每日最新頭條.有趣資訊

禾多科技戴震:為什麽高精度地圖對自動駕駛來說至關重要?

本文作者 | 禾多科技地圖及模擬器負責人戴震

量子位 編輯 | 公眾號 QbitAI

地圖導航現在已經成為大多數都市人出行的必要工具。地圖導航利用豐富的圖像、文字、語音等多媒體介質,一步步地指引我們在錯綜複雜的路網和路況中到達目的地,讓人類的出行變得更加便捷、安全、高效和舒適。

傳統導航

大家可能有這樣的感覺,近些年來,地圖導航產品實際上沒有太大的變化,各種產品在功能和體驗上也逐漸趨同。這主要是因為我們車輛的配置、地圖的內容以及用戶的需求沒有發生根本性的變化。可以說地圖導航處於一個很成熟的市場階段。

計算機也需要導航嗎?

而汽車行業目前最火的技術無疑就是自動駕駛了,也就是讓計算機代替人來駕駛汽車。大家也許會問,既然人不再是駕駛的主體,那導航還需不需要?計算機也需要導航嗎?

答案是肯定的,只是與傳統的導航相比,自動駕駛需要的導航發生了明顯的變化。這裡面最大的區別,就是兩者使用的地圖是不同的。

傳統導航用的是普通的導航地圖,也就是我們手機裡導航APP使用的地圖。而自動駕駛用的是ADAS或者是高精度地圖,後者在道路幾何描述上,從精度和細膩度上都提高了一個量級。

為什麽自動駕駛系統需要高精度地圖呢?這還得歸結於一個很尷尬的事實,那就是計算機還沒有形成人類如此強大的感知能力。

回想一下我們自己用導航的經驗,我們把目測到的街景和地圖上所繪製的街景做一個迅速的匹配,就知道自己在地圖上的位置。結合語音文字或者圖像,就能清晰地理解導航指令的意思,做出正確的操作。即使開始兩次不熟悉導航,在經過一兩次訓練之後,就能很順利地使用導航了。

但對於計算機來講,這些導航指令的背後意味著相當多的運算,包括定位、感知、決策、控制等。在這些領域,電腦目前沒有辦法與人腦相比,這就需要我們把各方面的先驗信息,比如地圖信息,整理得更細致更精準。

就像一個嬰兒,咀嚼和消化能力不強,需要我們把食物弄碎做成流食時才喂給他們一樣。試想,如果哪天電腦在感知方面完勝人腦,就像AlphaGo在圍棋方面秒殺人類一樣,用傳統地圖甚至不用地圖實現無人駕駛也是可以的。

高精度地圖

高精度地圖導航和傳統地圖導航有什麽不同?

首先,高精度地圖對道路幾何描述得更加精準和精細。比如傳統的導航地圖能用幾個采樣點表示一條街道,會告訴你這條街上有幾條車道。而高精度地圖可以把每條車道的中心線和車道線的幾何形態都精準地描述出來。所以,有些人習慣把這類地圖稱為自動駕駛地圖,因為它就是為自動駕駛量身定做的。

第二點,如果說傳統汽車導航軟體的功能大同小異的話,那自動駕駛的地圖導航引擎可能千差萬別。這是因為,每一個自動駕駛解決方案中用到的傳感器不一樣,計算單元計算能力不一樣,所採用的各類算法不一樣,每種算法對於地圖的依賴程度不一樣。這些需求上的不確定性勢必會導致地圖內容和地圖導航所提供服務的差異化。

另外,地圖導航的存在形式也不盡相同。傳統的導航是由人和導航設備兩部分組成,人承接了所有的感知決策等操作。在自動駕駛中,地圖導航模塊可以與各個模塊單獨組合成為一個整體,形成“定位+地圖”模塊,“感知+地圖”模塊等等,再從更上層進行拚接。

同時,地圖也可以像以前一樣,作為一個獨立的模塊存在,與各個模塊平行共存,以消息或調用的形式給其他模塊提供服務。前者可以降低系統耦合度,適合模塊化結構,極大程度發揮地圖數據和地圖服務的精準性;後者可以進行整體協調,避免很多重複計算,從整體上優化效率、功能和存儲。

第三點,傳統導航和自動駕駛導航在各個功能模塊上也有區別。傳統導航可以分成如下幾個模塊。

路徑規劃,回答了去哪裡的問題。

地圖匹配,回答了在哪裡的問題。

導航指令,回答了怎麽去的問題。

人機互動,主要起到了讓人更好地理解導航、操作導航的作用。

其實在自動駕駛領域,這些模塊都還是存在的,只是因為導航的閱聽人從人變成了計算機,這幾個模塊也有了或大或小的變化。

路徑規劃

第一,路徑規劃模塊。自動駕駛的路徑規劃要從街道級別做到車道級別。而且在路線選擇的時候,要充分考慮自動駕駛車的偏愛,傳統的最短或最快路徑並不一定適合自動駕駛車輛,反而安全性可能會成為路徑規劃的主要考量。

第二,地圖匹配模塊。這一部分受定位精度影響很大。如果有多傳感器融合形成的高精度定位結果,地圖匹配這個功能將變得很簡單。

但為了實現高精度定位,自動駕駛的地圖導航模塊往往需要提供足夠多的地圖信息給定位模塊,比如提供車道線來輔助橫向糾偏,提供立體標識物的信息輔助縱向糾偏。

第三,導航指令模塊。這部分的體量要遠遠大於傳統的導航。傳統導航可以簡簡單單地告訴前方是一個什麽樣的路口,人類就可以理解下面要做的一系列動作。

對於計算機,我們可能需要很清晰很細致地把這個路口的描述出來,比如總共幾條車道,寬度多少,前後關聯關係,車道的幾何形狀如何等等,這樣才能一步一步手把手地“教”計算機如果通過這個路口。計算機的很多運算都是基於這些精準的信息來進行的,一點點的偏差,都可能會造成決策上的失誤。

第四,人機互動模塊。可能很多人都認為,計算機並不需要傳統導航中的圖像,語音,文字等導航信息來輔助駕駛,甚至地圖渲染也不需要。但實際上,在相當長一個歷史時期內,人和計算機是要有互動的。

人需要理解計算機處理的過程,這樣才能夠逐漸的建立對計算機決策的信任。從這個意義上講,地圖和導航信息的可視化是必要的。它更多地用來展示自動駕駛計算的過程,解釋它對當前情景的一個判定過程。而人類獲取這些信息之後,也可以逐漸增加對自動駕駛的信任感,了解其行為方式,並與其展開互動。

什麽才是一個好的自動駕駛導航

第一,要充分挖掘高精度地圖的特點。比如,高精度地圖的相對精度往往優於絕對精度,特別是考慮到我國地圖加偏這個情況。這就要求我們把地圖看得“長”一些,“遠”一些,充分利用地圖的幾何走勢,而不能過分糾結於單點精度。

第二,要充分結合自動駕駛設計方案來制定。前面說到過,由於自動駕駛解決方案不一樣,地圖在其中所起的作用也不盡相同。所以說,沒有最好的自動駕駛地圖導航,只有最符合每家解決方案的地圖導航。過分地追求大而全的地圖服務,實際上是對資源的浪費,也很難把處理效率提高。

第三,要充分傾聽各個模塊的需求,讓各個模塊用得放心。地圖可以給自動駕駛幾乎所有的算法模塊提供必要的數據信息,所以各個模塊或多或少都會對地圖有所依賴。但這裡面有一個“適度”依賴的問題。完全不依賴地圖,勢必會增加每個模塊處理的難度。

過度地依賴地圖,尤其是過度地依賴地圖的絕對精度,難免會對最後的結果產生不可預期的影響。這需要地圖與其他模塊共同磨合,將需求合理化、清晰化,這樣才能將地圖用得恰到好處。

第四,地圖導航不能成為系統性能的瓶頸。自動駕駛目前的一個最大瓶頸就是處理器的算力不足,而地圖導航面對的恰恰是大面積大體量的地圖數據。如何保證高效的服務,不讓其成為系統性能的瓶頸,是地圖導航需要研究的問題。這裡面涉及到地圖格式,緩存策略,數據讀寫管理策略以及各類服務算法的優化。另外地圖與各模塊接口的體量也是影響地圖效率的重要瓶頸,需要精細化定製。

第五,同時滿足人和自動駕駛對於導航的需求。特別是針對L3級別的自動駕駛來說,人不能離開駕駛位,所以存在一個人類駕駛和自動駕駛的磨合期,雙方需要進行交流,進行互動。

自動駕駛技術的發展,其實也是一個人類教會計算機開車的過程,所以在地圖導航這個方向上,人類和計算機應該逐漸形成某種“共識”。這也就決定了我們有可能設計一套同時為人和計算機服務的地圖導航模塊,讓人更好地理解計算機的決策過程,必要時也可以讓計算機學習到人對於當前處理“不滿意”的地方。當然,這需要我們從展示內容,展示方式,互動方式上進行有創造力的設計。

量子位AI+系列沙龍--智慧城市

加入社群

量子位AI社群開始招募啦,量子位社群分:AI討論群、AI+行業群、AI技術群;

歡迎對AI感興趣的同學,在量子位公眾號(QbitAI)對話界面回復關鍵字“微信群”,獲取入群方式。(技術群與AI+行業群需經過審核,審核較嚴,敬請諒解)

誠摯招聘

量子位正在招募編輯/記者,工作地點在北京中關村。期待有才氣、有熱情的同學加入我們!相關細節,請在量子位公眾號(QbitAI)對話界面,回復“招聘”兩個字。

喜歡就點這裡吧 !

獲得更多的PTT最新消息
按讚加入粉絲團