無人駕駛能不能實現，就要靠地圖數據採集小哥哥征服星辰大海啦！
尋
尋
華晨宇
00:00/04:30
關於國內無人駕駛達到什麼水準（這個目前是天問，要分實驗室級別、demo級別和量產級別）以及問題「國內有哪些值得關注的無人駕駛的技術」，回答已經很多了，非常精彩，在此不贅述。
作為自己一個還算「資深」的從業人員，談一下美國到底領先中國多少的感受，應該更有價值。
咱們先不扯各種高大上的技術，就在商言商，聊一聊商業化。
一直覺得人工智慧一定要高大上，這樣才能體現智力優越感。但是人生自是長恨水長東，很多時候華麗麗的技術啊，一接地氣，就讓人覺得……夢醒了。
我的體會是，在國內還在纏鬥無人駕駛基本概念定義和外延的時候，美國一些比較前衛的公司已經開始進入探索實際商業化場景的階段。
我自己曾經收到過一個很棒的禮物，叫做「人生星光地圖」。
說起來倒也不是很複雜，是將一種特殊的夜光塗料塗抹在地圖上，所以有光照的時候隱形，環境暗下去之後就會悄然出現。
而每個國家都隱藏在銀色的刮刮圖層下，去過那裡就可以刮開，像哥倫布發現新大陸一樣，去發覺屬於自己的小世界。
據說古時候，地圖最初的作用就是鑄造在鐘鼎上，為指引狩獵的人們不致迷路而用。
一直很感慨於，舊時候，從前慢。
古代地圖也挺精準的，他們又沒有衛星，是怎樣繪製出來的呢，如何用雙腳去丈量世界？
所以看到古時候用來測繪的工具，只能說不明覺厲了。
「沒有高精度地圖，就沒有無人駕駛」
憑藉著千百萬年來的進化從而走上食物鏈頂端的人類，對方向和位置的把握從來不是一件難事。
對於我們身處坐標的深究，除了技術控的嚴謹，也許還加入了可以稱為「使命感」的元素。
如今的人工智慧時代，眼見著無人駕駛就要走進千家萬戶，但是如果你了解多一點技術，就會知道，竟然卡在了高精度地圖上。
我當然不是說激光雷達、智能攝像頭、或者其他的感測器就不重要。
而是和這些「硬體」相比，高精度地圖有其特別的困難之處。
無人駕駛汽車依靠的是不同的車載感測器回傳的數據流和「聽」和「看」。
如果你想去三里屯泡吧，首先得要知道自己所在的方位。
對於車這樣的一個物件來說，識別地理位置就是通過GPS定位系統和高清存儲數字地圖。
「「高精度地圖」之「高」，「高」在哪裡？」
其實我也一直在想一個問題，「高精度地圖」之「高」，「高」在哪裡？
可以給出一個這樣的定義，「高精度地圖是詳細、精確的地圖模型，能提供某個區域最重要的地表特徵信息。」
如果是人自己開車，大約有個GPS導航，就基本夠用了，過個紅綠燈啊，人都有自己的判斷。
對於機器來說，人類大腦的「自動更新」和「自動修正」能力，是完全不存在的事情。
回到問題的最初，高精度地圖，不僅需要反映大型地理特徵，比如高山湖泊，也需要反映樹木啦，馬路牙子啦，人行道分布啦，這些微觀地形細部。
如果我們追溯到無人駕駛的需求，還需要重點呈現道路或十字路口的表層靜態數據，比如車道線、路口交叉點、施工地段以及道路標誌。
所以，你已經可以領會到，畫一張高精度地圖有多麼難了。
不精確，就有可能出事故，有巨大的安全隱患。
「乾貨分享：如何畫一張高精度地圖？」
做高精度地圖的數據採集，需要什麼準備呢？
首先要有一輛搭載各種感測器的全景地圖數據採集車……
不少人都在路上看到過這種採集車。
一類車車頂搭載了3台單反相機，按照一定時間間隔拍攝照片，可以記錄並生成全景影像。
據說車頂盒子里的3台相機是尼康D810，搭配街景需要的魚眼鏡頭，懂行人報價，三個大約6萬左右。
車上裝備了全球導航定位系統和慣導單元，可以在車頂發現天線設備。
車頂增加了一個45度角朝天的Velodyne 32線激光雷達，可以實時對周圍環境進行3D建模，可用於高精度地圖繪製。
車頂激光雷達的點雲數據會描繪出包括車道線，地面噴漆，立面路牌，城市立交等在內的信息，精度能達到厘米級別。
這些三維環境數據可以在後期和圖片數據融合，簡化提取地圖信息的流程。
採回數據會以數據壓縮包的形式給到內業工作人員，由內業工作人員做進一步處理。
通過圖像以及語音識別技術，可以對攝像機收回的圖像數據中的標示牌、店鋪名稱等自動標記名稱。
要知道，地圖數據採集不是隨便跑一趟就行，而是全覆蓋，地毯式推進，只要是能走汽車的路，每一條都要跑。
另外，全國各地的道路也在不斷變化，每個省的數據採集過後，大概過一兩年還要復采一遍。
在工作時，採集員基本上都是以小隊為組織，一個小隊會有三個基地，每個基地大概20多個車隊，每個車隊大概有10多個人。
車輛採集的設備都在車上，以前需要一個駕駛員和一個設備操作員，現在由於採用AI自動化處理，一個人就可以把整個採集工作做好，包括駕駛和設備的操作。
對於車輛採集員每天的工作量沒有具體要求，但不能太少，差不多早上8點半出發，一直工作到光線不允許採集時收工。
大家都很關心，數據採集了之後，怎麼辦？
多種採集方式僅僅保證了數據的豐富，但這些非結構化的數據需要大量處理時間。
百度地圖已經在用 AI 技術簡化這些操作，比如用深度學習來對道路信息進行自動篩選，從採集的影像中識別道路特徵，然後提取輪廓並繪製形狀，補充車采盲區部分數據。
機器視覺還可以精準識別全景圖像中的道路圖形標牌、地面車標以及文字標牌等。
不過，現在的技術還達不到全部交由機器處理，依然有五六百人在專門做數據加工。
對地圖數據更新部分，也用到了一些自動化更新技術。自主採集和外購數據導入時，發現與原圖存在差異的信息，會通過自動識別差分融合技術，進行信息更新。
現場展示了路口車道變化的更新流程。系統識別變化，並自動圖像識別車道轉彎直行等標記，內業工作人員查看無誤後一鍵更新。
拋磚引玉，我們從美國通用公司披露的公開資料，可以大致了解到高精度地圖是如何製作出來的。
首先陀螺儀（IMU）及輪測距器（Wheel Odometer）可以高頻率地給出當前無人車的位置預測，但由於其精確度原因，位置可能會有一定程度偏差。
為了糾正這些偏差，可以使用感測器融合計技術（比如使用Kalman Filter)結合GPS與激光雷達（LiDAR）的數據算出當前無人車的準確位置。
然後根據當前的準確位置與激光雷達的掃描數據，把新數據加入地圖中。
| 摩登汽車洞見 |
和業內人士討論，從宏觀角度切入，高精度地圖未來面臨的挑戰有哪些：
首先，是地圖資質的問題。
不是每家有採集車的公司，都可以成為具備測繪資質的「圖商」，這可是涉及到國家安全的大事。
因為性質特殊，也就意味著這是一個大玩家的遊戲。
這存在兩方面的問題，1 高精度地圖究竟標準要詳細到什麼程度，不光是圖商導航提供需求，還需要和無人駕駛車載感測器保持一致。因為中國的無人駕駛還在初始階段，所以會有採集大量數據，不知道該怎麼結構化使用、規範標註的問題；
2 每家高精度地圖都不一樣，不流通，會造成資源的浪費，沒有共享。
此外，高精度地圖如何保持更新，也是一個困難。
是要人員不斷去維護，還是採用眾包的方法？但眾包之後，還是需要專業工作人員去核實信息。
所以就會出現數據的延遲，這對於無人駕駛來說，安全性就會受到影響。
Ending
其實人工智慧行業待久了，就會對高科技有點「免疫」。
怎麼說呢？當我們看到激光點雲的立體圖時，會覺得技術厲害死了，但是在推動一個技術成為我們最終看到的模樣，則需要大量的人在背後做支撐。
這段時間看了不少關於百度高精度地圖的資料，發現最有意思的事，莫過於隱藏在激光雷達和陀螺儀之後，那些復刻真實世界的地圖信息採集員。
如今我們這麼辛苦去獲得數據，去做成信息豐富的高精度地圖，是為了將來出門不用看地圖，只要知道自己想去哪裡就好了，無人駕駛車會幫我們規划出最優路徑。
摩 登 汽 車
TAG:摩登汽車 |