高精地圖技術及應用發(fā)展現(xiàn)狀米樂M6 M6米樂（上篇）

　　孟慶昕、張文杰、陳丹、侯燕、余晶、張民崗、黃剛、閆春利、朱大偉、嚴明、姜昊、高玉、溫芳、于銀河

　　近幾年，在人工智能與測繪、汽車產(chǎn)業(yè)的深度融合下，自動駕駛和高精度地圖技術逐漸成為行業(yè)關注的焦點。眾多互聯(lián)網(wǎng)公司、IT廠商、傳統(tǒng)車企、新造車實力、技術型創(chuàng)業(yè)公司各自依托其在資金、技術、人才、渠道和場景等資源優(yōu)勢，紛紛抓住產(chǎn)業(yè)升級機會，進入自動駕駛和智能出行領域。在2016-2020年期間，中國的自動駕駛技術主要在封閉園區(qū)、景區(qū)、礦山和港口完成了小規(guī)模的商業(yè)化落地，并且在北京、上海、廣州、深圳、長沙、蘇州等地實現(xiàn)了特定區(qū)域內(nèi)的無人駕駛出租車試運營，即“Robo-Taxi”。根據(jù)國家發(fā)改委、中央網(wǎng)信辦、工信部等11部委在2020年2月聯(lián)合發(fā)布的《智能汽車創(chuàng)新發(fā)展戰(zhàn)略》，2021-2025年是實現(xiàn)自動駕駛和高精度地圖技術突破、市場化應用的重要時間段。并且，高精度地圖已經(jīng)被視為自動駕駛時期的“重要基礎設施”，也必將在智慧交通、智慧城市等領域發(fā)揮著“數(shù)據(jù)底座”的重要作用。

　　自動駕駛技術主要分為感知、決策和執(zhí)行三個部分。感知層，主要通過使用多種視覺傳感器（攝像頭+雷達），以感知探測汽車周圍的車、人、交通狀況、所處的位置等信息；決策層，是在感知層搜集信息的基礎上，通過算法對于信息進行綜合處理，判斷出下一步的行駛方向、速度、轉向角度等；執(zhí)行層，是決策層將指令發(fā)送給控制層，由控制層通過對車輛進行轉向控制、驅動控制、制動控制和安全控制。

　　自動駕駛技術從硬件到軟件都取得了很大的進步，但從具體的技術實現(xiàn)方式看，大多數(shù)量產(chǎn)車產(chǎn)品是依托于視覺傳感器和控制系統(tǒng)。傳感器監(jiān)測周圍環(huán)境，控制系統(tǒng)處理數(shù)據(jù)并生成決策，執(zhí)行系統(tǒng)根據(jù)指令控制車輛駕駛動作。這種技術解決方案有一定的局限性，短期來看效果不錯，但長期而言，隨著自動駕駛級別的不斷增高，道路復雜情況不斷增強，數(shù)據(jù)量不斷攀升，會對整體的自動駕駛實現(xiàn)成本和效果穩(wěn)定性產(chǎn)生影響。并且，傳感器由于本身的物理局限性和易損耗等特點，無法保證自動駕駛汽車在全天候、全工況環(huán)境下行駛的可靠性。此時，高精度地圖就會發(fā)揮出重要作用，其將成為視覺傳感器的有效補充，為車輛環(huán)境感知提供輔助，提供超視距路況信息，從而提升車輛定位精度、感知可靠性以及路徑規(guī)劃能力。

　　高精度地圖是智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)的重要基礎技術，尤其是L3及以上級別的自動駕駛功能所必備的支撐技術[1]。相較于為人工駕駛員服務的傳統(tǒng)車載導航電子地圖，高精度地圖是為自動駕駛系統(tǒng)服務的專屬地圖，其蘊含更為豐富細致的路面、路側及路上的靜態(tài)信息，還需要輔以實時動態(tài)交通信息，制作難度和復雜度遠高于傳統(tǒng)地圖。高精度地圖具備的地圖匹配、輔助環(huán)境感知和路徑規(guī)劃三大功能，在自動駕駛中具有難以替代的特殊優(yōu)勢。

　　目前，高精度地圖技術已經(jīng)過多年的發(fā)展摸索階段，新技術、新工藝逐步走向成熟，形成了一系列相對穩(wěn)定的生產(chǎn)模式與基本定型的地圖產(chǎn)品，對智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)的發(fā)展起到了支撐和推進作用；汽車主機廠和系統(tǒng)集成商更是積極開發(fā)基于高精度地圖的自動駕駛汽車，不斷優(yōu)化高精度地圖模型和數(shù)據(jù)內(nèi)容，使得高精度地圖更加符合自動駕駛需求，形成良性循環(huán)；清華大學、武漢大米樂M6 M6米樂學、北京理工大學等知名院校也已加快對高精度地圖數(shù)據(jù)要素等內(nèi)容的理論研究。

　　高精度地圖，也被稱為“自動駕駛地圖”或“智能汽車基礎地圖”，英文通常翻譯為HD Map（High Definition Map）。高精度地圖是指絕對精度和相對精度均在厘米級（10厘米至20厘米）的高分辨率、高豐度要素的導航地圖。高精度地圖提供了一個自動駕駛車輛所處的環(huán)境模型，包含了最底層的靜態(tài)高精度地圖以及其他動態(tài)信息。靜態(tài)高精地圖中包含了車道模型、道路部件、道路屬性和其他的定位圖層。車道模型包含道路細節(jié)信息，如車道線、車道中心線、車道屬性變化等，此外車道模型中還需要包含道路的曲率、坡度、航向、橫坡等數(shù)學參數(shù)。自動駕駛動態(tài)信息是指智能網(wǎng)聯(lián)體系下所有的動態(tài)信息，一般包括地圖動態(tài)信息、傳感器信息、駕駛行為、交通動態(tài)信息管控等方面。

　　通常，要素完整的高精度地圖，會通過三類數(shù)據(jù)來完整表達真實道路信息，第一類是道路和車道信息，主要記錄道路信息及引導拓撲信息；第二類是道路周邊設施信息，是定位和障礙物等輔助信息；第三類是定位圖層，用于自動駕駛車輛現(xiàn)場匹配。

　　道路模型定義的核心內(nèi)容是道路相關的數(shù)據(jù)表達，用于滿足道路級別的路徑規(guī)劃，以及高級輔助駕駛系統(tǒng)（ADAS）應用場景下對油門、剎車、方向的預先控制規(guī)劃。車道模型記錄了車道的行駛參考線、車道的邊線（標線）及停止線、車道與道路拓撲的關系等，可以滿足車到級別的路徑規(guī)劃需求，同時通過車道標線信息提供車道間橫向聯(lián)通關系（可否跨越等），如圖1所示。

　　道路周邊設施是記錄道路和車道行車空間范圍邊界區(qū)域內(nèi)的要素的，其幾何表達分點線面三種類型，如兩側的護欄、路牙等通過線來表達，墻、標牌、區(qū)域，文字、箭頭、符號等則通過面來表達，電話亭則通過點來表達。周邊設施數(shù)據(jù)通常用于輔助環(huán)境感知，以及抽取定位圖層用于輔助定位，如圖2和圖3所示。

　　道路定位圖層分為兩類，一類是道路采集時的原始點云信息，一般壓縮抽稀后點云數(shù)據(jù)；第二類是從矢量化之后的道路周邊設施數(shù)據(jù)中抽取部分特征要素作為定位圖層。道路定位圖層非強制性要素，隨各家圖商產(chǎn)品規(guī)格策略確定是否制作。

　　如圖4所示，是OpenDrive中定義的高精地圖圖層，基于Features圖層提取出來的要素或原始數(shù)據(jù)層被用來作為定位圖層。

　　隨著自動駕駛汽車逐步走向量產(chǎn)，未來的車載地圖將邁入以高精度、高現(xiàn)勢性（活地圖或動態(tài)地圖）為特性的高精度動態(tài)地圖時代。與傳統(tǒng)的導航電子地圖相比，高精度地圖在各方面的要求更高，并且能夠配合傳感器和算法，為決策層提供支持。

　　傳統(tǒng)的導航電子地圖是顯示給行人和人工駕駛員，高精度地圖只會為自動駕駛系統(tǒng)提供服務。為了滿足自動駕駛汽車的需求，高精度地圖除了包含傳統(tǒng)地圖的內(nèi)容，還會描述精細的車道標線信息，以及道路參考線和車道參考線信息，也包含了復雜的車道交換引導參考線及周邊設施信息。

　　普通導航電子地圖的絕對精度通常在10米左右，高精度地圖的絕對精度被普遍認為需達到50厘米，相對精度在100米的行駛距離內(nèi)，不能超過20厘米誤差，即基本與一個車道標線的寬度相同。因此，只有在20厘米相對精度的情況下，才能保證車輛不會發(fā)生側面碰撞。

　　導航電子地圖會將道路抽象為一條直線或曲線，高精度地圖需要盡量還原道路真實的現(xiàn)場狀況，建立精度極高的車道模型，以及道路通行空間范圍邊界區(qū)域內(nèi)的精細化對象模型。

　　自動駕駛車輛需要實時掌握車輛周邊的設施變化情況和交通狀態(tài)，以此作為自動駕駛決策的依據(jù)。因此，高精度地圖需要提供日更新的高現(xiàn)勢性的地圖和以分鐘、秒為更新頻率的動態(tài)交通信息。

　　隨著汽車智能化和網(wǎng)聯(lián)化的普及，自動駕駛汽車不斷發(fā)展，高精度地圖受到了越來越多的關注。高精度地圖的充分運用能夠輔助智能網(wǎng)聯(lián)汽車獲取先驗參數(shù)、超視距感知、高精度定位、優(yōu)化駕駛行為、精準控制執(zhí)行器操作、輔助路線規(guī)劃，為自動駕駛提供諸多數(shù)值化的決策依據(jù)。在L1、L2的輔助駕駛階段，高精地圖并非剛性需求，但其對于L4、L5級別的自動駕駛是必選項，對于L3級別的自動駕駛是可選項。因此，自動駕駛汽車的自動化、智能化程度越高，對高精度地圖的依賴性就越強。

　　通過基于高精度地圖的輔助感知，自動駕駛車輛能準確的知道周邊的物體（對象）的高精度位置坐標，同時通過傳感器得到車輛與周邊物體的相對距離，自動駕駛車輛即可基于探測到的物體（對象）高精度坐標和相對距離反算出車輛的高精度位置坐標，從而實現(xiàn)對自身位置的持續(xù)修正。

　　高精度地圖能夠輔助汽車超視距感知，當車輛道路環(huán)境被其他物體遮擋，或者轉彎，或者超出了汽車電子設備感知范圍時，高精地圖能夠幫助車輛對行進方向環(huán)境的感知。

　　高精度地圖能夠輔助車輛快速識別道路環(huán)境周邊固定物體及車道標線。高精地圖能夠提高自動駕駛車輛數(shù)據(jù)處理效率，自動駕駛車輛感知重構周圍三維場景時，可以利用高精度地圖作為先驗知識減少數(shù)據(jù)處理時搜索范圍。高精度地圖還能為車輛提供各種危險區(qū)域，車輛可以提前做出應急方案。

　　高精度地圖提供道路曲率，當車輛轉彎時可以根據(jù)曲率進行提前減速，控制傳感器甚至大燈轉向輔助。高精度地圖提供隧道等遮蔽信息，車輛在進入前可以提前開啟大燈或調(diào)整傳感器感光參數(shù)。高精度地圖提供坡度，能夠輔助車輛控制油門節(jié)省能源。高精度地圖的限速信息精確到車道和車型，智能網(wǎng)聯(lián)汽車用以精準控制執(zhí)行器和相應車型合規(guī)運行。

　　基于高精度地圖的車道級動態(tài)路徑規(guī)劃及輔助感知成果最終都將作為參考信息提供給決策單元，決策單元在已知固定環(huán)境、已知線路和動態(tài)目標的基礎上通過算法生成車道級控制指令。

　　關于建立高精度道路導航地圖的方法研究也有很多，例如通過配備GPS-RTK的采集車沿特定線路采集數(shù)據(jù)；使用激光雷達與廣角攝像頭結合的方法提取道路信息，加上配備高精度全球衛(wèi)星導航系統(tǒng)（GNSS）則能夠達到10厘米精度，但這種采集方案成本較高，也有研究者提出使用低成本傳感器創(chuàng)建車道級地圖的方法，通過全球定位系統(tǒng)和慣性導航系統(tǒng)（GPS/INS）的緊耦合完成定位，從正射影像圖中獲取相關地圖信息。

　?。?）基于“激光雷達+人工智能處理”模式。該模式穩(wěn)定性高，但是采集設備成本高，是各大圖商采用的主流模式。

　?。?）“眾包采集+AI識別提取”模式。該模式成本低，但是精度和穩(wěn)定性待提升，是主流圖商更新和初創(chuàng)圖商采用的主流模式。

　?。?）“車輛動態(tài)上傳+動態(tài)地圖自動下發(fā)更新”模式。該模式是最為理想的高精度地圖生產(chǎn)與更新模式，尚處于論證階段，需要隨著智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)的發(fā)展不斷完善。

　　高精度地圖有嚴格規(guī)范的生產(chǎn)流程。首先根據(jù)用戶應用的需要（一般是車廠，且需明確將地圖應用于何種級別的自動駕駛車型中）對產(chǎn)品進行規(guī)劃，制定生產(chǎn)米樂M6 M6米樂計劃；其次，數(shù)據(jù)信息采集部門開始收集數(shù)據(jù)信息；再次，對收集的數(shù)據(jù)進行處理編輯繪制地圖；最后，對數(shù)據(jù)進行規(guī)格轉換。在地圖數(shù)據(jù)生產(chǎn)過程中需要經(jīng)過層層數(shù)據(jù)檢查，確定數(shù)據(jù)生產(chǎn)的安全和準確。

　　當前，國內(nèi)的四維圖新002405）、百度、高德，歐美的HERE、TomTom等頭部圖商，普遍采用這種昂貴的激光雷達+慣導+全景相機+GNSS+差分基站的方式。單套設備價格從100萬元到幾百萬元不等，每家采集車的數(shù)量從幾套到二十幾套不等。之所以采用如此成本高昂的設備，是因為要滿足自動駕駛車輛對高精度地圖的絕對精度、相對精度、識別率等指標的要求，爭取搶在其他圖商之前開發(fā)第一張完整的高精度地圖，形成先發(fā)優(yōu)勢，獲得市場青睞。隨著時間推移和眾多的廠商加入激光雷達和慣導設備的開發(fā)中，設備的價格正在快速下降，預計在3年后將會下降到當前價格的三分之一左右。

　　外業(yè)采集數(shù)據(jù)后，形成了慣導數(shù)據(jù)、GNSS數(shù)據(jù)、DMI數(shù)據(jù)、激光點云數(shù)據(jù)、全景相機或雙目相機數(shù)據(jù)、精密星歷數(shù)據(jù)等大批量原始數(shù)據(jù)，經(jīng)過自動化的GNSS組合導航解算，生成解算成果。解算成果還需要經(jīng)過多次采集偏差校正、路面異常變形校正等軟件自動化處理才真正完成原始數(shù)據(jù)的解算。原始點云數(shù)據(jù)如圖7所示。

　　自動化解算后的原始數(shù)據(jù)進入要素自動提取環(huán)節(jié)。要素提取一般有兩個主要過程，分別是自動分類和噪點濾除和自動化提取。

　　圖8為點云自動分類和噪點濾除的結果，該過程利用智能算法對有先驗知識對點云進行要素分類，給定分類米樂M6 M6米樂值，確定有價值的要素點云后，對影響后續(xù)提取的噪點進行濾除，對作業(yè)范圍外無效的點云進行自動裁切。

　　圖9為點云自動化提取的結果，該過程是成圖的關鍵步驟，通過點云分類結果和點云的強度值自動跟蹤提取車道標線、路面標志、交通標志、護欄、路牙、桿狀物、上方障礙物等路面、路側、路上的交通設施和對自動駕駛有影響的附著物。提取的矢量數(shù)據(jù)根據(jù)識別結果自動賦屬性值，和相鄰的其他要素組織邏輯關系。

　　自動化提取是高精度制圖的技術保障，各大圖商均投入大批量研發(fā)人員參與自動化解算、自動化提取、自動化成圖的軟件開發(fā)。不管是基于點云的自動化成圖還是基于視覺的自動化成圖，短期內(nèi)都無米樂M6 M6米樂法完全實現(xiàn)完全的自動化，在相當長時間內(nèi)仍需要投入必要制圖人員通過目視檢查修正數(shù)據(jù)。

　　基于市場客戶的需求，數(shù)據(jù)采集速度要非?？焖偾倚枰珔^(qū)域覆蓋。出于成本考慮，專業(yè)的采集設備不能無限制的擴張。因此，傳統(tǒng)圖商在數(shù)據(jù)采集時考慮低成本眾包采集技術，通過眾包采集大量可靠數(shù)據(jù)發(fā)現(xiàn)數(shù)據(jù)變化的范圍，再根據(jù)數(shù)據(jù)變化的可信信息派專業(yè)采集車進行核實和專業(yè)測量。

　　目前，市面上應用最廣泛的眾包采集方案是采用“視覺+GNSS”的方案。如圖11所示，由以色列Mobileye公司生產(chǎn)的EyeQ視覺芯片，占據(jù)了市場的壟斷地位，截至2020年年底，其所有EyeQ視覺芯片在全球的累計出貨量已到達6000萬顆，為近30家車廠的300余種車型ADAS功能所采用，超過L2+系統(tǒng)量產(chǎn)車型的70%。EyeQ芯片可以支持REM地圖，即路網(wǎng)采集管理系統(tǒng)的快速搭建。具體的工作原理是利用視覺神經(jīng)網(wǎng)絡抓取變化的車輛、車道標線、路牌等信息，將收集的信息匿名化加密，再上傳到云端，生成REM地圖，然后生成地圖信息分配到自動駕駛汽車中。

　　不含激光雷達的低成本高精度采集設備成本大約在5萬~8萬元，帶有16線激光雷達的成套采集設備大約在10萬~16萬元，雖然用于眾包更新成本仍然較高，但是作為地圖供應商用于快速更新采集卻非常合適。用于眾包的設備，成本控制到千元級，才可能大批量裝配到出租車、分時租賃車等服務性車輛上；成本控制到3000元以下，才能批量前裝到所有車輛。圖12為某圖商眾包采集設備情況。

　　對于初創(chuàng)企業(yè)來講，該方法設備成本低，采集效率高，成圖快，但是需要投大量研發(fā)資源提升采集精度和傳感器識別率。經(jīng)過最近幾年發(fā)展，國內(nèi)以Momenta（初速度）和寬凳科技為首的初創(chuàng)企業(yè)，已經(jīng)在輕量化采集的基礎上形成了高精度地圖制作的突破，其他企業(yè)也在輕量化設備和整體解決方案上做了大量嘗試，各種技術百花齊放。圖13為某圖商基于圖像的高精度地圖制圖結果。

　　每輛行駛中的自動駕駛汽車，是地圖云中心數(shù)據(jù)成果的使用者，同時也是地圖云中心數(shù)據(jù)的提供者。車端的運營狀態(tài)數(shù)據(jù)（如實時位置、車身姿態(tài)、駕駛行為、各類傳感器數(shù)據(jù)、實時交通數(shù)據(jù)等等）通過路測設備或蜂窩網(wǎng)絡傳送至地圖云中心，云中心對這些實時大數(shù)據(jù)進行深度挖掘分析，形成對高精度地圖的有效更新并通過空中激活（OTA）等形式下發(fā)到車端，如此循環(huán)往復，不斷對高精度地圖進行實時更新優(yōu)化，形成一套智能網(wǎng)聯(lián)汽車體系下的高精度地圖生產(chǎn)運營一體化閉環(huán)運營模式。

　　該閉環(huán)生態(tài)模式已經(jīng)成為業(yè)界共識，相應的標準也應運而生，圖14為國際標準組織Sensoris的數(shù)據(jù)流設想圖。

　　四維圖新是國內(nèi)第一家基于該模式開發(fā)完成了“車輛/車廠-圖商-車廠/車輛”的閉環(huán)模式驗證，百度和TomTom聯(lián)合開發(fā)的AutoStream也是“車輛動態(tài)上傳+動態(tài)地圖自動下發(fā)”模式。

　　者關系關于同花順軟件下載法律聲明運營許可聯(lián)系我們友情鏈接招聘英才用戶體驗計劃

　　不良信息舉報電話舉報郵箱：增值電信業(yè)務經(jīng)營許可證：B2-20090237