自动驾驶系统中感知轻地图的获取设计方案

智驾最前沿 2023-10-17 08:02

--关注、星标、回复“大模型”--

↓↓免费领取:大模型赋能自动驾驶研究↓↓

在过去的几十年里,视觉映射和定位的研究变得越来越流行。传统的基于视觉的方法侧重于同时定位和小规模室内环境中的地图绘制 (SLAM)。在自动驾驶任务中,方法更注重大范围的室外环境。2030 年为车云链路产业规模基本成型期望年限,车云链路的成熟为轻地图方案和图商自身业务发展的发展带来巨大效益。

欢迎关注「智驾最前沿」微信视频号

行业内对于高精地图和轻地图的方案也是争论不休,目前很多厂家或者 Tier1 已经倾向于采用轻地图方案来代替高精地图来实现基础的融合定位功能。如下表表示了行业内典型的地图应用案例分析以及轻地图和高精地图的设计原理上的差异。


常规地图分类概述

为了弄清整体的轻地图方案,这里需要将常规的几类地图功能进行对别分析。通常,我们的地图分类主要包括导航地图 SD、专业版导航地图 SDPro、ADAS 地图、高精地图 HDLite 版、高精地图 HD、众包地图。以上几种地图拥有其各自不同的特性,在实际融合定位和地理信息识别中起到了不同的作用。

序号

地图分类

特征信息

1

导航地图 SD

1 路由寻径:起始点搜索、导航路径树

2 交通信息:道路级限速

3 信息点:兴趣点、地址信息

4 基础路网:道网数据、拓扑信息

2

专业版导航地图 SDPro

1 路由寻径:起始点搜索、导航路径树

2 交通信息:道路级限速

3 车道信息:车道中心、车道边界、道路边界

4 信息点:兴趣点、地址信息

5 参考线:道路参考线、道路信息与拓扑

3

ADAS地图

1 路由寻径:起始点搜索、导航路径树

2 交通信息:道路级限速

3 几何信息:曲率、航向、横坡、纵坡

4 车道信息:车道中心、车道边界、道路边界

5 信息点:兴趣点、地址信息

6 参考线:道路参考线、道路信息与拓扑

4

高精地图 HDLite 版

1 路由寻径:起始点搜索、导航路径树

2 交通信息:车道级限速、车道限制信息

3 几何信息:曲率、航向、横坡、纵坡

4 车道信息:车道中心、车道边界、道路边界及对应详细信息

5 参考线:道路参考线、道路信息与拓扑

5

高精地图 HD

1 路由寻径:起始点搜索、车道级导航路径

2 对象信息:箭头、信号灯、标牌、导流区、护栏、收费

3 交通信息:车道级限速、车道限制信息

4 几何信息:曲率、航向、横坡、纵坡

5 车道信息:车道中心、车道边界、道路边界及对应详细信息

6 参考线:道路参考线、道路信息与拓扑

6

众包地图

道路拓扑、路径规划、对象信息、车云链路

如上表所示,与 SD 相比,SDPro 地图增加了基础车道信息,可支持抬头显示功能开发;而 ADAS 地图又增加了曲率、坡度、航向道路几何信息;HDLite 相对于 ADAS 信息来说,要素种类相当,但是其精度略高于 ADAS 地图。HD 地图在 ADAS 地图基础上又增加了详细的对象信息,丰富了交通限制信息,信息精确至车道级。同时,在 HDLite 基础上增加了对象信息。考虑到地图新鲜度和更新速度,众包地图又通过单车智能感知、逻辑运算等,利用强大的车云、云云、车车链路,实时生成、更新、共享在线地图。


感知轻地图的获取设计方案

如下图,表示了整个感知语义地图过程需要应用到的关键技术和方法:

第一部分是车载映射。使用配备前视摄像头、RTK-GPS 和基本导航传感器(IMU 和车轮 编码器)的车辆。这些车辆一般搭载在各个运营车上,每天收集大量实时数据,通过分割网络从前视图图像中提取语义特征。然后基于优化的车辆姿态将语义特征投射到世界框架,在车辆上构建本地语义地图。该本地地图后续会被上传到云地图服务器。

第二部分是云端映射。云服务器从多辆车收集本地地图,当地地图合并成一张全局地图。然后通过轮廓提取对全局地图进行压缩。最后,将压缩后的语义图发布给最终用户。

最后一部分是最终用户本地化。最终用户是量产车,它们配备低成本传感器,例如摄像头、低精度GPS、IMU和车轮编码器。终端用户从云服务器下载语义地图后对其进行解码。与车载测绘部分相同,通过分割从前视图图像中提取语义特征。车辆通过语义特征匹配在地 图上定位。

整个通过感知建图的过程系统由如下几个步骤完成,其中包括图像分割、姿势图优化、 本地映射、地图合并更新、地图压缩几个模块。

相应的设计原理如下:

1、图像分割

本文将前视图像分割成多个类,如地面、车道线、停止线、路标、路缘、车辆、自行车和人。在这些类别中,地面、车道线、停止线和道路标记用于语义映射。其他类可以用于其他自动驾驶任务。

如下图所示为一个图像分割的例子。图(a)显示了前视摄像头拍摄的原始图像。图(b) 显示相应的分割结果。图(c)(d)(e)(f)则表示了相应的语义建图到车辆坐标系下的适配过程。

从图像分割来看,每个点都包含一个类标签(地面、车道线、路标和人行横道)。每个点代表世界框架中的一个小区域。车辆在行驶过程中,可以对一个区域进行多次观察。然而, 由于分割噪声,这个区域可能分别进入不同的分类。为了克服这个问题,可以使用统计数据来过滤噪音。地图分为小格子,分辨率为 0:1×0:1×0:1 米。每个网格的信息包含位置、语义标签和每个语义标签的计数。语义标签包括地面、车道线、停止线、地面标志和人行横道。

一开始,每个标签的分数都是零。当一个语义点被插入到一个网格中时,相应标签的分数增加 1。因此,得分最高的语义标签代表网格的类别。通过这种方法,语义图变得准确并且对分割噪声具有鲁棒性。分割后,语义像素从图像平面反向投影到车辆坐标下的地平面。此过程也称为逆透视映射 (IPM)。过程中的投影矩阵包含相机内外参数标定,而摄像机的内在参数和从摄像机到车辆中心的外在变换是离线标定的。由于存在透视噪声,场景越远,误差越大。可以只选择感兴趣区域(ROI)中靠近相机中心的像素。比如,此 ROI 表示车辆前方的 12m × 8m 矩形区域。

假设地面是平面,每个像素[u; v] 投影到车辆坐标下的地平面(z 等于 0),如下公式所示,

其中 πc(·) 是相机的畸变和投影模型。πc(·)−1 是逆投影,它将像素提升到空间中。[Rc tc]是每个相机的外部矩阵关于车辆的中心;[u v]是像素位置图像坐标;[xv yv] 是特征在车辆的中心坐标;λ是标量。[]coli:的意思取该矩阵的第 i 列。图像中ROI 中的每个标记像素都投影在车辆前方的地面上。

2、姿势图优化

姿态图优化每时每刻都提供可靠的车辆姿态。基于这个优化的姿势,第 i 帧中捕获的语义特征从车辆坐标转换为全局坐标,如下公式表示:

要构建地图,车辆的准确姿态是必要且准确的。虽然使用了 RTK-GNSS,但它不能始终保证可靠的位姿。因为,即便是在开阔地带 RTK-GNSS 也只能提供厘米级定位。而在城市场景中,它的信号很容易被高楼遮挡。通常,我们采用导航传感器(IMU 和轮速)来实现在 GNSS 封锁区域提供里程计。然而,这样的里程计长期也存在累积漂移问题。

这个问题可以用如下图所示的示意图表示。

蓝线是GNSS良好区域的轨迹,由于使用的高精度RTK GNSS,可以认为它是准确的。在 GNSS 阻断区,里程计轨迹用绿色绘制,漂移很大。为了缓解漂移,就需要对位姿图执行优化。优化后的轨迹用红色画出,平滑无漂移。

右图是姿势图示意图。蓝色节点是状态特定时间的车辆,其中包含位置 pt 和方向 Rt。有两种边缘。这里有两种边缘,蓝色边缘表示 GNSS 约束,仅存在于 GNSS 信号状态好的时刻,它只影响一个节点,绿色边是里程计约束,它随时存在,它约束两个相邻节点。蓝色节点是车辆在某一时刻的状态s,包含位置 p 和方向 q。我们使用四元数 q 来表示方向。操作 R(q) 可以将四元数转换为旋转矩阵。

由此,位姿图优化的过程可以表示为以下等式:

其中s是姿势状态(位置和方向)。ro 是里程计因子的残差。m^oi−1  ;i 是里程计测量值,它包含两个相邻状态之间的增量位置 δp^i−1;i 和方向 δq^i−1;i。rg 是 GNSS 因子的残差。G 是 GNSS 在信号好区域的状态集。m^ig  是 GNSS 测量值,即全局坐标系中 的位置 p^i。

3、本地映射

该语义图进一步用于本地化。与映射过程类似,语义点是从前视图像分割中生成的,并投影到车架中。然后通过当前特征点与地图的匹配来估计车辆的当前位姿,估计采用通用的 ICP 方法,可以写成以下等式:

其中 q 和 p 是四元数和当前帧的位置。S 是当前特征点的集合,[xvk ykv 0]为车辆坐标下的当前特征,[xwk ykw zkw]是全局坐标下目标在地图中的最近点。

最后采用扩展卡尔曼滤波器EKF 框架,将里程计与视觉定位结果融合在一起。该滤波器不仅增加了定位的鲁棒性,而且平滑了估计的轨迹。

4、地图合并/更新

云地图服务器用于聚合多辆车捕获的海量数据。它及时合并本地地图,以便全局语义地图是最新的。为了节省带宽,只将本地地图占用的网格上传到云端。与车载建图过程相同, 云服务器上的语义地图也被划分为分辨率为 0:1×0:1×0:1m 的网格。局部地图的网格根据其位置添加到全局地图。具体来说,将局部地图网格中的分数添加到全局地图上的相应网格中,这个过程是并行的。最后,得分最高的标签是网格的标签。

5、地图压缩

云服务器生成的语义地图将用于大量量产车的定位。然而,传输带宽和车载存储在量产车上是有限的。为此,语义地图在云端进一步压缩。由于语义图可以通过轮廓有效地呈现,可以使用轮廓提取来压缩地图。生成语义地图的顶视图图像,每个像素呈现一个网格。其次,提取每个语义组的轮廓。最后,轮廓点被保存并分发给量产车。

6、地图解压

当最终用户收到压缩地图时,语义地图从轮廓点解压缩。在俯视图像平面中,我们用相同的语义标签填充轮廓内的点。然后将每个标记的像素从图像平面恢复到世界坐标系中。


感知地图的关键能力总结

通过以下关键技术和方法的发展和完善,轻地图在自动驾驶系统中的应用将更加广泛和有效,为实现安全、高效的自动驾驶做出贡献。

1、地图数据压缩和存储

为了提高地图数据传输和查询的效率,轻地图需要进行有效的压缩和存储。采用矢量数据存储和层级结构设计,可以将地图数据按照不同粒度进行存储,有助于减小数据量并提高查询速度。

2、传感器融合

自动驾驶系统通常需要融合多种传感器数据,如 GPS、IMU、激光雷达、摄像头等,以获取更准确的车辆定位和环境感知信息。传感器融合算法需要考虑各种传感器的误差特性,实现高精度的定位和感知。

3、SLAM(Simultaneous Localization and Mapping)技术

SLAM 是一种在未知环境中实时构建地图并定位的技术,通常用于机器人和自动驾驶领域。通过 SLAM 技术,自动驾驶系统可以实现实时地图更新和高精度定位。

4、机器学习与深度学习

利用机器学习和深度学习算法,可以从大量驾驶数据中学习和提取有用的特征,用于路面识别、车道线检测、交通标志识别等任务。这些算法可以提高自动驾驶系统的感知能力和决策质量。

5、通信技术

为了实现实时地图更新和共享,自动驾驶系统需要与云端服务器进行高速、 稳定的通信。5G、V2X(车对车、车对基站通信)等先进通信技术可以支持高带宽、低延迟的数据传输,为自动驾驶系统提供实时的地图和交通信息。

6、安全性和隐私保护

自动驾驶系统需要确保地图数据的安全性和用户隐私。采用加密、认证等技术,保护地图数据和用户信息免受恶意攻击和滥用。同时,设计合理的数据处理和存储策略,遵守相关法规和标准。本文针对轻地图方案提供了一种用于自动驾驶任务中轻量级定位的新框架,其中包含车载映射、云端地图维护和用户端定位。使用传感器丰富的车辆(例如机器人出租车)来造福低成本量产车,传感器丰富的车辆收集数据和有地方更新环境信息的地方每天自动更新。

转载自焉知汽车,文中观点仅供分享交流,不代表本公众号立场,如涉及版权等问题,请您告知,我们将及时处理。

-- END --

智驾最前沿 「智驾最前沿」深耕自动驾驶领域技术、资讯等信息,解读行业现状、紧盯行业发展、挖掘行业前沿,致力于助力自动驾驶发展与落地!公众号:智驾最前沿
评论
  • 在海洋监测领域,基于无人艇能够实现高效、实时、自动化的海洋数据采集,从而为海洋环境保护、资源开发等提供有力支持。其中,无人艇的控制算法训练往往需要大量高质量的数据支持。然而,海洋数据采集也面临数据噪声和误差、数据融合与协同和复杂海洋环境适应等诸多挑战,制约着无人艇技术的发展。针对这些挑战,我们探索并推出一套基于多传感器融合的海洋数据采集系统,能够高效地采集和处理海洋环境中的多维度数据,为无人艇的自主航行和控制算法训练提供高质量的数据支持。一、方案架构无人艇要在复杂海上环境中实现自主导航,尤其是完
    康谋 2025-03-13 09:53 44浏览
  • 文/Leon编辑/cc孙聪颖作为全球AI领域的黑马,DeepSeek成功搅乱了中国AI大模型市场的格局。科技大厂们选择合作,接入其模型疯抢用户;而AI独角兽们则陷入两难境地,上演了“Do Or Die”的抉择。其中,有着“大模型六小虎”之称的六家AI独角兽公司(智谱AI、百川智能、月之暗面、MiniMax、阶跃星辰及零一万物),纷纷开始转型:2025年伊始,李开复的零一万物宣布转型,不再追逐超大模型,而是聚焦AI商业化应用;紧接着,消息称百川智能放弃B端金融市场,聚焦AI医疗;月之暗面开始削减K
    华尔街科技眼 2025-03-12 17:37 146浏览
  • 曾经听过一个“隐形经理”的故事:有家公司,新人进来后,会惊讶地发现老板几乎从不在办公室。可大家依旧各司其职,还能在关键时刻自发协作,把项目完成得滴水不漏。新员工起初以为老板是“放羊式”管理,结果去茶水间和老员工聊过才发现,这位看似“隐形”的管理者其实“无处不在”,他提前铺好了企业文化、制度和激励机制,让一切运行自如。我的观点很简单:管理者的最高境界就是——“无为而治”。也就是说,你的存在感不需要每天都凸显,但你的思路、愿景、机制早已渗透到组织血液里。为什么呢?因为真正高明的管理,不在于事必躬亲,
    优思学院 2025-03-12 18:24 81浏览
  • DeepSeek自成立之初就散发着大胆创新的气息。明明核心开发团队只有一百多人,却能以惊人的效率实现许多大厂望尘莫及的技术成果,原因不仅在于资金或硬件,而是在于扁平架构携手塑造的蜂窝创新生态。创办人梁文锋多次强调,与其与大厂竞争一时的人才风潮,不如全力培养自家的优质员工,形成不可替代的内部生态。正因这样,他对DeepSeek内部人才体系有着一套别具一格的见解。他十分重视中式教育价值,因而DeepSeek团队几乎清一色都是中国式学霸。许多人来自北大清华,或者在各种数据比赛中多次获奖,可谓百里挑一。
    优思学院 2025-03-13 12:15 47浏览
  •        随着人工智能算力集群的爆发式增长,以及5.5G/6G通信技术的演进,网络数据传输速率的需求正以每年30%的速度递增。万兆以太网(10G Base-T)作为支撑下一代数据中心、高端交换机的核心组件,其性能直接决定了网络设备的稳定性与效率。然而,万兆网络变压器的技术门槛极高:回波损耗需低于-20dB(比千兆产品严格30%),耐压值需突破1500V(传统产品仅为1000V),且需在高频信号下抑制电磁干扰。全球仅有6家企业具备规模化量产能力,而美信科
    中科领创 2025-03-13 11:24 40浏览
  • 文/杜杰编辑/cc孙聪颖‍主打影像功能的小米15 Ultra手机,成为2025开年的第一款旗舰机型。从发布节奏上来看,小米历代Ultra机型,几乎都选择在开年发布,远远早于其他厂商秋季主力机型的发布时间。这毫无疑问会掀起“Ultra旗舰大战”,今年影像手机将再次被卷上新高度。无意臆断小米是否有意“领跑”一场“军备竞赛”,但各种复杂的情绪难以掩盖。岁岁年年机不同,但将2-3年内记忆中那些关于旗舰机的发布会拼凑起来,会发现,包括小米在内,旗舰机的革新点,除了摄影参数的不同,似乎没什么明显变化。贵为旗
    华尔街科技眼 2025-03-13 12:30 60浏览
  • 在追求更快、更稳的无线通信路上,传统射频架构深陷带宽-功耗-成本的“不可能三角”:带宽每翻倍,系统复杂度与功耗增幅远超线性增长。传统方案通过“分立式功放+多级变频链路+JESD204B 接口”的组合试图平衡性能与成本,却难以满足实时性严苛的超大规模 MIMO 通信等场景需求。在此背景下,AXW49 射频开发板以“直采+异构”重构射频范式:基于 AMD Zynq UltraScale+™ RFSoC Gen3XCZU49DR 芯片的 16 通道 14 位 2.5GSPS ADC 与 16
    ALINX 2025-03-13 09:27 32浏览
  • 引言汽车行业正经历一场巨变。随着电动汽车、高级驾驶辅助系统(ADAS)和自动驾驶技术的普及,电子元件面临的要求从未如此严格。在这些复杂系统的核心,存在着一个看似简单却至关重要的元件——精密电阻。贞光科技代理品牌光颉科技的电阻选型过程,特别是在精度要求高达 0.01% 的薄膜和厚膜技术之间的选择,已成为全球汽车工程师的关键决策点。当几毫欧姆的差异可能影响传感器的灵敏度或控制系统的精确性时,选择正确的电阻不仅仅是满足规格的问题——它关系到车辆在极端条件下的安全性、可靠性和性能。在这份全面指南中,我们
    贞光科技 2025-03-12 17:25 92浏览
  • 一、行业背景与需求痛点智能电子指纹锁作为智能家居的核心入口,近年来市场规模持续增长,用户对产品的功能性、安全性和设计紧凑性提出更高要求:极致空间利用率:锁体内部PCB空间有限,需高度集成化设计。语音交互需求:操作引导(如指纹识别状态、低电量提醒)、安全告警(防撬、试错报警)等语音反馈。智能化扩展能力:集成传感器以增强安全性(如温度监测、防撬检测)和用户体验。成本与可靠性平衡:在复杂环境下确保低功耗、高稳定性,同时控制硬件成本。WTV380-P(QFN32)语音芯片凭借4mm×4mm超小封装、多传
    广州唯创电子 2025-03-13 09:24 41浏览
  • 一、行业背景与用户需求随着健康消费升级,智能眼部按摩仪逐渐成为缓解眼疲劳、改善睡眠的热门产品。用户对这类设备的需求不再局限于基础按摩功能,而是追求更智能化、人性化的体验,例如:语音交互:实时反馈按摩模式、操作提示、安全提醒。环境感知:通过传感器检测佩戴状态、温度、压力等,提升安全性与舒适度。低功耗长续航:适应便携场景,延长设备使用时间。高性价比方案:在控制成本的同时实现功能多样化。针对这些需求,WTV380-8S语音芯片凭借其高性能、多传感器扩展能力及超高性价比,成为眼部按摩仪智能化升级的理想选
    广州唯创电子 2025-03-13 09:26 33浏览
  • 北京时间3月11日,国内领先的二手消费电子产品交易和服务平台万物新生(爱回收)集团(纽交所股票代码:RERE)发布2024财年第四季度和全年业绩报告。财报显示,2024年第四季度万物新生集团总收入48.5亿元,超出业绩指引,同比增长25.2%。单季non-GAAP经营利润1.3亿元(non-GAAP口径,即经调整口径,均不含员工股权激励费用、无形资产摊销及因收购产生的递延成本,下同),并汇报创历史新高的GAAP净利润7742万元,同比增长近27倍。总览全年,万物新生总收入同比增长25.9%达到1
    华尔街科技眼 2025-03-13 12:23 50浏览
  • 前言在快速迭代的科技浪潮中,汽车电子技术的飞速发展不仅重塑了行业的面貌,也对测试工具提出了更高的挑战与要求。作为汽车电子测试领域的先锋,TPT软件始终致力于为用户提供高效、精准、可靠的测试解决方案。新思科技出品的TPT软件迎来了又一次重大更新,最新版本TPT 2024.12将进一步满足汽车行业日益增长的测试需求,推动汽车电子技术的持续革新。基于当前汽车客户的实际需求与痛点,结合最新的技术趋势,对TPT软件进行了全面的优化与升级。从模型故障注入测试到服务器函数替代C代码函数,从更准确的需求链接到P
    北汇信息 2025-03-13 14:43 43浏览
  • 2025年,科技浪潮汹涌澎湃的当下,智能数字化变革正进行得如火如荼,从去年二季度开始,触觉智能RK3562核心板上市以来,受到了火爆的关注,上百家客户选用了此方案,也获得了众多的好评与认可,为客户的降本增效提供了广阔的空间。随着原厂的更新,功能也迎来了一波重大的更新,无论是商业级(RK3562)还是工业级(RK3562J),都可支持NPU和2×CAN,不再二选一。我们触觉智能做了一个艰难又大胆的决定,为大家带来两大重磅福利,请继续往下看~福利一:RK3562核心板149元特惠再续,支持2×CAN
    Industio_触觉智能 2025-03-12 14:45 27浏览
我要评论
0
点击右上角,分享到朋友圈 我知道啦
请使用浏览器分享功能 我知道啦