四维图新朱大伟:自动驾驶量产需要怎样的高精度地图?

时间:2020-11-12

来源:雷锋网

0

导语:近日,邀请了四维图新自动驾驶地图标准总监朱大伟作为【高精度地图的上车元年】云峰会的首位演讲嘉宾,分享高精度地图在上车过程中的实践、面临的挑战以及未来的商业发展模式。

近日,邀请了四维图新自动驾驶地图标准总监朱大伟作为【高精度地图的上车元年】云峰会的首位演讲嘉宾,分享高精度地图在上车过程中的实践、面临的挑战以及未来的商业发展模式。

四维图新朱大伟:自动驾驶量产需要怎样的高精度地图?

以下为朱大伟的演讲全文,做了不改变原意的编辑:

我叫朱大伟,来自北京四维图新,有14年的地图行业经验、5年的更新地图标准工艺经验。

今天我分享的题目是《从高精度地图到云开放-自动驾驶地图服务进化论》。四维图新成立于2002年,经过十几年的创新发展,四维图新已经成为一个拥有导航地图、导航软件、动态交通信息、位置大数据以及乘用车乘商用车定制化车联网解决方案的企业。

在汽车“新四化”时代,我们更加致力于自动驾驶地图、高精度定位、云服务平台,以及应用于ADAS和自动驾驶的车规级芯片等核心业务,打造“智能汽车大脑”,赋能智慧出行。

为什么自动驾驶需要高精度地图?

言归正传。

讲到自动驾驶地图,为什么自动驾驶需要高精度地图? 我们认为有几个原因:感知、定位和车道级的规划方面的需要。

在感知方面,在很多路口的红绿灯场景下,自动驾驶传感器很难识别红绿灯。有了高精度地图之后,就可以提供一种冗余性。在极端天气的情况下,传感器容易失效,地图也都可以提供很好的帮助。

第二点关于定位。大家都知道国家有北斗导航系统,现在也正式全球商用了。基于北斗的地基增强系统,按理说整体的效果是可以满足全场景要求的。但其实在一些城市隧道场景下很难做到连续性导航,高精度地图就可以提供给定位帮助。

第三是自动驾驶需要做到车道级导航。 一个好的车道级导航需要知道车道在哪,以及车道发生变化的点在哪里。有了高精度地图,就可以很精确地告诉车辆,车道出入口、停车的位置以及车道的变化。

 

在路口,假如车辆处于遮挡、拥堵的情况下,车辆也大概知道停车的位置、红绿灯在哪。还有一些转向情况,常规左转是车辆从最左侧车道进行转弯,但很多交通场景下左转车道并不在最左边,而是在最右边。这时候单纯靠视觉,没有提前先验信息,车辆很难在最右车道实现左转,可能会出现一些故障或失效的情况。

再举个例子,大家都认为在高速上自动驾驶车辆可以跑得很顺畅,但其实不是。如果某个路段车道突然消失了,自动驾驶车的反应是来不及的,可能出现紧急刹车、剐蹭的情况。

另一种很特殊的场景是,高速公路上接近出口的地方有一些紧急停车带,自动驾驶车辆很可能会误以为就是出口,但事实上可能距离出口还有100米左右,毕竟导航地图有精度限制。所以当自动驾驶车辆发现这个地方出不去的时候,再紧急转弯就很难了。高精度地图就可以提供帮助,提前规避这些有危险的地方。

还有一种平时可能会忽略的情况是,比如公路服务站等正好开在高速路边上,但导航地图上是不会体现的。如果是人类驾驶可能会识别到一些突然出现的车辆,但对车辆来说是比较难的。

在这几年的高精度地图的制图过程中,除了刚才说的常规例子,还有很多特殊场景比如高速调头口、交叉路口,甚至还有红绿灯,在各种功能安全要求的情况下,没有先验知识是很难做到的。

 

作为一个高精度地图商,我们有意愿、有责任把地图每一个特殊情况都做出来,为各个车厂提供更好的服务。

当下业内也很关注特斯拉的动向。特斯拉总说自己不使用高精度地图。但我们发现最近他发布了一个叫 FSD Better Test的软件,声称在普通道路上也能够穿过环岛、通过路口等。从各种测评以及反馈结果来看,特斯拉应该使用了一个高精度地图,但他用的可能不是别人家的高精度地图,而是自家的。

特斯拉拥有三个别人所不具备的能力:一是算力强,目前他的HW3.0算力能达到144 TOPS,这是大多数车厂以及目前市面车辆所达不到的一个算力。第二是他有很强的算法,通过自己多年的积累,可以很好地识别以及提取路端的一些信息。第三是他很有很好的生态,众多车辆可以将车辆数据传到数据中心,然后进行融合,快速生成地图。

当然,特斯拉的地图主要是满足他L2+或者L2.9的需求,地图相对来说粗糙一些,而不是像图商一样,会把周围的各种对象都表达出来,这是有差异的。所以特斯拉不是不用地图,只是没用我们说得高精度地图。

不同级别的自动驾驶量产需要不同的高精度地图产品

可以看到,地图的应用是多种多样的。

我们一直认为,从L2+到到L3、L4,地图的使用比重一直是越来越重的。

首先L2+来讲,首先要满足动态ODD的要求。地图是能满足ODD要求的,但是这应该是一种动态的要求,所以还需要车厂基于自定义要求来做。

第二,除了OOD之外,定位这块可以分为两种:一种是基于传感器的定位,一种是基于语义的定位方式。比如博世就是基于毫米波雷达等传感器采集的信息产生定位,而Mobileye的定位方式就类似于众包方式,通过客户使用他的EyeQ 系列芯片产生相应数据,然后通过REM的形式,发给车辆进行定位。

 

在L3、L4级别,我们了解最多的可能是Waymo。Waymo在凤凰城已经基本实现了去掉安全员的纯自动驾驶,但他对地图的使用也是最重的。他使用了雷达的点云定位图层、语义的定位图层,同时他还在凤凰城已经跑了上千万英里测试。除此之外,Waymo还做了一个概率图层,也叫可用性图层,看看有没有行人和车辆出入。还有一点是,Waymo的地图要做到很高的更新频率,才能在凤凰城跑起来。

但如果从车厂的角度来看,一般要从功能安全的角度出发,保证精度、质量以及更新频率,还要保证车辆对于精度的要求,这也是图商的优势。

四维图新从一开始就瞄准了L3、L4自动驾驶地图方向,所有的供给链都是基于L3、L4打造的,具有完整的能够支撑L3、L4的地图整体供应。

 

要做好服务,我们认为要达到几点:高度的高质量化、高度的自动化、高度的更新频率。

首先是高精度,从供应链来看,四维图新有测绘级的采集车,通过我们的惯导、差分来满足高精度要求。除此之外,为了保证整体的相对精度或绝对精度,我们还要做事后的确认检查,检查采集过程中有没有一些不应该出现的情况,根据这个来做自动化的优化。

当然,如果想要保证更快的更新频率,最主要的是图商对道路的提取能力。四维图新在这方面有60种场景集合都是全自动化提取的,包括一些很特殊的场景,比如很靠近墙体的墙牌也能进行识别和区分。对于不能完全确认的信息,我们还会留到一个人工平台,进行人工确认,保证地图完整的质量。

最后还要做一个户外现场的整体验证。四维图新每年的验证规模接近建图的10%,一个高速公路接近3万公里。此外还要在高速公路上打几万个点,以此验证具体点的进度。

此外,四维图新还有快速更新能力,可以将所有的众包数据拿回来,做快速的融合和翻译变化。

到目前为止,四维图新已经积累了32万公里的一个高速、和城市快速路。服务于L4级的普通道路,我们也做到了5000+公里的级别。

在和国际图商合作的过程中,他们认为四维图新不管从能力、质量、还是规格层面,都能满足他们的要求,所以也邀请四维图新在国外和他们一起做联合验证。

针对L3的地图,我们称之为HD PRO,其更新组成有几方面:首先需要通过图像、点云来建图,然后通过自动化提取出相应的集合,再通过人工的监督验证完整更新。L4级主要是针对L4级的Robotaxi和未来的L5级自动驾驶。

 

L5是一个非常重要素的高精度地图。从数据量级来看,是普通道路的大概5~10倍不等;从制作难度来看,其采集本身就是一个很大的难题。比如在一个路口,地图上表达的语义是非常多的,包括路口停止线在哪、用来左转还是右转,或者要跟红绿灯关联起来。

四维图新自动驾驶地图完整解决方案

目前四维图新已经形成了完整的自动驾驶地图解决方案。

针对L3需要的高精度地图,为了更快地客户提供服务,四维图新成了HDMS服务平台。

 

在这个平台,我们首先会强调安全性。安全性体现在几个方面:一是体现在自身数据通路的安全性上,二是车辆的安全性,要防止对车辆的各种攻击。目前这一块我们也和车厂做了多重验证,能够满足现在的要求。

另外,还涉及到数据回传到终端的问题。一种是针对客户的服务器,我们可以提供服务器到服务器的服务,另外也可以提供服务器发送到车端服务。这个服务涉及自动驾驶,要求等级是比较高的,现在OEM厂商的要求是7×24小时提供服务,方便车辆进行OTA升级。

OTA升级会涉及到数据大小问题,大家可能会有一个误解,高精度地图跟导航地图不同,数据量可能会特别大。但事实上,从我们的数据来看,L3级别所需要的高精度地图,一公里的数据量大概只有20k左右。支撑L4的地图数据,量级大概是L3的10倍左右,30万公里也就大概几个 G的样子。

所以,车企在车辆进行架构设计或者空间预留时,留有最多20G的空间就可以满足未来几年的高精度地图使用情况。但其实不需要这么做,因为地图是动态更新的,很多旧有数据和材料没有太多意义。

至于众包更新,我们也和车厂做了一些验证。高精度地图想要发挥作用,众包更新是一个很关键的点。

四维图新也有自己的众包车队,能够把需要的区域信息更新通过众包的方式全部上传上来,但这种方式的经济性不太好。另外一种方式是,通过下发任务,让车辆将所有识别的变化内容以任务的形式上传到云端。这种方式更加轻量化,能够保证按需所取,快速进行更新。

众包更新听起来很好,但其实还远远不够的。因为现在路上跑的没几辆是自动驾驶车辆,或者说不能达到众包更新所要求的精度。所以现在的众包更新可能和专业车辆的更新成本差不太多。

但未来众包更新是必须的。这体现在几个点:一是范围,只有通过众包更新的方式才能将实现高速公路、普通公路的全范围覆盖;另一个是时效性,能够最先发现道路上的变化的,肯定是路上在跑的车辆。所以通过众包地图能够实现快速地发现变化,即便不能更新,也能发现哪些地方确实是有问题的。此外还可以对整个地图系统进行交叉验证。

 

接下来我们说一下标准方面的内容,对于国际市场、零部件的 OEM厂商来说,有统一的标准是最有利和最经济的。在高精度地图行业,国际上最通用的高精度地图标准是NDS,四维图新是第一家编出来NDS格式,然后在车上应用的图商,我们一直在标准联盟里积极活跃。

除了NDS标准之外,我们还有关于众包回传的一些标准,比如矢量化、要素种类以及属性等;还有关于实时交通的信息要求标准、ADAS的车内传输标准等。

为了达到更好的共同性,四维图新还和其他图商如HERE及联盟里的成员,将相应的地图规格做到共通。同时,我们还和DMP一起成立联合工作组,在地图规格上一个形成统一意见,更好地支持及DMP规格、支持车企的设备。

四维图新从2015年开始参加联盟,那时候高精度地图的标准并不成熟,从那时候开始我们就起草高精度地图的标准。目前这个标准应通过了国标委的答辩,正在跟交通部和自然资源部联合共同推动标准更新。

我们的标准分为两部分:高速道路标准、普通道路标准。说到标准,大家可能会关心一些法律法规问题,觉得现在的法律法规限制蛮多。但其实从行业发展来讲,在还没有准备好的情况下,还不能充分证明自动驾驶车辆的安全性,就贸然修改法律和法规吗?

法律本身不是优先对待自动驾驶,而是需要先做一个未来的规划,里面会包含很多场景,需要考虑的很全才能在法律上做得完善。现在很多部门都在想办法推动各种测试验证,希望各个图商、车厂能共同验证地图方案的安全性,所以在法律方面大家比较谨慎,也是可以理解的。

有一位院士讲过,地图、V2X以及网联汽车,是未来自动驾驶的三个基础设施。地图想要作为一个基础设施(好比水电煤),他的特点就是拿来即用。所以四维图新在这方面也做了一个相应的SDK解决方案,包括地图的OTA在线更新、APP,ODD、众包更新、还有V2X的一些支持。

 

大家最关注的两点是:车道级的路径规划,我们能和别的导航地图做一个动态的关联,不管是谁家的导航地图,都能和四维图新的高精度地图可以随时关联,做一个车道级的导航。

还有定位的内容,传统的定位主要是基于GNS+IMU。定位在传统导航里是非常起作用的,主要给人来看,稍微有点偏差影响不大。但如果要做自动驾驶级别的车道级导航,需要摄像头和地图匹配找到具体车道,然后基于匹配的结果和定位点做适配,再加上地图的一些属性比如坡度、曲率等,实现绝对定位和行驶轨迹的推算,这是地图的特别价值所在。

但现在定位也面临一些问题,一款车型上市之前大概有需要至少2万~10万公里的测试,这是很正常的。

还有一点是,自动驾驶需要自身自动选择车道行驶,但自身车辆的绝对精度和相对精度是怎样的?传统的评测办法是用惯导加GPS,然后做事后的对比。但现在还不能解决的一个问题是,车辆到底距离车道线还有多远?这个确定起来非常复杂。

四维图新基于高精度地图以及自动驾驶解决方案,形成了完整的解决方案。通过和车道对比进行实时测评,出来的结果涉及的维度还挺多,包括相对精度、绝对精度、高精度惯导等评价都可以体现。当然我们按照客户要求做的一些更高精度的评估,包括夜晚场景都可以覆盖到。

以上就是四维图新整体的产品组合,云端的HDMS服务云可以做到整体的模拟仿真和众包的变化,发现更新;车端层面可以做到定位、交叉关联、路径规划。

自动驾驶地图的未来

5年前大家都认为L3、L4能很快来临,但是实际上L3、L4的到来比想象中要晚一些。

从现在各个车厂的规划来看,2023年L3才有可能正式量产,2025年L4以上才可能大规模量产。现在L2+才是最主要的市场,包括算力、各种传感器,功能安全,法律法规要求都在逐步完善。

我们也对比了一下,在国外,可能高速上跑的情况更多一些,但在国内,从家到公司两点一线的情况比较多。大部分情况下,百分之七八十都是在普通道路上行驶,百分之三十是在高速道路,很多场景功能ACC这些反而在普通道路上是用不起来的。

 

所以我们认为,在L2一块还面临着很大体验提升需求。从L2本身来讲,城市路口多,只能在高速上用。对于L4来讲,成本、以及商业模式还没到临界点。L2+是一个很好的选择点,因为在高速上很多能力都已经实现了,这些能力在城市道路上也能用,能提升基于地图的普通道路的可用率。

因此,我们认为在普通道路上,未来会有成本相对低、自动化相对高的地图来支撑场景应用。

在这方面,我们和客户打造了一个叫LitePilot的地图,就是为了随时能让大家享受到自动驾驶的乐趣。他通用的功能是车道的路径规划,就是普通道路上一个车道的规划,他能无缝地把普通道路和高速道路连为普通道路,实现全场景的连接,帮助做到上下匝道环岛通行、路口通行,提前右转辅助等,这在以前没有地图的情况下是完全做不到的一些功能。

 

对于未来的HD MAP,我们认为,V2X在中国是未来一个很好的增强自动驾驶能力的方向。边缘计算的一个好处是,能实时发现车辆所不能发现的信息,再结合高精度地图,能提供一个更稳定的信息,包括corner case、一些危险信息等。

最近我们在上海参加了一个“新四跨”活动,四维图新在里面做了高精度地图的支撑,70%的车厂都选用了四维图新的高精度地图。

要实现高精度地图从L2~L5的的无缝升级,我们认为有一个整体的演进路径。他是一个平滑的过程,从ADAS到L4的整体演进过程。

最后我们讲一下,地图想要真正用起来,其实要有一个完整的闭环生态。随着自动驾驶车辆越来越多,各种传感器配置越来越多,需要车辆和地图的云服务共同打通。我们会提供基于地图的客户化服务、基于用户运营的服务,通过大数据驱动,产生实现自动驾驶的一个演进。

低速无人驾驶产业综合服务平台版权与免责声明:

凡本网注明[来源:低速无人驾驶产业综合服务平台]的所有文字、图片、音视和视频文件,版权均为低速无人驾驶产业综合服务平台独家所有。如需转载请与0755-85260609联系。任何媒体、网站或个人转载使用时须注明来源“低速无人驾驶产业综合服务平台”,违反者本网将追究其法律责任。

本网转载并注明其他来源的稿件,均来自互联网或业内投稿人士,版权属于原版权人。转载请保留稿件来源及作者,禁止擅自篡改,违者自负版权法律责任。

如涉及作品内容、版权等问题,请在作品发表之日起一周内与本网联系,否则视为放弃相关权利。

关注低速无人驾驶产业联盟公众号获取更多资讯

最新新闻