隨著自動駕駛賽道的持續升溫,高精度地圖作為汽車感知周圍環境信息的重要組成部分用于輔助安全駕駛決策和判斷,逐漸成為行業共識。
高精度地圖需要具備高精度、多要素、高“鮮”度等特點,它不同于以往傳統導航地圖,因此在制作工藝上也與傳統導航地圖差異相當明顯。
然而,L4以上的自動駕駛汽車一直并未商業化落地,除激光雷達等車載傳感器等硬件成本居高不下之外,高精度地圖的發展可能也是掣肘因素之一。
高精度地圖的發展現狀
就現階段高精度地圖的投放與使用情況而言,目前量產項目主要集中在低速場景下停車場、高速公路以及封閉園區等自動駕駛場景,搭載了L2+以上相關自動駕駛功能(如自主代客泊車AVP、自動輔助導航功能NOA/NOP等)的量產車型已逐漸投放市場。
無論是AVP還是NOP,這些功能的實現,都需要車輛預先搭載了國內相關應用場景的高精度地圖。
AI技術應用于高精度地圖的制作
與傳統導航地圖不同的是,高精度地圖制作時數據精度要達到分米級,需要采集的道路要素更精細,更多元。
SD地圖、ADAS地圖以及高精度地圖的差異
車載攝像頭是高精度地圖數據采集的方式之一,它就像汽車的眼睛,采集到大量道路數據后,圖商會再通過AI算法在圖片/視頻里進行車道線、標識牌等道路要素的識別與提取。
但是攝像頭有時候也會出現誤判,比如當遇到那些奇奇怪怪的標線,視覺AI算法也可能會誤判。
彩色三維立體減速標線:這種標線叫三維立體減速標線,在內地已有不少城市使用。立體標線以平面圖形模擬成立體圖形,可以使路面產生突出或凹陷障礙的三維視覺效果,誘導司機主動減速慢行,且行車無顛簸感。
錯視覺標線:這種標線經常設置在隧道口,它一般開始于隧道外200米,一直延伸到隧道內100米。司機會產生空間壓縮錯覺,沿著行車方向,車道呈現寬變窄、道路下凹的視覺錯覺,會讓司機在進隧道前提前減速慢行。
除攝像頭外,激光雷達傳感器也用來采集道路數據。激光雷達(LiDAR)點云數據,每一個點都包含了三維坐標信息,也是我們常說的X、Y、Z三個元素,有時還包含顏色信息、反射強度信息、回波次數信息等。通過這些點,不僅可以明確了解地表空間上的某個點的坐標信息,還可以計算它們之間的長度、面積、體積、角度等信息,這是高精度地圖數據采集更為精準的手段之一 。
在道路信息采集過程中,圖商一般會采用多種功能互補的傳感器組合作業,在產生的圖像或點云數據基礎上,再利用AI算法來提取道路上的各類要素屬性。令人遺憾的是,AI雖然可以提取各類要素屬性,但是這種提取方式仍具有一定局限性。
激光雷達產生的點云圖片
因此人工數據標注以及抽檢等方式在高精度地圖制作過程中也必不可少。
高精度地圖的發展瓶頸
目前國內高精度地圖制圖方式多樣,只有極少數圖商(含易圖通在內)有能力采用“一次采集底圖+眾包更新”的方式來進行地圖制作與更新,也就是利用搭載有激光雷達、GNSS、IMU等專業測繪設備的傳統采集車來采集一張全國高精度地圖底圖,地圖更新時則采用足夠數量的眾包車輛來采集數據進行比對與更新(受制于激光雷達的裝車成本高昂),這樣在保證地圖"鮮"度的同時也降低了地圖制作成本。
易圖通眾包更新車端建圖示例
在高精度地圖制圖過程中,無論是底圖制作還是眾包數據處理,高精度地圖自動化制圖生產線都是各家圖商的核心技術,這是制約圖商高精度地圖量產的關鍵因素之一。
此外,如同前文所提,目前高精度地圖的量產項目主要集中于國內L2+以上的自動駕駛功能應用,目前政策法規也僅允對部分高快速公路、封閉園區的高精度地圖的開放審圖號,一般城市道路的高精度地圖審圖號依舊難以獲取。
再者,由于高精度地圖是近些年來伴隨自動駕駛發展起來的新鮮產物,未來前景向好。因此目前高精地圖市場參與者眾多,有傳統圖商、造車新勢力/主機廠商、國外供應商、國內創新企業等,導致地圖數據來源多樣化,標注方式各異,企業之間數據無法打通,而目前高精度地圖行業尚無形成統一行業標準,因而地圖投入制作都各有特色,行業資源重復投入現象明顯。
基于國家安全因素考慮,高精度地圖采集、制作、存儲與發布一直面臨著嚴格的管控,但自動駕駛技術發展迅猛,相關產學研項目都在逐步落地,目前基于智能網聯汽車相關的地圖數據制作要素標準等相關行業規范與法規近期也在密集出臺,正大力加快指導并推動產業規范化發展。