1.高精地圖和自動駕駛
1.1 自動駕駛分級標準
SAE將自動駕駛技術分爲L0-L5共六個等級。L0代表沒有自動駕駛加入的傳統人類駕駛,L1-L5則隨自動駕駛的成熟程度進行了分級。
- L0: 就是人工駕駛,完全由駕駛員來進行操作駕駛汽車,包括制動、轉向、油門以及動力傳動。需要由駕駛員判斷危險性。
- L1: 汽車能給駕駛員一些支援(如車道保持系統、自動制動系統還有自適應巡航功能)
- L2: 部分自動駕駛。駕駛過程中,系統除了能控制加減速,同時還能對方向盤進行控制,這種多項控制就是L2。駕駛員可以放棄主要控制權,但仍需要觀察周圍情況,並提供安全操作。(如特斯拉)
- L3: 條件自動駕駛,在某些環境條件下,駕駛員可以完全放棄操作,讓自動駕駛系統來進行操控,系統可以獨立完成幾乎全部的駕駛操作,但駕駛員仍需要在系統提示幫忙的時候,來偶爾進行幫助,來應對可能出現的人工智能不能應付的情況。
- L4: 高度自動駕駛,只要在出發前輸入出發地和目的地,然後就可以將車輛完全交給自動駕駛系統。該層次系統完全自動控制車輛,全程檢測交通環境,能夠實現所有的駕駛目標,在任何時候都不需要乘員對車輛進行操控。但這級別的自動駕駛適用於部分場景下,通常是指在城市中或是高速公路上。
- L5: 用戶只需提供目的地或者輸入導航信息,在任何時候都不需要對車輛進行操控,並且在任何場景下都可以做到完全駕駛車輛行駛,可稱之爲“全自動駕駛”或者“無人駕駛”。
1.2 高精地圖
高精度地圖專爲無人駕駛車設計,包含道路定義、交叉路口、交通信號、車道規則以及用於汽車導航的其他元素。高精度地圖不僅可以減少計算需求,還可以通過提供有關駕駛環境的詳細信息來確保無人駕駛車輛的安全。在目前情況下高精地圖是L3/L4無人駕駛的標配。
1.3 高精地圖模塊在其他模塊中的作用
- 定位模塊:視覺定位/點雲定位需要高精地圖提供信息。
- 感知模塊:高精地圖爲感知模塊提供輔助信息(如紅路燈的位置,提前獲得路口信息等)。
- 規劃、預測和決策模塊:高精地圖提供先驗知識,讓結果更準確。
- 安全模塊: 高精地圖提供信息驗證
- 仿真模塊:高精地圖提供更真實仿真環境
2.高精地圖採集和生產
- 傳感器: GPS、IMU、輪速計、激光雷達
- 計算模型:
其中:
Q——優化方程
z——激光雷達掃描出的點
h——方程預測最新掃描點的位置
m——掃描到點在地圖中的位置
x——無人車當前的位置
計算模型中,m和x開始是未知的。先通過多傳感器融合求x,在求出測量點在地圖中的準確位置m。
3.高精地圖的格式規範
- NDS(Navigation Data Standard)
- OpenDRIVE
4.業界的高精地圖產品
- HERD HD Live Map
- MobileEye-Map
- Waymo-Map
- TomTom-Map
5.Apollo地圖採集方案
5.1地圖採集硬件方案
基礎傳感器配置
- 64線激光雷達
- 16線激光雷達
- GPS&IMU
- 長焦相機
- 短焦相機
5.2地圖採集流程
- 採集過程中雙向車道全覆蓋採集3-5圈,車速60km/h以下,在路口區域無需刻意停留(早期通常採用Riegl去採集)
- 默認每分鐘切割生成一個Rosbag文件
- 採集結束後壓縮打包
6.Apollo地圖生產流程
- 數據採集
- 數據處理(點雲拼接;底圖生產)
- 元素識別(基於深度學習的元素識別;基於深度學習的點雲分類)
- 人工驗證(車道線、路沿;信號燈,標誌牌;虛擬道路,邏輯關係)
7.Apollo高精地圖
7.1 數據元素
- 道路元素:道路邊界、車道長度、車道限速等
- 路口元素:路口邊界、路口內虛擬車道
- 交通信號元素:紅綠燈、其他道路標牌
- 邏輯關係元素:地圖元素邏輯關係表述
- 其他道路對象元素:人行橫道、禁止停車區、停止線、路面箭頭等
7.2 車道模型
7.3 路口模型
7.4 座標系
- UTM
- WGS84
- Track System
7.5 Apollo地圖格式相對於標準OpenDRIVE的改動
- 元素形狀的表達方式:採用絕對座標點序列描述邊界形狀
- 元素類型的擴展:增加禁停區、人行橫道、減速帶等描述
- 擴展元素間相互關係的描述:如junction和junction內元素的關聯關係
- 其他:增加車道中心線到真實道路邊界的距離關係等