理工酷

高精地图作为自动驾驶技术发展成熟的重要支撑,在横向和纵向精确定位、障碍物检测 与避撞、转向与引导等方面发挥着重要的作用,是自动驾驶的核心技术之一。 精准的地图对 无人车的定位、导航与控制,以及自动驾驶的安全至关重要。

人们日常使用的用于车载导航、查询地理位置信息的地图都属于传统电子地图,其主要 服务对象是驾驶员,如谷歌地图、百度地图、高德地图等都可以算作传统电子地图。 尽管电 子地图的出现还不到一百年,但对传统地图的研究和开发已经历经了数千年的历史,并发展 出制图学这门学科。 在制图学的基础上,电子地图的出现极大地提高了地图的检索效率,并 且结合计算机技术可以自动给出两地之间的路径规划方案,明显提升交通运输效率。

传统电子地图是对路网的一种抽象,所有的传统地图都将路网抽象成有向图的形式。 图的顶点代表路口,边代表路口与路口的连接。 路名、地标及道路骨架信息都可以被抽象成 存储于这些有向图的顶点或边中的属性。 这种抽象的地图表征形式能很好地适应人类驾驶 员的需求,其原因就在于人类生来具有很强的视觉识别及逻辑分析能力。 在驾驶的过程中, 人类驾驶员一般都能有效地判别如下信息:识别路面及路面车道线,确定自己在路面的大 致位置,寻找并辨认路标等。 参照这些辨识出来的信息,结合当前 GNSS 提供的车辆在电 子地图中的位置,驾驶员便可以大致知道自己在路网中的所在位置,并规划下一步的驾驶行 为。 正是基于驾驶员的这些能力,传统的电子地图被极大地精简,例如弯曲的道路可以精简 为几条线段,只要轮廓大致符合实际路网结构,驾驶员就能结合当前信息确定自己的位置。

与传统地图不同,高精电子地图的主要应用对象是无人驾驶汽车,或者说是机器驾驶 员。 与人类驾驶员不同,机器驾驶员缺乏人类与生俱来的视觉识别和逻辑分析的能力。 例 如,人类可以很轻松地利用视觉和 GNSS 定位自身,鉴别障碍物、行人、交通信号与标志,但 这些识别对于当前的机器人来说是非常困难的任务。 借助高精地图能够扩展车辆的静态环 境感知能力,为车辆提供其他传感器提供不了的全局视野,包括传感器监测范围外的道路、 交通和设施信息。 高精地图面向无人驾驶环境采集生成地图数据,根据无人驾驶需求建立 道路环境模型,在精确定位、基于车道模型的碰撞避让、障碍物检测与避让、转向与引导方面 都可以发挥重要作用,是当前无人车技术中必不可少的一个组成部分。

下图为高精地图示意图：

高精地图包含了大量与行车相关的辅助信息。 这些辅助信息可以分成两大类,一类是 道路数据,例如道路车道线的位置、类型、宽度、坡度和曲率等车道信息;另一类是行车道路 周围相关的固定对象信息,例如交通标志、交通信号灯等信息,车道限高、下水道口、固定障 碍物等其他道路细节,还包括高架物体、防护栏、树木、道路边缘类型等信息。 所有上述信息 都有地理编码,因此导航系统可以准确定位地形、物体和道路轮廓,从而引导车辆行驶。 其 , 中最重要的是对路网精确的三维表征(厘米级精度) 例如路面的几何结构、车道标线的位 置、周围道路环境的点云模型等。 有了这些高精度三维数据,无人驾驶汽车就可以通过比对车载 GNSS 、 IMU 、 LiDAR 或摄像头的数据精确定位当前自身的位置。 此外,高精地图还包 含丰富的语义信息,例如交通信号灯的位置及类型,道路标线的类型,可以通行的路面范围等。 通过对高精地图模型的提取,可将车辆周边的道路、交通、基础设施等对象及对象之间 的相对关系提取出来。 这些能极大地提高无人驾驶汽车识别周围环境的能力。 可以将高精 地图数据与传感器数据进行比对,假如传感器检测出了某个高精地图中没有的物体,则这些 物体很可能是障碍物或行人与车辆,这能更好地帮无人车提高发现并识别障碍物的速度和 精度。

高精地图架构定义如下图所示：

相比服务于传统 GNSS 导航系统的传统地图,高精地图最显著的特点是其表征路面特 征的精准性。 一般情况下,传统地图只需要做到米级精度即可实现功能,但高精地图的应 用场景特性决定了其至少要达到厘米级精 度才能保证自动驾驶汽车行驶的安全性。 目 前商用 GNSS 精度仅有 5m 左右,而高精地图与传感器协同工作,可将车辆的定位精确到厘米级。

此外,高精地图相比传统地图还需要具备更高的实时性,以确保自动驾驶汽车行驶安 全。 因为道路无时无刻不在发生变化,小到车道线的磨损,大到路面整体施工整修,都需要 及时反映在高精地图上。 要做到高实时性的高精地图存在很大难度,但随着越来越多的自 动驾驶汽车行驶在路网,一旦其中的一辆或几辆检测到了路网的改变,就可以上传数据以同 步给其他自动驾驶汽车,使得其他自动驾驶汽车变得更加聪明和安全。

本回答的主要内容来自图书《自动驾驶技术概论》，清华大学出版社