禾多科技亮相SAE 2018汽車智能與網聯技術國際學術會議

近日，由SAE國際主辦的SAE 2018國際汽車智能與網絡技術大會在昆山閉幕。來自中國、美國、日本和歐洲的30多位頂尖技術專家學者齊聚本次國際技術交流活動，介紹汽車智能網聯領域的學術進展和新技術應用探索成果。其中，和多科技技術總監羅培博士發表了題為“面向量產自動駕駛的高精度定位”的主題演講，主要介紹了自動駕駛常用的定位方法，并分析了各自的優勢和局限性。同時，結合禾多科技面向量產的高精度地圖和高精度定位技術解決方案，深入分析了研發過程中遇到的技術難點和解決方案。和多科技技術總監羅培博士是羅培演講的全文。在不改變初衷的基礎上，小編整理如下：在自動駕駛系統中，高精度定位發揮著重要作用。一方面，幫助自動駕駛系統更好地利用高精度地圖提供的信息，為自動駕駛系統的路徑規劃和車輛控制提供準確的車輛位置和姿態；同時，它可以幫助感知系統獲得更準確的檢測和跟蹤結果。目前常用的高精度定位方案有四種，每種方案都有各自的優缺點。1、 GNSS/RTK&IMU定位的優勢在于，當GPS連接到RTK時，它可以提供非常準確、高頻和穩定的位置和姿態結果。通常，它可以實現10厘米的位置精度和小于0.1度的航向角精度。這個計劃的缺點也很明顯。首先，成本非常高；其次，依靠GPS，GPS信號可能會在有障礙的環境中發生跳躍；第三，依靠RTK，RTK必須在有基站的位置運行；最后，它在很大程度上依賴于IMU，因為綜合定位結果包括姿態，這與IMU的精度密切相關。2.除了硬件解決方案外，反射圖和海拔圖也有基于軟件的定位解決方案，例如基于反射圖和高度圖的定位方案。這個方案需要提前繪制地圖。首先，將激光雷達數據與算法進行拼接，得到點云圖，然后將三維點云圖投影到二維平面上，生成特征圖像。當車輛行駛時，通過將實時3D點云與特征圖像進行匹配來實現車輛定位。該方案的優點是精度高、魯棒性強：一般水平定位精度可達10厘米左右；當激光器被障礙物阻擋時，它也可以正常工作。還有許多缺點。首先，只能輸出車輛的x和y信息，因此只能獲得二維平面上的定位結果；其次，有必要提前校準激光雷達的反射值。然而，由于目前激光雷達的生產工藝，即使在不同領域使用相同的激光雷達進行校準，校準結果也可能存在顯著偏差，這可能會限制這種方法的可擴展性；第三，該方案依賴于高束激光雷達，如果使用4線或8線激光雷達，將失去高精度和魯棒性的優勢。3.除了二維全球定位算法外，還有一種用于三維定位的三維激光匹配算法。該方法與反射映射方案在兩個方面有所不同。首先，三維定位方法輸出的定位結果包括6個自由度；其次，這種方法除了與地圖匹配進行全球定位外，還支持可以輸出相對定位結果的激光里程表。這種方法也有一些局限性。首先，如果進行全球定位，需要提前構建地圖；

其次，非批量生產的高光束激光雷達需要穩定運行。4.前三種視覺方案都是基于激光雷達的，視覺方案也是研究熱點。純視覺方案成本低、精度高、信息量大，但算法的魯棒性低于激光雷達方案。據悉，目前一些以L4級無人車運營為目標的初創公司，大多在硬件上使用高精度激光雷達和GPS/IMU定位解決方案。一方面，這種硬件配置成本高，不是車輛標準，而且激光雷達安裝在車頂上，美觀性較差。另一方面，從高精度地圖的應用來看，公司需要使用高精度設備來收集和更新3D點云地圖，這給擴展和維護帶來了很大困難。此外，自建地圖很難與第三方地圖兼容。因此，這樣的定位解決方案在大規模生產之前還有很長的路要走。高精度地圖的三大特點與高精度定位相輔相成，包括高精度、信息豐富和實時更新。高精度：地圖精度分為絕對精度和相對精度。絕對精度在分米級別，相對精度可以達到厘米級別。在自動駕駛領域，人們更關心的是相對準確性。豐富的信息：除了常見的車道線、路標和交通標志外，高精度地圖還包括路肩、燈桿、樹木和高架橋等信息。及時更新：高精度地圖需要及時更新。如今，高精度地圖主要有兩種形式：語義地圖和位置地圖。語義地圖：常見于圖商，是傳統導航地圖的延伸。圖像商家通過半自動或手動處理將原始傳感器信息轉換為語義元素。因此，語義圖沒有任何傳感器的原始數據，只有抽象的語義信息。位置圖：常見于互聯網公司和自動駕駛初創公司。除了語義信息，它還包含用于高精度定位的原始傳感器數據和一些低級特征，如原始點云或圖像的特征點。在高精度定位中，高精度地圖可以在三個方面提供幫助。一種是提供用于定位的特征，這些特征可以是語義的、幾何的或視覺的；二是為定位提供先驗信息，例如人們通過高精度地圖知道動態障礙物和干擾定位的元素出現在哪里；第三是提高特殊情況下定位的穩健性，例如惡劣的天氣和照明環境。換句話說，高精度定位也可以為高精度地圖提供幫助。高精度地圖、高精度定位和感知是相輔相成的。如果高精度地圖和感知結果可用，則可以提供先驗信息用于定位；如果有高精度的地圖和定位結果，可以將地圖元素投影到車輛坐標系中，為感知提供先驗信息；如果定位和感知結果可用，則可以將感知元素投影回地圖坐標系中，并與地圖上的現有元素進行比較。大規模生產的高精度定位解決方案針對高速公路上的自動駕駛場景。和多科技根據場景的定位需求將其分為三類：第一類是沒有高精度地圖的高速公路主干道。這種情況類似于人類駕駛，不需要車輛的絕對位置和姿勢。只有提供準確的車道線并了解車輛的相對運動，車輛才能保持良好的行駛狀態。自動駕駛系統中的控制規劃和感知工作在車輛的局部坐標系中，這與人類的駕駛行為相一致。因此，只要保證平穩性和相對運動精度，定位就可以滿足自動駕駛的需求。確保平穩性的目的是為控制計劃服務。如果定位有輕微的抖動，車輛控制可能會出現方向盤抖動，車輛可能會遵循S形模式；相對運動的準確性為控制規劃和感知服務。對于控制規劃，相對運動為車輛控制提供了精確的反饋；

對于感知而言，準確的相對運動是估計其他障礙物的速度和位置的先決條件。實際車道線檢測結果是什么？事實上，單車道檢測性能良好，但相鄰車道的車道檢測精度較差。例如，當車輛變道、超車或通過匝道時，系統穩定性將受到極大挑戰。如果此時能夠訪問高精度地圖，結果將得到顯著改善。第二類是擁有高精度地圖的主要公路。在這種情況下，可以執行精確的車道水平定位。您可以從地圖中獲取車輛周圍環境的信息，實現更精確的導航控制。此外，還可以實現更好的感知。首先，地圖可以明確ROI，降低計算復雜度，并獲得更準確的障礙物結果；第二種是使用地圖數據來校正不正確的感知結果，例如使用地圖數據校正較差的車道檢測結果。第三種是帶有高精度地圖的高速公路坡道。從上圖左圖可以看出，匝道處有大量高架橋，高架橋形成的障礙物會干擾GPS信號，造成GPS位置跳躍。從右邊的圖表中可以看出，匝道的曲率通常很大，這對車道線的感知構成了很大的挑戰。有報道稱，特斯拉汽車在坡道上遇到問題，比如與護欄相撞。因此，在車道線和GPS定位的可靠性較低的情況下，需要更可靠的定位方法。例如，使用基于視覺特征的定位地圖來解決匝道問題，具體集成了視覺定位、車道線定位和GPS/IMU，以獲得相對穩定的定位結果，從而解決了匝道定位問題。除了高速公路，“最后一公里”的智能代客泊車也是和多科技重點關注的另一個自動駕駛應用場景。如今，常見的低速L4級解決方案大多用于停車、班車和交通場景。技術解決方案是在車端安裝大量傳感器，通過車端算法解決車輛定位和感知問題。然而，大規模生產計劃對車輛上的傳感器有嚴格的要求，對傳感器的成本和計算單位有限制。基于這一限制，禾多科技提出了一種將車端和場端相結合的解決方案，通過減少車端傳感器的配置，并將大量計算轉移到智能場端，以滿足大規模生產的需求。最后，和多科技L4級代客泊車解決方案的HoloParking系統主要由四個模塊組成：終端用戶應用程序、云大數據服務模塊、車輛模塊和HoloParking's后端現場模塊。在現場模塊中，采用多傳感器融合算法為車輛模塊提供準確的定位、感知和路徑規劃信息，以滿足L4級自動駕駛在車端的需求。

標簽：

汽車資訊熱門資訊