首页 » 商业 >

量产的自动驾驶高精定位出路在哪里?禾多科技正面向高低速双向聚焦

2018-08-30 16:36:35来源:网络整理

近日,由SAE Intenational(国际自动机工程师学会)主办的SAE 2018汽车智能与网联技术国际学术会议在昆山落下帷幕。30多位来自中美日欧的顶尖技术专家、学者相聚于这场国际性技术交流盛会,发表汽车智能网联领域的学术进步和新技术应用探索成果。其中,禾多科技技术总监骆沛博士发表了题为《面向量产的自动驾驶高精度定位》的主旨演讲,主要介绍了自动驾驶常用的定位方法,并分析了它们各自的优势和局限性。同时,结合禾多科技面向量产的高精地图+高精度定位的技术方案,深度解析了研发过程中遇到的技术难题和解决方法。

禾多科技技术总监骆沛博士

以下是骆沛的演讲全文,编者在不改变原意的基础上,整理如下:

在自动驾驶系统中,高精定位发挥着重要作用,一方面帮助自动驾驶系统更好地使用高精地图提供的信息,为自动驾驶系统的路径规划和车辆控制提供准确的车辆位置和姿态;同时可以辅助感知系统,得到更加准确的检测和跟踪结果。

各有优劣的常用高精定位方案

目前常用的高精定位方案有以下4种。

1、GNSS/RTK & IMU定位

此方案优点是:当GPS接入RTK之后,可以提供非常精确、高频、稳定的位置和姿态结果,一般情况下,可以达到10cm的位置精度和小于0.1度的航向角精度。

该方案的缺点也非常明显。第一,成本非常高;第二,依赖GPS,在有遮挡的环境里,GPS信号可能会出现跳变;第三,依赖RTK,而RTK须在有基站的地方才可运行;最后,严重依赖IMU,因为定位的综合结果中包括姿态,与IMU的精度息息相关。

2、反射值地图和高度值地图

除了硬件方案之外,也有基于软件的定位方案,比如基于反射值地图和高度图的方案。该方案需要预先构建地图,首先把激光雷达数据用算法进行拼接得到点云地图,再将三维的点云地图投影到二维平面上生成特征图像。当车辆运行时,通过用实时的三维点云跟特征图像进行匹配,实现车辆定位。

此方案优点是精度和鲁棒性高:一般水平定位精度可以达到10cm左右;在激光被障碍物遮挡的情况下,也可以正常工作。

缺点也同样不少,首先,只能输出车辆的x、y信息,所以只可得到二维平面上的定位结果;第二,需要预先对激光雷达的反射值进行标定,但由于目前激光雷达生产工艺的原因,即使用同一款激光雷达在不同实地做标定,标定结果也会存在很大偏差,因此可能会限制此方法的扩展性;第三,该方案依赖高线束激光雷达,如果采用4线或8线激光雷达,就会失去精度和鲁棒性高的优势。

3、3D定位

除了二维的全局定位算法,还有三维的激光匹配算法。该方法与反射值地图的方案相比,有两个不同点。首先,三维定位方法输出的定位结果包含6个自由度;其次,除了跟地图匹配进行全局定位之外,该方法还支持激光里程计,可输出相对定位结果。

同样该方法也存在一些限制。首先,若进行全局定位,需预先构建地图;第二,需要非量产的高线束激光雷达才能稳定工作。

4、视觉方案

前三种是基于激光雷达的方案,此外,基于视觉方案也是一个研究热点。纯视觉方案成本低,精度高,信息量大,但算法的鲁棒性低于激光雷达的方案。

据悉,目前部分以L4级无人车运营为目标的初创公司,定位方案在硬件上大多使用高线束激光雷达和高精度的GPS/IMU。一方面,此硬件配置成本高,非车规,而且激光雷达安装在车顶,美观性差。另一方面,从高精地图的应用来看,公司需要使用高精度设备采集、更新三维点云地图,这给扩展和维护带来了很大困难。另外,自建地图很难与第三方地图兼容。所以,此类定位方案离量产还有比较长的路要走。

高精地图与高精定位相辅相成

高精地图的三大特点包括,精度高、信息丰富、实时更新。

精度高:地图精度分为绝对精度和相对精度。绝对精度为分米级,相对精度能达到厘米级。自动驾驶领域,人们更关注的是相对精度。

信息丰富:除了常见的车道线、路标和交通标志外,高精地图还包括路肩、灯杆、树木以及高架桥等信息。

及时更新: 高精地图要求及时更新。

如今高精地图主要有两种表现形式:语义地图和定位地图。

语义地图:常见于图商,是传统导航地图的一种扩展。图商将原始的传感器信息,经过半自动或者人工处理,转换成语义元素。因此,语义地图没有任何传感器的原始数据,只有抽象的语义信息。

定位地图:多见于互联网公司和自动驾驶初创企业。除语义信息外,还包含用于高精度定位的原始传感器数据和部分低层级特征,比如原始点云或图像的特征点等。

在高精定位中,高精地图能带来三方面的帮助。一是为定位提供特征,此特征可是语义、几何、或外观的;二是为定位提供先验信息,例如人们通过高精地图知晓何地出现动态障碍物和干扰定位的元素;三是提升定位在特殊情况下的鲁棒性,例如恶劣天气和光照环境。

反言之,高精定位也能为高精地图提供帮助。

高精地图、高精定位和感知三者相辅相成。假如具备高精地图和感知结果,就可为定位提供先验信息;假如具备高精地图和定位结果,就可把地图元素投影到车体坐标系中,为感知提供先验信息;假如具备定位和感知结果,就可把感知元素反向投影回地图坐标系,将感知元素与地图已有元素进行比对。

面向量产的高精定位方案

针对高速公路自动驾驶场景,禾多科技根据对定位的需求把场景分为三大类:

第一类是没有高精地图的高速公路主路。此情况如同人类开车,并不需要车辆绝对的位置和姿态,只需提供准确的车道线并知晓自身车辆的相对运动,车辆就可以保持较好的行驶状态。

自动驾驶系统中的控制规划和感知是工作在车辆的局部坐标系内,与人类开车行为不谋而合。因此,定位只要保证平滑性和相对运动的准确性就可满足自动驾驶的需求。

其中,保证平滑性的目的是为了服务于控制规划,如果定位出现些许抖动,车辆控制可能会表现出方向盘抖动以及车辆走S形的情况;而相对运动的准确性则为控制规划和感知两者服务,对控制规划而言,相对运动为车辆控制提供准确反馈;对感知而言,准确的相对运动是估算其它障碍物的速度和位置的前提。

实际车道线检测结果如何呢?

现实中,单个车道线检测方面表现良好,但相邻车道的车道线检测的准确性表现较差,例如车辆在变道、超车、经过匝道时,系统稳定性将受到极大挑战。假如此时能够接入高精地图,结果将得到明显改善。

第二类是有高精地图的高速公路主路。该情况下,能进行准确的车道级定位。就可以从地图中得知车辆周围环境信息,并能够做到更精准的导航控制。

另外,还可实现更好的感知。一是地图能明确ROI(region of interest),降低计算量,得到更为准确障碍物结果;二是运用地图数据修正错误的感知结果,例如用地图数据修正不佳地车道线检测结果。

第三类是有高精地图的高速公路匝道。

从上图的左侧图中可以看出,匝道地方有大量高架桥,高架桥形成的遮挡会干扰GPS信号,造成GPS位置的跳变。从右侧的图中可以看到,匝道道路的曲率一般较大,对车道线的感知构成很大挑战。曾有报道称,Tesla车辆在匝道出现问题,比如撞上护栏。

所以,在车道线和GPS定位的可靠性较低的情况下,需要有一种更可靠的定位方式。比如采用视觉特征的定位地图来解决匝道问题,具体是将视觉定位、车道线定位、GPS/IMU融合在一起,得到较稳定的定位结果,从而解决匝道定位问题。

高速公路除外,面向“最后一公里”的智能代客泊车,同样是禾多科技聚焦的另一自动驾驶应用场景。

现如今,常见的低速L4级方案多用于泊车、接驳和运输场景。其中的技术解决方案都是在车端安装大量的传感器,并通过车端算法来解决车辆定位和感知问题。然而,量产化的方案对车辆上的传感器有严格的要求,对传感器的成本和计算单元都有所限制。

基于此限制,禾多科技提出了车端与场端结合的方案,通过降低车端传感器配置,将大量的计算转移到智能场端,从而满足量产化的需求。

最后,禾多科技L4级代客泊车解决方案HoloParking系统主要包含4个模块:终端用户的APP、云端大数据服务模块、车端模块和HoloParking的后台场端模块。在场端模块中通过多传感器融合算法来为车端模块提供准确的定位,感知和路径规划等信息,以满足车端L4级自动驾驶的需求。(来源:新智驾)