百度进阶训练笔记六20200724

最新推荐文章于 2020-12-05 20:20:37 发布

进击的大白菜

最新推荐文章于 2020-12-05 20:20:37 发布

阅读量160

点赞数

分类专栏：智能驾驶技术

本文链接：https://blog.csdn.net/weixin_44952783/article/details/107570376

版权

智能驾驶技术专栏收录该内容

27 篇文章 3 订阅

订阅专栏

高精地图（二）

业界的高精地图产品-1

HERE HD Live Map

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-HYPP3i6a-1595598578779)(C:\Users\xiaomeiyan\AppData\Roaming\Typora\typora-user-images\image-20200724171806607.png)]

采集地图的流程
- 基础地图的设计：基础地图是高清实时地图的基础。采集车辆配有GPS、激光雷达、相机等，每天采集28T的数据量，精度可达厘米。基于激光雷达、相机，建立16线程的Base Map
- 众包更新（基于图像）：利用众包车辆传感器采集行车路径、车道标志、道路边缘、路标、路面标志等。结合卫星图像等多种数据源，保持高清地图的新鲜感
- 在云计算中映射学习：车辆大小、传感器设置和行驶路径不同。这些变化导致许多观察到的路边物体是相同的。这里的机器学习将这些变化的传感器数据聚合起来，以确定路边工件的精确位置
- 更新的地图：创建并添加到地图数据库后，在这里将其发布到HD Live地图，并将必要的平面图发送回车辆，以便车辆能够准确和实时地表示路网
地图采集
- HERE采集车，集成了16线激光雷达+ Camera + RTK天线+IMU
- HERE采集车会对地图进行预先制作，在数据采集后进行数据统计，经人工识别检查后，最后更新在地图中
- 车端通过Sensor进行信息采集（可认为一种视觉方案），可对点、道路、标志标牌通过Feature进行提取，可更快的对地图进行更新
- 视觉方案
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-7IZvQDYr-1595598578782)(C:\Users\xiaomeiyan\AppData\Roaming\Typora\typora-user-images\image-20200724172423975.png)]
- 不同于利用神经网络的图像处理方法，HERE利用点云分割技术对Features进行分析。在多次采集后，可将同一区域的点云补齐，但目前的图像处理方法已较为成熟。而点云技术（点云SLAM、点云分割、点云特征提取等）仍需完善发展。
HERE HD Live Map对地图的表述方式
- 第一层是Road & Lane Model Layer（车道边界和区分界线）A highly precise representation of road network.
- 第二层是Localization Model Layer（基于Camera或点云）Help a vehicle to find its exact Position of lane it is driving in.
- 第三层是Activity Layer（动态信息层、道路实时信息）Understanding dynamic events in the road network.描述道路上的动态事件
- 第四层是Analytics Layer（司机驾驶习惯分析）Tell how humans actually behave in a piece of road.收集用户在不同道路场景下的开车行为

`MobileEye`

MobileEye把技术体系分为三个层次
- 感知：Mobileye的软件可以进行传感器融合——从摄像机传感器、雷达和激光雷达传感器中解读数据。在图像处理方面，Mobileye经验丰富，使用自己独有算法是用来检测对象，确保安全行驶和系统决策。L3以下的自动驾驶不需要高精地图，但是L3以上就看你使用的是基于Lidar还是Camera的方案了
- 映射：自动驾驶汽车需要大量的系统冗余来处理无法预料的情况。在所有条件下，车辆相对于道路边界和交叉口的精确定位都需要高精地图。Mobileye提供基于REM的框架(REM™)，它使用众包的策略。让用户能低成本地构建和快速更新高清地图
- 驾驶策略：复制人的驾驶行为，在Mobileye的驾驶策略中，他们认为，一旦一辆自动驾驶汽车能够感知周围的场景并在地图上进行定位，要解决的最后一件事情，就是学习和共享人类司机的驾驶策略。Mobileye声称，传感、测绘和强大的计算能力赋予了自动驾驶车辆超人的视觉和反应时间。Mobileye对驾驶策略的强化学习，将提供多变量情况的分析方案，并且尽可能地逼近人类的行为和判断方式。这证明Mobileye对于复制人类的驾驶行为还是很看重的，至少把其单独地作为一个数据层去阐述处理
相比HERE来说，MobilEye基于视觉的方案，使用时候最大的缺陷就是道路线的判断不连续。这会造成没有车道线了，车辆不知道怎么走了。
在复杂道路中，一旦出现红路灯等难以识别的物体，MobilEye所推崇的单靠视觉信息的解决方案难以支撑全自动驾驶技术。
MobilEye把方案采集处理的过程归纳为"路书"
MobilEye把REM采集、发送云端、处理、发回车端的过程称为“路书”。
搭载MobilEye的车端首先会对环境进行识别，然后进行语义分析和几何形状提取，将其压缩后打包上传，这个过程称为RSD。
经过REM系统采集处理的RSDs，其数据包大小可以达到10k/1公里，并达到“高精度低延时”的效果。
MobilEye还会将不同路段的数据打断上传。
这就是MobilEye的众包方案：所有的数据都在云端，大家一起来贡献相关数据，并且获得更好（高精度低延时）的数据回馈。