未来汽车大讲堂——智能驾驶第一课

深度学习开源

前沿：目标及行为意图的检测与识别，高精地图创建

实际自动驾驶往后走

L3-L5需要高精地图，L0-L2不需要

高精地图表述不严谨，HD map是指高分辨率；HAD map是高度自动驾驶地图，高可信度地图。导航地图是种专题图，高精地图=自动驾驶专题图。

高精地图属于自动驾驶环境，对周边环境进行构建。

静态高精地图：高清静态模型，包括车道模型、道路部件、道路属性（车道数等）、其他定位图层

导航地图与高精地图之间会建立联结关系

NDS协会一直在定义导航地图，建立国际标准。NDS也定义高精地图，对不同传感器产生不同的高精地位图层，变得越来越多样化。google是老大。

今天的自动驾驶地图还需要人工工作，摄像头容易被遮挡，一次测绘很难达到高精度；

高精地图的容量并不大，甚至比导航地图还要小。高精地图是机器看的，导航图是人看的。现势性（新鲜度），自动驾驶系统要经常更新。

自动驾驶高精地图不需要是厘米级的。

EHP：电子地平线，ADASIS

如何生产高精地图：

1、采集。设备有激光雷达、IMU、GNSS、摄像头构成。高德用的是Riegl vmx-450，55万HZ的扫描点，100m的距离，0.5cm的精度

IMU：惯导系统，能告诉你车辆当前的势态。所有车向IMU标定。

流程：数据域收集，自动识别，检查调整

路测:实车测试，精度测试。

自动识别的意义：激光点源的数据量太大，自动识别可以降低成本。

识别准确度、可靠度更重要。分别车道线识别、杆物识别、标识牌识别等。采集了大量数据，高德采集了大量的数据，喂出一个非常好的神经网络。

高精地图发展的挑战：

1）高精地图到底长什么样。主要取决于传感器。传感器在发生变化，激光雷达的成本下降很快，google做到5000美金以下，禾赛科技，volodyn等都在开发更低成本的高精地图。

2）精度应该有多高？常见的需求是绝对精度1米，做到1米成本很高且测绘局不允许。

3）更新手段。导航地图更新很高效，有政府、众包采集队伍、UGC等的数据更新。高精地图更应该是UGC产生。

4）政策法规推进的框架。中国地图是偏转后的地图，使用偏转地图，需要偏转插件，有一个随机抖动，最大的可能抖动2-3米。如果绝对定位依赖大，偏转可能影响功能。审图政策，道路的最大曲率和最小曲率不得在地图表达等，现在没有明确。全民测绘：全民测绘需要规范。很多场景实际上是违法的。图商承担责任。

评价一下国内的图商，百度、高德、四维

高德是全球少有的手里有商业定单的图商

国内各大车企自动驾驶：

沃亚、长安、吉利、北汽

准确性来讲，已经有一定的可靠度了，更多要看传感器的成熟程序。

主讲人：地平线机器人市场拓展总监

美国的年轻人驾照拥有比例下降，对共享出行的接受度上升

Lidar：做定位、障碍物检测、跟踪

Radar：主要用于障碍物检测，很难做分类与跟踪

摄像头：很难得到三维数据，容易被干扰，做分类和跟踪比较好

激光雷达用途：生成高精地图、障碍物检测、跟踪、分类、实时定位

分类：

1、扫描雷达：

    机械式旋转雷达，比如成熟，用得比较多。Velodyne、lbeo、Robosense、数腾

    基于MEMES的雷达：还在研发阶段。通过描扫镜来改变光路。以色列的innovize。

    OPA：相共振雷达。通过多个小天线发射激光，通过控制激光的相位来改变方向。Quanergy、MIT等。

2、非扫描雷达

    Flash LiDar：发射面阵的光，不是逐点扫描。LeddarTech

LIDAR分为发射、光路、接收、后处理四块，不管用哪种方式，后处理都是一样的，改的是前三种。导致很多种类。

点云：

通过发射接收，在空间中形成一个点。每一个点的数据包括xyz的空间数据+光强度

视觉定位：室内比较好，室外的鲁棒性不好。

点云算法很重要

激光雷达防干扰未来是个问题

机械式旋转：量产性受到限制，价格昂贵

MEMES：温度、震动影响商业化；

相共振：

多芯GPS：1-2m

无人驾驶需要精确到车道，要用到RTK，RTK最大的问题是需要布基站。下一代的叫PPP，不需要布基站，18年以后

GPS和IMU整合起来

高精地图的最低层是网格地图，5cm*5cm精度，加上车道、标志物。制作很昂贵。

定位方式：

1、绝对定位，卫星。室内、隧道不精准

2、高精地图+激光雷达

3、双目视觉

4、用轮子转动来测量距离，问题是误差会积累

实际操作中，要用多种混合使用。

Sensor fusion架构：主流都在用。造价40万-50万美金。

感知：需要数据集。Kitti的数据集比较通用，有双目、定位导航等数据集

Lidar：做定位、障碍物检测、跟踪

Radar：主要用于障碍物检测，很难做分类与跟踪

摄像头：很难得到三维数据，容易被干扰，做分类和跟踪比较好

激光雷达用途：生成高精地图、障碍物检测、跟踪、分类、实时定位

分类：

1、扫描雷达：

    机械式旋转雷达，比如成熟，用得比较多。Velodyne、lbeo、Robosense、数腾

    基于MEMES的雷达：还在研发阶段。通过描扫镜来改变光路。以色列的innovize。

    OPA：相共振雷达。通过多个小天线发射激光，通过控制激光的相位来改变方向。Quanergy、MIT等。

2、非扫描雷达

    Flash LiDar：发射面阵的光，不是逐点扫描。LeddarTech

LIDAR分为发射、光路、接收、后处理四块，不管用哪种方式，后处理都是一样的，改的是前三种。导致很多种类。

点云：

通过发射接收，在空间中形成一个点。每一个点的数据包括xyz的空间数据+光强度

视觉定位：室内比较好，室外的鲁棒性不好。

点云算法很重要

1500万货车，3000万货车司机。如果都取代了，也就是3000万货车司机下岗。

Google TPU BPU，google不只是一个网络公司。

AGL automotaive g lunix

Greehill

智行者 清华

李克强

adas 高级辅助驾驶