<mark id="oztn4"></mark>
0
雷鋒網按：第 19 屆亞太汽車工程年會 & 2017 中國汽車工程學會年會暨展覽會（APAC 19 & 2017 SAECCE）于10月24-26日在上海舉辦，本次論壇以“未來汽車與交通變革”為主題，逾 3000 位國內外業界嘉賓共同探討汽車產業車廠與零部件協同創新和技術發展路徑。
在“從駕駛輔助到自動駕駛，高精度地圖與定位的發展道路”分論壇上，中海庭董事長羅躍軍作了名為“備戰自動駕駛，高精度地圖面臨的機遇與挑戰”的主題演講。這也是今年9月底上汽宣布控股中海庭后，后者首次對外發聲。以下內容由雷鋒網編輯整理。
自動駕駛這個領域，政策支持和標準落地將推動自動駕駛實現標準化、自主化。AI技術的長足發展給自動駕駛的實現提供了條件，并深度應用于感知、建圖、決策等環節，顯著提高了汽車智能的水平。而定位、雷達、視覺等傳感器協作融合，通過算法處理形成完成的汽車周邊駕駛態勢圖，提供駕駛決策依據。
在這種環境下，汽車產業將發生新一輪的產業整合升級——而核心的驅動力，就來自人工智能和傳感器技術的快速發展。
Waymo通過多個傳感器冗余來保證安全問題。但即使這樣的情況下，自動駕駛依然尋找很多不穩定因素，比如在傳感器中，視覺和激光雷達的感知范圍依舊有限，不可能感知無限遠的距離。在某些環境下（如雨雪霧），這些傳感器也會失靈。
這就是自動駕駛魯棒性欠缺的問題：
在環境感知方面，由于多種傳感器測量的邊界，包括視覺、激光感知范圍有限；傳感器的環境感知限制，如激光雷達在塵土飛揚的路上失靈；攝像頭在雨雪天氣無法工作。
在車身定位方面，在高架橋、隧道等地方GPS信號失鎖；慣導系統隨著時間會產生誤差累積；
在決策控制方面，道路寬度、曲率、坡度、限速等很少變化的先驗經驗缺失，實時計算效率和準確度受限；僅靠實時感知的傳感器，自動駕駛無法進行遠距離規劃。
這時候需要引入一個高精度地圖傳感器，在無死角、無限性、全天候、全天時情況下，依然能夠保持正常工作。
羅躍軍表示，高精度地圖是現有傳感器的增強和補充，主要體現在以下三方面：地圖視覺、消解其他傳感器誤差、更豐富的細節，更全面的感知。
傳感器系統，無論是激光雷達還是視覺，因為遮擋和距離的原因，它是會受到限制的。但地圖不會受到限制，同時，它能夠消除部分傳感和誤差，有些傳感器無法識別真實和虛擬之間的區別，有些比如坡度過大的時候，需要地圖來進行補充。還有一些更豐富的細節和感知，如下雪天，任何傳感器都會失效，地圖依然能發揮作用。
同時，高精地圖還可以充當駕駛經驗的載體。我們可以收集眾多駕駛員信息，通過多維時空數據的挖掘，分析危險區域，作為一個新的知識、駕駛經驗數據集提供給新的駕駛者。
高精地圖還能提供認知和決策參考：
1、地圖提供控制決策依據；
2、地圖結合傳感器進行認知。高精地圖“反哺”，輔助車身定位。例如，識別交通標志牌后將其作為地圖上的定位參考點。
在業內我們聽到一些聲音，高精地圖到底是什么？很多人宣稱“我做的是高精地圖”。比如圖商會從汽車的角度去理解高精地圖，就是以數據可測量的方式。對一些創業公司而言，如果它找到的視覺或激光點云特征點，也可以認為是高精地圖。
那么，到底什么是高精地圖？
高精度地圖提供更完善的周邊環境和更精確的定位，為自動駕駛提供決策支持，保證行車安全——這是它的核心功能。無論是什么樣形態的高精地圖，它要滿足這樣的核心功能。
內涵則是包含動態變化的時空位置場表達。如果把很多位置信息認為是一個三維空間，在高精地圖里，我們還需要增加兩個維度：一是時間維度，所有位置都是動態變化的；二是可變維度，任何數據的精度和粒度是可變的。
如此，我們可以看到將內涵時空場表達確定之后，這個內涵實際上可以產生很多外延。Road DNA也好，或特征地圖也好，它只是這種內涵的一個外延，一種表現形式而已。
在這里，高精度的含義，指的就是地圖的坐標精度更高，道路交通信息元素豐富精細，為定位和路徑規劃提供精細依據。
現在的高精地圖，有了內涵之后，還需要尋找一個使用場景。以前的地圖是給人使用的，現在的地圖是給車自動駕駛汽車使用的，所以它要更貼近于人類認知和機器智能，它是一個更詳細、更新和可變尺度的表達。
上圖不同的分層：真實世界、傳統導航地圖模型、高精地圖模型，就是一個可變的尺度。這就是在高精地圖時空表達中——可變尺度的維度。
高精地圖的數據表達模型，必須要增加一個時間維度。如何理解時間維度？我們把它分為靜態數據模型和動態數據模型。
高精地圖為自動駕駛服務，它需要將道路基本形態，通過地圖或矢量數據來正確表達出來。在靜態高精地圖模型中，車道要素模型包括車道中心線、車道邊界線、參考點、虛擬連接線等。
車道中軸線采自于實際車道的中軸線位置，該對象用于車輛定位和引導車輛行駛；
車道邊界線記載了實際道路中各條車道的形狀信息和類別信息；
車道曲度參照點：對曲度達到一定閾值的車道設定的曲度參照點；
虛擬連接車道：在浮躁路口處，用于連接兩條車道中軸線的虛擬車道線；
道路標高采集點：記載存在海拔變化的采集點，表達道路的三維模型。
在靜態高精地圖基礎上，還有動態地圖的概念。
動態高精地圖模型是指提供車輛位置附近前后一定距離（或時間）的高精度豐富信息，如天氣、地理環境、道路交通、自車狀態等，有效疊加在靜態高精地圖上。
地圖是除了位置三維空間之外，還需要時間軸、可變維度等等。地圖在自動駕駛中的作用，就是一個時空場，因為它是所有數據融合和決策的基礎平臺，所以我們可以加入更多的維度，比如駕駛員狀態信息、車輛狀態信息、道路狀態信息、天氣環境狀態信息。這些狀態信息可以作為其他變量，加入到時空場中。
這樣產生出來的動態高精地圖可以作為自動駕駛的基礎或載體呈現出來。
我們再理解一下，自動駕駛汽車有很多傳感器，這些傳感器需要融合，這意味著必須要有一個統一的時間和地點才能融合。否則，不同時間、不同地點的傳感器數據無法融合。
統一時間、統一地點、統一環節就是地圖的時空場表達，這是一個天然的融合平臺。所以地圖作為自動駕駛的基本功能外，還有這部分未顯現的功能，這就是它最大的核心價值所在。
介紹地圖的內涵后，地圖還有很多外延，很多表達方式。
從谷歌開始的激光點云+矢量數據；Mobileye的RoadBook；TomTom的RoadDNA，高德、百度、Here和光庭的矢量地圖；谷歌、Momenta的柵格HDmap，大陸的電子地平線等等。
這些表達的就是時空場數據，只是表現形式、表現內容稍有不同，但功能是一樣的。
在它的外延中，我們可以看到多場景化的高精度地圖。
一般常見的就是把高精地圖按照結構化、非結構化和半結構化區分，簡單說就是高速公路、城區道路和復雜路況，這是最基本的一個畫面。但實際上道路的情況是千差萬別的，有很多特殊的情況。
比如說環島轉盤，就是一種非常復雜的道路情況。那么這種地圖的表達，它的復雜程度與結構化道路要復雜得多。
還有其他應用場景，如停車場、BRT和試車場。
一些室內停車場的數據，它的數據內容和表達是不一樣的；在BRT這個數據中，它可能更關注的不是道路本身，而是車站以及BRT巴士能不能夠準確對接的出入口；試車場看起來與其他道路沒什么區別，但車場內要做大量實驗，車速非常快，它對道路精度要求非常高。
所以，地圖在外在的表達形式是多種多樣的。
隨著自動駕駛的發展，更多的汽車廠、風投越來越認識到高精地圖的重要性。BBA投資了Here地圖，福特、上汽投資了Civil Maps 、軟銀投資 Mapbox等一系列投資，無非就是汽車行業和IT巨頭們非常看重這些創新企業或者圖商在未來的發展潛力。
同時，BAT通過收購、控股或入股的方式將幾大的數據商全部瓜分，在國內要搶占高精度地圖或導航電子地圖資質的門檻。
我們看到資本或者其他自動駕駛的玩家們，都越來越看重地圖的重要功能。這給地圖帶來非常好的發展機遇。
在這么好機遇下，高精地圖的發展還面臨如下挑戰：
高精地圖到底需要多高的精度？
高精地圖如何保持鮮度？
如何降低高精度地圖的量產車本？
高精地圖的合法性與標準化。
高精地圖的精度到底要求有多高？如上圖，不同數據內容表達的精度是不同的。這只是簡單的一個例子而已，真實情況其實比它更復雜，不同場景面臨的精度要求也不同。
簡單說，就算道路寬度或道路車線精度是正負10厘米，但如果在隧道里，我們還需要做到正負10厘米嗎？因為定位根本做不到正負10厘米，那么數據做到正負10厘米實際上是沒有用處的。包括在室內的部分定位也是一樣的。所以在不同場景下，它對精度要求是不一樣的。
這也與自動駕駛的需求有密切關系。不同階段的自動駕駛（Level 1到Level 5）的功能，會因為具體的精度而有不同需求。所以精度就是地圖中一個可變的尺度，可高可低。
目前看，無論是從圖商還是車企角度來看，精度問題都沒有非常準確的答案。
業界有一種說法，就是“相對精度做到20厘米”，這是好多車廠和自動駕駛團隊的需求，但這個說法本身就有問題。
在測繪界，“相對精度”是不會有一個絕對值的，它是一個量級百分比，所以“相對精度”的提法是有問題的。舉個例子，車線寬度正負10厘米，信息牌是正負50厘米，它的精度會不一樣，但實際上它的作用是一樣的，為什么一樣？
車輛如果在道路上行駛的時候，從車輛本身看車線的精度，它離車線很近，可能就兩三米遠，這個時候正負10厘米的誤差，影響很大。但是它離信息牌很遠，可能十幾米，這個時候50厘米的誤差，與車線的10厘米誤差，可能就是一樣的。
所以這種精度在表達的時候，“相對精度20厘米”的表達是不準確的。這也是我們面臨的一個非常大的問題：如何準確的定義我們所需要的精度并達成一致？
第二個挑戰是地圖如何更新。
很多團隊說高精地圖沒用。為什么沒有用？現實世界是千變萬化的，地圖做出來就是一次性的、是靜態的。
我們談到地圖高精動態，但實際上，我們在如何制作動態地圖的時候，就需要考慮如何更新。實際上很簡單——通過眾包。
這種方法的來源是多種多樣的，來源于政府的智慧城市和智慧交通上的的業務、大數據人工智能方面的分析業務、共享業務、手機終端服務數據以及車廠中的導航業務、自動駕駛的任務以及人工智能業務。
簡單說，只要擁有通訊的智能設備，只要它能夠獲得位置信息，這個位置信息的精度能達到一定精度，這樣的數據來源就是我們做地圖更新的數據來源。這是一個簡單的業務閉環的概念。
我們將HAD多級數據提供給政府、車廠和普通用戶，他們在使用之后，不斷傳回這些位置數據。通過這種眾包方式來更新地圖，這也是我們未來的發展趨勢，同時面臨的挑戰也非常之多。
首先是數據的精度，有沒有那么多高速定位的設備來反饋這樣的數據；其次是這些閉環是否能夠無縫打造；最后是各家是否愿意將數據貢獻出來。這在未來都是非常大的課題。
高精地圖的生產成本可能是圖商之間談論比較多的問題。如上圖，生產成本隨著精度的上升而提升。從Level 2到Level 5，它對數據要求的內容和精度的要求會越來越高。
在數據采集過程中，從作業效率一人/天百公里，一直到Level 5已經降到了每天能做幾公里的速度。這個生產效率的下滑，相當于成本在不斷提升。
在這種情況下，我們需要引入人工智能。隨著人工智能的提高，高精地圖的生產成本會逐步下降，最終趨于平穩。
地圖制作包含哪些內容？首先是車線識別、特征點提取、構建車道的拓撲網絡以及制作各種地物（人行橫道、標線、交通標志）等等，這是一個很基礎的數據制作內容。
按照圖商制作的方式，這些是分為很多步驟來實現的，每一步都涉及到很多的質量控制和成本。在這樣的一個基礎上，中海庭針對這種情況，開發了自動化生產的平臺，引進AI技術和自動化生產技術引。
比如在基于激光點云的處理中，我們通過自動化識別的方式來自動化提取道路標線，把各種標線提取之后，車線以及路面標識都可以通過自動化方式來實現。
在路口拓撲的構建中，我們選擇不同模式，通過我們的自動化生產平臺就能自動地將路口所有的拓撲關系自動生成出來。
整個生產過程中，是一步到位來實施的，把所有中間過程全部給省掉了。我們將有些通過數據編譯的過程，全部融合到生產過程中，這是一次性到位，極大減少了中間過程。這樣我們可以降低高精地圖生產成本。
再介紹一個不常見的問題，就是“級聯式”生產方式。
說到自動駕駛，地圖一定是多尺度和可變緯度的。所以從2D、ADAS到三維的高精地圖，它是一個不同層次的地圖。
在現有的生產過程中，包括各個友商，其實都是使用不同的生產線來生產高精地圖。那么未來我們要把這樣的生產過程集中到一個平臺上。
在業內，大家都注意到一個問題：就是HAD地圖/高精度地圖如何與傳統地圖進行匹配？如何通過共有點或參考點來進行關聯，這是一個很復雜的過程。
同時在整個對應過程中，成本非常高，難度非常大，同還涉及到大量人工干預的過程。那么，在我們以后高精地圖的生產過程中，采用級聯的生產方式，自動生成這些關聯方式，避免復雜的處理。
在談了幾大挑戰之后，其實最核心的問題可能是政策問題。
法律法規問題在國際上一直存在，只是國外更加注重安全，更加注重于價值授權方面的法律法規。在中國，就有獨特的社會法規來進行限制。
在《基礎地理信息公開表示內容的規定》中就規定，快速路、高架路、引道、街道和內部道路的鋪設材料、最大縱坡、最小曲率半徑不可公開。同時，也不能記錄涉密的地理信息數據（坐標、高程等）。
所以在自動駕駛中，關于坡度和高程問題無法使用的問題，對地圖造成非常大影響。但更重要的就是加密，加密帶來的誤差。
在測繪領域的加密，造成的精度誤差，實際上并不是大家所理解的那樣：加密之后，地圖全部偏轉和扭曲。它實際上是兩個步驟，一個是地圖偏轉，另外一個是定位偏轉。
定位偏轉和地圖偏轉如果是一樣的，那就沒有任何問題。但現在它的問題是兩者不同，它會有隨機誤差。目前通過加密的調參數，可以做到定位加密和地圖加密偏差不超過20厘米。
如何減少加密對自動駕駛產生的影響（是減少影響，影響依然存在）。20厘米只是一個坐標偏離的問題，但實際上還有很多精度是沒有考慮，比如相位的變化，有可能通過正負10厘米的偏差之后，導致相位發生反轉，這是非常嚴重的問題。
除了法規，在高精地圖標準化方面，我們也做了很多工作。在國際上做得最好的就是ISO，它將地圖是成系列的來進行標準化的定義。
那么相對應地，在國內有中國智能交通產業聯盟、NDS協會和智能網聯汽車產業聯盟，有多個組織來考慮地圖標準化的工作。
既然是挑戰，它還面臨的問題是什么？在制作高精地圖過程中，這種標準化還不夠，還有采集標準、通訊標準、接口標準等一系列標準，它要成一個體系，才能滿足自動駕駛需求。
這樣成體系的工作需要更多組織和同仁共同探討。未來無論是圖商、還是車廠，我們希望能夠緊密合作，將標準化推到一定高度，滿足自動駕駛的需求。
這就是中海庭對高精地圖面臨問題的闡述：機遇和挑戰是并存的。未來面向自動駕駛高精地圖的需求，還有大量的工作要做。雖然挑戰存在，但我們相信通過努力還是能夠達成的。
*雷鋒網注：本文 PPT 由中海庭提供
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
