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。
其次,是高精度地圖的標準尚未統一。
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 |