您好,欢迎来到中国自动驾驶高精地图产业创新发展论坛2019!

【国汽产研】技术专题:“高精度地图”与“高精度定位”概念及应用

发布日期:2019-03-06

依托智能网联汽车领域的重大前沿成果,发挥汽车、电子、通信、交通等领域丰富的专家资源优势,国汽智联将重点围绕政策链、产业链、技术链、资本链开展高水平的产业研究和战略服务工作,打造国家级智能网联汽车创新发展行业智库,推动汽车产业高质量、上水平发展与智能化转型升级。国汽智联将定期发布深层次行研、专家观点、热点分析、行业资讯等研究成果,帮助从业者掌握产业发展新动态、紧跟生态发展新模式、洞悉行业发展新脉络。


摘要:本报告节选于《智能网联汽车蓝皮书(2018)》中高精度地图和高精度定位研究的部分内容,原文题目是《高精度地图与高精度定位技术子领域发展综述》。本章主要介绍高精度地图和高精度定位,高精度地图部分介绍了概念、应用两大部分,概念部分介绍高精度地图的特征及模型,应用部分介绍高精度地图在智能网联汽车体系中的作用。高精度定位部分主要介绍三方面的内容,高精度定位的分类介绍了全局定位和局部定位的原理,应用部分主要介绍了高精度定位在智能网联汽车体系中的作用,最后介绍了高精度定位的发展趋势。


作者:邹德斌:博士,北京四维图新科技股份有限公司高级总监;王平:硕士,北京四维图新科技股份有限公司技术经理。


高精度地图


1、基本概念


普通电子地图是显示给人看的,高精度地图是给车机设备理解的。普通导航电子地图一般精度在10米左右,它由道路网络、显示背景、显示文字、索引及其它数据组成,导航软件将卫星定位位置匹配到道路网络上就能起到导航的作用。高精度地图的精度被普遍认为需要达到20CM。这样的精度基本上是一个车道边线的宽度,在20CM精度情况下才能保证不会发生侧面碰撞。


高精地图在数据采集过程中,对数据的方位(经度、纬度、海拔)及姿态(航向、倾斜角、俯仰角)测量的精度要求非常高,而且采集数据的精细覆盖程度也非常高。高精地图在制作过程中利用高精度采集的数据制作高精度的道路拓扑模型,附着在道路拓扑关系上建立精度较高的的车道模型,以及道路通行空间范围边界区域内的精细化对象模型,对象包括:路牙、护栏、立交、隧道、龙门架、交通标牌、可变信息标牌、轮廓标、收费站、杆、交通灯、墙面、箭头、文本、符号、警示区、导流区等。


高精地图模型的属性包括空间位置属性,形状属性,还有基本的静态属性,可扩展的静态属性,动态属性,实时属性及与动态相关的属性。

高精度地图的三个层级


如上图所示,通常完整的高精度地图通过三个层次来完整表达真实道路信息,第一个层次是参考线,它代表我们传统导航地图的道路,第二个层次是车道标线,它代表车道信息,第三个层次是与路网车道相关的对象,如限速标牌等。因此在定义高精度地图数据模型时通常分为三大块:道路模型,车道模型,对象模型。


2、高精度地图的应用


(1)高精度地图在自动驾驶分级中的地位

高精度地图主要服务于自动驾驶汽车,自动驾驶汽车的传感器像是汽车的“感觉器官”,高精度地图像是汽车的“长周期记忆”,经过传感器实时采集的数据与高精度地图融合后重建的三维场景像是汽车的“工作记忆”,汽车利用融合后的数据进行决策。如果,自动驾驶汽车没有高精度地图,他就像是一个失忆的人。


高精度地图对于L4、L5级别的智能网联驾驶是必选项,对于L3是可选项(对应ADAS地图是必选),对于L2、L1基本不需要;智能网联汽车的自动化、智能化程度越高,对高精度地图的依赖越强。


如果,车辆仅靠自身的传感器与高精度地图来构建“工作记忆”,这仍然是一个个信息孤岛,无法协同。因此,需要引入智能网联汽车的超级大脑——地图云中心,地图云中心接收车辆报告的“工作记忆”与“长周期记忆”的变化,根据变化融合成新的地图信息,并将信息分发共享给其他车辆。


(2)高精度地图在自动驾驶中的作用

高精度地图数据中提供道路甚至车道的曲率值,当车辆转弯时可以根据曲率进行提前减速,控制传感器甚至大灯转向辅助。高精度地图也提供隧道等详细信息,车辆在进入前可以提前开启大灯或调整传感器感光参数。高精度地图提供了坡度,能够辅助车辆控制油门节省能源。高精度地图提供了各种交通标志和提示信息标牌的精确位置及形状能够辅助车辆进行高精度定位。高精度地图的限速信息精确到车道能够为车辆提供精准的限速信息,智能网联汽车用以精准控制执行器操作。车辆可以根据高精度地图进行自主变道。高精度地图还能为车辆提供各种危险区域,车辆可以提前作出应急方案。以上所列仅仅是高精度地图的很少一部分跟智能网联汽车相关的属性,高精度地图的充分运用,可以助力智能网联汽车获取各方面的先验传感参数,为自动驾驶提供诸多数值化的决策依据。


(3)高精度地图的先验感知特征

高精度地图能够辅助汽车超视距感知,当车辆道路环境被其它物体遮挡,或者转弯,或者超出了汽车电子设备感知范围时,高精地图能够帮助车辆对行进方向环境的感知。


高精度地图能够辅助车辆快速识别道路环境周边固定物体及车道标线。高精地图能够提高自动驾驶车辆数据处理效率,自动驾驶车辆感知重构周围三维场景时,可以利用高精度地图作为先验知识减少数据处理时搜索范围。


(4)高精度地图基础上的高精度定位

高精度地图能够辅助车辆进行高精度定位。高精度地图中包含了丰富的对象数据,汽车通过传感器对道路周边进行感知,提取出道路周边的要素并与地图中对象进行匹配,地图中的对象拥有精确的位置和形状信息,通过车辆与要素间的距离修正车辆GPS定位的位置。其辅助高精度定位原理与GPS定位相似。车辆只要识别出至少三个要素,就可以通过车辆与三个要素的距离画球面,三个球面相交点就是车辆所在可能位置,再通过GPS定位信息确定最终位置。


(5)高精度地图对自动驾驶规划的作用

高精度地图能够辅助车辆进行车道级动态路径规划,车辆在拥有高精度定位功能前提下,在无外部环境干扰的情况下可以根据高精地图的车道参考线前进到达目的地。由于现实中道路环境存在各种干扰情况,包括其他车辆、行人等,因此车辆需要更复杂的传感器进行感知决策。


具体在车道级规划中的作用:高精度地图提供有车道中心线,以及车道中心线联通关系,自动驾驶车辆可以在这个数据基础上结合当前位置及前进方向进行有限范围(如10公里范围内)准实时的车道级路径规划,规划结果用于辅助决策单元生成控制指令。


具体在辅助决策中的作用:基于高精度地图的车道级动态路径规划及辅助感知成果最终都将作为参考信息提供给决策单元,决策单元在已知固定环境、已知线路和动态目标的基础上通过算法生成控制指令。


(6) 高精度地图在V2X中的作用

在V2X环境中,V2X系统与高精度地图分工合作,通过路_基础设施(信号灯,标识牌等路侧单元)与车辆进行通讯,车辆能够直接获取道路基础环境信息,并能够利用基础设施进行高精度定位。高精度地图主要用于车道规划和辅助对不能发射信号的基础设施的感知,如路肩,隔离带等。


高精度地图云中心可以通过与基础设施中的道路边缘计算网格进行通讯,实现信息的收集与分发。道路边缘计算网格与车辆进行实时通讯,车辆从道路边缘计算网格获取道路环境信息,并上报车辆传感器识别变化的信息,道路边缘计算网格经过初步处理后将数据发送到高精度地图云中心,云中心综合多方证据信息进行处理,提前预测道路环境变化,并将可能引起道路交通恶化的预测信息发送给边缘计算网格通知车辆,车辆可以提前做出决策。


高精度定位


智能网联汽车领域的高精度定位是指在车辆实时运动状态中连续获取车辆高精度位置信息的单一或者多种模式混合定位的体系。一般情况下,卫星定位(GNSS)是高精度定位的最底层基础;同时为了提高精度,要求加入对定位卫星信号的差分辅助;并且为了提高定位输出频率和适应无卫星信号环境,还需要集成高精度惯导系统进来;在运行状态中,往往还离不开跟高精度地图的匹配,以及对摄像头、激光雷达、毫米波雷达等车身传感器的辅助定位融合。


1、高精度定位的分类


(1)全局定位

全局定位(也称为绝对定位)是指通过定位系统直接获取目标在全球坐标系下的位置信息(含三维坐标、速度、方向、时间等全局信息)。单个接收机通常的定位称为单点定位,或绝对定位;只利用本接收机的观测量,定位精度较差。差分定位包含两个或两个以上接收机,通过差分校正量提高定位精度。差分定位根据服务区域不同可分为局域差分和广域差分,也可分为地基增强系统和星基增强系统;根据差分修正参量的不同,可分为位置差分、伪距差分和载波相位差分。要得到高精度的定位结果,则需要利用载波相位差分定位提高定位精度。全局定位的实现需要以下技术支持。


  • GNSS

GNSS(Global Navigation Satellite System)即全球卫星导航系统,是对北斗系统、GPS、GLONASS、Galileo系统等这些单个卫星导航定位系统的统一称谓,也可指代所有这些卫星导航定位系统及其增强型系统的相加混合体。GNSS是以人造卫星作为导航台的星级无线电导航系统,能为在地球表面或近地空间的任何地点的用户,提供全天候的3维坐标和速度以及时间信息。


  • RTK/CORS/VRS

RTK(Real - time kinematic)即实时动态载波相位差分技术,是实时处理两个测量站载波相位观测量的差分方法,接受基准站采集的载波相位,在用户接收机中进行求差及坐标解算。RTK是能够在野外实时得到厘米级定位精度的测量方法,它采用了载波相位动态实时差分方法,是GNSS应用的重大里程碑;它的出现为工程放样、地形测图,各种控制测量带来了新曙光,极大地提高了外业作业移动测量的效率。


随着卫星定位的飞速进步和应用普及,卫星差分定位在城市测量中的作用已越来越重要。当前,利用连续运行参考站(Continuously Operating Reference Stations),缩写为CORS,已成为GNSS应用的发展热点之一。CORS系统属于地基增强系统,是卫星定位技术、计算机网络技术、数字通讯技术等高新科技多方位、深度结晶的产物。CORS系统由基准站网、数据处理中心、数据传输系统、定位导航数据播发系统、用户应用系统五个部分组成,各基准站与监控分析中心间通过数据传输系统连接成一体,形成专用网络。提供国际通用格式的基准站站点坐标和GNSS测量数据,以满足各类不同行业用户对高精度定位、快速和实时定位、导航的要求。


VRS(Virtual Referent System)技术,全称为虚拟参考站技术,是由Herbert Landau博士提出的理论。VRS系统是一个集GNSS硬件、软件和网络通讯技术于一体的新型系统。首先在一定区域内架设一定数量的基准站,基站接收卫星信号,然后将信息传送至信息处理中心,用户移动站(如车辆)先将接收机的位置信息发送到数据处理中心,数据处理中心会根据移动站的位置,选择附近几个位置比较好的基准站信息,“虚拟”出一个参考站,然后,将虚拟出的参考站改正数据播发给该移动站,这个虚拟参考站的位置通常是在移动站周围5千米范围内,但是实际情况中,一般是几米之内,通过这项技术所获得的差分数据误差就减小了很多,进而对移动端的定位精度提高也起到了增强作用。


  • INS/Odometry

NS(Inertial Navigation System)即惯性导航系统,有时也简称为惯性系统或惯性导航,它是航位推测系统的一种。惯性导航系统的工作机理是建立在牛顿经典力学的基础上的,如果能够测量得到加速度,那么通过加速度对时间的连续数学积分就可计算得到物体的速度和位置的变化。在GNSS信号受到阻挡、干扰等造成接收机不能实现定位的情况下,惯性导航系统能够持续提供定位结果,弥补GNSS定位的不足,提高定位精度和有效率。Odometry是传统车辆轮式里程计发展而来的一种里程传感器,一般用来与惯导系统配合,对惯导的累积误差进行修正,也对定位结果进行里程核实。


  • 星基差分

SBAS(Satellite-Based Augmentation System),即星基增强系统,通过地球静止轨道(GEO)卫星搭载卫星导航增强信号转发器,可以向用户播发星历误差、卫星钟差、电离层延迟等多种修正信息,实现对于原有卫星导航系统定位精度的改进,扩大差分服务范围,从而成为各航天大国竞相发展的手段。目前,全球已经建立起了多个SBAS系统,如美国的WAAS(Wide Area Augmentation System)、俄罗斯的SDCM(System for Differential Corrections and Monitoring)、欧洲的EGNOS(European Geostationary Navigation Overlay Service)、日本的MSAS(Multi-functional Satellite Augmentation System)以及印度的GAGAN(GPS Aided Geo Augmented Navigation)。中国也在2015-06-15发布了国内首个广域差分星基增强系统 “中国精度”,国际命名为Atlas。


(2)局部定位

局部定位(也称相对定位),是指在智能网联汽车运行的局部环境中,通过对周边环境中特殊物体的图像识别或特征匹配、与事先保存的地图信息进行比对获得环境物体和自车的局部相对位置;或者通过传感器探测周边静态物体、运动目标的相对距离和相对角度及相对速度等信息,解算出自车与动态静态目标物之间的相对位置。局部定位最终可以还原出全局位置信息。


  • 图像识别匹配

高精度视觉定位包括图像获取、图像识别、图像匹配和测距几个部分。具体过程如下:


首先利用专业相机获取包含特定目标(路牌、路牌箭头)的视频图片。


通过深度学习来识别图片中的目标信息,如对识别到的目标进行分类以及通过检测算法得到目标在图片中的位置坐标。


再结合自车周围的地图信息(车周边路牌、路面箭头的经纬度、目标类别和形状等等),通过算法将地图信息从三维坐标系(世界坐标系)转换到二维坐标系(图像坐标)。


根据目标检测获取到的坐标和转换得到的坐标以及目标类别进行匹配。


匹配成功之后利用算法得到目标与自动驾驶车的横向和纵向距离,再结合目标的位置反算出自车的位置。


自动驾驶中典型的基于图像识别的定位流程图


  • 道路特征识别

道路特征识别通过视觉手段(图像、激光雷达、毫米波雷达等一种或多种传感器同和形式)检测路面上的车道线等高精度地图对象、或者道路沿目标如路牌、建筑物等,通过一定算法形成道路特征指纹库,回传到云中心,不断积累、融合,形成可供智能网联汽车在运行时调用比对的高精度特征指纹大数据库。其原理和上述图像识别匹配类似,可作为辅助手段用来定位。


目前比较成熟的几种道路特征定位模式,都是采用基础高精度地图加道路特征库的模式:Mobileye REM、TomTom RoadDNA、Bosch Road Signature (BRS)。


2、智能网联汽车高精度定位应用


智能网联汽车,尤其是L4、L5级的体系中,对实时动态高精度定位能力的需要是刚性的、不可或缺的,定位精度一般要求达到厘米级,实时性要求100Hz以上,系统可用性要求达到99.999999%的级别。


(1)高精度定位在自动驾驶路径规划中的作用

自动驾驶的路径规划是继环境感知识别之后,决策和执行环节需要频繁迭代调用的核心功能;而高精度定位为路径规划提供了起止点的精确位置,是路径对话的必要前提。尤其是车道级的路径规划、避障规划、可行驶区域迭代、执行过程中的规划补偿等关键环节,无一不需要高精度定位能力的随时可用。


(2)高精度定位在自动驾驶决策控制中的作用

高精度定位不仅仅在环境感知和规划环境需要用到,在自动驾驶的决策控制环节同样也需要在更精细的维度上频繁迭代调用,以适应自动驾驶自车和环境的动态变化。


(3)V2X中的实时位置信息广播

自动驾驶汽车在单车足够智能化的前提下,为了适应整个交通体系的智能化,需要同时朝网联化方向发展。V2X是智能网联汽车不可或缺的技术。高精度定位信息是V2X上最频繁不间断传输的基础信息,构成了V2X上运转的众多行驶信息的基础平台。


(4)同时定位与地图构建SLAM技术

在新一代的智能汽车感知决策技术中,从机器人技术中发展而来的SLAM将是最有前景的新技术之一。而基于多种传感器及其融合的高精度定位技术,是智能汽车SLAM的基石。全局实时动态的高精度定位能力是自动驾驶的必备能力,这已成为业界共识。基于GNSS系统,结合地基增强系统、传感器融合技术,以达成高精度定位能力,这个模式已成为高精度定位解决方案的首选。


3、高精度定位技术的发展趋势


围绕自动驾驶的需求,高精度定位的新技术趋势或方向呈现出如下发展趋势:


  • 广域增强和局域增强的融合,天基增强和地基增强的融合。

  • 互联网和广播网在播发模式上的融合。

  • 终端解算模式的创新。

  •  服务平台技术面对实时性、大容量、低成本需求的创新架构。

  •  满足高可用、鲁棒运行需求的服务架构和运维体系的创新设计

  • 与其他传感器融合的组合高精度导航模式创新。



  • 电话咨询
  • 021-22306692
  • 15021948198
None