< 返回新闻中心
星舆科技亮相中国北斗应用大会讲述自动驾驶融合位置感知
2018-09-07

为何自动驾驶需要全场景高精度融合位置感知?
这种位置感知如何实现?
自动驾驶的多传感器融合定位中,高精度时间与空间又如何实现同步?
……
带着这些问题让我们一起来听听星舆科技的最新演讲分享吧!

今日上午,星舆科技融合定位实验室负责人肖勇,在中位协第七届年会暨中国北斗应用大会上的“卫星导航+自动驾驶分论坛”作了一场主题为《自动驾驶中的全场景、高精度融合位置感知》的演讲。感兴趣的童鞋们赶紧动动手指往下翻吧!

为何自动驾驶需要全场景高精度融合位置感知?

汽车行业的未来是联通化、智能化、共享化的未来,而这些将以自动驾驶作为终极内核。在不远的将来,自动驾驶汽车将会前所未有地给我们的生活带来方方面面的改变!

自动驾驶有感知、决策、控制三大环节,其中感知是非常重要的一环,即通过高精度定位、激光雷达、IMU、摄像头等多种传感器获取的定位及周边信息,实现自动驾驶车辆对环境和位置的感知。真正实现智能化,一个重要的前提是要有全场景高精度的融合位置感知。怎么理解呢?也就是说,不论在树荫林密、高架桥、隧道还是城市峡谷,亦或室内等各种自动驾驶将会面对的复杂场景,都要有高精度的位置感知能力。换句话讲,智能汽车即使做不到“千里眼”、“顺风耳”,但其装在车身上的“耳目”必须足够灵敏、眼观六路、耳听八方,能对周边一定距离范围内的事物进行精准的位置感知,以满足自动驾驶安全性的需求。

单一传感器各有局限 难实现持续精准定位

目前,自动驾驶系统使用传感器从环境获取信息,众多不同类型的传感器相当于自动驾驶汽车身上安装了不同类型的“耳目”。自动驾驶中,最常用来实现驾驶环境感知的传感器包括:高精度GNSS定位、IMU、摄像头、激光雷达和毫米波雷达等。

这些“耳目”可以监测到其他交通参与者,包括汽车、摩托车、骑自行车的人和行人。此外,它们还可以检测到基础设施,例如车道标记、交通标记、交通灯或诸如树木、灌木、建筑物等其他物体。

采用多传感器融合技术,即将多个传感器采集的信息进行相互并补充、印证,可以形成对周围环境的综合描述,从而充分利用多传感器间的冗余和互补特性,获得我们需要的信息。

目前,大部分智能汽车都安装了各类传感器作为主要感知设备,它们原理不同、性能不同、功能各异,利用这些设备可以获得不同的感知信息,从不同侧面反映智能汽车周围环境信息的变化。应该认识到,没有任何一种单一的“耳目”能保证在任何情况下都能提供完全可靠的信息,每一种技术手段都有各自的局限。

打个比方,如果单就雷达而言,无论采用哪种物理机理的雷达来感知周边驾驶环境,激光雷达、毫米波、超声波等也都各有优势和劣势。因此,光依靠单一的传感器无法实现自动驾驶所需要的室内外持续、稳定的精准定位与建图。

从摄像头、激光雷达、RTK(卫星导航定位终端)这些主流传感器的优缺点来看,各有优劣。

摄像头——有非常多的优点,通常有一百万或更高像素,相较于其他感测技术成本更低,但这种传感器对环境要求比较高,过度曝光或光线过暗都让单双目摄像头失去功能,如汽车进出隧道时,光照度的急剧变化也会让摄像头短暂“失明”,这正是最危险的阶段。此外,雨雪雾霾状况下也让摄像头几乎无用武之地。

激光雷达——分辨率高,是激光雷达的最显著的优点,但即使用128线激光雷达,取最高的采样速率,也不可能彻底解决烟、雾、雨水、凹坑不同反射条件下的干扰难题。

高精度GNSS定位(RTK)——在雨雪、雾天、积水的情况下,RTK依旧可以不受影响地正常工作,几乎不受恶劣天气的影响,但RTK在隧道、高架桥、城市峡谷等被遮挡的区域,则会因为卫星信号被遮挡而难以实现持续、稳定的高精度定位

毫米波雷达——与红外、激光等光学导引头相比,毫米波导引头穿透雾、烟、灰尘的能力强,具有全天候(大雨天除外)、全天时的特点。但大雨对毫米波的影响非常大,所以在有大雨的天气,毫米波雷达性能会大大下降,而且毫米波是重要的雷达频段,在很多场合受到的干扰较大。

正因为雷达不可能完美,也永远找不到理想的摄像头,RTK也有自身的劣势,因此,多传感器的融合,是自动驾驶提高位置感知能力采取的重要策略。而基于“高精度GNSS定位+视觉+IMU+雷达”的多传感器融合,才能最终优势整合,解决上述传感器各自的劣势问题,这也是星舆科技在自动驾驶领域所采取的创新融合技术路线。

多传感器融合的技术核心是什么?——高精度时间与空间的同步

这些装在自动驾驶汽车上的传感器,如何能更好地协同工作、提高自身及周边的高精度位置感知能力呢?这也是目前融合定位技术的难点之一——高精度时间与空间的同步。

未来的人工智能时代,自动驾驶汽车就是一辆辆智能的移动终端,这些终端必须位于同一个精准的时空坐标体系中,才能更好地避免各类碰撞和事故的发生,无论是高精度的时间同步还是空间同步,都是非常重要的前提。而高精度GNSS定位可以辅助实现时间和空间同步。

时间的误差会引起空间的误差,哪怕一微秒、一纳秒的计算误差,在空间上也会带来不同距离误差,这些误差会随着慢慢积累逐渐扩大,累积到一定程度,将会影响高精度位置感知的精准度,甚至可能导致位置发生定位偏移,更严重地还有可能导致碰撞事故的发生,这对自动驾驶的安全来讲非常不利。因此,未来要实现更大精度的时间同步,也可考虑通过卫星授时、晶振等技术手段来实现,从而更好地减少因多传感器融合时间不同步导致的空间距离误差。

自动驾驶需计算车辆在全局坐标系中绝对定位

肖勇在演讲中表示,自动驾驶需要高精度地图提供外界位置信息,计算车辆在全局坐标系中的绝对定位。但是,目前来看,在室内、高架桥、隧道等遮挡的各类复杂场景下,因缺乏卫星信号,只能获取相对定位。

拿UWB(Ultra Wideband,超宽带,一种室内定位技术)来打个比方,我们通过确立一个坐标原点,以及4个UWB的定位点,就可以计算出一个物体在室内的相对位置,但是,要实现自动驾驶,需要室内外无缝衔接,因为汽车需要在出入室内外,尤其是在大的城市,室内外一体化位置感知非常重要。

未来自动驾驶汽车从室外驶进室内后,虽然在室内只能获取一个相对的定位位置,但还是要通过一定的坐标换算方法,把它的室内相对位置换算成在全局坐标系中的绝对定位,才能真正实现室内外一体化的全场景高精度位置感知。肖勇认为,目前,这也是自动驾驶面临的一大实现难点。

未来,自动驾驶是全场景高精度融合位置感知最重要的应用场景之一,反之,自动驾驶的极速发展,也会不断促进高精度融合位置感知技术的发展与成熟。

高精度地图是自动驾驶的必由之路

自动驾驶的高精度位置感知,既需要高精度定位,也需要实时更新的高精度地图。一般来说,全场景高精度融合位置感知实现要素包括如下几点:

从中可以看出,高精度地图是不可或缺的一环。拥有丰富的道路元素数据信息,不仅有高精度的坐标,还有准确的道路形状,具有每个车道的坡度、曲率、航向、高程,侧倾的数据,是实现自动驾驶的关键所在,高精度地图可以看作是自动驾驶应用中的另一个传感器。

在传统地图的采集中,原始地图数据的主要来源局限于几辆装载一系列复杂且昂贵的传感器的特殊车辆,例如激光雷达传感器、多个摄像头、差分GPS系统与惯性测量单元。只有在数据收集车辆驶过并记录变化之后才可捕获道路上的变化,此更新可能要在变化发生数月后完成,再加上数据编译和分发的时间,即使是最新的可用地图数据也已经过时一年多了。除了速度慢以外,全过程成本也很高。而过时的地图数据会导致安全风险,尤其对于自动驾驶领域。

星舆科技将基于自有的高精度定位网络,采取“机器视觉+RTK”的高精度地图众包采集和更新方案,通过构建一个低成本高效率的高精度地图众包生产体系,通过安装于众包车辆上的地图采集终端,对高精度地图数据进行实时采集,交由后台更新处理,并经过基于深度学习的人工智能引擎审核识别更新到地图数据体系中,从而实现可供自动驾驶使用的海量实时动态地图数据。

自动驾驶将成为改变我们生活方式的序曲

借助人工智能实现自动驾驶是可预见的明天,是改变我们生活方式的序曲。

自1886年汽车诞生不久,自动驾驶的梦想就已经出现在虚构的小说中。从虚构的小说到研究和工业开发,以及首先实现部分自动驾驶功能的量产系统,自动驾驶已经发展了100多年。而现在,梦想正在逐渐地照进现实,自动驾驶的革命正在发生。

福特副总裁肯·华盛顿(Ken Washington)曾说过这样一句话:“纵观汽车行业发展的历史,新技术的成熟速度,总是会让那些持怀疑态度的人大跌眼镜。众所周知,科技公司的创新速度快得镜人,再加上摩尔定律的作用,无人驾驶汽车时代的到来,可能会比人们想象的更快。”

未来,星舆科技将通过构建一体化的精准时空体系,为自动驾驶、下一代移动互联网以及机器人和无人机等人工智能设备提供全场景高精度位置感知和高精度地图,不仅为未来的自动驾驶提供统一的精准时空坐标,也将为人工智能时代奠定精准时空基石!