自动驾驶(二十四)---------基于视觉的高精地图制作

      高清地图,在自动驾驶领域很重要的部分,如何制作高精地图一直是难点,目前主流要两种制作方式:

      1. 传统地图厂商基于激光雷达高精GPS制作高精地图,如百度、高德,相对成本较高,本人曾经在百度地图部门任职,见过庞大的地图制作外包团队。

      2. 新兴的公司一般采用低成本的基于视觉的方案,此类方法成本较低,主要在技术要求较高。

      本文统计了目前现有的一些基于视觉的解决方案,目前都没有很好的推广。

1. Mobileye

      首先,Mobileye本身不涉及高精度地图的制作,地图商是做高精度地图的基础。而Mobileye做的是对高精度地图数据的实时更新。Mobileye 视觉制图叫REM(Road Experience Management)为例,也称路书(roadbook),标注的是通过视觉提取的landmarks,如下图,包括车道线,道路边界,交通标志,路上标记等等:

      REM地图服务技术有一个端到端的共享和本地化引擎,该方案由三层设备组成:绘制设备(任何配备Mobileye摄像头的汽车)、云端数据融合器和使用设备(自动驾驶汽车)。Mobileye REM技术配备的摄像头成本与能耗都很低,可感知几何路径和其他静态场景语义(如交通标志和道路标记),还可保持高频的刷新率,与激光雷达相比,摄像头是更合理的选择。

                                                

2. 高德视觉惯导

       高精地图由高精度的地图要素矢量信息组成,获取这些高精度的地图要素信息,一方面是通过识别视觉图像获取地图要素目标,另一方面通过惯导信息获取车辆高精度的位置和姿态,两方面融合得到对应的矢量地图要素。       

                                                 

       目前主流的视觉惯导融合框架分为两部分:前端和后端。前端提取传感器数据构建模型用于状态估计,后端根据前端提供的数据进行优化,最后输出相机的位置、姿态和全局地图,架构如图所示:

                                                       

       生成地图示例:             

       基于视觉的高精地图发展可能是朝着多源数据融合的方向,即同一道路多次采集,不同设备多次采集获取的数据源融合在一起,提高精度的同时提高地图更新的时效。

3Road Lane Semantic Segmentation for High Definition Map

       这里提出一个基于车道语义分割的高清地图自动构成方法:采用单镜头,通过FCN检测车道线,然后提取车道特征,用来检测闭环。最后基于图的SLAM生成地图,流程如下图。

                                               

       关于特征提取见下图:主要是每个道路线段的key point。

                                            

       关于闭环的检测参见下图:一般停止线比较适合做定位的landmark,并估计车辆的姿态。

                                                    

       下图是一个多种颜色表示的语义分割结果:(a) 输入,(b)ground truth,FCN(c),SegNet(d), PSPNet(e) 和 颜色意义(f).

                                             

       下图是高清地图的例子:依次是最终地图,以及蓝色和红色部分的细节放大。

                                                   

4. "LineNet: a Zoomable CNN for Crowdsourced High Definition Maps Modeling in Urban Environments".

       我们知道摄像头可以透视变换成俯视图,如果把这些俯视图都拼接起来会是什么样呢?

       把俯视图都拼接起来在全景图片商加上车道线检测:

                                   

                                       

       对应的制作工具:https://github.com/mapillary/OpenSfM

 

 

  • 10
    点赞
  • 59
    收藏
    觉得还不错? 一键收藏
  • 2
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值