高精度地图
-
什么是高精度地图
所谓的高精度地图,实际上是和我们现在已经普及的普通导航电子地图做比较来说的。
高精度,一方面是说高精度电子地图的绝对坐标精度更高。绝对坐标精度指的是地图上某个目标和真实的外部世界的事物之间的精度。另一方面,高精度地图所含有的道路交通信息元素更丰富和细致。
其实说白了,就是高精度地图在坐标精确度和道路信息等方面都要远优于普通的传统地图的。
虽然高精度地图看起来很牛逼,但是其实离我们并不遥远。我们用到的高德地图,百度地图等主流的导航上的地图其实就是高精度地图。 -
为什么要用高精度地图呢
我们都知道,作为一个优秀的驾驶员,应该知道自己的方向,知道自己下一个路口该怎么行驶,另外还会密切关注道路情况,包括拥堵情况,交通灯,其他车辆,道路安全情况等一系列交通信息。
但是,很遗憾,这些信息的获取都是建立在人类驾驶员的视觉和逻辑能力的基础上的,而这些也是无人车所不具备的。
所以,为了让无人车也能掌握这些信息,我们就只能把这些驾驶辅助信息也融入到地图中,另外,为了让无人车也能知道一些交通信号所代表的含义,高精度地图中还有大量的语义信息,包括每一种交通灯所代表的含义,限速标志等。 -
高精度地图的特点
顾名思义,高精度地图最大特点就是高精度。相较于我们日常看见的地图,比如腾讯地图(再次diss腾讯地图,我为微信小程序接入腾讯地图api,借此获取地址信息,然后定位贼不准,最差的时候差了将近5米,害死我了),高精度地图的误差为厘米级,对于车辆行驶来说,厘米级的误差已经几乎可以应对大部分的行驶环境了。
地图与定位
地图还得定位才行,无人车在行驶过程中必须保证每时每刻都清楚自己行驶在什么地方
- 主要用到方法:拼图法。无人车会通过自身的传感器,比如摄像头,激光雷达,获取到周边的地标信息(比如说什么最高的房子,广告牌之类的),然后跟已有的高精度进行对比,得到自己目前的位置。
具体来说,是经过预处理,坐标转换,数据融合三步。预处理负责去除干扰和无用信息,坐标转换负责把采集到的数据和地图数据置于同一坐标系下,数据融合负责把采集并处理好的数据与高精度地图数据进行对比。
地图与感知
感知,说白了就是识别周围环境
完全依靠传感器来感知是不安全的,传感器的灵敏度和识别的有效性受到包括识别距离,障碍物,干扰等一系列不可预见因素的影响。完全依靠传感器,无疑是遮住一只眼睛开车。
但是加入高精度地图可以改善这个问题,举个例子,即使是摄像头没有看到交通灯的位置,但是地图告诉无人车这里有一个交通灯,那这个信息也会帮助汽车进行下一个决策。另外,在提前知道什么地方有交通信息的前提下,传感器模组也可以定向地检索这个信息(ROI,或称感兴趣区),减少搜索半径,从而提高灵敏度和准确率。
地图与规划
规划其实就是行驶路径的选择。通过高精度地图,规划程序可以帮助汽车遵守交通规则,选择道路通行良好的道路,绕过行人和障碍等一系列不可预见的情况
地图的构建
主要为五大流程: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,目前数据采集采用的手段是大量的调查车辆对道路环境进行多次扫描和信息采集。道路环境的多变性也决定了数据采集需要频繁进行(好像好繁琐,但好像没有什么其他方法)
- 数据处理,就是把采集到的数据进行整理,分类,从而产生一个不带任何语义信息的地图
- 对象检测,采用人工智能来识别和判断静态对象,并对其分类
- 手动验证是一个保险,确保能及时修改自动地图中的问题和漏洞。
另外,APLLO允许任何人参与到地图的制作中,同时允许处理无人车之外的工具,如手机等采集数据,这个手段似乎能解决数据采集阶段耗时耗力的问题。