高精度地图

高精度地图

• 什么是高精地图

  • 这时就需要高精地图了，高精地图是当前无人驾驶车技术不可或缺的一部分。它包含了大量的驾驶辅助信息，最重要是包含道路网的精确三维表征。
  • 高精地图还包含很多语义信息，地图上可能会报告交通灯不同颜色的含义，也可能指示道路的速度限制，及左转车道开始的位置。
  • 高精地图最重要特征之一是精度，手机上的导航地图只能达到米级精度，而高精地图可以使车辆能够达到厘米级的精度，这对确保无人车的安全性至关重要。
  • 第二个特征是实时性。实时性是非常关键的指标，因为自动驾驶完全依赖于车辆对于周围环境的处理，如果实时性达不到要求，可能在车辆行驶过程中会有各种各样的问题及危险。

• 导航地图和高精地图的一些区别

  • 高精地图更类似于自动驾驶的专题组，但国内可能为了称谓方便还是称它为高精地图。高精地图并不是特指精度，它在描述上更加的全面，对实时性的要求更高。
  • 经常用到的一些电子导航地图，它的表述形式倾向“有向图”结构，把道路抽象成一条条的边，各边连通关系构成整体上的有向图。这类似百度地图、高德地图、谷歌地图的做法。
  • 导航地图只是给驾驶员提方向性的引导。识别标志标牌、入口复杂情况、行人等都是由驾驶员来完成，地图只是引导作用。导航地图是根据人的行为习惯来设计的。
  • 高精地图完全为机器设计的。因为对于道路的各种情况、人都能理解，但是对于车辆来说它完全不理解。
  • 高精地图可以作为自动驾驶的「大脑」。「大脑」里面最主要是地图、感知、定位、预测、规划、安全。综合处理成自动驾驶车辆能接受的外部信息，并统一运行在实时的操作系统上。

• Feature

  • 感知后是Feature提取，提取之后可以通过特征匹配最终得到精确结果。
  • 道路上的Feature是非常多的，除了树以外，也可能是车道线。
  • 高精地图里面由定位提供的Feature有很多，例如电线杆、车道线、停止线和人行横道等都能提供很多的约束信息。

• 规划

  • 自动驾驶车辆在行驶过程中面临动态环境。其中包括道路交通的参与者，比如其他车辆和行人。我们要根据障碍物的实时位置及时地做局部规划。
  • 高精地图的规划是Lean级别的，传统导航只需知道点到点的信息。对于高精地图而言，规划需要知道从哪个Lean到哪个Lean，是一系列Lean的序列。

• 仿真系统

  • 实际情况中，开发者很难把所有的策略迭代都放在车上去测试，所以需要非常强大的仿真系统。
  • 仿真的主要问题是「真实」
  • Apollo的仿真系统主要是基于高精地图/真实场景来构建。仿真场景回放后，和真实上路的实际情况相比，可以基本保证Gap不会很大。
  • 在实际测试的过程中，Apollo的测试人员也会录一些Bag，记录实测中遇到的一些问题，并放到仿真系统里去做测试。
  • 高精地图为仿真地图提供了最底层的基础结构，能让仿真系统更好的去模拟真实道路的场景。

• 高精度地图的建立

  • 传感器和算法相结合，自动驾驶汽车才能生成可用的高精地图
  • 高精地图采集所需要的传感器主要有GPS、IMU、轮速计三类
    • GPS：GPS在城市中定位的平均偏差在50米左右，空间点位置的计算过程中，经常要检测四颗或四颗以上卫星，才能实现精确的定位，在空旷地带的GPS更精确。
    • IMU：IMU（惯性测量单元）是自动驾驶汽车的标配，IMU是测量三轴加速度的一个装置，通过算出积分，得到任意两帧间的相对运动。实际工作中，由于不可避免的各种干扰因素，如果不对该运动加以校正，IMU的误差会就随着时间的推移变得越来越大 。
    • 轮速计：轮速计本身存在缺陷，由于车型不同、交通环境不一样，路面的摩擦系数也不一样 ，就会导致轮速计统计结果的差异
  • 制图方案：
    • 方案A：
      • 激光雷达通过发射和接收激光光束得到两点之间的距离，因此其精确度非常高
      • 各个传感器都存在一定的缺陷，我们无法仅运用单一的传感器，采集出一个精确的数据
      • 通过将GPS、IMU和轮速计测出的数据进行融合，再运用Slam算法，对Pose进行矫正，最终才能得出一个相对精确的Pose
      • 最后把空间信息通过激光雷达扫描出三维点，转换成一个连续的三维结构，从而实现整个空间结构的三维重建
      • 通过扫描的激光点和GPS、IMU的测量数据综合运用，能够计算出一个预测结果与实际结果最小差距的数值信息
    • 方案B：
      • 激光雷达采集的信息非常精确，但它采集的信息非常少
      • 目前主流自动驾驶研发公司，如百度，采用的是Camera融合激光雷达的方案
      • 通过融合二者的优势，综合运用丰富的图像信息和精确的激光雷达数据，最终得出一个非常精确的高精地图

• 高精度地图格式规范

  • 目前最主流的通用格式规范分NDS和OpenDrive两种。此外还有日本OMP公司的格式规范。
  • DNS格式规范：
    • NDS是一种非常全面的地图表述方式。由于其数据库可以细分和运用了Level两种技术，NDS对地图的格式规范做得非常到位。
    • NDS有上百页格式文档，因此NDS把数据库做了细分，每个细分后的产品都能够独立更新升级。
    • 其最典型表现是一个NDS不仅包括基本导航技术数据、B公司的POI数据（即地图上的一个点，地图上每一家商家店铺都可以被称之为一个POI数据点），还支持局部更新，即使是对一个国家或者省市的相关内容进行局部更新，都十分便捷。
    • 为了方便用户，NDS还提供语音、经纬度等描述功能。
    • NDS中另外一个非常重要的概念叫做Level（尺度），其含义类似于传统手机地图功能中的比例尺。
    • 通过放大或缩小比例尺，来浏览全国或某个区域、某栋楼的地图信息。
    • 分块技术作为地图领域中一项普遍通用的技术，也被应用到Level中。
    • 由于地图的范围非常大，利用Level把整个地图切成一个又一个的小格子，在每个小格子中填充数据。
    • 当我们在使用百度地图或高德地图时，这些小格子显而易见。
  • OpenDrive格式规范：
    • OpenDrive是目前国际上较通用的一种格式规范，由一家德国公司制定
    • 在运用OpenDrive格式规范表述道路时，会涉及Section、Lane、Junction、Tracking四个概念
    • 一条道路可以被切分为很多个Section，按照道路车道数量变化、道路实线和虚线的变化、道路属性的变化的原则来对道路进行切分
    • 基于Reference Line，向左表示ID向左递增，向右表示ID向右递减，它是格式规范的标准之一，同时也是固定的、不可更改的
    • Junction是OpenDrive格式规范中的路口概念。Junction中包含虚拟路，虚拟路用来连接可通行方向，用红色虚线来表示
    • Tracking的坐标系是ST，S代表车道Reference Line起点的偏移量，T代表基于Reference Line的横向偏移量

• 业内高精地图产品

  • HERE：

    • 特点：更新很快
    • 地图更新流程
      • HERE采集车，集成了16线激光雷达+ Camera + RTK天线+IMU。
      • 利用采集车来采集基础地图，Base Map
      • 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，可有效帮助我们更快的对地图进行更新。
      • HERE有很好基础优势。作为一家传统图商，他的用户基数可以保证地图以更快的速度和形式更新。

  • Mobile Eye

    • 感知：Mobileye的软件可以进行传感器融合。
    • 映射： 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：学习和共享人类司机的驾驶策略。
    • REM 系统 ： 提供实时匿名众包的汽车数据，用于高精度地图的制作和使用。
    • REM 的解决方案：
      • 采集器
      • 云端
      • 自动驾驶车辆

  • Google

    • 本质：为无人驾驶提供一个科运行的静态环境
    • 研究团队认为，仅仅只有矢量数据是不够的，栅格形式的高精地图可以记录更多信息
      • 道路上所有物体信息
      • 可以将静态地图上不存在的动态物体自动过滤，降低识别难度。
    • 制图技术
      • 激光雷达与视觉融合