产流程:
主要分为数据采集、数据处理(点云+图像)、元素识别、人工验证
精度要求较高时以点云为主,将点云压成图像,利用图像进行识别
利用深度学习提取道路的相关特征元素
人工将图像没有的相关虚拟信息补上,将相对应的红绿灯与路口进行关联等

无人驾驶实践进阶——高精地图_第44张图片
数据处理:
无人驾驶实践进阶——高精地图_第45张图片
元素识别:
无人驾驶实践进阶——高精地图_第46张图片
人工验证:
无人驾驶实践进阶——高精地图_第47张图片
最终成果:
最终会生成四种地图
无人驾驶实践进阶——高精地图_第48张图片

Apollo高精地图

表征元素

道路元素、路口元素、交通信号元素、逻辑关系元素、其他道路对象
部分约束(如道路边界)为强约束
红绿灯元素会提供位置、关联关系等
通过overlap将元素关联起来
无人驾驶实践进阶——高精地图_第49张图片

车道模型

切割方法与OpenDRIVE大致规则一致
left sample:车道边界到中心线距离
left road sample:道路边界到中心线距离
无人驾驶实践进阶——高精地图_第50张图片

路口模型

分为真实路口和十字路口
无人驾驶实践进阶——高精地图_第51张图片

坐标系

UTM坐标系
84坐标系
Tracking坐标系(ST)
无人驾驶实践进阶——高精地图_第52张图片
无人驾驶实践进阶——高精地图_第53张图片
无人驾驶实践进阶——高精地图_第54张图片

Apollo OpenDrive

将元素进行归类,通过Overlap关联起来
与标准OpenDrive区别:

  1. 元素形状的表达方式 :Apollo OpenDrivc采用绝对坐标点序列描述边界形状(OpenDrive使用Reference Line加偏移的方程描述)
  2. 元素类型的扩展:新增了对于禁停区、人行横道、减速带等元素的描述
  3. 扩展了对于元素之间相互关系的描述:比如新增了junction 与junction内元索的关联关系
  4. 其它:增加了车道中心线到真实道路边界的距离,停止线与红绿灯的关联关系
    无人驾驶实践进阶——高精地图_第55张图片
    无人驾驶实践进阶——高精地图_第56张图片

Overlap

描述空间两个元素的空间关系
无人驾驶实践进阶——高精地图_第57张图片

HDMap Engine

自动检索特征的引擎
无人驾驶实践进阶——高精地图_第58张图片

政策问题

无人驾驶实践进阶——高精地图_第59张图片
无人驾驶实践进阶——高精地图_第60张图片

目前成果

地图覆盖
产品应用
无人驾驶实践进阶——高精地图_第61张图片
无人驾驶实践进阶——高精地图_第62张图片

你可能感兴趣的:(人工智能实践)