人人書

雜誌

保存到桌面 | 簡體人人書 | 手機版
傳記回憶文學理論偵探推理驚悚懸疑詩歌戲曲雜文隨筆小故事書評雜誌
人人書 > 雜誌 > 圖商“進階指南”

圖商“進階指南”

時間:2024-11-02 04:11:09

開車從北京去天津旅遊,不認識路怎麼辦?對于車主來說,車載導航或者一部帶有地圖App的智能手機就足以解決這個難題。但有一個問題,卻隐藏在看不見的未來背後——當無人駕駛到來時,要給汽車看什麼樣的地圖?

讓一輛車自己跑起來已經不再是問題,在限定的路徑中,以限定的速度,按照限定的軌迹,園區、機場等場景的無人車已逐漸投入了使用;但對于理想中的無人駕駛,更複雜的陌生場景、高速行駛的狀态,還處于探索之中,而高精度地圖正成為探索的關鍵,也是瓶頸。

自動駕駛的瓶頸

汽車智能業務總監黃亮2015年來到四維圖新在他看來四維圖新對自動駕駛的研究始于2013年對高精度地圖的研發。原因很簡單,之前的導航地圖已經足夠普通人日常的使用,而高精度地圖,則是天然應用于自動駕駛的。

2015年時,自動駕駛的概念雖然已經火熱,但領域中的人才卻不多,學習計算機出身的黃亮一直從事于地圖行業,并将解決自動駕駛中地圖的應用視為自己的奮鬥目标。當時四維圖新是國内少數既有資質背景,又有十餘年地圖行業積累的公司。

按照SAE(美國汽車工程師協會)将自動駕駛從L1~L5的級别劃分,業内普遍認為,從L3開始,就需要高精度地圖的支持。如何評價高精度地圖對自動駕駛的意義?思考這樣的場景:一輛無人駕駛的車和一輛司機駕駛的車,在行駛中司機可以通過肉眼觀察道路,無人駕駛汽車則是通過激光雷達等設備來感知,但在路線規劃、決策和定位上,人類司機可以看導航軟件,機器卻看不懂,或者說無法理解人類用的導航地圖。

黃亮說這也是他們目前專注于在解決的核心問題,讓汽車理解電子地圖。類似于人類打開地圖App第一件事就是定位,無人駕駛應用電子地圖首先要解決的也是高精度定位,汽車需要知道,自己在地圖的哪個位置上,才能有後續的路線規劃。GPS是目前普遍的定位手段,但黃亮說,這隻能解決80%的定位,由于目前GPS的算法隻能支持1赫茲~2赫茲的頻率(0.5秒~1秒/次),而無人駕駛需要達到至少100毫秒(0.1秒)的反應速度,導緻時效性不足,另一方面,多路徑效應如雲層的遮擋、地物的屏蔽和樓宇的反射等,也會讓定位不準确,而多套衛星的組合定位雖然能提升準确度和實時性,也會極大提升成本,并不具備經濟可行性。

四維圖新結合了多種定位手段互相融合冗餘進行精準定位。在有GPS信号時使用RTK(Real-timekinematic,實時動态)載波相位差分技術進行定位,獲取位置和速度數據;另一方面,利用高精度地圖(HADMap)和傳感器(Sensor)進行匹配定位。如果說GPS是定位地球上的絕對位置,HADMap+Sensor則是通過獲取參照物信息,來得到在高精度地圖上的相對定位。傳感器包括攝像頭、激光雷達和毫米波雷達,分别對應不同的感知特點:攝像頭可以識别車道線,以及馬路上的指示牌等标志物,指示物會有諸如“此處距離天津50km”等信息,攝像頭接收後通過語音識别技術,就可以和高精度地圖上的指示牌一一對應,從而獲得相對位置,現在目前可以識别的物體已有指示牌、龍門架、燈杆等13種;激光雷達相比攝像頭獲取的信息量較少,但可以精準測距;毫米波雷達的優勢是可以精準測速,而且可以識别移動的車輛并在實時地圖中将之剔除。通過三種傳感器和四維圖新的高精度地圖匹配融合,就形成了可以和GPS的初始位置、姿态、速度等數據互補的全語義三維地圖方案,滿足全場景的定位需求。通過三種傳感器和四維圖新的高精度地圖匹配融合,就形成了可以和GPS的初始位置、姿态、速度等數據互補的全語義三維地圖方案,滿足全場景的定位需求在目前低速、限定場景的無人駕駛試驗中,大多沒有應用高精度地圖,僅通過感知外界信息規劃并遵循設定路線行駛,高精度地圖則是能支撐範圍更大,信息更豐富,更高級别無人駕駛場景。黃亮告訴記者,高精度地圖在無人駕駛上的應用,還需要等待全産業鍊的成熟,比如傳感器、核心計算單元等價格的下降和技術更加成熟,但研發卻是時不我待,而目前四維圖新在商用車上,已經初步應用于輔助駕駛,提供了限制安全速度、減少油耗等功能。

未來地圖生态

車廠一直是四維圖新的重要客戶,在近幾年的轉型中,四維圖新變得更加專注于汽車,目前四維圖新的業務分為導航、車聯網、大數據、芯片和智能駕駛五部分,并将“智能汽車的大腦”作為新的業務方向,而這也是與汽車行業的發展分不開的。在過去,汽車行業是以主機廠為核心形成的整個供應鍊的管理,随着傳統汽車逐漸聯網,早期的TSP(汽車遠程服務提供商)出現了,在終端完成聯網後,大數據和人工智能,又催生了汽車的智能網聯系統。四維圖新副總裁白新平從事于車聯網,在他看來,汽車的發展軌迹,就是逐漸将人從開車中解放出來,直至達到自動駕駛。

最初以地圖和導航起家的四維圖新,對比實時地圖和離線地圖後發現,聯網是大勢所趨,而在聯網之後,通過終端可以提供更多的服務,并形成閉環的生态,這也是四維圖新轉向車聯網的直接原因。

在傳統的汽車導航領域,四維圖新開發ADAS地圖已有十餘年,地圖内容包含高精度幾何、坡度、橫向等的結構信息,并且開發了複雜車道模型,能夠将道路相關信息,包括寬度、車輛數量、出入口進行詳細表達,可以支撐L1-L2級别的自動駕駛。

應用于自動駕駛的高精地圖在更新頻率上有着極高的要求,越來越多的車廠意識到,想要做到地圖實時更新,僅僅依高精度地圖供應商很難做到地圖的全面覆蓋。因此,四維圖新正在積極合作夥伴,建立生态圈。四維圖新智能地圖研發總監于立志在演講中談到,未來動态地圖生态的建立,還需要車廠與圖商的共同努力。
   

熱門書籍

熱門文章