在社交媒体上红极一时的Tesla AutoPilot功能,并还没有达到自动驾驶的L3的级别。其在高速公路上的自动驾驶技术可以理解为:ACC自适应巡航 + LKA车道保持辅助。
那为什么达不到L3甚至以上的级别呢?答案是:没有高精度地图。
Q:为什么没有了高精度地图,自动驾驶寸步难行?
A:因为高精度地图不仅仅是地图,更给了无人车上帝视角。
1、传感器的性能边界
车载传感器的性能边界指的不仅是测量范围,还有面对不同环境时表现出来的感知缺陷。
比如激光传感器检测效果稳定,但在面对大范围的尘土时,也无能为力。我司在测试时就发现,如果前面一辆渣土车飞驰而去,引得尘土满天飞时,无人车发现“面前”全是障碍物。
再比如高分辨率摄像机能检测图像中的物体,而且窄视场的摄像机,可以检测很远的距离。但是面对暴雨/大雪等恶劣天气,很难检测到正确的车道线/障碍物/马路牙子等信息。
下图为tesla的传感器配置及传感器感知范围,扇形角度表示传感器的视场角,扇形半径表示传感器的最大检测距离。可见,最远距离的检测传感器是窄视角的前向视觉传感器。
2.先验信息缺失
先验信息是指某些可以提前采集且短时间内不会改变的信息。
仅依靠传感器的信息是很难感知车辆现在是处在高速公路上,还是处在普通城市道路上的;无限速牌的路段,车速最高可以开多快;前方道路的曲率;所处路段的GPS信号强弱,这些都是传感器遇到检测盲区时,无法实时捕获的信息。
而这些信息是客观存在,不会随外部事物的变化而变化,因此可以提前采集,并作为先验信息传给无人车做决策。
图为高精度地图可以为无人车提供的某些先验信息。包括道路曲率、航向、坡度和横坡角。
3.路口处的路径规划
路口处的路径规划一直是自动驾驶领域较为头疼的问题。
很多大牛为了让汽车能正常地开过路口用尽浑身解数。当然也有简单粗暴的方法,比如Waymo(前Google无人车团队),从他们的宣传视频,大致可以推断他们使用的方法是“高精度地图+高精度定位+管道内行驶”的方式过路口的(纯属猜测)。
Q:高精度地图的加入可以给无人驾驶带来哪些帮助?
A:高精度地图是无人驾驶技术的催化剂,这么说一点都不过分。
1、能极快地实现L3级别的自动驾驶
简单粗暴地使用高精度地图+高精度定位,可快速地实现某些特定场景下的自动驾驶。这里的高精度地图可以理解为一个“管道”,无人车只要保证自己在“管道”内行驶即可(参考waymo的绿色“管道”)。使用高精度定位,告诉车在管道的哪个地方,就可以自动驾驶啦。
驭势科技和白云机场合作开发的无人驾驶车在机场这种特定场景完全就可以使用这种方法。而且通过图片可以看出这车装了差分GPS,如果再加上RTK设备,就是可以达到户外厘米级的定位了。
2.提高无人车舒适性
舒适性是评判自动驾驶好与坏,最重要的元素之一。
前面提到过,由于传感器的性能边界,导致场景中的部分信息是无法感知到的。而这些信息(如道路曲率、坡度角)的缺失又会对无人车的纵向、横向规划控制产生较大影响,乘客会感觉车辆的控制不如“老司机”开得平稳,而一旦舒适性缺失,有再多牛X功能也是徒劳。
3.提高系统性能
传感器对感知到的信息做处理时,一般会选定一个感兴趣区域(ROI,Region of Interest)再在此区域内进行数据处理。比如相机检测行人时,大部分处于天空的图像是可以不用考虑的,所以着重处理图像的下半部分即可。
对于检测红绿灯状态,必须在整幅图像中搜索,因为摄像机不可能知道图像的哪个地方会出现红绿灯。但是如果有了高精度地图信息,我就可以通过高精度定位和高精度地图得到ROI。
根据定位和地图的数据,无人车可以知道前方、两侧是否有交通标志牌,及红绿灯的位置,就可以降低算法的复杂度,减少系统的计算负荷,进而提升系统性能。
下图是通过定位和高精度地图,标记出的ROI,ROI区域包括车道线位置、交通标志牌位置、红绿灯位置等。
Q:高精度地图和一般的导航地图有什么区别?
A:导航地图是给人看的地图,高精度地图是给机器看的地图。
人类开车,只需要知道前方路口有没有红绿灯,路口有几车道,该左转还是右转,即可稳定控制汽车。而无人车不仅要知道有没有红绿灯,还要知道在自车坐标系下的(X, Y, Z);不仅要知道是左转还是右转,还得知道左转和右转的路径线。
目前的控制系统还不具备人类这么高的智能度,所以只有给予控制系统更多的输入信息,才能让无人车控制汽车更接近人类。
简单从道路和POI这个两点来比较一下导航地图和高精度地图的区别。
对于道路属性,导航地图只需要给出道路路网这个级别的数据即可,而高精度地图会给出这个道路中有几条车道,这些车道的线是虚线还是实线,车道是普通道路还是匝道等更多维度的信息。如下图。
肯定有人疑问,既然高精度地图拥有这么多信息,那容量肯定比导航地图大很多吧。
答案是:No
导航地图是给人使用的,它对信息的精度没那么高,但是在信息的丰富程度上比高精度地图大得多。
导航地图不仅要有基本的道路信息,还要具备地图中的各种信息点(POI,Point of Interest)的信息,比如建筑物尺寸、数量、建筑物的用途(医院or商场)等。单纯这些POI信息就比高精度地图车道及常用特征的数据复杂太多,而且数据量也不小。
因此,目前来说,高精度地图和导航地图的容量大小是不分伯仲。
- KA431A 恒流吸收稳压器的典型应用
- LT3976 演示板、40V、5A、2MHz 降压型开关稳压器,具有 3.3A 静态电流
- 【涂鸦智能】SoC方案温湿度计+510162A
- DC2091A,用于 LTC5599、30MHz 至 1300MHz 低功率直接正交调制器的演示板
- 数据采集系统的模拟放大
- 用于电池后备电源的 NCV33269 800mA 可调输出、低压降稳压器的典型应用
- 使用 Lattice Semiconductor 的 MIPI CSI-2 Controller Core 的参考设计
- AD8657ACPZ-RL反相运算放大器配置的典型应用电路
- 采用TO247封装的MOSFET或IGBT的半桥模块
- 来自多个输入源的 LTC3622IDE-23/5 双路输出降压型稳压器的典型应用电路