无人驾驶入门2:高精度地图

自从上次发布了《无人驾驶入门1:无人驾驶概览》,就收到了不少的鼓励和鞭策,包括前领导的肯定。那我们赶紧来学习第二课关于高精度地图的课程吧。

第二课: 高精度地图

课程简介:了解高精度地图的实现逻辑,这是 Apollo 定位、感知、规划模块的基础。

1.地图简介

2.Sebastian介绍高精度地图

3.高精度地图vs传统地图

传统地图能够拥有导航路径规划、拥堵信息提示、多条路径规划的时间等信息,甚至可以获得路口是否有信号灯、道路上是否有测速照相等信息。

高精度地图更包含了大量驾驶辅助信息,其中最重要的就是道路网的精确三维表征,比如交叉路口布局和路标位置等信息,高精度地图还包含了很多语义信息,包括信号灯颜色定义、道路限速信息、车辆转弯开始位置等。

高精度地图区别于传统地图的一个重要特征就是精度,传统地图只能有米级的精度,对于车辆来说,米级的精度是完全不够的。高精度地图做到了厘米级的精度,这对于确保无人驾驶的安全性至关重要。

4.地图与定位、感知与规划的关系_a

高精度地图是无人驾驶的核心组成部分,很多模块都依赖高精度地图。

高精度地图的一个重要功能就是自定位,拿定位和拼图来打比方,当你拿到一小块拼图,你是否能在地图中找到这个拼图所在的位置呢?

无人驾驶需要知道自身所在地图的位置,首先车辆就需要寻找地标,车辆通过摄像头、雷达等传感器获得的信息同高精度地图上已知地标进行比较。

这一匹配过程需要经过预处理、坐标转换、数据融合这几个复杂过程。预处理来消除不准确或质量差的数据,坐标转换将来自不同视角的数据转换为统一的坐标系,借助数据融合可以将来自各种车辆的传感器数据合并。

定位就是通过这几个复杂的过程完成的,通过高精度地图可以让车辆了解自身的位置。

5.地图与定位、感知与规划的关系_b

无人驾驶车可以使用高精度地图来帮助感知,车辆的传感器就像是人类的眼睛、耳朵,但同样会受到外界条件的影响,比如恶劣天气、夜间等,另外如果遇到障碍物,感知是无法了解障碍物背后的物体。

正因为如此,一方面地图可以帮助传感器提前预知事物位置,另一方面地图可以帮助传感器缩小检测范围,即让传感器仅检测感兴趣区域(ROI)。ROI可以提高传感器检测精确度和速度,可以节约计算资源。

6.地图与定位、感知与规划的关系_c

高精度地图可以帮助车辆寻找合适的行车路线,可以帮助确定不同路线的选择,还能确定道路上其他车辆将来的位置。

比如高精度地图已经精确到车道线,所以车辆尽可能沿着车道中心线行驶;比如在人行横道、减速带等区域,通过高精度地图可以提前预知,提前减速;比如前方遇到障碍物需要变道,高精度地图可以帮助其缩小选择范围,获得最佳变道方案。

7.Apollo高精度地图

高精度地图专为无人驾驶设计,提供了道路定义、交叉路口、交通信号、车道规则以及汽车导航的其他元素,可以为无人驾驶车提供多方面的帮助。

比如高精度地图记录了信号灯的精确位置和高度信息,从而降低了感知难度。

地图更新是高精度地图中的一项重要工程,需要很多的作业车辆,对高精度地图不断进行验证和更新,同时要达到厘米级的精度,这需要非常高的制图技术。

高精度地图有很多格式,不同的格式就会导致系统的不兼容,为了便于共享,Apollo采用了OpenDrive格式,这是行业制图标准格式。

百度Apollo还开发了一套完善的采图绘图系统,其中90%的地图绘制流程实现了自动化。

8.Apollo高精度地图构建

高精度地图的构建由五个过程组成:数据采集、数据处理、对象检测、手动验证和地图发布。

数据采集是一个巨大的工程,百度Apollo拥有近300辆专业车辆用于数据源采集,当然,这些数据采集车不仅仅用于数据采集,对于地图的维护和更新也非常的重要,他可以及时的更新地图数据。

专业车辆具有角度的传感器,比如GPS、惯性测量单元(IMU)、激光雷达和摄像机,Apollo定义了一个硬件框架,将这些传感器集成到单个自主系统中,通过将这些数据的融合,最终生成高精度地图。

数据处理是指对手机的数据进行整理、分类以及清洗的过程,以获得没有任何语义信息或注释的初始地图模板。

对于对象检测,Apollo团队使用人工智能来检测静态对象并对其进行分类,包括车道线、交通标志甚至电线杆。

手动验证可以确保自动地图创建过程正确并及时发现问题。

经过了上述过程的处理,地图可以进行发布,除了发布高精度地图,Apollo还发布了采用自上而下视图的相对定位地图以及三维点云地图。

在构建和更新地图的过程中,Apollo使用了众包,任何人都可以通过百度发布的工具参与制作高精度地图的任务,Apollo高精度地图众包可以通过智能手机、智能信息娱乐系统甚至是其他无人驾驶车来实现。

9.课程综述

课后小结

虽然个人从事导航地图已有十年,但学习高精度地图课程还是有不少的启发。

首先,高精度地图可以自定位。

这一点打破了原有的认知,或者需要转换一个角度来思考。

对于传统地图,都是真实世界的绝对位置地图,我们假定数据公司采集的地图都是真实准确的。而在导航软件中,获得GPS定位信号,再同地图进行匹配,可以即时获得地图中的定位信息,也就是知道了你在世界的哪个角落。GPS是一种传感器,但已经非常成熟,包括硬件和算法的成熟以及系统的稳定。所以,我们会认为地图定位非常容易,借助外部GPS即可。

而高精度地图,除了传统地图功能外,还可以通过地图中的特征(本视频中的地标,或其他公司所谓的指纹),进行自定位。既需要地图中的数据支持,也需要借助外部的传感器,这个传感器不是GPS,而是摄像机、雷达等,而其中的定位匹配算法并不像GPS定位算法这么简单,这也是无人驾驶技术中所需要克服的难题之一。

其次,高精度地图是三维的。

传统地图是二维的,以点线面为主,一方面本身不需要红绿灯、路灯等各种特征对象的高度信息,另一方面高程信息在导航中的应用并不多,显示建筑3D、高架立起或者山丘欺负,仅仅起到美观作用罢了。

而高精度地图,除了自定位的需要,同时还需要还原真实的世界,不仅仅需要认清可行驶的车道线,也需要识别马路牙子、隧道桥洞等信息。

再次,高精度地图的构建需要众包

传统地图的构建,基本都是地图数据公司作业车采集的成果,众人所能提供的信息,也仅仅是反馈。以前的离线地图更新,需要等待一个版本,一般至少要等一个季度,而即便现在的在线地图,从反馈、验证、修正到发布,也至少要数天的时间。我们仅仅是一个使用者,而无法成为创建者。

对于高精度地图来说,一个季度的更新实在太久,更新的频度是无法满足需求的。同时,高精度地图依然需要专业车辆的采集,作为专业数据输入源,但每一个自动驾驶车辆,又是数据贡献源,因为无人驾驶车的地图自定位同地图采集是想通的,甚至由于算法的一致性,数据验证也将变得简单。

基于此,更需要高精度地图众包,让众人参与到地图构建中,只为更精准的高精度地图数据。

既然opendrive format是开放的,那么谁会来主导一个类似openstreet map的众包项目呢?拭目以待。

原文地址:https://www.cnblogs.com/Tangf/p/9610906.html

时间: 2024-11-08 21:44:49

无人驾驶入门2:高精度地图的相关文章

无人驾驶入门(基本流程)

无人驾驶的操作流程,没有大家想的那么复杂.大家完全可以根据自己开车的实践,推断出自动驾驶应该包括那些内容.传统意义上,很多论文或者教材都喜欢把自动驾驶分成感知.预测.规划和控制四个部分,但是我个人喜欢再添加两个部分,即导航和停车,这样会构成一个更完整的整体. 1.导航 当车辆开始启动的时候,我们会输入起始地址和目的地址.有了这两个地址,软件就可以帮助我们规划合理的行驶路线.目前导航这一块已经很成熟了,百度导航和高德导航也做的很好. 2.感知 所谓感知,就是车辆需要定位自身的位置,同时它还需要了解

智能汽车无人驾驶资料调研(一)

1.提出无人驾驶演进的五个维度:消费者接受度.技术整合度.生态体系.立法.基础设施投资: 2.无人驾驶的关键技术:环境感知技术.定位导航技术.路径规划技术和决策控制技术.(分类有待商榷,比如V2X通信技术等未包括) 给出SAE给的最新L0-L5的无人驾驶定义: 自动驾驶分级 名称(SAE) 定义(SAE) NHTSA SAE 0 0 无自动化 无自动驾驶,由人类驾驶员全权操控汽车,可以得到警告或干预系统的辅助: 1 1 驾驶支援 通过驾驶环境对方向盘和加减速中的一项操作提供驾驶支持,其他的驾驶动

高精度卫星定位天线接收——实现高精度卫星定位,无需差分站与地基增强网

天线接收产品概述: 是一款完整的GPS卫星定位接收机.内置卫星接收天线,具有全方位高精度定位功能,静态精度小于1.5米,动态小于1米.能满足工业级定位.有两大核心竞争优势,即无需差分站.成本低廉. 产品特性: 半双工UART/RS232/CAN/IIC接口输出:采用KDS 0.5PPM 高精度 TCXO;丰富的数据输出速率:115200bps[9600/38400]:输出语句:NMEA 0183协议:支持可调数据刷新率:1Hz-10Hz:自主研发设计天线振子:支持选配A-GPS服务.惯性导航.地

自动驾驶中高精地图的大规模生产:视觉惯导技术在高德的应用

导读:导航.驾驶辅助.自动驾驶等技术的不断发展对地图的精细程度提出了更高的要求.常规的道路级地图对于智能交通系统存在很多不足,针对自动驾驶应用的需求,我们提出了利用视觉惯导技术制作高精地图的方法. 本文将首先介绍视觉和惯导的主流设备,视觉惯导融合的框架和关键技术,高德在基于视觉方式生成高精地图道路标志和地面标识要素的计算方案,最后总结了这项技术在高精地图精度上所面临的挑战和未来发展方向.   视觉惯导技术具有广泛前景 高精地图是自动驾驶的核心技术之一,精准的地图对无人车定位.导航与控制,以及安全

国内首次深度学习自动驾驶,阿波罗不再只是计划:来自百度开发者中心的观察报告

导读:从世界上首个可在真实道路上实现端到端模式的高级自动驾驶模型Road Hackers,到百度和汽车零部件厂商合作开发的车载可计算平台 BCU,从诞生之初就备受关注的"阿波罗计划"逐渐揭开了它神秘的面纱.而正如百度智能汽车事业部总经理顾维灏在主题演讲中所说,这些,不过仍是阿波罗计划的凤毛麟角. 2017年6月8日,上海 CES Asia 现场. 作为新智元特派员,我置身于上海新国际展览中心 N3 智能驾驶主题馆,被众多汽车品牌的未来炫酷车型所包围.一瞬间,仿佛回到了一个多月前同样在这

李彦宏收到无人车罚单的四个月后,北京自动驾驶新规终于出台!

中国自动驾驶相关法律法规的空白终于被打破了,就在今天,北京市交通委发布了相关指导文件,符合规定的自动驾驶汽车,终于可以正式上路了. 而媒体们在转载这条消息时,都要cue一下前脚上路,后脚吃罚单的李彦宏.四个月前百度在AI开发者大会上,李彦宏乘着自动驾驶汽车从五环赶往现场,结果很快就因变道压实线被开了罚单.这张开给无人车的罚单成了一支flag,让自动驾驶厂商们更加急迫的追问有关自动驾驶的交通法律法规.那场景就像学霸们已经做了充足的准备,就等着老师出考卷来大展身手了. 现在交管部门给了交待,我们又把

什么是激光雷达?一文带你读懂激光雷达

近年来,随着技术的进步,激光雷达的应用领域也在逐渐扩大,不仅在环保.农业.海洋和测绘等领域发挥了重要作用,在机器人.无人驾驶.智能装备.智能家居等领域也显示出良好的应用前景,再加上国家对这些高新技术的支持,我国激光雷达行业将迎来蓬勃发展. 我国激光雷达市场规模 纵观全球激光雷达市场,北美占据整个市场收入的45%左右,欧洲占据33%市场份额.据前瞻产业研究院发布的<激光雷达行业市场前瞻与投资战略规划分析报告>数据显示,随着我国经济发展,激光雷达应用领域增加,我国激光雷达市场规模将会大幅度增长.2

V2X的前生今世

1.车联网的发展 第一阶段:局部交通管控 以单点或局部路面交通控制及交通流监测系统为核心,提高局部道理的通行效率: 第二阶段:在线导航/车载娱乐 车-同广域通信,通过车内通信模块与蜂窝通信,实现在线导航,远程诊断与控制.信息娱乐.车辆报警等应用: 第三阶段:辅助驾驶 V2X.V2I短程通信,实现提醒甚至控制车辆避免可能的碰撞等风险,提升车辆安全及交通效率(基本应用集) 第四阶段:自动驾驶 真正实现自动控制.无人驾驶.永无事故,达到人.车.路.环境真正融合,是未来的ITS 当前我们处于第二阶段到第

Google Waymo 2017自动驾驶安全技术报告(一)

2017年10月Google Waymo向美国交通部提交了一份43页的安全报告,报告中详细说明了Waymo如何装备和训练自动驾驶车辆,从而避免驾驶中的一般和意外情况发生.这份报告对Waymo的自动驾驶技术进行了详细的解读,希望能够对自动驾驶从业者带来一些启发. 自动驾驶技术的必要性 2013年在全球有120万人死于交通事故:2016年美国有37461人死于道路交通事故:2015年美国有240万人在交通事故中受伤:94%美国发生的交通事故中由于人为失误引起;2/3的人在一生中至少遭遇一次酒驾事故: