MIT最新研究：無需3D地圖，利用GPS和LiDAR在鄉村道路上，實現自動駕駛

高精度地圖是無人駕駛發展成熟標誌之一，在橫向/縱向精確定位、基於車道模型的避讓等都離不了高精度地圖。然而，在一些偏遠的鄉村道路環境中，繪製高精度地圖有很大的難度。MIT最近曝光了他們近期的研究成果，利用拓撲地圖、開放式街道地圖(OSM)和本地局部感知系統，無需3D地圖，在鄉村道路實現了自動駕駛。

目前，最先進的自動駕駛系統一般都依靠詳細、精確的高精度地圖來完成定位。高精度地圖包含大量的行車輔助信息，其中有一些必要的道路數據和道路周圍固定對象的信息。通過這些數據，導航系統可以準確定位地形、道路輪廓等引導車輛行駛，車載機器人可以將精確的路網三維表徵信息與本地感測器數據比對實現定位。

這是目前高精度地圖在自動駕駛中主要發揮的作用。迄今為止，絕大多數自動駕駛車輛都集中在以下兩個情況：1)在標記清晰的高速公路上行駛 2)基於極其精確和手動注釋的詳細全球地圖進行城市導航。

然而，無論是在美國還是在中國，仍有大面積的鄉村道路。這對於自動駕駛來說具有很大挑戰。因為這些道路，稀疏地連接著廣闊的土地。地圖採集工作量大，同時車道標記和道路路網幾何形狀經常不可靠，建立詳細的高精地圖的方法顯得並不切實際。

麻省理工學院的CSAIL團隊近日分享了他們正在研究的方案。研究人員在豐田汽車的幫助下，開發了一個新的MapLite框架，可以在沒有任何3D地圖的情況下，在鄉村道路實現自動駕駛。

MapLite將Google地圖上可以找到的簡單GPS數據與一系列觀察路況的感測器結合在一起，在馬薩諸塞州Devens的多條鄉村道路上自主駕駛，並且可以提前100英尺以上可靠地探測到前方道路。

該論文將於5月份在澳大利亞布里斯班召開的機器人與自動化國際會議(ICRA)上發布，由麻省理工學院教授丹尼拉羅斯和博士畢業生Liam Paull共同撰寫。

它是如何實現的?

Maplite是一種新型的無網格驅動框架，它結合了稀疏拓撲地圖的GPS和基於感測器的本地感知系統進行導航。首先，該系統設置最終目的地以及研究人員稱之為「本地導航目標」(車內)等內容，接著，感知感測器生成一條通往終點的路徑，使用LIDAR來估計道路邊緣的位置，同時遵守路段橫穿道路的規則。同時，結合車輛的測距法和相關方法更新這些軌跡以保持車輛行駛。利用基於最小二乘殘差和遞歸濾波方法的不確定性，使車輛能夠可靠地、高速地導航道路網路，而無需詳細的先驗地圖。

論文中提到了用開發道路分割演算法以獲得車輛的感測器中的道路邊界點。然後使用RANSAC /最小二乘法對這些點進行擬合以獲得最優道路邊界點內的軌跡。重要的是，擬合的質量也是從最小二乘最小化的殘差輸出中獲得的。這允許軌道估計在下一次迭代期間被概率地融合。車輛還配備有測距感測器，用於在車輛移動之後將先前的軌跡估計傳到當地車輛框架中。

「我們極簡主義的測繪方法，能夠使用當地外觀建築和語義特徵(如停車位或小路)，在鄉村道路上完成自動駕駛。」羅斯教授說。

MapLite與其他無地圖駕駛方法有所不同，它更多地依靠機器學習對一組道路的數據進行訓練，然後再在其他道路上進行測試。然而，它在很多方面仍然很有限，對於山路而言，還不夠可靠，因為它不能對海拔起伏較大的路況做出很多的處理。下一步，MIT車隊希望增加車輛可以處理的道路種類。最終，他們希望該系統能達到與高精地圖採集方案相當的性能和可靠性水平。

論文作者羅斯教授說：「我想未來的自動駕駛汽車總會在城市地區使用3D地圖，但是當這些車輛要在從未見過的陌生的道路上行駛時，就能體現我們研究更大的意義。」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！