初创图商该如何进军高精度地图?Civil Maps现身说法

  • 刘署光
  • 发表于: 2017/11/28 06:58:37 来源:车云网

高精度地图要如何完成低成本采集和制作?

车云按:高精度地图是自动驾驶中不可缺少的一环。不仅是它本身可以看是一个超视距的传感器,而且配合高精度地图的高精度定位技术在高级别自动驾驶中尤为重要。

但是同时我们也知道,要做高精度地图是个极其烧钱的行为,暂且不提后续的地图内容制作与分发等,单单是设备齐全数量足够的测试车队就能让很多意图进入这个行业的公司望而却步。

不过,这几年,国外开始出现一些地图领域的初创公司开始涉足这个领域,这种方式显然并不适合初创公司。那么他们是怎么做的呢?来看看外媒对于Civil Maps的报道解释。

一辆汽车要想实现完全自动驾驶,首先必须准确地知道它在哪里,要去哪里,以及需要走的路线。因此,我们需要非常精确的地图。而且,整个道路网络,不可能只绘制一次,甚至每月绘制一次的频率也有些低。最初的基础地图必须不断更新,以反映坑洞和道路关闭以及车辆可能遇到的所有其他障碍。

相较于传统图商,对于初创的图商来说,并没有强大的资金链来支持,因而必须要精益的方式来进行地图绘制。

Civil Maps的联合创始人兼首席执行官Sravan Puttagunta表示:“其他公司这样做:他们使用光栅图像或点云数据作为他们的基础地图层。这个数据量非常庞大。”事实上,这项任务所需的资源是为什么第一辆完全自动驾驶的车辆——我们称之为Level 4,将会被限制在一定区域内的原因。Puttagunta认为这种方式并没有打破地理的限制。

Puttagunta解释说:“将我们与其他公司区别开来的是我们的基础地图的大小,我们的基础地图非常小。它实际上比我们最接近的竞争者小一万倍。”

地图绘制实际上涉及三个不同的层:首先是基础地图,然后是一个向量层,它用来描述形状;其次是一个语义层,类似于业务规则。向量层和与一层需要尽可能频繁地进行更新,最终目标是接近实时更新,要做到这一点,大多数的选择是众包:当自动驾驶汽车沿着道路行驶,将实际感知到的数据与基本地图进行比较,然后将差异化的数据上传回到云端,只要有足够多的车辆在这么做,就可以拥有足够的覆盖率。

实际上,大部分图商也是这么规划的。但这里有一个问题:“基础地图无法众包,他们必须派一辆测量车去那里,收集基础地图数据,然后上传到云端,再通过自动处理或者人工的方式来进行标注和修改,然后再进行发布。“

因此,创建基础地图的数据量相当庞大,因为它们都是由原始的3D激光雷达点云或光栅图像构建在云端的。Civil Mpas生成基础地图的方式略有不同,使用AI算法来删掉除所需传感器之外的所有数据,进而创建“指纹基础地图”,这样上传到云端的数据要小很多。这套技术允许在三个地图层中均使用众包的方式进行数据更新。这是Civil Maps成本低的原因之一。

较小的数据量还有其他好处。如果能够将每公里的地图大小降低到200KB左右,那么在车载端就可以本地存储更多的地图数据了。数量量越小,上传和下载量也就越小,也意味着网络费用越少。在这个基础上,汽车可以缓存更多的数据,在网络情况较差的地方也可以使用。Puttagunta特别提到,在一些小地方,一个完整的城市可能只有10-12MB左右,就可以把数据放到缓存里,更新的内容也可以存储到本地的缓存中。当可以联网时,再将更新的数据上传到云端。

Civil Maps的AR标注Civil Maps的AR标注

当前所有的地图制造商都面临一个共同的难题:如何为各种各样不同的汽车创建一个共同的数据平台。毕竟,当前对于所使用的传感器类型与安装位置、传感器数据融合方式等,还没有达成行业共识。但是,将不同型号或者品牌的自动驾驶车分隔处理显然不是理智的做法:向同一平台提供更多的汽车意味着道路网络的覆盖面更大,更不用说为处理这些数据的机器学习算法提供了更大的数据集合。

Here自动驾驶汽车产品管理部门的负责人Dietmar Rabel说:“如果汽车因为有障碍物存在,在下一个拐角处刹车,该信息可以用来向后面的司机发出信号,提前放慢车速,这样就能更平稳、更高效地行驶,并降低发生事故的风险。但只有当所有的汽车都能说和懂同一种语言时才能奏效。”Here的解决方案是将一些行业参与者(包括供应商、车企还有其他图商)聚集在一起,就车辆到云数据的通用标准达成一致。

这个被称为Sensoris的共同标准是由欧洲的一个叫做ERTICO的组织协调的。ERTICO的首席执行官Hermann Meyer说:“为车载传感器和专用云之间以及云之间的信息交换定义一个标准化的接口,将能够实现车辆传感器数据的广泛访问、交付和处理;使所有参与者能够轻松地交换车辆传感器数据,并最终实现丰富的基于位置的服务,这些服务是移动服务以及自动驾驶的关键。”

这种方式对Puttagunta和Civil Maps也是很重要的。Civil Maps现在并没有加入到Sensoris,但已经开发了自己的传感器融合堆栈。Puttangunta表示这个融合不仅仅是针对激光雷达或者摄像头这样的传感器,而是有像麦克风或者从汽车悬架发出的某种信号,都将会融入到传感器融合的堆栈中。

他的图像指纹背景在这里起作用。所谓图像指纹,和人的指纹一样,是图像的身份特征,简单点说,就是将图像按照一定的算法,经过运算后得到的一组二进制数据。Puttagunta表示,通过图像指纹的内容可以找到汽车的位置和方向。

Civil Maps将其方法称为“6D定位”,即6个自由度,因为汽车将知道它的运动轨迹,也知道它的当前姿态。有了这些信息,汽车就可以定位自己,然后将对应的地图数据投射到传感器的视场中,传感器就可以把注意力集中在特定的区域,而忽略其他区域。Civil Maps认为这样做的好处是,知道要看哪里可以节省汽车的计算时间和计算资源,否则就需要反复重复对周围环境进行识别以及与地图进行对比的过程。

知道在哪里“寻找”可以节省车辆时间和计算开销,否则就需要反复获取对周围世界的语义理解,以及与地图的关系。

Civil Maps使用的增强现实标注方式也是现在大家的常用方式,这种方式相对于激光点云数据,更容易被常人理解。Civil Maps并没有使用昂贵的GPU,而是在ARM Cortex上就可以运行这套程序。

Civil Maps目前完成了第四轮融资,其中就包括福特。去年,福特对该公司进行了投资,作为660万美元的种子轮的一部分。这在未来几年肯定是一个值得关注的公司。

相关标签:
地图
翻译官成长计划
自动驾驶
  • 车云星
  • 空间站
  • 福特星球
  • 虫洞

加料 /

人评论 | 人参与 登录
查看更多评论