cookieOptions = {...}; .解決自動駕駛定位問題的三種思路 - 3S Market「全球智慧科技應用」市場資訊網

3S MARKET

2019年8月7日 星期三

Self Driving Car How It Works Tech 10 Systems Autonomous Cars Need Commercia



來源:智车科技IV


在自動駕駛技術問題中,定位技術(自身定位以及對周圍環境相對位置的認知)似乎是無人駕駛汽車最難掌握的技術,這與城市的動態性質有關。例如施工路面、封閉道路、新標誌和缺失的道路標誌等,都是這種動態性和不確定性的例子。


What Tech Will it Take to Put Self-Driving Cars on the Road ...

人類面對以上,隨時隨地可能發生改變的因素,都會感到困惑,更不用說機器了。

目前沒有方法可以完美地解決,自動駕駛汽車的定位問題,但以下幾種是當前最為有效,也最有希望解決問題的辦法。不同公司有不同的傾向性選擇,本文將根據具體的策略,對三種定位方法進行介紹。

自從特斯拉和 Waymo 等公司出現以來,車企對自動駕駛技術的關注愈發增加。這種情況在 2018 年更甚,從而加速了無人駕駛汽車盡快落地的可能。

例如,通用汽車公司在舊金山的員工,已經用上了沒有方向盤或踏板的Cruise;福特、福斯、豐田和賓士,也都在自動駕駛競爭之列;上個月,特斯拉在晶片發表會上宣佈,到 2020 年他們將製造出完全自動駕駛汽車
無人駕駛的實現前途光明,但道路曲折。目前自動駕駛仍然面臨很多難題,例如需要快速而連續地分析數據流、需要做對機器來說很繁瑣,但對人類來說只是雞毛蒜皮的一些小事等。具體來說,物體檢測、距離、速度、定位,和交通法規等都是在駕駛過程中,做決策時需要考慮的因素。

為了達到 SAE 標準中的 L5 級別,電腦駕駛系統需要能夠執行上述所有基本任務,找到針對不同問題的技術解決方案。以下列出了幾種主要的自動駕駛技術難題及解決方案:

距離:雷射雷達(光探測和測距)

速度:雷達(無線電探測器)

物體探測:攝影機、圖像處理和機器學習

交通法規:物體檢測(用於交通信號燈和標誌)、圖像處理(用於車道檢測)和對本地數據的訪問

路徑規劃:軟體算法(如A*搜索算法)

定位同時定位與地圖創建(Simultaneous Localization and Mapping,SLAM)或預先製作的 3D 地圖,在上述所有問題中,定位技術(自身定位以及對周圍環境相對位置的認知)似乎是無人駕駛汽車最難掌握的技術,這與城市的動態性質有關。例如施工路面、封閉道路、新標誌和缺失的道路標誌等,都是這種動態性和不確定性的例子。

人類面對以上,隨時隨地可能發生改變的因素,都會感到困惑,更不用說機器了。目前沒有方法,可以完美地解決自動駕駛汽車的定位問題,但以下幾種是當前最為有效,也最有希望解決問題的辦法。不同公司有不同的傾向性選擇,本文將根據具體的公司策略,對三種定位方法進行介紹。

1.以特斯拉為代表的視覺 SLAM 定位
以特斯拉為例的一類企業傾向於使用基於視覺的Visual SLAM(簡稱VSLAM)技術進行定位,他們將盡可能多的視覺傳感器置入汽車中,不依靠預先錄製的地圖,而是希望將圖像處理和機器學習結合起來,讓特斯拉車輛能夠對周圍環境,做到時瞭解


What Is SLAM? How Self-Driving Cars Know Where They Are

特斯拉車輛隨時隨地都在學習,並與其他車輛分享知識。他們依靠周圍的即時環境數據,而不是歷史數據,不存在依賴過時地圖而出錯的風險。

特斯拉的目標非常明確,即建造可以在任何條件下,駕駛的車輛,而不受周圍環境的影響。前段時間特斯拉的晶片發表會上,因馬斯克 diss 雷射雷達,還引起了一場軒然大波。

馬斯克說,使用雷射雷達的定位方法,擺脫了「醜陋,昂貴且不必要」的繪圖設備,為此付出的代價,是在處理不確定性時,更加依賴相機和軟體。

特斯拉人工智慧高級主管 Andrej Karpathy 強調,物理數據的作用是無法代替的,相對於利用雷射雷達,建立虛擬高精地圖來說,特斯拉更相信現實的物理數據,看圖比看雷達更真實

目前,使用 VSLAM 實現定位的自動駕駛車輛,主要配備三類感測器:單目、雙目(或多目)、RGBD此外還有魚眼、全景等特殊攝影機,由於在研究和產品中,都屬於少數在此不做介紹。就實現難度而言,這三類方法難易程度,從難到易依次為:單目視覺、雙目視覺、RGBD。

在定位過程中,VSLAM自動駕駛車輛,從一個未知環境中的未知地點出發,在運動過程中,透過以上這些視覺感測器,觀測定位自身位置、姿態、運動軌跡,再根據自身位置,進行增量式的地圖建構,從而達到同時定位和地圖建構的目的。

定位和建圖是兩個相輔相成的過程,地圖可以提供更好的定位,而定位也可以進一步擴建地圖。VSLAM 技術框架如下,主要包括感測器數據預處理、前端、後端、回環檢測、建圖



2.以通用/賓士/福特為代表的高精地圖定位
通用汽車和賓士,都看好透過雷射雷達或GPS,預先製作的高精地圖,來進行定位的方法。通用汽車於2017年,收購了自己的雷射雷達供應商。福特與百度合作,向一家雷射雷達供應商Velodyne 投資 1.5 億美元,賓士也與 Velodyne 簽訂雷射雷達供應合約。

雷射雷達是非常傳統的定位感測器。它可以提供機器人本身,與周圍環境障礙物間的距離資訊。常見的雷射雷達有 SICK、Velodyne、Rplidar 等。使用雷射雷達製作高精地圖,實際上就是利用雷射點雲融合技術,進行雷射雷達掃描,返回場景分布點的技術。

雷射點雲融合的技術又分為兩種,一是基於點雲融合的算法,其應用場景較廣,不僅限於GPS場景;第二種是基於比較精確的差分 GPS 和精確慣導(IMU,慣性測量單元),其對場景依賴較強,必須在比較開闊的場景使用,對於高架橋等GPS信號弱的場景效果不佳。

用圖像和 GPS 技術解決方案精度比較差,主要用來製作 L2、L3 的 ADAS 地圖,而雷射點雲則可以滿足 L4、L5 的需求。

這類車輛依賴於預先記錄好的 3D 高解析度地圖,而這些地圖是使用配備雷射雷達的車輛預先捕獲的。然後,自動駕駛車輛可以使用其自身配備的雷射雷達設備,獲取周邊環境的資訊,與預先製作的高精地圖進行比對,判斷環境是否已經改變,然後在地圖涵蓋區域內,實現自動駕駛。

這顯示了相對來說更加廣泛的自動駕駛策略。為了保持地圖的準確性和車輛的可用性,需要市政當局和汽車製造商之間,更廣泛的合作,以創建和維護最新的高精度地圖,供車輛使用。

以凱迪拉克的超級巡航系統為例,只有當車身雷達獲取的資訊,與高精地圖資訊一致,並透過安全檢查時,車輛才能在預存了高精地圖的高速公路上導航行駛。

這種方法提供了高度的可靠性和可預測性,但高精地圖所需要處理的數據量巨大,必須使用數據中心電腦集群來做處理,並且涉及很多並行計算和處理,這些對數據處理能力都是極大的考驗。

高精地圖的即時更新也相當重要,道路環境有可能在不斷的變化,需要實現快速有效的更新。以上這些由於記錄地圖,和使用雷射雷達設備製造車輛所需的努力,都使得實現無人駕駛,所付出的成本相對更高。
3.以福斯為代表的車聯網定位
自動駕駛定位的另一種方法,不關注如何使汽車更靈活地適應環境,而是關注如何讓環境為自動駕駛汽車服務,即創造更智慧的環境。這減輕了車輛的負擔,使其能夠找出其環境中的所有不確定因素。

在這種情況下,變化的環境因素會自己「找上門」,讓車輛更準確地瞭解到周圍環境的狀況,建築物可以直接「告訴」進入的汽車建築區域,和臨時車道的具體位置。

福斯汽車一直在努力建立自己,作為 V2X 技術先驅的身份。在 2017 年福斯就宣佈所有 2019 年的車型,都將配備完整的 V2X 功能套件。這些連接將提供大約 500 米以內的交通狀況、事故,和與當地環境共享的其他交通狀況資訊,甚至更廣。



透過車聯網方法,進行定位的車輛透過 GPS、RFID、感測器、攝影機圖像處理等裝置,在由車輛位置、速度和路線等資訊,構成的巨大交互網路中,完成自身環境和狀態資訊的採集。

在網路資料庫中,所有車輛將自身的各種資訊,傳輸匯聚到中央處理器,實現位置資訊的交互共享。目前,對岸中國強制要求所有營運車輛,都要轉配車載定位終端,同時接入相關企業服務平台,並最終接入省部級服務平台。

具體來說,車輛節點的定位位置感知技術是車聯網的技術核心。定位強調位置資訊的唯一性,即定位得到的是真實的地理坐標資訊,而位置感知側重於節點之間,在位置上的相對性,反映的是移動節點,在時間維度和空間維度上的軌跡。

位置感知中,其位置資訊參照錨節點來計算的,而錨節點的產生,視不同的算法實現而不同,主要採用非測距技術(Renge-free)來定位。無線測距的基本原理分為三邊測量法、三角測量法、極大似然估計法和質心算法四種類型。

三邊測量法原理比較簡單,是在已知三個錨節點 2D 座標資訊的前提下,就可以計算出1個未知節點的位置資訊;三角測量法的原理,是在網路中選定一系列的錨節點,構成相互連接的三角形,透過測量某一三角形的三個角節點,到某一位置節點的相對水平角度,來對節點進行定位;

極大似然估計法的原理,是一句 N 個錨節點的座標,以及到未知節點的距離,來對節點進行定位;質心算法中的質心,是指多邊形的幾何中心。

質心算法的實現原理,是網路中的錨節點週期性地廣播,用於標識節點自身身份標識,和座標未知的分組,當未直接點接受到的錨節點的分組,達到一個門限值時,或接受錨節點分組的時間達到預設值時,將由這些錨節點組成一個多邊形,該多邊形的質心,便是該未知節點的座標。

車聯網的定位技術,則是透過合理部署,在城市交通道路周邊的RSU,利用無線測距技術,實現對移動中車聯的即時定位。目前所採用的技術主要有,利用接收信號強度值(RSSI)、到達時間(TOA)、到達時間差(TDOA)、到達角度(AOA)及到達頻率差(FDOA)等。

FDOA 定位技術具有無模糊區、精度高等優點,它可以與TDOA 等定位技術結合,實現更加完善的定位功能,成為車聯網定位技術的一個發展方向。在此不做具體介紹。

雖然目前對車聯網定位和感知技術的研究,取得了一定的成果,但仍然有很多問題,需要進一步解決,主要體現在專門針對車聯網的定位和感知技術、室外移動 3D 定位技術、精準無縫的協作定位等方面。

當然,能夠輔助實現定位目的的有例如 GPS 、衛星、雷射雷達、攝影機及其他多種感測器,本文介紹的三種方法,是實現自動駕駛定位的三種不同思路,思路上的不同並不排斥具體使用技術上的借鑒與融合


技術只是自動駕駛的一個方面,道路安全法律法規,也需要適應自動駕駛市場的變化。今年福特、通用和豐田,在自動駕駛汽車相關安全法規上,就達成了合作夥伴關係。

另外,在人類社會不斷向前發展的進程中,經驗是一個不可忽視的關鍵因素,無論現時段自動駕駛,面臨了什麼小成就和大挫折,都必須清楚地明白一點:我們生活在技術不斷創新的時代,新技術解決新困難,時間會說明自動駕駛,是如何向我們一步步走來的。



(按此回今日3S Market新聞首頁
任何顏色車牌——都拍攝的清清楚楚!

0 意見: