自动驾驶漫谈之二：无人驾驶与高精度地图

对机器人而言，常见的地图有四种：图特征地图（几何地图）、拓扑地图、栅格地图以及直接表征法（Appearance Based Methods）。对人类而言，常见的地图主要是语义地图，告诉人们这是什么路，路边是什么建筑或什么单位等包含人类可理解的语义信息。栅格地图用栅格表示环境，易于创建和维护，但所占用的内存和处理时间会随着地图规模的扩大而增长。几何地图从环境信息中提取线段、角点等抽象的几何特征，方便用于位置估计和目标识别，但所提取的特征对传感器的误差比较敏感。拓扑地图将环境表示为一张拓扑意义的图，图中的节点对应环境中的特定地点，弧表示不同节点之间的通道，适合于表示大规模环境。

　　建图（Mapping）和定位（Localization）是相互依赖的，不可分割的。准确的定位依赖于正确的地图，而构建（或运用）正确的地图又需要准确的定位。对于无人驾驶和机器人，最重要的就是即时定位与地图构建（Simultaneous Localization and Mapping, 即SLAM）。高精度地图的前提是高精度定位，否则，高精度地图毫无意义。

　　一、高精度定位

　　传统的GPS定位精度只有3-7米，在城市道路或峡谷中，精度会进一步下降。RTK GPS只能用于无人驾驶的Demo，无法大规模推广。即便是美国及北约国家，民用系统也不可能用GPS获得亚米级定位。GPS卫星广播的信号包括三种信号分量：载波、测距码和数据码。测距码又分为P码（精码）和C/A码，通常也会把C/A码叫做民码，P码叫军码。P码会再分为明码和W码，想要破解是完全不可能的。后来在新一代GPS上老美又提出了专门的M（Military）码，具体细节仍处于高度保密中，只知道速率为5.115 MHz，码长未知。

　　指望GPS是不可能的了，只有CORS，基本上可以把CORS看成地基增强系统。CORS(Continuous OperationReference Stations )即连续运行参考站系统，为一个或若干个固定的、连续运行的GPS参考站，利用现代计算机、数据通信和互联网(LAN／WAN)技术组成的网络，实时地向不同类型、不同需求、不同层次的用户自动地提供经过检验的不同类型的GPS观测值(载波相位，伪距)，各种改正数、状态信息，以及其他有关GPS服务项目的系统。CORS分单基站、多基站和网络CORS三大类。大规模使用自然需要网络CORS。网络CORS主流技术有四种，分别是VRS、主辅站技术（i-MAX）、区域改正参数（FKP）技术和综合误差内插法技术。其中VRS技术市场占有率最高，是目前公认的主流。

　　VRS由天宝公司发明，早在2004年7月，四川省地震局就搭建了VRS网络。2005年11月，天宝正式将VRS引进中国，中国目前的CORS都是基于VRS技术。这其中包括了从2006年全国各省测绘系统和北斗地基增强系统。南方公司则对VRS进行了改进，命名为NRS，本质上还是VRS。

　　VRS是虚拟参考站（Virtual Reference Station）的简称。这项技术是CORS应用的一种，数据处理中心24小时连续不断地根据各基准站所采集的实时观测数据在区域内进行整体建模解算，通过建立精确的误差模型（如电离层、对流层、卫星轨道等误差模型），在移动站附近产生一个物理上并不存在的虚拟参考站（VRS），由于虚拟参考站的位置是通过流动站接收机（可以是手机，需要装一个App，或者直接用魔盒）的单点定位解来确定，故其与移动站构成的基线通常只有几米到十几米，移动站与虚拟参考站进行载波相位差分改正，实现实时RTK。

　　VRS最突出优势是覆盖范围更广：VRS网络中固定参考站的距离增大，站间距离可达到70KM，三个站覆盖的面积可以达到2100多平方公里。以北京为例，城区面积为900多平方公里，三个参考站即可覆盖，北京市面积1.68万平方公里，十个参考站即可覆盖。

　　但是VRS的缺陷也是很明显的：

　　（1）采用双向通信，限制了它的同时在线用户数量。

　　（2）虚拟参考基站随着用户（流动站）的移动（超过一定距离）要重新初始化，并且是不可追踪、不可重复的虚拟的参考基站。

　　（3）人为的规定了一个参考站站网中参考站的数量，一般情况下为三个。它们是由参考站软件所决定的，用于计算流动站所需要的改正数。此项约束限制了系统采用合适数量的参考站解决占主导地位的大气条件，例如建立大尺度气象活动的模型问题。这种约束也影响到成果的稳定性，并表现出对网络的几何形态及对数据的传输损耗十分敏感。如果三个站中有一个站不能为这个网络提供数据，那么网络软件必须搜索另外一个合适的参考站，并为用户重新安排改正计算。在搜索过程中，没有网络改正数可以提供给流动站用户，影响外业生产的效率。

　　（4）其播发的数据格式不标准，偏向某一类型的接收机。毕竟天宝还是希望你买它的接收机啦。

　　对测绘系统来说，VRS的缺陷几乎可以忽略，测绘系统通常在线用户数极少，天天野外测量会累死人的，只有新来的才会被拉出去锻炼。再有就是流动站（也可以是手机或接收机）不会像汽车那样高速移动。

　　日本开发了QZSS，准天顶卫星系统来完成民用高精度定位，日本城市稠密且多山谷，为了弥补GPS的不足，提高定位精度。

　　在无需地基增强的情况下，QZS可以实现亚米级定位。

　　在地基增强下，可以实现厘米级定位。

　　从这点看，最早实现无人驾驶的肯定是日本。

　　当然还有一种不依赖GPS的高精度定位，那就是激光雷达和DR（惯导）。

　　这种定位有一个前提就是必须有一张用激光雷达绘制的先验（Prior）地图，这个工作量太大了，显然很难大规模推广。

二、中国国情

　　为保障国家安全，所有在中国运行的地图服务商要加装“国家保密插件”（亦称加密插件、加偏或SM模组）。此插件会将真实的坐标加密成虚假的坐标，且此加偏并非线性加偏，所以各地的偏移情况都会有所不同。这就是GCJ-02，它是一种对经纬度(参数|图片)数据的加密算法，即加入随机的偏差。国内出版的各种地图系统（包括电子形式），必须至少采用GCJ-02对地理位置进行首次加密。某些在线地图会采用二次加密来保护自己的商业利益。

三、高精度地图标准之争

　　一流企业做标准，高精度地图的标准自然不会统一。

　　先来看ADASIS，ADASIS = Advanced DriverAssistance Systems Interface Specifications)，ADASIS定义了地图在ADAS中的数据模型及传输方式，以CAN作为传输的通道。现在ADASIS Forum被划入ERTICO（ITS Europe，欧洲的智能交通组织）。目前主要使用的是2010年的V2版，V3版将在2017年中期推出。ADASIS V3自2015年6月开始筹建，预计将以CAN和车载以太网为传输通道。

　　ADASIS是典型的欧洲标准，下面三个工作组中都是欧洲企业，特性组由奔驰主导，新特色组由博世主导，内部操作可能性由欧宝（PSA）主导。ADASIS成员包括了几乎全部整车厂和Tier 1。当然，在ADASIS的官方网站上，ADASIS成员中中国企业仅沃尔沃、四维图新和沈阳美行三家。美国第一大图商谷歌也未加入，还有日本的日产未加入。

　　电子地图数据格式，有交换格式与物理格式之分。所谓交换格式，常常是ASCLL码的，数据冗余量大，其目的是为了充分的记录信息，传递给使用方。简言之，交换格式的文件，常常是给人看的，让人很容易能看明白它。例如，MapInfo的MIF格式，就是典型的交换格式。而物理格式，常常是二进制的，紧凑高效，彼此之间的关系常常通过地址来偏移，其目的是为了给计算机使用的，追求的目标是小、快。例如，MapInfo的MAP格式，就是典型的物理格式。

　　导航电子地图格式分为母库格式、交换格式和存储格式三个层次，格式对导航功能的实现非常重要。母库格式：是导航数据编辑、存储直接进行的格式，主要是方便于编辑和保存，如TAB格式。交换格式：是可以转换到各个应用导航数据的格式，一般都是公开格式，以方便进行转换应用，如GDF格式。四维用NIMIF格式，高德用AXF格式，瑞图用RTM格式。存储格式：本意是指数据在计算机里存储的格式，但是存储格式在导航一般是指导航应用格式，如KIWI格式。母库和交换格式是导航地图厂家自己独有的，要统一格式主要是存储格式。目前市场上导航产品的物理存储格式种类繁多，粗略统计不下三十余种，这样势必会出现一个服务中心应对众多个性化终端处理的难题。因此从实用的角度看，推广采用统一数据规格或存储格式是一个比较优化的策略。

　　针对上述问题，国内外专家已经启动了新一代可以支持增量更新的导航电子地图存储标准的研究，其中比较有影响力的有日本的KIWI3.0和欧洲的NDS。目前来看，NDS胜算较大。支持NDS的厂家主要有宝马、奔驰、日产、大众、沃尔沃、现代和雷诺。日系和美系目前还没有采纳NDS系统。

　　标准还是有不少，但都缺乏影响力了。

三、高精度地图的制作

　　上图为典型的高精度地图制作流程。高精度地图是自动驾驶环境感知的一部分，为自动驾驶的全局路径规划和局部路径规划提供支持。这包括高精度定位能力 HD Localization，横向/纵向精确定位Lateral/Longitudinal Positioning，运动规划Motion Planning，基于车道模型的二次规划 Motion Planning with lanemodel，智能调速 Acceleration/deceleration，转向和引导 Steering and guidance。

高精度地图的主要内容

　　显然，Mobileye那种众包式的离高精度地图相去甚远。因为单目摄像头对距离的计算是完全是2D的，平面的，其距离是根据像素大小估算的，误差可达数米以上。

　　由于距离因素，上图中行人3和行人2的像素大小是非常接近的，但行人2和行人3与车辆距离距离差别很大，单目无法得出准确的距离。完全达不到高精度地图所需要的精度，更不要说不能在夜晚和光线变化较大的场合（林荫道或隧道）使用了。

　　高精度地图必须依赖激光雷达。

四、无人驾驶需要的是局部动态地图LDM

　　上图为LDM（Local Dynamic Map）示意图，LDM概念最早由博世在2007年提出，接受程度最高的是日本和欧洲。LDM不仅是无人驾驶时代所必须的，同时也是智能交通系统所必须的，还是V2X最主要的应用。

　　V2X可以看做一个特殊的传感器，一般称之为NLOS（Non-Line-of-Sight)障碍物，这个障碍物可能离无人驾驶车很近，但是没有一种传统传感器能够探测的到。

　　服务层还有一个标准，就是TPEG或者说TISA，是Transport Protocol Experts Group缩写简称,由欧洲广播联盟 (European Broadcasting Union, EBU) 依循通讯标准(ISO OSI -7 Layers Reference Model) 所订定的传输协定。TISA (travellerInformation Services Association)也是隶属ERTICO（ITS Europe，欧洲的智能交通组织）的，TISA主要使用两个标准，一个是TPEG，另一个是RDS-TMC。

　　课程目录

　　以下课程为初步拟定，将根据学员要求做小部分调整。

自动驾驶漫谈之二：无人驾驶与高精度地图相关推荐

Apollo自动驾驶进阶课（3）——高精度地图
1.高精度地图与自动驾驶在SAE的六等级分类方法中,L0级别是人类驾驶,L1到L3级别是辅助驾驶,L3以上是自动驾驶.L3级别以下不需要高精地图,但在L3.L4级别,高精地图是标配. 1.1高精度地 ...
车路协同、车联网、智慧交通、智能网联车、自动驾驶、无人驾驶、高精度地图
车路协同.车联网.智慧交通.智能网联车.自动驾驶.无人驾驶.高精度地图 17年11月开始工作,从事交通行业,主要为公路.高速.公交.交通相关项目.虽然是个Java开发工程师,但在工作之中,对业务也十分 ...
Mobileye 自动驾驶策略（二）
Mobileye 自动驾驶策略(二) 与多方都成功进行了合作,其中比较大型的合作包括法雷奥.百度和中国 ITS. 法雷奥是最近的的 Tier 1 合作伙伴,法雷奥和 Mobileye 签署协议,表示未 ...
【自动驾驶】武汉全球首发自动驾驶商用牌照，无人驾驶的梦想照进现实？
来源:集微网.电动知家.公共交通资讯物联网智库整理发布转载请注明来源和出处导读 9月22日上午,武汉传出消息,国家智能网联汽车(武汉)测试示范区正式揭牌.武汉市向百度.海梁科技和深兰科技三 ...
从零开始做自动驾驶定位（二）：轨迹精度评估
从零开始做自动驾驶定位(二):轨迹精度评估一.EVO工具的使用 1.evo简介 evo [1] 是一个很好的测评工具,它可以根据时间戳将轨迹进行对齐,同时可以将不同尺度的轨迹按照你指定的标准轨迹进行 ...
自动驾驶的分级和无人驾驶系统简介
一.自动驾驶分级自动驾驶根据不同的分法,分为L0-L4或L0-L5级,大同小异. 根据美国公路交通安全管理局NHTSA的分类,自动驾驶分为5个级别:0-4级. Level0:无自动化没有任 ...
自动驾驶的摩尔定律：无人驾驶的最终实现时间或在2035年丨厚势汽车
来源:厚势汽车无人驾驶的真正落地时间的预测,近两年从非常乐观迅速转向谨慎甚至悲观.真正的无人驾驶到底还需要多久,无人驾驶初创公司 May Mobility 的 CEO Edwin Olson,针对 ...
自动驾驶中间件之二：通信中间件，DDS与SOME/IP 谁主沉浮？
本文是自动驾驶中间件科普系列第二篇,上一篇为自动驾驶中间件之一:AUTOSAR正在被"边缘化"? 随着传感器的数量越来越多,数据来源越来越多.规模也会越来越大,那这些多源异构数据如 ...
今年，自动驾驶卡车将在无人驾驶的情况下上路
文章来源:IEEE电气电子工程师 Photo: TuSimple First in Freight: In 2021, San Diego–based startup TuSimple plans t ...

自动驾驶漫谈之二：无人驾驶与高精度地图

自动驾驶漫谈之二：无人驾驶与高精度地图相关推荐

最新文章

热门文章