3月20-21日,由佐思产研、佐智汽车主办,地平线、TTTech、魔智、海信网络科技、晶众股份、芯仑光电、PLK、中科慧眼等单位支持的2018第三届ADAS与自动驾驶国际论坛在上海银星皇冠假日酒店举办。超过400多位嘉宾参加了本次论坛,武汉中海庭产品总监王伟发表了《高精度地图的发展趋势》的主题演讲。

中海庭产品总监 王伟

王伟:各位专家、各位嘉宾下午好!很荣幸给大家分享高精度地图的发展趋势,我是武汉中海庭的王伟,中海庭已经被上汽控股,主要提供高精度地图和高精度定位服务。

地图数据并不是一个独立存在的实体,要与智能驾驶的上下游产生共鸣和交互,包括V2X通信传输、云服务,智能芯片和算法,以及传感器生产商,都会有很多交互和迭代。

目前整个自动驾驶的现状是政策层面国内还没有特别开放,各个技术领域包括人工智能、传感器技术等,也还远远没有达到车规级的要求。

我们看一下自动驾驶车装配的传感器情况,包含有定位定姿的惯导系统,视觉系统、毫米波雷达、激光雷达等。这些传感器都有它的短板或者说无法解决的痛点,下图列出了目前常用的传感器特点和特殊场景下的一些不足。

这些传统车载传感器受限于感知距离以及应用条件,比如大部分传感器是在10米至200米的感知范围,更远的地方没有办法探测到。再就是精度不同,且无法描述整个路况。还有一些传感器受限于它的技术原理,比如视觉传感器受光照条件影响,很难发挥它在正常范围内的作用。

对于车厂来说,安全是永远排在第一位的,而不只是展示多牛的技术、多强大的功能,自动驾驶车要实现量产,就必须解决安全问题。传统车厂永远把功能安全、数据质量放在第一位,所以自动驾驶需要更多的信息冗余或者安全冗余。

传感器在环境感知、定位、决策控制方面都有它的局限性。我们再去分解一下SAE对于自动驾驶的分级,每一级定义了一些自动驾驶的基本功能。

我们站在地图的角度,对L3—L4之间作了一个划分,L3及以下用的地图信息主要包括道路基本属性和规制信息。到了L4和L5级以上,更多关注于全局环境的拓扑关系、详细的交通信息以及可通行空间环境模型等。

针对自动驾驶不同的功能模块,比如现在比较热门的ACC、AEB、LCW等,对地图都有很强的依赖性。对整个道路的边线、车道模型,以及车道级的交通规制、曲率、坡度、航向信息都有非常大的依赖。

结合了自动驾驶功能,根据应用需求进行初步分析,源数据、地图数据内容,和最终地图展现的形态都是不一样的,这张图详细描述了地图在自动驾驶里如何跟其他传感器配合起来使用。地图在里面类似于人的长期记忆存储在车道里面。

车内传感器受限于它的感知距离和感知误差,难免会有各种问题或者监测不到的情况,地图可以作为车内传感器的补充和增强。在极端条件下,比如大雨天、雪天,地图传感器的作用就更明显。地图有一个先天性优势,它是驾驶经验的一个载体,我们可以通过大数据挖掘出在某些特殊路段经常拥堵,或者经常出事故,都可以通过地图载体呈现出来,这是其他传感器没有办法做到的。

决策控制就更明显了,不同道路的坡度、曲率、航向,通过地图事先就可以有预判,就能提前减速、刹车、打方向盘。高精度地图还提供了规划功能,自动驾驶车出发之前先做全局路径规划,选择一条最优路径,怎么到达目的地,这也是其他传感器没有办法做到的。

我们基于自动驾驶对于地图的需求,给高精度地图作一个定义。首先高精度地图跟传统地图比较大的差异是,高精度地图是给机器用的,而不是给人眼去看和识别的,这是最大的差异。由于这个差异,它的数据展现形式、内容以及精度都是不一样的,以人为主的驾驶行为里,可能更多是需要看到一些显示类或者引导类信息;而对于以自动驾驶控制为主,机器控制为主的自动驾驶车来说,需要非常准确的环境信息,来判断它自己的所在位置,以及它要做出的一系列决策行为所需要的道路形态信息。

分解一下高精度地图跟传统地图更详细的差异。一个现实世界的道路路口,传统地图直接把它抽象成Link和Node点,而高精度地图会区分路口区域内部道路,会有一些车道级的拓扑关系,最后导航界面要实现车道级的导航。

总结一下,高精度地图尺度、坡度都是可变的,更接近于真实情况,而不是抽象出来的符号。它包含的数据内容大概有六类:道路级别、交通设施、车道级别、关联关系、交通管制、安全驾驶特征(坡度、曲率和航向)。

在一些关键位置比如左转道还是右转道等,关联关系包括两层,一个是道路与道路的关联关系,还有一个是道路与交通设施的关联关系。交通规制信息也是从之前里面的映射过来的,对于横坡、纵坡、曲率、航向也要实现车道级属性的记载。

我前面提到的都只是一种静态的地图信息,对于自动驾驶来说静态信息肯定是不够的,需要更丰富的动态信息。最底层是矢量形态存在的拓扑关系,对象数据是针对道路两旁的典型设施,比如说交通标志牌,路灯杆、红绿灯等。

中海庭目前提供地图数据服务,首先是基础地图服务,再结合客户的一些个性化需求,提供一些定制化的服务。除了提供数据以外,中海庭还提供导航引擎和高精度定位模块,通过众包车辆的传感器实时生成感知地图,与基础地图融合更新,形成一个数据闭环,让整个地图数据提高鲜度,而不是一个静态的死的地图。

结合自动驾驶对于地图的需求,以及对高精度地图定义的理解,来分析一下高精度地图未来发展的一些趋势。从整个地图构建过程中,虽然没有一个标准出来,大家都觉得地图应该是大而全的产品,包含很多东西,但其实它的内容可以精简。

大多数情况下,车载传感器已经能很好的识别主干道和高速公路,而路口对自动驾驶来说是比较关键的区域,容易发生时空冲突,事故率高。所以我们提出来一个大胆的设想:在高精度地图里面只做路口,其他区域可以不做,或者用传统地图替代,这样可以大大减少工作量,也会大幅度降低地图制作的成本。我们把它取名叫路口原子地图。路口区域会很详细地表达它的真实情况,但是其他区域会比较简略。

我们之前的各种地图都是通过比较传统的数据库方式表达的,现在中海庭也在探索通过数学公式去表达,比方说用多项式、样条曲线等表达它的几何和属性。

很多人都在说自己做高精度地图,但其实每一家做的地图又不太一样,比如说以激光雷达特征元素做的地图,和视觉特征元素做的地图。各家地图公司因技术路线不一样最终呈现出来的地图形态也都不太一样。下图列举了一些。

地图一定不是静态的,也不是一成不变的。现实世界日新月异,地图也需要同步更新,依据频率不同可分层存储表达,地图从静态走向动态化是必然趋势。

标准方面,对于地图行业来说也是非常关键的,目前行业标准制定的进度有些滞后。高精度地图目前一直没有国家标准和行业标准,我们也加入了一些协会组织,参与制定详细的高精度地图标准。下面是目前整个自动驾驶产业里面各个模块的标准化建设情况。

最后,总结一下我们对未来高精度地图发展趋势的判断。首先它是多元化的,逐步发展为多种形态,多级精度的数据融合体;其次它的数据更新和构建形式是动态的、实时的;第三它的数据内容、属性字段一定会是越来越轻量化的,或者说它的尺度是可变的,重点区域详尽细致,其他区域粗放简明,最后对于汽车安全冗余来讲,构建工序、存储表达、传输接口等方面的标准化也是至关重要的。

我的报告就到这里,谢谢大家。

主持人:谢谢王伟总监的介绍,你们和上汽合作之后还给其他家提供服务吗?

王伟:其实今天中午吃饭的时候很多人也问到这个问题。上汽战略注资后,确实是把我们作为一个二级公司去孵化和培养,我们这两年也主要以数据积累和能力建设为主。但是中海庭仍然需要具备自我造血的能力,所以我们是不排斥和其他车厂合作的。

佐思产研推出10份研究月报:车联网、自动驾驶、新能源汽车、电池电机电控、座舱电子、 视觉与雷达、 汽车信息安全、共享出行、汽车测试、汽车投资并购等。

主办单位