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
¥
支付方式
请使用微信扫一扫 扫描二维码支付
请使用支付宝扫一扫 扫描二维码支付
开通会员,立省141元 立即开通
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