高精地图对自动驾驶来说有多重要？

最新推荐文章于 2023-08-07 18:43:35 发布

3Ｄ视觉工坊

最新推荐文章于 2023-08-07 18:43:35 发布

阅读量2.9k

点赞数 2

文章标签：定位传感器编程语言人工智能大数据

点击上方“3D视觉工坊”，选择“星标”

干货第一时间送达

“

高精地图对自动驾驶来说有多重要？在自动驾驶上和一般的导航地图有什么区别？

”

1 YiLu

目前阶段而言非常重要，但现在也有不需要高精度地图的无人驾驶的方案。实现无人驾驶有两个方向，一个路线是重定位，一个路线是重感知。重定位的路线可以理解为，通过高精度地图等提供信息（prior knowledge)，然后通过定位来确定位置（也就是高精度地图+高精度定位）。重感知的路线可以理解为，能够用计算机视觉等手段理解整个环境，所以没有环境信息(prior knowledge)，自动驾驶系统也能够即时的观察整个环境，做出判断（类似人类司机也不需要高精度地图）。目前阶段，重定位的这条路是谷歌等大公司在走的，目前可行性更高，重感知可能未来更有前途，但是需要技术突破。首先，无论是摄像头、毫米波雷达、激光雷达还是红外传感器都有一个局限性，他们的探测的范围是有限的。（车载毫米波雷达一般的探测距离为150m-200m，激光雷达更短，摄像头在120米左右，红外传感器一般几十米，而且用于天然的物理限制，并没有太大的提升空间，比如摄像头目前受像素限制，而雷达受波长和功率限制）以特斯拉为例，他们宣称他们的硬件系统对周围环境的监控距离最远可达250米。250米在时速100 km/h的情况下（也就是27.8米每秒），也就是只能预判8秒左右的时间。这显然对于自动驾驶来说是“短视”的，不能用于路径规划，所以全局路径规划必须要有地图的参与。但普通的导航电子地图的绝对坐标精度大约在10米左右，用于辅助驾驶员做导航使用，外加上GPS设备的定位精度也在10米左右，这样的精度用于人工导航问题不大。而应用在自动驾驶领域就比较难，自动驾驶车需要精确的知道自己在路上的位置，往往车辆离马路牙子和旁边的车道也就几十厘米左右，所以高精度地图的绝对精度一般都是1米以内的精度，而如果需要车道和车道，车道和车道线的相对位置精度等信息，往往还要更高，比如谷歌的高精度地图则是厘米级。那问题来了，这些车道线等信息不能通过其他传感器获得么？事实上，除了测量距离的局限性，各种传感器还有的其他局限性，比如摄像头能实现图像识别但恶劣环境下容易失效；毫米波雷达穿透性好能直接测距，但无法识别道路线等；激光雷达性能最优却过于昂贵，且无法穿通大雾天气；这些传感器都无法完美的获得环境信息。而一旦感知错误，没有发现障碍物等，或者发现得不及时，悲剧就有可能发生了，所以大家常用的做法是，把各种传感器信息和高精度地图结合来获得更准确的环境信息然后来做决策。换句话说高精度地图是提供环境信息的一个可靠好的数据来源（当然高精度地图的更新也是一个潜在的问题），我们基本认为想要实现完全的自动驾驶高度依赖高精度地图。这也是为什么Uber在去年接受微软的投资，还收购了微软必应地图团队以及相应的地图测绘技术的原因。此外Uber还收购地图软件公司 deCarta、和 DigitalGlobe 签署高分辨率地图使用协议，Uber还与TomTom等众多第三方地图公司在数据上合作。（参考Uber与谷歌必有一战？-硅谷密探）再补充一下高精度地图的信息，就可以看到和普通导航地图的区别：高精度地图不仅有高精度的坐标，同时还有准确的道路形状，并且每个车道的坡度、曲率、航向、高程，侧倾的数据也都含有。普通的导航电子地图会描绘出道路，而高精度地图不仅会描绘道路，更会描绘出一条道路上有多少条车道，会真实地反映出道路的实际样式。比如真实道路在某些地方变宽了，那么高精度地图中的道路数据也是变宽了，而某些地方因为汇合了而变窄了，高精度地图也是一样。另外，每条车道和车道之间的车道线，是虚线，实线还是双黄线，线的颜色，道路的隔离带，隔离带的材质甚至道路上的箭头、文字的内容，所在位置都会有描述。参考：究竟什么才是高精度地图（一）需要补充的是，现在也有硅谷无人车厂商尝试做不依赖高精度地图的自动驾驶，毕竟人类不需要地图也能开车。了解到有几家厂商目前的方案里不需要高精度地图，他们利用普通的GPS来做导航，然后利用各种传感器来对环境建模和高精度定位。可以理解为他们的无人驾驶系统像人一样，只能看到几百米的范围，然后在不停的做规划。不过类似的学术研究也有很多，比如Robust vehicle localization in urban environments using probabilistic maps。我比较好奇的是他们在极端环境下传感器可能带来的各种误差，我还是谨慎的怀疑完全的无人驾驶只是靠视觉还是有局限的。总而言之，一方面高精度地图的信息可以在高层次的路径规划层面提供帮助，比如我们可以根据车道信息决定在具体哪个地方变道，根据车道的多少决定某些地方小心减速行驶，在上坡或者下坡路段以提前减速。另一方面，高精度地图结合Lidar等，可以实现厘米级的定位并3D建模实现周围环境的感知和定位，不仅在规划层面也会在驾驶执行层面起巨大的作用。

2 WindyWing

现在的时点2020年6月，这个问题我来泼个冷水，在量产车领域，目前阶段高精度地图并没有非常重要的用处。

因为工作的原因深入探索了一段时间HDM，多是从量产车的角度来看高精度地图的使用。本问题下其他回答多是1年多以前的了，经过这些时间似乎业界也并没有对HDM飞跃式的应用，HDM的重要性大家已经有了基本共识，但具体落地的应用似乎还没有一致的观点。下面我从HDM现存的问题、高精度定位局限性和HDM实际应用三个方面来说下我的理解。

虽然BAT+四维+一众创业公司都在HDM上有深入布局，但是目前HDM的大范围应用仍然有非常明显的问题。

1.成本及长期服务的成本。虽然大家使用手机上的高德/百度地图是免费的，但是车厂使用车机上的地图是要给图商付费的。像四维图新这样的传统图商，赚OEM的授权费一直是他们的主要收入来源。相比于导航地图，基于测绘方法高精度地图的制图成本更是高得多，而且图商要支持地图的有效更新，就需要庞大的采图车队、制图产线、数据管理与云服务。这些成本都会对目前OEM对消费者的商务模式进行挑战。而对于图商来说，如果想仅在HDM数据产品上就实现盈利，也是极度困难的，目前还是要靠烧钱和其他产品捆绑等方法。
2.数据范围、可靠性及更新。HDM的数据范围，也是图商根据OEM的需求来进行采集生产的，目前国内图商的HDM范围都只是针对全国的高速和城市快速路等封闭道路，并没有扩展到全部道路。即使是全国高速和城快这样有限的里程（截止2019年，约33万km），OEM既无能力也无资质对地图数据的可靠性进行全部验证。同时地图数据作为先验的感知，无论更新周期多短，都会存在地图数据和真实情况不相符的情况，这也会限制HDM的使用。
3.地图偏转和定位。受国家地理测绘相关法规的限制，民用商用地图上不能够使用真实的WGS84坐标，所有的地图数据都要经过偏转插件加密后才能够使用，通常为几百米的非线性偏转+随机扰动。而定位也要经过相同的偏转才能够在该地图上使用，由于随机扰动的影响，会引起约20cm的精度损失。通常HDM的绝对精度在1m以内，相对0.5m以内，这20cm的偏转插件损失还是很大的，也会影响到实际高精度地图和高精度定位的使用范围。

车道级精度的高精度地图，需要搭配相应的高精度定位才能够有效使用，而目前高精定位仍有诸多问题难以解决。

1.可靠的车道级定位的成本。还是将成本放在第一位来说，毕竟量产车开发最care 的事情就是这个了。即使有了可用的高精度地图，想要准确将车定位在HDM的车道上，也需要较高成本的定位系统。依照目前主流的高精定位方案：高精度地图+GNSS+定位服务（RTK）+ADAS相机+IMU+车辆CAN信号，想要获得比较可靠的定位效果，需要双频GNSS接收机+双频RTK定位服务，同时要获得较长时间的航迹推算能力，则需要战术级的IMU。很不幸的是，目前相关零部件行业的发展，还未成熟到以OEM能接受的价格来提供。双频GNSS接收机价格是车规单频接收机的7倍以上，双频RTK服务是单频的4倍以上，战术级IMU和消费级相比也是N倍的成本倍数。所以即使克服了HDM的成本，高精度定位的成本也是很大一笔支出。
2.融合定位的可靠性。高精度地图+GNSS+定位服务（RTK）+ADAS相机+IMU+车辆CAN信号这样的融合定位方案，如何在全国范围内验证其可靠性，进而间接验证HDM数据的可靠性，这也是另一个难题。
3.功能安全和完好性。整个定位系统，是否需要符合ISO 26262的功能安全要求，怎样符合要求。这也是目前尚未解决的核心问题。而定位数据又存在多源融合、传感路径长的问题，其预期功能安全也是需要探索和研究的。

当然最绕不过去的问题还是地图的信息怎么使用，毕竟人类司机是不需要高精度地图也是能够开车的。目前HDM的应用和可能的问题如下：

1.高速脱手智驾的GeoFencing判断。这可能是目前国内智驾对HDM的最主要需求了，源于通用Super Cruise的应用，长时间脱手智驾功能需要在ODD（Operation Design Domain）范围内才能开启，而地理围栏信息的判断，需要依赖高精度地图和定位。这里可以看出，这个功能是用来限制驾驶员行为的，作用更多的是为了不让主机厂背锅。
2.ACC、LKA功能预减速。HDM超视距感知的一个主要应用，当获取远处地图预存数据，有曲率较大的弯或者匝道等信息，可以让车辆预减速，将原本ACC LKA功能不能完整通过的路段变得可以不接管通过。这个功能应该是很实用的，但存在用户感知不强烈的弱点。
3.自主进匝道。类似Tesla 的NOA功能，根据导航路径规划的指引让车辆自主驶入匝道，扩展高速智驾的功能范围。如果依赖HDM来做这件事情，还需要讲HD和SD地图进行关联，如果两种地图的图商不是同一家，实现起来还有技术和商务层面的诸多难点，即使是同一家，也只是难度降低，还有很多问题要解决。
4.车辆控制。这可能是高精地图对自动驾驶重要性最性感的地方了。比如在车道线模糊的地方，依赖高精度地图的数据仍能实现车道保持功能；车辆摄像头等零件失效，依赖高精地图和定位，实现自动本车道停车或者应急车道停车。这些功能对于地图数据的可靠性、实时性，定位的精度、可靠性、实时性、卫星失锁保持能力等性能的要求是极高的，从以上我总结的高精地图和定位的缺点来看，距离车辆控制可用还为时尚早。

综上，高精度地图对自动驾驶的重要性确实非常高。而目前HDM和定位的技术还有诸多问题尚未解决，这造成了现阶段基于高精度地图的应用显得比较鸡肋、收益成本比很低。当然这个领域有无数巨头和大牛，在为HDM和自动驾驶不断努力中，希望不久将来能看到巨大的飞跃。

3 陈光

在社交媒体上红极一时的Tesla AutoPilot功能，并还没有达到自动驾驶的L3的级别。其在高速公路上的自动驾驶技术可以理解为：ACC自适应巡航 + LKA车道保持辅助。那为什么达不到L3甚至以上的级别呢？答案是：没有高精度地图。

Q：为什么没有了高精度地图，自动驾驶寸步难行？

A：因为高精度地图不仅仅是地图，更给了无人车上帝视角。

1.传感器的性能边界

车载传感器的性能边界指的不仅是测量范围，还有面对不同环境时表现出来的感知缺陷。

比如激光传感器检测效果稳定，但在面对大范围的尘土时，也无能为力。我司在测试时就发现，如果前面一辆渣土车飞驰而去，引得尘土满天飞时，无人车发现“面前”全是障碍物。再比如高分辨率摄像机能检测图像中的物体，而且窄视场的摄像机，可以检测很远的距离。但是面对暴雨/大雪等恶劣天气，很难检测到正确的车道线/障碍物/马路牙子等信息。

下图为tesla的传感器配置及传感器感知范围，扇形角度表示传感器的视场角，扇形半径表示传感器的最大检测距离。可见，最远距离的检测传感器是窄视角的前向视觉传感器

2.先验信息缺失先验信息是指某些可以提前采集且短时间内不会改变的信息。仅依靠传感器的信息是很难感知车辆现在是处在高速公路上，还是处在普通城市道路上的；无限速牌的路段，车速最高可以开多快；前方道路的曲率；所处路段的GPS信号强弱，这些都是传感器遇到检测盲区时，无法实时捕获的信息。而这些信息是客观存在，不会随外部事物的变化而变化，因此可以提前采集，并作为先验信息传给无人车做决策。图为高精度地图可以为无人车提供的某些先验信息。包括道路曲率、航向、坡度和横坡角

3.路口处的路径规划路口处的路径规划一直是自动驾驶领域较为头疼的问题。很多大牛为了让汽车能正常地开过路口用尽浑身解数。当然也有简单粗暴的方法，比如Waymo（前Google无人车团队），从他们的宣传视频，大致可以推断他们使用的方法是“高精度地图+高精度定位+管道内行驶”的方式过路口的（纯属猜测）。

Q：高精度地图的加入可以给无人驾驶带来哪些帮助？

A：高精度地图是无人驾驶技术的催化剂，这么说一点都不过分。

1.能极快地实现L3级别的自动驾驶

简单粗暴地使用高精度地图+高精度定位，可快速地实现某些特定场景下的自动驾驶。这里的高精度地图可以理解为一个“管道”，无人车只要保证自己在“管道”内行驶即可（参考waymo的绿色“管道”）。使用高精度定位，告诉车在管道的哪个地方，就可以自动驾驶啦。

驭势科技和白云机场合作开发的无人驾驶车在机场这种特定场景完全就可以使用这种方法。而且通过图片可以看出这车装了差分GPS，如果再加上RTK设备，就是可以达到户外厘米级的定位了。

2.提高无人车舒适性

舒适性是评判自动驾驶好与坏，最重要的元素之一。

前面提到过，由于传感器的性能边界，导致场景中的部分信息是无法感知到的。而这些信息（如道路曲率、坡度角）的缺失又会对无人车的纵向、横向规划控制产生较大影响，乘客会感觉车辆的控制不如“老司机”开得平稳，而一旦舒适性缺失，有再多牛X功能也是徒劳。

3.提高系统性能

传感器对感知到的信息做处理时，一般会选定一个感兴趣区域（ROI，Region of Interest）再在此区域内进行数据处理。比如相机检测行人时，大部分处于天空的图像是可以不用考虑的，所以着重处理图像的下半部分即可。

对于检测红绿灯状态，必须在整幅图像中搜索，因为摄像机不可能知道图像的哪个地方会出现红绿灯。但是如果有了高精度地图信息，我就可以通过高精度定位和高精度地图得到ROI。根据定位和地图的数据，无人车可以知道前方、两侧是否有交通标志牌，及红绿灯的位置，就可以降低算法的复杂度，减少系统的计算负荷，进而提升系统性能。

下图是通过定位和高精度地图，标记出的ROI，ROI区域包括车道线位置、交通标志牌位置、红绿灯位置等

Q：高精度地图和一般的导航地图有什么区别？

A：导航地图是给人看的地图，高精度地图是给机器看的地图。

人类开车，只需要知道前方路口有没有红绿灯，路口有几车道，该左转还是右转，即可稳定控制汽车。而无人车不仅要知道有没有红绿灯，还要知道在自车坐标系下的（X, Y, Z）；不仅要知道是左转还是右转，还得知道左转和右转的路径线。目前的控制系统还不具备人类这么高的智能度，所以只有给予控制系统更多的输入信息，才能让无人车控制汽车更接近人类。

简单从道路和 POI 这个两点来比较一下导航地图和高精度地图的区别

对于道路属性，导航地图只需要给出道路路网这个级别的数据即可，而高精度地图会给出这个道路中有几条车道，这些车道的线是虚线还是实线，车道是普通道路还是匝道等更多维度的信息。如下图

肯定有人疑问，既然高精度地图拥有这么多信息，那容量肯定比导航地图大很多吧。

答案是：No

导航地图是给人使用的，它对信息的精度没那么高，但是在信息的丰富程度上比高精度地图大得多。导航地图不仅要有基本的道路信息，还要具备地图中的各种信息点（POI，Point of Interest）的信息，比如建筑物尺寸、数量、建筑物的用途（医院or商场）等。单纯这些POI信息就比高精度地图车道及常用特征的数据复杂太多，而且数据量也不小。因此，目前来说，高精度地图和导航地图的容量大小是不分伯仲。

更多回答请参考知乎:

https://www.zhihu.com/question/54379931

本文仅做学术分享，如有侵权，请联系删文。

下载1

在「3D视觉工坊」公众号后台回复：3D视觉，即可下载 3D视觉相关资料干货，涉及相机标定、三维重建、立体视觉、SLAM、深度学习、点云后处理、多视图几何等方向。

下载2

在「3D视觉工坊」公众号后台回复：3D视觉github资源汇总，即可下载包括结构光、标定源码、缺陷检测源码、深度估计与深度补全源码、点云处理相关源码、立体匹配源码、单目、双目3D检测、基于点云的3D检测、6D姿态估计源码汇总等。

下载3

在「3D视觉工坊」公众号后台回复：相机标定，即可下载独家相机标定学习课件与视频网址；后台回复：立体匹配，即可下载独家立体匹配学习课件与视频网址。