精华内容
下载资源
问答
  • 高精度地图

    千次阅读 2018-10-21 19:20:27
    高精度地图是一个宽泛的概念,需要达到两方面的高精度,分别是地标位置的高精度和本车定位的高精度。 地标位置的高精度。高精地图由很多类地标构成,比如地面各种道路标线,地上各种交通标志等,地标的定义现在还...

    深度学习与视觉SLAM

     

     

     

    ä»ä¹æ¯é«ç²¾åº¦å°å¾

     

     

    Momentaåå§äººæ¹æ­ä¸ï¼æ äººé©¾é©¶æ大çé¾ç¹æ¯ä»ä¹ï¼

     

     

    æ´å¤å±æ§ä¿¡æ¯

     

     

    高精度地图是一个宽泛的概念,需要达到两方面的高精度,分别是地标位置的高精度和本车定位的高精度

    • 地标位置的高精度。高精地图由很多类地标构成,比如地面各种道路标线,地上各种交通标志等,地标的定义现在还没有明确的标准,不同厂商从自己产品和技术需求出发,有不同的定义方式。

    • 本车定位的高精度。高精定位有三种方式:第一种是卫星定位。多基站+差分GPS在开阔区域可以做到厘米级精度,但是城市中因为多路径效应,精度只有米;第二种是匹配定位,这种方式和人很像,观察周围环境或者地标,在记忆地图中搜索,匹配定位。结合GPS限定搜索范围,可以做到快速准确匹配。第三种是积分定位。IMU或者视觉里程计。短时间内精确,长时间有累积误差。这三种方式各有优缺点,结合起来可以做到低成本、高精度、高可靠性。

     

    比如下面这个点云图,虽然结构上看不出来,但实际上中间一圈是一个草坪,正常情况下车辆是不能进去的。所以,只能通过人工来标注车辆的行驶区域,才能让小车正确地导航。

    标注过程通常是一些非常繁琐的步骤,而且因为繁琐所以价格还挺高。根据2019年的《高精地图产业发展现状及趋势》,一公里高精地图的成本费用还在几千至几万元。采集车虽然贵但毕竟只有几台,计算机开一下程序也只需要一些电费,所以成本主要还是在标注上面。这里的商业化道路还是挺困难的,然而也没什么办法(摊手)。

     

     

    MORE  2019年高精度地图产业现状及发展趋势分析

     

    Reference

    1  Momenta创始人曹旭东:无人驾驶最大的难点是什么?

    2 高翔:非结构化道路激光SLAM中的挑战

     

     

     

     

     

     

     

    展开全文
  • 高精度地图介绍

    万次阅读 2019-01-17 11:42:06
    高精度地图地图简介格式标准高精度地图VS传统地图制作过程 地图简介 供无人驾驶车辆是用的电子地图,精度达到厘米级; Aopllo高精度地图教程,视屏地址:...

    地图简介

    什么是高精地图

    供无人驾驶车辆是用的电子地图,精度达到厘米级,它是需要做到车道线级别的;
    什么是高精度地图
    Aopllo高精度地图视频教程,视屏地址:http://apollo.auto/devcenter/courselist_cn.html?target=2

    高精度地图与无人驾驶

    高精地图对于无人车来说,具有非同寻常的价值:
    第一,高精地图能够给无人车很多预判的空间。当无人车通过高精地图知道前方的路况和交通标识信息后,能够提前做行驶规划,保证了行车的平稳性和经济性。

    第二,高精地图能够帮助无人车减少计算量。当无人车需要通过路口时,它需要提前感知前方信号灯的状态,这时高精地图就可以帮助它定位到信号灯所在的特定区域,从而有效降低了全范围扫描识别的计算量。

    除此以外,高精地图将道路及周围的所有静态障碍物进行收集,减少无人车对静态障碍物的算法处理。
    高精度地图与无人驾驶
    传统地图的技术不是不精确,而是尚未达到自动驾驶的需求。

    用于L3、L4级别自动驾驶的高精地图,对整个道路的描述更加准确、清晰和全面。高精地图除了传统地图的道路级别,还有道路之间的连接关系,专业术语叫Link。

    高精地图最主要的特征是需要描述车道、车道的边界线、道路上各种交通设施和人行横道。

    即它把所有东西、所有人能看到的影响交通驾驶行为的特性全部表述出来。

    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。

    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。

    格式标准

    OpenDrive

    百度高精度地图使用的OpenDrive的格式标准,在运用到自己的无人驾驶时,做了改进,出了Aopllo OpenDrive标准。

    NDS

    Navigation Data Standard – Format Specification
    NDS是一个导航系统中地图的标准文件格式,NDS协会由汽车制造商,导航程序和编译开发人员,地图服务供应商组成。

    高精度地图VS传统地图

    在这里插入图片描述左边是我们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。

    右边的图是比较典型的复杂路口,包括人行横道、红绿灯、限速标牌、车道左转右转类型。

    我们可以看到图中的路口中间有虚拟的连接线。真实道路中不存在连接线。连接线是为了让车辆更好的去理解环境,并在高精地图上表示出来。通过这一步,在人类构建的交通设施环境下,自动驾驶车辆便能运行。

    制作过程

    高精度地图制作过程共分五部分:数据采集、数据处理、对象检测、手动验证和地图发布。
    在这里插入图片描述

    相关公司

    转载至知乎 https://zhuanlan.zhihu.com/p/41209264

    国内公司

    百度、四维、高德、Momenta

    1. 百度地图

    ▶ 公司名称:北京百度网讯科技有限公司
    ▶ 成立时间:2005年
    ▶ 所在地:北京
    ▶ 主要产品:为用户提供包括智能路线规划、智能导航(驾车、步行、骑行)、实时路况等出行相关服务的平台。

    ▶ 采集形式:集中制图
    ▶ 产品优势:语音交互覆盖用户操控全流程 ,还上线了AR步导、AR导游等实用功能。覆盖了全球209个国家和地区。
    ▶ 目前融资进度:暂无
    ▶ 合作伙伴:嘀嗒出行、诺基亚、多国旅游局、酒店、房产、餐饮、团购、LBS等各个领域超过10000家企业与百度地图展开了合作。

    ▶ 最近消息:已经完成30万公里高速/环路中国高精地图的采集制作,并完成亿万公里ADS数据采集;2018年6月百度地图实时交通监测与研判分析平台(百度交通研判平台2.0)正式上线。

    1. 高德地图

    ▶ 公司名称:高德软件有限公司
    ▶ 成立时间:2002年
    ▶ 所在地:北京
    ▶ 主要产品:最新地图浏览器、专业地图服务、专业在线导航功能、AR虚拟实景、丰富的出行查询功能、动态导航等。
    ▶ 采集形式:集中制图
    ▶ 产品优势:国内一流的免费地图导航产品,也是基于位置的生活服务功能最全面、信息最丰富的手机地图,由国内最大的电子地图、导航和LBS服务解决方案提供商。拥有导航电子地图甲级测绘资质、测绘航空摄影甲级资质和互联网地图服务甲级测绘资质“三甲”资质。

    ▶ 目前融资进度:2010年在纳斯达克上市,2014年被阿里巴巴以10.45亿美元的价格收购。

    ▶ 合作伙伴:阿里巴巴、58速运、联合电动、中国气象局等。

    ▶ 最近消息:2018年为凯迪拉克的量产智能驾驶系统super Cruise提供高精地图数据;同年7月推出人工智能“易行助手”助力智慧出行。

    1. 四维图新

    ▶ 公司名称:北京四维图新科技股份有限公司
    ▶ 成立时间:2002
    ▶ 所在地:北京
    ▶ 主要产品:导航地图、导航软件、动态交通信息以及乘用车和商用车定制化车联网解决方案领域的领导者。

    ▶ 采集形式:集中制图

    ▶ 产品优势:作为全球及中国领先的数字地图提供商之一,公司产品和服务充分满足了汽车导航、消费电子导航、互联网和移动互联网、政府及企业应用等各行所需。依托北京、上海、西安、沈阳四大研发中心,全国23个本地化数据实地采集和技术服务基地,四维图新通过不断自主研发和创新,开发了具有100%自主知识产权的核心技术和工具软件。

    ▶ 目前融资进度:2010年已14.34亿元IPO,2016年1.8亿元战略融资,腾讯产业共赢基金。
    ▶ 合作伙伴:Mobileye、上汽集团、博世、腾讯、滴滴、搜狗、京东等。
    ▶ 最近消息:2018年与Mobileye、上汽集团合作,共同推进REM计划,目前宣布公司的高精地图正准备量产;同年7月四维图新联合中标公安部PGIS2.0项目,助力公安服务创新。

    1. 凯立德

    ▶ 公司名称:深圳市凯立德科技股份有限公司
    ▶ 成立时间:1997
    ▶ 所在地:深圳

    ▶ 主要产品:中国领先的电子地图、导航系统和车载智能终端产品及服务提供商,始终致力于为国内外汽车制造厂商、汽车电子厂商、便携导航设备厂商、手机厂商、电信运营商、互联网及移动互联网企业提供专业化、高品质的地理信息产品和服务。面向移动互联网,凯立德为驾驶者提供消费电子产品、移动互联网及车联网服务、大数据及云服务。
    ▶ 采集形式:众包制图

    ▶ 产品优势: 其软件、硬件、数据、服务四大块,四大业务的凝聚与统合,奠定了凯立德成为车联网“超级链接者”的发展道路。

    ▶ 目前融资进度:2015年B轮融资,弘德投资,金额未披露。
    ▶ 合作伙伴:中国平安、小米科技、中交兴路、马蹄圈等。
    ▶ 最近消息:2018年推出车道级智能辅助驾驶“高精地图”;同年4月最新电子眼更新。

    1. 宽凳科技

    ▶ 公司名称:宽凳(北京)科技有限公司
    ▶ 成立时间:2017年
    ▶ 所在地:北京
    ▶ 主要产品:通过众包高精地图商业模式推动自动驾驶的广泛应用,并进一步通过云端平台为自动驾驶提供完整的数据服务。

    ▶ 采集形式:众包制图

    ▶ 产品优势:一方面以纯视觉模式替代激光雷达,解决了高精度和低成本之间的矛盾,使众包和实时更新成为可能,解决了自动驾驶领域的行业痛点;另一方面,基于人工智能的地图加工工艺,不再是传统地图生产模式,解决了规模化地图生产的瓶颈问题。

    ▶ 目前融资进度:2018年数亿元的A轮融资,IDG资本领投,成为资本、澜亭资本等跟投。
    ▶ 合作伙伴:与10-20家国内外车厂合作,未透露合作细节。
    ▶ 最近消息:2018年预计推出国内第一张高精地图。

    1. Momenta

    ▶ 公司名称:北京初速度科技有限公司
    ▶ 成立时间:2016年
    ▶ 所在地:北京
    ▶ 主要产品:包括不同级别的自动驾驶方案,以及衍生出的大数据服务。核心技术是基于深度学习的环境感知、高精度地图、驾驶决策算法。

    ▶ 采集形式:众包制图

    ▶ 技术线路:环境感知、高精度语义地图、数据驱动的驾驶决策、产品级软件

    ▶ 产品优势:致力于“打造自动驾驶大脑”,拥有世界顶尖的深度学习专家,如图像识别领域最先进的框架Faster R-CNN和ResNet的作者, ImageNet 2015、ImageNet 2017、MS COCO
    Challenge 2015等多项比赛冠军。

    ▶ 目前融资进度:众包制图2017年B轮融资,凯辉基金、GGV济源资本,金额未透露。
    ▶ 合作伙伴:凯辉基金、创新工场、九合创投、蔚来、BLUE LAKE等。
    ▶ 最近消息:近期已与上汽集团达成合作;助力智能网联驾驶测试与评价工作,Momenta入选重点实验室学术委员会委员。

    1. DeepMotion

    ▶ 公司名称:深动科技(北京)有限公司
    ▶ 成立时间:2017年
    ▶ 所在地:北京
    ▶ 主要产品:为无人驾驶提供基于多传感器融合的3D环境感知、高精定位、以及高精地图构建的解决方案。产品将包括硬件设备、软件算法以及相关的数据服务。

    ▶ 采集形式:众包制图

    ▶ 技术线路:以高精地图为核心,强调三维视觉与深度学习的结合、以及解决方案的可部署与可量产化。

    ▶ 产品优势:采用了视觉为主的多传感器融合策略,研发了一套高度自动化的众包高精地图构建方案,以及以视觉为主多传感器融合的感知定位模组。四位创始人在计算机视觉的立体定位、三维场景重建、基于AI的图像识别等技术方面有超过十年的经验。

    ▶ 目前融资进度:2018年千万级美元A轮融资,红点创投中国基金领投,源码资本跟投。
    ▶ 合作伙伴:未知
    ▶ 最近消息:2018年预计实现商业落地;同年宣布获得千万美元级的A轮投资,融资将主要用于扩大人才招募、加速产品落地、并推动数据的规模化生产。

    国外公司

    1. Mobileye

    ▶ 公司名称:Mobileye N.V.
    ▶ 成立时间:1999
    ▶ 所在地:以色列
    ▶ 主要产品:开发和推广协助驾驶员在驾驶过程中保障乘客安全和减少交通事故的视觉系统。是全球领先的开发计算机视觉和机器学习、数据分析、本地化和制图的先进驱动辅助系统和自动驾驶的公司。

    ▶ 采集形式:众包制图
    ▶ 技术线路:提供芯片搭载系统和计算机视觉算法运行 DAS 客户端功能,例如车道偏离警告(LDW)、基于雷达视觉融合的车辆探测、前部碰撞警告 (FCW)、车距监测 (HMW)、行人探测、智能前灯控制 (IHC)、交通标志识别 (TSR)、仅视觉自适应巡航控制 (ACC) 等。

    ▶ 产品优势:关键技术突破在于其所有应用只使用一个摄像机且将多个应用捆绑起来,在一个基于 EyeQ™ 和 EyeQ2™ 处理器的摄像机上同时运行。因此,Mobileye 在通过单一硬件平台提供多功能系统以及执行之前只能由不同传感器阵列完成的任务方面具有明显的优势。

    ▶ 目前融资进度:2017年被英特尔已153亿美元的价格收购。

    ▶ 合作伙伴:奥托立夫、德尔福、大陆/西门子威迪欧、麦格纳电子系统公司、德国科世达集团、美国天合汽车集团、万都公司和三立产业株式会社。

    ▶ 最近消息:2018年与四维图新合作,在 中国开发和发布Mobileye的路网采集管理(REM)产品;同年5月,Mobileye开始在道路标识不清,变道环境复杂的耶路撒冷测试100辆无人驾驶汽车。

    1. Waymo

    ▶ 公司名称:Waymo(Alphabet旗下的独立子公司)
    ▶ 成立时间:2016年
    ▶ 所在地:美国
    ▶ 主要产品:自动驾驶汽车打车服务,即“无人出租车”客运服务。
    ▶ 采集形式:集中制图
    ▶ 产品优势:其自动驾驶技术将专注于四大领域——打车服务、个人拥有汽车、自动驾驶卡车、方便公众使用公交系统。
    ▶ 目前融资进度:未知
    ▶ 合作伙伴:英特尔、捷豹、路虎、本田、沃尔玛等。

    ▶ 最近消息:已经满足美国凤凰城等多个城市的L4级别自动驾驶;2018年4月,Waymo与本田合作开发无人驾驶配送汽车。

    1. Here

    ▶ 公司名称:诺基亚
    ▶ 成立时间:2012年
    ▶ 所在地:芬兰
    ▶ 主要产品:供免费turn-by-turn语音导航,公共交通信息,以及丰富的道路交通信息等。
    ▶ 采集形式:众包制图
    ▶ 产品优势:HERE OTA Connect旨在防止并降低新道路与高速公路驾驶技术的安全风险,车辆将变得愈发互联网与自动化,所需的网络安全防护措施等级就越高。基于HTML5技术打造,是一个集样本采集、数据计算、用户体验于一体的云计算处理地图系统,可以为用户带来更加强大的离线地图体验。

    ▶ 目前融资进度:2018年博世、大陆分别收购5%的股权。
    ▶ 合作伙伴:奥迪、博世、宝马、大陆、戴姆勒、英特尔和先锋投资者等。
    ▶ 最近消息:2018年与四维图新、Increment
    P(IPC)/Pioneer、SK Telecom共同成立OneMap联盟;2018年3月,宝马集团与HERE签署协议,在其下一批具有高度自动驾驶功能的量产车中使用HERE HD Live
    Map。

    1. TomTom

    ▶ 公司名称:TomTom
    ▶ 成立时间:1991
    ▶ 所在地:荷兰
    ▶ 主要产品:更快速、安全、精准、便捷的导航服务为主轴、不断提供专业技术支持及地图升级服务,产品已行销包括欧洲、北美洲、中美洲及亚洲等45个国家。
    ▶ 采集形式:集中制图
    ▶ 产品优势:RoadDNA技术,作用是将原本的3D地图数据转换成2D视图,在对地图数据进行压缩的同时,保留道路上的关键要素。这样做的目的是考虑到汽车上数据存储与处理的性能限制。2D地图所需要的存储位置更小,处理速度也会更快。

    ▶ 目前融资进度:2005年IPO

    ▶ 合作伙伴:Uber、丰田、百度、宝马、菲亚特、丰田、奥迪、福特、三菱、通用、马自达、大众。

    ▶ 最近消息:2018年3月,TomTom完成一次重大产品线扩充,其高精度地图数据已经实现对美国本土洲际公路和高速公路的全覆盖。目前包括日本、美国、西欧在内,TomTom高精度地图已覆盖全球近38万公里;同年6月和丰田推出了一款可将导航应用镜像到仪表盘屏幕上的导航应用

    1. DeepMap

    ▶ 公司名称:DeepMap
    ▶ 成立时间:2016年
    ▶ 所在地:美国
    ▶ 主要产品:服务于自动驾驶汽车的、在复杂而不可预测的真实世界中自主导航的技术能力,这其中包括三个重要组成部分分别是高精度地图、精确实时的位置定位、服务基础架构的搭建。
    ▶ 采集形式:众包制图
    ▶ 产品优势:映射:DeepMap为自动驾驶提供了一流的可伸缩和可维护的高清(HD)映射服务。本地化:深度地图提供厘米级实时本地化的各种道路类型和驾驶条件。模拟数据:用真实世界的数据而不是模型来模拟。

    ▶ 目前融资进度:2017年2500万美元A轮融资,Accal领投。

    ▶ 合作伙伴:福特(Ford)、本田(Honda)和上汽(SAIC Motor)等

    ▶ 最近消息:2018年Google、Apple、Stanford的地图专家加盟;同年DeepMap携手上汽提供自驾车地图服务。

    1. CivilMaps
      ▶ 公司名称:CivilMaps
      ▶ 成立时间:2014年
      ▶ 所在地:美国
      ▶ 主要产品:三维地图初创公司,从汽车内部传感器收集数据,并将其转化成为“智能地图信息”供自动驾驶汽车使用。
      ▶ 采集形式:众包制图
      ▶ 技术线路:通过人工智能软件,整合自动驾驶汽车传感器上得到的3D数据,以构建直接供自动驾驶汽车使用的高精度地图。
      ▶ 产品优势:学习算法优化数据需求量以降低网络传输成本,众包采集交通信息的模式可以获得更多实时路况信息,不光解决自动驾驶的地图痛点,它的产品也在改善激光雷达记录数据的缺陷。
      ▶ 目前融资进度:2016年获得福特等投资公司660万美元的种子轮投资。
      ▶ 合作伙伴:Arm、Renovo等。
      ▶ 最近消息:2018年与软件技术公司Renovo合作,使高度自动化汽车制造商和技术提供商无缝接入CivilMaps的车辆认知堆栈。

    2. IvI 5
      ▶ 公司名称:lvl5
      ▶ 成立时间:2016年
      ▶ 所在地:美国
      ▶ 主要产品:为自动驾驶车辆提供高精度地图,并实现在地图中定位。
      ▶ 采集形式:众包制图
      ▶ 技术线路:以消费级摄像头为主,由摄像头拍摄大量路况信息视频,将这些视频通过计算机视觉软件绘制成高精度地图,完成对地图的实时更新。
      ▶ 产品优势:仅用摄像头生成高精度地图,lvl5已覆盖100万英里道路,用纯视觉的方式生成地图,优点是更新快,而且成本低,只需要有车载摄像头就行。
      ▶ 目前融资进度:2017年7月完成2000万美元的种子轮融资。
      ▶ 合作伙伴:未知
      ▶ 最近消息:目前已覆盖美国超过90%的高速公路。

    3. Carmera
      ▶ 公司名称:Carmera
      ▶ 成立时间:2015年
      ▶ 所在地:美国

    ▶ 主要产品:主营高精地图,其采集的数据不仅可为自动驾驶所用,还可以辅助工程测量,以及实时分析区域内的人、车流量,为城市规划提供依据,即城市智慧。

    ▶ 采集形式:众包制图

    ▶ 技术线路:通过在各物流车上安装其传感器套件,采集高精地图;同时基于实时数据的挖掘,为物流车队提供安全以及能效方面的建议作为“回报”。

    ▶ 产品优势:采用的是激光雷达+摄像头的多传感器方案,地图的精度会比单纯使用摄像头更高,更有保障。
    ▶ 目前融资进度:2017年6月完成640万美元的第一轮融资。
    ▶ 合作伙伴:未知
    ▶ 最近消息:2018年加盟Renovo旗下的Aware生态系统,提供增强版的地图方案。

    展开全文
  • 高精度地图系列

    2019-01-08 08:51:04
    高精度地图介绍:究竟什么才是高精度地图(一) 究竟什么才是高精度地图(二)究竟什么才是高精度地图(三)
    展开全文
  • 高精度地图的数据信息轨迹规划模块中,需要基于高精度地图计算本车当前位置,障碍物在地图上基于参考线的坐标。因此,需要了解高精度地图为运动规划提供哪些具体参数信息。高精度地图可以为无人车提供的某些先验信息...

    7487212ffb5240ea6e5b4b6f4aa2b5f7.png

    高精度地图的数据信息

    轨迹规划模块中,需要基于高精度地图计算本车当前位置,障碍物在地图上基于参考线的坐标。因此,需要了解高精度地图为运动规划提供哪些具体参数信息。

    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。这些信息对于无人车的安全性和舒适性都至关重要。

    开发者说 | 看不见的“传感器”——高精度地图mp.weixin.qq.com
    c353988fe56938eedb39b917ac1b93fa.png

    高精度地图的重要性

    L3的定义解读为:以高精地图数据为主,以感应器数据为辅,可以实现法定限速内全速域、全路况的自动驾驶,才是真正的L3级别自动驾驶。只能实现部分速域(如长安L3的0-40KM/h)或依靠道路标线识别的产品,严格来说只能算是升级版的L2级别自动驾驶。

    在SAE的分级体系中,L0至L2为低等级的驾驶系统,而L3至L5为高级自动驾驶系统。在L2到L3的跨越中,最为重要的就是环境的监控主体从驾驶员变为了系统。只有当系统能够自动地探查与分析附近区域的状况时,高阶的自动驾驶才能成为可能。

    需要说明的是,这里的环境监控主体不仅需要持续不断地获取汽车周边的环境信息,更重要的是根据信息进行驾驶环境安全状况的判定。因此仅仅拥有夜视(Night Vision)、交通标志识别(Traffic Sign Recognition)等功能并不代表环境监控主体为系统。

    因此,仅仅升级L2自动驾驶的摄像头与雷达,已经不能满足系统接管汽车时对环境监控的需求,直到高精地图的出现才解决了这个问题。高精地图对于L3自动驾驶的重要性可以体现为4点:

    (1)提供精准度更高更安全的地图

    要让交通工具自己拥有可以做出行为判断的超级大脑,这就对地图精准度要求极高,定位的偏差会造成系统无法获取准确车道定位,在转向、变道等情况下可能发生安全风险。普通的导航地图只能为驾驶员提供道路信息,而高精地图则专为自动驾驶而生。我们日常所使用的电子地图,都是基于商用GPS,精度为5米左右,而高精地图定位精度达到0.1m,直接服务于智能驾驶决策控制器

    1939cf8d44473538ccf809326284157a.png
    无高精度地图导致的定位差异问题

    (2)在恶劣天气下保障安全

    自动驾驶安全性常常受到恶劣天气的威胁,例如光线、浓雾、雨雪等。这种情况下传感器受到影响甚至失灵。高精地图的优势在于可以弥补传感器数据缺失,利用高精地图数据对前方1km的道路情况进行补充。无论是在日常驾驶还是浓雾环境,高精地图都能更精确、全面地感知前方路况,行车安全性得到更高保障。

    39c2b032895b7676a322053b2c419956.png
    无高精度地图在恶劣环境下的劣势

    (3)高速过弯时获取路况信息

    当车辆处在高度过弯状态时,由于车载传感器的局限性,无法对弯道后路况进行提前监测,这时候自动驾驶系统就会将自动驾驶回归于人。高精地图的优势就显现出来了。有了高精地图后,可提前获取前方道路的限速、弯道曲率等信息,为车辆提供超视域的路径规划和决策依据,可安全舒适的通过。

    d20da4c8062fe70eb343229835d8dc3f.png

    (4)高效静态物体判断力

    搭载高精地图后,自动驾驶能让监测系统更加智能,提前去除路灯、标志牌等固有静态物体,让资源集中在动态物体监测,这无疑增加了系统运行效率、提高了传感器监测精度、提升了自动驾驶安全性。以上四点对于实现环境监控而言都是至关重要的。当前全球主流汽车的自动驾驶水平普遍在L1到L2级别,而没能广泛实现自动驾驶技术的跨越,很大程度上就是因为高精地图的缺失。可以说,高精地图是L3及以上自动驾驶的关键钥匙,离开了高精地图,高阶自动驾驶只能是“空中楼阁”。

    什么才是真正的L3自动驾驶?mp.weixin.qq.com
    5bbded5962caccf7bd0f5c566c5b45f8.png

    高精度地图的格式

    文章来源:

    自动驾驶中基于车道线的高清制图方法回顾mp.weixin.qq.com
    98a52f91e8dcf560e59801068f9b8d2a.png


    在开始引入之前,先提一下两个地图格式:1. OpenDrive
    一种逻辑描述道路网的开源格式,主要在仿真器领域使用。其中OpenCRG是路面特性描述格式。

    99b06a3a87236e750e803d116ba696d8.png


    OpenDRIVE Manager (OdrManager) 管理如何读取数据。

    ee93d66e63dbd6dd44764f2c825025c2.png

    2. NDS:Navigation Data Standard
    汽车业导航数据库标准化的格式。下图是NDS的HD Map层:

    87a7091054370e70f9cb22db99398ba8.png


    二者之间的转换如下图:

    36bb91d542180858232cf641931cb3eb.png

    地图相关的论文
    1. Creating Enhanced Maps for Lane-Level Vehicle Navigation
    Enhanced maps(Emaps)定义车道线的拓扑结构,能辅助车辆的车道线级别的定位。在法国,德国和瑞典已经使用。一般车辆定位分三个级别:

    • Macroscale: 10米精度,GPS和道路数据库匹配;
    • Microscale: 亚米精度,地图不带有绝对坐标;
    • Mesoscale: 车道级精度,带绝对坐标的地图;

    下图是同一地区的比较:(a) 谷歌地图. (b) 标准地图. (c) 线段,节点和形状点的表示. (d) Emap。

    8232acff2801874948f5fb3882367563.png


    Emap 提供线段的拓扑信息:

    • 左/右/前方邻居线段特性;
    • 在每个道路的车道线段相对侧向位置;
    • 确定线段连接性;短时间建立复杂连接图的能力。

    2. Lanelets: Efficient Map Representation for Autonomous Driving
    注:德国高清地图公司Atlatec采用Lanelets编辑地图结果。
    Lanelets记录自动驾驶环境的几何和拓扑特性,Lanelet指那些相互连接的驾驶区域道路线段,主要用于行为层(behavior layer)。
    如图所示:Lanelets是有左右边界的折线,以一定精度近似车道几何,确定驾驶方向。

    6b3ce19db101b7382c79de27ccbf3bbc.png


    基于连接的Lanelets,路径规划可以执行。下图展示一个Lanelet在汇聚和交叉的状况 (ID: 6451) 。

    f284a10d3961110d54f1591894f00342.png


    下图展示的是JOSM,即Java OSM (OpenStreetMap) ,在这个编辑器上重叠的Lanelets。

    4d578dd12629b622edf33474c794b791.png

    3.A Smart Map Representation for Autonomous Vehicle Navigation
    该论文提出的地图包括三个元素:道路,车道,和车道线。不过,它是基于激光雷达的高清地图,采用ArcGIS制成的。这个地图提供道路级和车道级的规划能力,辅助智能车通过交叉路口的驾驶。
    注:ESRI (Environmental Systems Research Institute)是一个国际的,GIS(Geographic information system)软件的提供商,ArcGIS是商用位置服务的软件工具。

    f1a55a8e3eba4d2dfb2820bf94bf4e5d.png


    这种地图描述车道网和道路网的拓扑结构,同时给出车道线的几何描述,如上图。车道线级的规划通过路口的例子见下图:[3,59,55,36,30,35]

    ec2fb330f679e8d964a3f77e1fd769eb.png


    算法如下:

    fe76cc08e9c89ff078c6c3e844ed08f9.png

    4.High Precision lane-level road map building for vehicle navigation道路地图的要求是:

    • 每个道路分成道路段序列;
    • 每个道路段,车道数目不变;
    • 每个路段相邻的车道在同一方向是隐含连接的;
    • 不同的道路其车道是可以不连接而相交的;
    • 每个路段的车道可定义为解析曲线;
    • 车道曲线图的精度期望是分米级别。

    这里采用Cubic Hermite Spline (CHS)描述车道线。基于CHS的分割方法是:道路相交提供一个长路的初始化分解;在两个节点之间假设 (n − 1) 顶点和n 基函数;然后估计顶点位置和切向方向。
    看看下面的道路地图例子:(A)“• ”符号相连的道路例子,(B) 道路网的一部分,包括各个路的车道线,红色“⚬”代表节点之间的顶点。

    ec5649a4a993e1db5de5bbb9d6bf75f4.png

    5.Road 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。

    23dbd336f5574deb729902a40dbd5e79.png


    关于特征提取见下图:主要是每个道路线段的key point。

    cb280627604b1cc1c73ddd3c09e9a151.png


    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。

    274069d6ff5c94f1179263f83eae42fb.png


    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).

    b88512ad266abb2389db4a3a60943e20.png


    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。

    1e812539f3114cebf1f231a890062dc3.png

    c74cb2bc2eaa8095f483e47c1fdd0d7b.png

    e018f6564722824ae9cc63c5929954a9.png

    6.Map Management for Efficient Long-Term Visual Localization in Outdoor Environments如图给出的系统示意图:多个车辆定位通过一个移动通信的共享远程地图,“Appearance-based landmark selection”可以从地图检索路标。一旦车辆完成一次驾驶,搜集的数据上传到后端,并入地图更新。随后,后端的“map summarization”保证地图规模,也保证存储容量限制条件。

    6e0db2bafe1a4496c1a6227ac6a43d4f.png

    下图是地图更新的流程图:首先新数据需要在地图定位。一旦定位精度过低,就从数据中建立新的路标加入地图中,然后进入summarization降低地图中的路标数目到固定的数目。其他情况下,在定位中所有路标的观测统计会被更新,但不会添加新的路标。

    8f9080c9b26d58318aaa142488867fc0.png

    7.Design of a Multi-layer Lane-Level Map for Vehicle Route Planning
    建立了一个车辆路径规划的三层车道级别的地图,即road-level-layer, intermediate layer和 lane-level layer。其中lane-level layer的几何由Cubic Hermite Spline 描述,用一组control points 产生车道的几何关系。下图是三层车道级别的地图模型:

    ee63ee61f01dfd97a5a87798987211ac.png


    road-level-layer包括道路和交叉路口,可以支持成熟的路径规划算法。intermediate layer 是上下层的桥梁,存储的车道集合之间的相关性可用于路径规划。lane layer 提供了车道级别的细节, 除了车道和交叉路口,还有一些车道线和车道中心线的高清点。
    下图是intermediate layer中道路级和车道级的路口信息描述:其中进出路口几个道路之间的拓扑连接描述为traffic matrix形式。

    348de84393a048807e3bfc20b9f0df4c.png

    8.Generation of a Precise and Efficient Lane-Level Road Map for Intelligent Vehicle Systems
    系统框图如下:包括三部分,数据获取,数据处理和道路建模。

    4ae46d58b2a419a1948cc76f684aff4b.png


    下图是车道线点的提取和聚类:提取区域是车辆的姿态决定的,每个区域提取的点就是marking point。这些被用于道路建模。

    23d34e24f2100eb2e958d9c66315e9d8.png


    下图是局部地图数据和图像平面之间的转换,其中二者的匹配良好。

    f97f17dd87409dafb6821dd625d68213.png


    注:这篇文章特别,直接从航拍图像建地图。9.Automated Map Generation from Aerial Images for Precise Vehicle Localization
    航空图像产生路标地图需要图像分类和路标结合描述的工作。本文提出了一个基于规则的从路标估计车道边界的算法。
    下图是路标检测分类:(a) 原始图像 (b) 9x9 HSV 特征向量做比较(c) 提出一种旋转不变性特征向量。

    07aaa4b586062db9903879589c300160.png


    而这个是车道边界的检测:(a) 原始路标. (b) 计算的车道边界 (c) 滤除非车道边界的剩余路标。

    c751e868d42f7c157c0745bcbb3c388a.png


    注:这里用2-D激光雷达(单线),成本低于一般高清地图所用的多线雷达。10.Lane Map building and Localization for Automated Driving Using 2D Laser RangrFinder
    路标识别是建立车道地图的前提。

    71f3340e5b22f60cdc68ad8b18007577.png

    1a510c5bf11b32a2f33596b787173ed7.png

    77ba3d9021967548ece036abe0ed2f58.png

    bfab992fd0bbf04134e0dfab84f8ef5b.png


    上图是一个车道线识别的例子:激光雷面向地面,180°平扫,最大距离80米,测距5厘米误差;算法要求先做路面估计(折线表示法),车道线通过反射值提取,差分GPS和IMU做数据校准,将车身位置变换到UTM决定坐标系上。车道地图建图就是找到车道。下图是提取车道的例子:首先是道路中线分割出来,采用一种简化的折线段表示,基于Douglas-Peucker算法沿不同方向将中线段分成多个部分,并得到形状点集。最后车道通过Radon transform得到。

    1ffe04d6e0f0db509b7d788d919563cb.png


    其中道路中线分割的例子见下图:

    1cc08588d5de97f7e93e35f98389e360.png


    定位重要的是车辆姿态估计,文中采用GPS和激光雷达数据-车道地图的ICP匹配算法实现。车辆姿态数据进入一个卡尔曼滤波器,做递推。下图是车道地图的定位流程图:

    842f96ea5cde2450fc92c9a87a2b974e.png


    下图给出一个定位的例子:

    275eb23fe8869089b37081120d326fa4.png

    11.LineNet: a Zoomable CNN for Crowdsourced High Definition Maps Modeling in Urban Environments
    这篇文章主要是车道线检测,在实验中提到一些HD Maps的制作过程:开源工具:
    mapillary/OpenSfM(https://github.com/mapillary/OpenSfM)
    加自己的车道线检测方法LineNet,还有一些后处理。看看一些结果如下:

    bac872d76f652e1b4189fe54822c0682.png

    cc24bc0e6707866b54aaca7b2554b1a0.png
    展开全文
  • 自动驾驶专题报告-高精度地图
  • Apollo - 高精度地图

    千次阅读 2020-03-01 23:00:35
    文章目录高精度地图与普通地图的区别高精度地图的作用高精度地图的生成过程 课程地址:http://apollo.auto/devcenter/coursevideo_cn.html?target=2_20 高精度地图与普通地图的区别 最大的区别在于精度。普通地图的...
  • Appollo高精度地图

    千次阅读 2018-12-04 22:31:09
    高精度地图、定位、感知、预测、规划、控制 Apollo高精地图主要包括: 道路定义 (地图道路) 交叉路口 (记住交叉路口的地物信息等) 交通信号 (记住交通灯的位置,计算高度等) 车道规则 (记住当前路段...
  • 初识高精度地图

    2021-03-25 17:32:56
    1、高精度地图在目前无人驾驶技术中的使用: 高精地图对于无人车来说,具有非同寻常的价值: 第一,高精地图能够给无人车很多预判的空间。当无人车通过高精地图知道前方的路况和交通标识信息后,能够提前做行驶规划...
  • 高精度地图在自动驾驶是不可或缺的,本文根据相关企业的公开资料,总结一下高精度地图采集车辆的配置,以便在进行自动驾驶高精度地图开发工作时略做参考。 前言 高精度地图在业内大致分为两种格式,一种为OpenDrive...
  • 关于高精度地图制作的一些资料 激光雷达建图和定位(NDT) (https://zhuanlan.zhihu.com/p/77623762) 高精度地图制作1、2、3 (https://zhuanlan.zhihu.com/p/102374698) 一个开源高精度地图制作项目...
  • 初始无人驾驶—高精度地图

    千次阅读 2020-07-16 11:32:22
    第二课:高精度地图 *课程简介:了解高精度地图的实现逻辑,这也是Apollo定位、感知、规划模块的基础。 一、地图简介; 联系日常生活,想想我们都是在什么情况下接触地图;当我们身处陌生的地方,需要知道我们的位置...
  • 什么是高精度地图?地图的精度越高、信息越丰富,无人车就越容易进行感知、定位与决策,行驶也就越安全。高精度地图的精确主要体现在两个方面。第一,绝对精度高。普通导航电子地图一般绝对精度在 5-10 米,只要起到...
  • 高精度地图包含大量的驾驶辅助信息,最重要的是道路网的精确三维表征,同时高精度地图包含很多的语义信息,指示交通情况等等 特征:精度。 手机上的地图达到米级精度,而高精度地图达到厘米级精度 三、地图与定位、...
  • openDRIVE高精度地图解析 道路参考线(reference line)解析数据可视化,待续…
  • 我的微信:Kingsplusa; --by王博Kings,985AI博士,CSDN博客专家,华为云专家 本系列《无人驾驶干货铺》笔记: 自动驾驶 | Apollo无人驾驶课程笔记0 自动驾驶 | Apollo无人驾驶课程笔记1 ...3.高精度地图vs...
  • 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...
  • 之前有写过一篇高精度地图制作的介绍,后面也思考了一些问题,其中比较困扰我的是高精度地图如何做到实时更新?高精度地图的维护成本?最近看了ZENRIN公司关于高精度地图的介绍PPT[1],得到了很大的启发,简单的做一...
  • 课程介绍高精度地图的定义,其在无人驾驶各个模块的作用、高精度地图的采集与生产以及Apollo高精度地图的相关知识。 今天主要给大家分享百度L4车使用的高精度地图一些知识,我也想换个总结方法,以便让大家不会觉得...
  • 关于高精度地图定义的探讨

    千次阅读 2018-07-23 09:42:14
    高精度地图是自动驾驶/无人驾驶的重要组成,那究竟什么是高精度地图? 网上找了两个关于高精度地图的定义,如下: 定义一:高精细地图是指高精度、精细化定义的地图,其精度需要达到分米级才能够区分各个车道,...
  • 高精度地图主要用于无人驾驶路径规划,还可以应用于无人驾驶定位,ROI区域过滤等。接下来我们主要来看如何制作高精度地图高精度地图制作流程高精度地图的制作过程分为4个步骤:地图采集点云地图制作地图标注地图...
  • 1 HD map的格式 我们使用OpenDRIVE格式来构建高精度地图, (参考Apollo的构建方式)
  • 高精度地图初创公司

    千次阅读 2019-04-30 23:13:24
    这两年,自动驾驶火了,顺带带火了车用的摄像头、毫米波雷达、激光...以下我将带大家一步步了解以下高精度地图初创公司,由外道理,由浅入深剖析这些初创公司的是在这一领域个显神通! 1、DeepMap——豪华地图...
  • 20210118_无人驾驶实战-无人驾驶的高精度地图.pdf
  • 高精度地图是自动驾驶不可或缺的部分,近年来随着更高级别自动驾驶的研发以及更高安全要求的提出,自动驾驶对高精度地图要求越来越高,粗略算起来,高精地图也大致经历了三个阶段: 早期无人车采用循迹的方式,先用...
  • 无人驾驶入门2:高精度地图

    千次阅读 2018-09-08 22:40:33
    那我们赶紧来学习第二课关于高精度地图的课程吧。 第二课: 高精度地图 课程简介:了解高精度地图的实现逻辑,这是 Apollo 定位、感知、规划模块的基础。 1.地图简介 略 2.Sebastian介绍高精度地图 略 3....

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 1,145
精华内容 458
关键字:

高精度地图