apollo学习笔记九:apollo高精度地图(中)

业界的高精地图产品

HERE

HERE采集地图流程:
apollo学习笔记九:apollo高精度地图(中)

(1)基础地图的设计:基础地图是高清实时地图的基础。配有16线程激光雷达、相机的采集车辆采集数据,进行基础地图的绘制。

(2)众包更新(基于图像):众包的特点在于其成本较低/利用众包车辆传感器采集行车路径、车道标志、道路边缘、路标、路面标志等。结合卫星图像等多种数据源,更快的更新地图。
apollo学习笔记九:apollo高精度地图(中)

(3)在云端映射学习:利用深度学习,在点云或图像场景下做图像分割,物体识别。
(4)更新地图:创建并添加到地图数据库后,在这里将其发布到HD Live地图,并将必要的平面图发送回车辆,以便车辆能够准确和实时地表示路网。

HERE的表述方式
(1)第一层是Road & Lane Model Layer(道路车道层):最底层,包含车道线,交通标识等道路信息。
(2)第二层是Localization Model Layer(定位层):基于Camera或点云提取地图特征,该层包含定位信息。
(3)第三层是Activity Layer(动态信息层):描述路上的动态时间,如道路事故等,对实时性要求高
(4)第四层是Analytics Layer(司机驾驶习惯层):收集司机驾驶习惯供机器学习,使自动驾驶可以更好的模拟人的行为。

MobileEye

MobileEye三个层次的技术体系:
apollo学习笔记九:apollo高精度地图(中)

(1)感知:Mobileye的软件可以进行传感器融合——从摄像机传感器、雷达和激光雷达传感器中解读数据。在图像处理方面,Mobileye经验丰富,使用自己独有算法是用来检测对象,确保安全行驶和系统决策。L3以下的自动驾驶不需要高精地图,但是L3以上就看你使用的是基于Lidar还是Camera的方案了。
(2)映射:自动驾驶汽车需要大量的系统冗余来处理无法预料的情况。在所有条件下,车辆相对于道路边界和交叉口的精确定位都需要高精地图。Mobileye提供基于REM的框架(REM™),它使用众包的策略。让用户能低成本地构建和快速更新高清地图。
(3)驾驶策略:在Mobileye的驾驶策略中,他们认为,一旦一辆自动驾驶汽车能够感知周围的场景并在地图上进行定位,要解决的最后一件事情,就是学习和共享人类司机的驾驶策略。Mobileye声称,传感、测绘和强大的计算能力赋予了自动驾驶车辆超人的视觉和反应时间。Mobileye对驾驶策略的强化学习,将提供多变量情况的分析方案,并且尽可能地逼近人类的行为和判断方式。这证明Mobileye对于复制人类的驾驶行为还是很看重的,至少把其单独地作为一个数据层去阐述处理。

Mobileye的REM系统(道路经验管理系统),提供实时匿名众包的汽车数据,用于高精度地图的制作和使用。MobilEye把REM采集、发送云端、处理、发回车端的过程称为“路书”。搭载MobilEye的车端首先会对环境进行识别,然后进行语义分析和几何形状提取,将其压缩后打包上传,这个过程称为RSD。经过REM系统采集处理的RSDs,正是由于激光雷达的解决方案存在诸多的限制:高成本、低规模化和点云算法尚不完善。在现行的网络条件下,MobilEye的RSD方案“至少”看起来让自动驾驶这件事儿变得更加可行了。

Waymo

谷歌Waymo期待自己能够研发出栅格式的高精地图,而不是传统的矢量类型地图。这种地图记录了所有道路上的物体信息,并且将不存于静态地图中的动态物体自动过滤,由此降低车端感知识别的难度,达到更好的检测效果。
apollo学习笔记九:apollo高精度地图(中)
谷歌也是基于激光雷达+视觉感知的方案。不同之处在于,谷歌自己设计的激光雷达探测距离远且成本低。