五问五答 高精度地图创建中的多个难点以及更新方法!

本期“五问五答”也将摘选单场公开课直播中5个专业用户的问题,以及主讲导师的解答。本期问题与解答均来自DeepMap中国区总经理刘澍泉主讲的《高精地图和定位服务的实践与探讨》这场公开课,也是高精度地图系列课第一讲。

感谢东北大学控制工程专业任承锦、武汉大学无人驾驶专业邓庆明、斯图加特大学SLAM专业贾文达、泛亚软件工程师周艺、Leica工程师孙建的提问。

负责中国区市场、商务、研发、技术支持和售后服务等工作。在加入DeepMap之前,刘澍泉是阿里云全球技术合作事业部总经理、解决方案事业部总经理。拥有多年全球云服务管理经验。在此之前,负责甲骨文中国企业架构师团队。坚实的技术背景加多年大企业全球化管理经验,带领DeepMap全球一体化的同时,更加适应中国本地化的产品市场服务。

DeepMap是自动驾驶高精地图和定位服务解决方案提供者,致力于在复杂而不可预测的真实世界中自主导航的技术能力。技术创始团队来自 Google Map、Apple Map 和 Baidu Map,在地图精度、生产效率、成本控制等关键技术上成果斐然。

第一点是多源数据如何去做融合来保证地图数据的一致性。(注:多源数据指不同时间、不同车辆、不同传感器得到的数据。)例如有一个空间点,我们从正向和反向各扫一次,如何保证这个点的环境信息是一致的?

第二点是在所有的数据都采集完成以后,除了要进行数据融合以外,我们还需要自动化提取数据中的关键特征。

第三点是业内非常大的一个难点,就是如何满足规模化制图。现在常见的是通过堆人或者一个小规模的应用,可以生成某一局部的高精地图,但是如果要生成超大规模的高精地图是具有很大难度的。

刘澍泉:(1)目前我们将应用场景区分为高速道路、城市道路、园区的内部道路等,针对于不同道路应用场景的区别,会有不同的产品方案。但是最后拿出来的产品也不一定能做到完全一致,因为在不同场景里边所需要的矢量信息是不一样的。

所以相对来说,对于这些不同场景下的方案,它有一些是一致的,而有一些是不一致的,这是一个简单的说法。针对不同的场景,在制图环节里的制图设备是不一样的。

(2)目前来看,高精地图是一个刚刚兴起的行业,更多的是使用一个事实标准,并没有完全的行业标准。这个行业标准是要随着整个自动驾驶汽车中高精地图的应用更加普及以后才能形成的。

刘澍泉:(1)我们的高精地图提供的是相对位置信息,绝对位置信息可以不带。

(2)我们能够达到的高精地图的精度级别是小于五厘米,定位服务的精度是小于十厘米。

(3)影响地图精度有几大因素。在硬件设备精度上:1)硬件设备精度,激光雷达的线线线,理论上来说线数越高的激光雷达精度会越高;2)多传感器标定能力是否过硬也很大程度会影响到精度;3)合理高效的采集路线规划也能有效提高数据采集的效果;4)环境天气因素不可避免的会影响到精度和数据质量等。

1.高精地图是否需要从用户的传感器收集实时车况?如果在用户不足的情况下,那怎样解决实时性问题?

刘澍泉:(1)目前的高精地图是依赖于在路上行驶的一些车载传感器去进行实时的数据收集。当在用户不足的情况下时,实际上是需要更多主动采集数据的车辆,这些车辆可能是由车辆运营商来提供。例如把DeepMap的传感器架在共享出行司机的车顶上,也能够弥补实时数据收集的这样实时性问题。

(2)从各个厂商会不会去共享路况信息这一点来看,在产业联盟还没有形成之前,道路信息是一个有范围的共享,假如某一些车厂达成了共享的协议以后,才可以通过这样的产业联盟进行共享。

刘澍泉:(1)在高精地图的更新上面,我们使用的是众包的模式,即当车停下来了以后,实时收集到的道路更新信息,会通过互联网或者其他的手段传到服务器端,然后服务器端会进行change detection,基于change detection得到和自动驾驶所需相关的关键特性,基于此再去做某一块的更新。简单来说,高精地图是通过众包加上change detection技术来做更新的。

(2)在我们的评估体系中,需要达到的标准有这样几点:1)数据采集覆盖每条车道,保证数据完整性;2)能够应对复杂环境,如高架、地库等;3)采集路线灵活,可两次或多次采集;4)自主开发的压缩算法,保证精度的同时节省空间;5)点云整洁、清晰,且附带颜色信息,可读性好

(3)创建高精地图时,如何分离可以移动的物体。这项技术是DeepMap的一个核心IP,是我们创业公司的一项核心资产,在这里无法给大家讲得很详细。我们管这个功能叫做car remover,通过我们的软件和内部研发的工具,能够做到自动化的移除掉道路上的车辆。

发表评论

电子邮件地址不会被公开。 必填项已用*标注