禾多科技亮相SAE 2018汽车智能与网联技术国际学术会议

近日，由SAE国际主办的SAE 2018国际汽车智能与网络技术大会在昆山闭幕。来自中国、美国、日本和欧洲的30多位顶尖技术专家学者齐聚本次国际技术交流活动，介绍汽车智能网联领域的学术进展和新技术应用探索成果。其中，和多科技技术总监罗培博士发表了题为“面向量产自动驾驶的高精度定位”的主题演讲，主要介绍了自动驾驶常用的定位方法，并分析了各自的优势和局限性。同时，结合禾多科技面向量产的高精度地图和高精度定位技术解决方案，深入分析了研发过程中遇到的技术难点和解决方案。和多科技技术总监罗培博士是罗培演讲的全文。在不改变初衷的基础上，小编整理如下：在自动驾驶系统中，高精度定位发挥着重要作用。一方面，帮助自动驾驶系统更好地利用高精度地图提供的信息，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，它可以帮助感知系统获得更准确的检测和跟踪结果。目前常用的高精度定位方案有四种，每种方案都有各自的优缺点。1、 GNSS/RTK&IMU定位的优势在于，当GPS连接到RTK时，它可以提供非常准确、高频和稳定的位置和姿态结果。通常，它可以实现10厘米的位置精度和小于0.1度的航向角精度。这个计划的缺点也很明显。首先，成本非常高；其次，依靠GPS，GPS信号可能会在有障碍的环境中发生跳跃；第三，依靠RTK，RTK必须在有基站的位置运行；最后，它在很大程度上依赖于IMU，因为综合定位结果包括姿态，这与IMU的精度密切相关。2.除了硬件解决方案外，反射图和海拔图也有基于软件的定位解决方案，例如基于反射图和高度图的定位方案。这个方案需要提前绘制地图。首先，将激光雷达数据与算法进行拼接，得到点云图，然后将三维点云图投影到二维平面上，生成特征图像。当车辆行驶时，通过将实时3D点云与特征图像进行匹配来实现车辆定位。该方案的优点是精度高、鲁棒性强：一般水平定位精度可达10厘米左右；当激光器被障碍物阻挡时，它也可以正常工作。还有许多缺点。首先，只能输出车辆的x和y信息，因此只能获得二维平面上的定位结果；其次，有必要提前校准激光雷达的反射值。然而，由于目前激光雷达的生产工艺，即使在不同领域使用相同的激光雷达进行校准，校准结果也可能存在显著偏差，这可能会限制这种方法的可扩展性；第三，该方案依赖于高束激光雷达，如果使用4线或8线激光雷达，将失去高精度和鲁棒性的优势。3.除了二维全球定位算法外，还有一种用于三维定位的三维激光匹配算法。该方法与反射映射方案在两个方面有所不同。首先，三维定位方法输出的定位结果包括6个自由度；其次，这种方法除了与地图匹配进行全球定位外，还支持可以输出相对定位结果的激光里程表。这种方法也有一些局限性。首先，如果进行全球定位，需要提前构建地图；

其次，非批量生产的高光束激光雷达需要稳定运行。4.前三种视觉方案都是基于激光雷达的，视觉方案也是研究热点。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方案。据悉，目前一些以L4级无人车运营为目标的初创公司，大多在硬件上使用高精度激光雷达和GPS/IMU定位解决方案。一方面，这种硬件配置成本高，不是车辆标准，而且激光雷达安装在车顶上，美观性较差。另一方面，从高精度地图的应用来看，公司需要使用高精度设备来收集和更新3D点云地图，这给扩展和维护带来了很大困难。此外，自建地图很难与第三方地图兼容。因此，这样的定位解决方案在大规模生产之前还有很长的路要走。高精度地图的三大特点与高精度定位相辅相成，包括高精度、信息丰富和实时更新。高精度：地图精度分为绝对精度和相对精度。绝对精度在分米级别，相对精度可以达到厘米级别。在自动驾驶领域，人们更关心的是相对准确性。丰富的信息：除了常见的车道线、路标和交通标志外，高精度地图还包括路肩、灯杆、树木和高架桥等信息。及时更新：高精度地图需要及时更新。如今，高精度地图主要有两种形式：语义地图和位置地图。语义地图：常见于图商，是传统导航地图的延伸。图像商家通过半自动或手动处理将原始传感器信息转换为语义元素。因此，语义图没有任何传感器的原始数据，只有抽象的语义信息。位置图：常见于互联网公司和自动驾驶初创公司。除了语义信息，它还包含用于高精度定位的原始传感器数据和一些低级特征，如原始点云或图像的特征点。在高精度定位中，高精度地图可以在三个方面提供帮助。一种是提供用于定位的特征，这些特征可以是语义的、几何的或视觉的；二是为定位提供先验信息，例如人们通过高精度地图知道动态障碍物和干扰定位的元素出现在哪里；第三是提高特殊情况下定位的稳健性，例如恶劣的天气和照明环境。换句话说，高精度定位也可以为高精度地图提供帮助。高精度地图、高精度定位和感知是相辅相成的。如果高精度地图和感知结果可用，则可以提供先验信息用于定位；如果有高精度的地图和定位结果，可以将地图元素投影到车辆坐标系中，为感知提供先验信息；如果定位和感知结果可用，则可以将感知元素投影回地图坐标系中，并与地图上的现有元素进行比较。大规模生产的高精度定位解决方案针对高速公路上的自动驾驶场景。和多科技根据场景的定位需求将其分为三类：第一类是没有高精度地图的高速公路主干道。这种情况类似于人类驾驶，不需要车辆的绝对位置和姿势。只有提供准确的车道线并了解车辆的相对运动，车辆才能保持良好的行驶状态。自动驾驶系统中的控制规划和感知工作在车辆的局部坐标系中，这与人类的驾驶行为相一致。因此，只要保证平稳性和相对运动精度，定位就可以满足自动驾驶的需求。确保平稳性的目的是为控制计划服务。如果定位有轻微的抖动，车辆控制可能会出现方向盘抖动，车辆可能会遵循S形模式；相对运动的准确性为控制规划和感知服务。对于控制规划，相对运动为车辆控制提供了精确的反馈；

对于感知而言，准确的相对运动是估计其他障碍物的速度和位置的先决条件。实际车道线检测结果是什么？事实上，单车道检测性能良好，但相邻车道的车道检测精度较差。例如，当车辆变道、超车或通过匝道时，系统稳定性将受到极大挑战。如果此时能够访问高精度地图，结果将得到显著改善。第二类是拥有高精度地图的主要公路。在这种情况下，可以执行精确的车道水平定位。您可以从地图中获取车辆周围环境的信息，实现更精确的导航控制。此外，还可以实现更好的感知。首先，地图可以明确ROI，降低计算复杂度，并获得更准确的障碍物结果；第二种是使用地图数据来校正不正确的感知结果，例如使用地图数据校正较差的车道检测结果。第三种是带有高精度地图的高速公路坡道。从上图左图可以看出，匝道处有大量高架桥，高架桥形成的障碍物会干扰GPS信号，造成GPS位置跳跃。从右边的图表中可以看出，匝道的曲率通常很大，这对车道线的感知构成了很大的挑战。有报道称，特斯拉汽车在坡道上遇到问题，比如与护栏相撞。因此，在车道线和GPS定位的可靠性较低的情况下，需要更可靠的定位方法。例如，使用基于视觉特征的定位地图来解决匝道问题，具体集成了视觉定位、车道线定位和GPS/IMU，以获得相对稳定的定位结果，从而解决了匝道定位问题。除了高速公路，“最后一公里”的智能代客泊车也是和多科技重点关注的另一个自动驾驶应用场景。如今，常见的低速L4级解决方案大多用于停车、班车和交通场景。技术解决方案是在车端安装大量传感器，通过车端算法解决车辆定位和感知问题。然而，大规模生产计划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位有限制。基于这一限制，禾多科技提出了一种将车端和场端相结合的解决方案，通过减少车端传感器的配置，并将大量计算转移到智能场端，以满足大规模生产的需求。最后，和多科技L4级代客泊车解决方案的HoloParking系统主要由四个模块组成：终端用户应用程序、云大数据服务模块、车辆模块和HoloParking's后端现场模块。在现场模块中，采用多传感器融合算法为车辆模块提供准确的定位、感知和路径规划信息，以满足L4级自动驾驶在车端的需求。

标签：

汽车资讯热门资讯