應(yīng)用

技術(shù)

物聯(lián)網(wǎng)世界 >> 物聯(lián)網(wǎng)新聞 >> 物聯(lián)網(wǎng)熱點新聞
企業(yè)注冊個人注冊登錄

無人駕駛高精度地圖與多傳感器融合技術(shù)

2020-09-07 14:12 中國AGV網(wǎng)

導(dǎo)讀:高精度電子地圖包含大量的行車輔助信息。

高精度地圖作為無人駕駛發(fā)展成熟標(biāo)志的重要支撐,在橫向/縱向精確定位、基于車道模型的碰撞避讓、障礙物檢測和避讓、智能調(diào)速、轉(zhuǎn)向和引導(dǎo)等方面發(fā)揮重要作用,是無人駕駛的核心技術(shù)之一。精準(zhǔn)的地圖對無人車的定位、導(dǎo)航與控制,以及無人駕駛的安全至關(guān)重要。

與傳統(tǒng)電子地圖不同,高精度電子地圖的主要服務(wù)于對象是無人車,或者說是機器駕駛員。和人類駕駛員不同,機器駕駛員缺乏人類與生俱來的視覺識別、邏輯分析的能力。例如,人可以很輕松、準(zhǔn)確地利用圖像、GPS定位自己,鑒別障礙物、人、交通信號燈等,但這些對當(dāng)前的機器人來說都是非常困難的任務(wù)。借助高精度地圖能夠擴展車輛的靜態(tài)環(huán)境感知能力,為車輛提供其他傳感器提供不了的全局視野,包括傳感器監(jiān)測范圍外的道路、交通和設(shè)施信息。

高精度電子地圖

高精度電子地圖包含大量的行車輔助信息。這些輔助信息可以分成兩類,一類是道路數(shù)據(jù),如道路車道線的位置、類型、寬度、坡度和曲率等車道信息;另一類是行車道路周圍相關(guān)的固定對象信息,如交通標(biāo)志、交通信號燈等信息、車道限高、下水道口、障礙物及其他道路細節(jié),還包括高架物體、防護欄、樹、道路邊緣類型、路邊地標(biāo)等基礎(chǔ)設(shè)施信息。

所有上述信息都有地理編碼,因此導(dǎo)航系統(tǒng)可以準(zhǔn)確定位地形、物體和道路輪廓,從而引導(dǎo)車輛行駛。其中最重要的是對路網(wǎng)精確的三維表征(厘米級精度),例如路面的幾何結(jié)構(gòu)、道路標(biāo)示線的位置、周邊道路環(huán)境的點云模型等。有了這些高精度的三維表征,車載機器人就可以通過比對車載的GPS、IMU、LiDAR或攝像頭的數(shù)據(jù)精確地確認(rèn)自己當(dāng)前的位置。除此之外,高精度地圖還包含豐富的語義信息,比如交通信號燈的位置及類型、道路標(biāo)示線的類型、識別哪些路面是可以行使的,等等。

通過對高精度地圖模型的提取,可將車輛位置周邊的道路、交通、基礎(chǔ)設(shè)施等對象及對象之間的相對關(guān)系提取出來。這些能極大地提高車載機器人鑒別周圍環(huán)境的能力。此外,高精度地圖還能幫助無人車識別車輛、行人及未知障礙物,因為一般的地圖會過濾掉車輛、行人等活動障礙物。如果無人車在行駛過程中發(fā)現(xiàn)當(dāng)前高精度地圖中沒有的物體,這些物體有很大的概率是車輛、行人或障礙物。因此,高精度地圖可以提高無人車發(fā)現(xiàn)并鑒別障礙物的速度和精度。

高精度地圖的特點

相比服務(wù)于GPS導(dǎo)航系統(tǒng)的傳統(tǒng)地圖而言,高精度地圖最顯著的特征是其表征路面特征的精準(zhǔn)性。一般情況下,傳統(tǒng)地圖只需要做到米量級的精度即可實現(xiàn)基于GPS的導(dǎo)航,但高精度地圖需要至少10倍以上的精度,即達到厘米級的精度才能保證無人車行駛的安全。

此外,高精度地圖還需要有比傳統(tǒng)地圖更高的實時性。由于道路路網(wǎng)每天都會有變化,比如道路整修、道路標(biāo)志線磨損及重漆、交通標(biāo)示改變等。這些改變需要及時反映在高精度地圖上以確保無人車行駛安全。要做到實時的高精度地圖有很高的難度,但隨著越來越多有多種傳感器的無人車行駛在網(wǎng)路中,一旦有一輛或幾輛無人車發(fā)現(xiàn)了路網(wǎng)的變化,通過和云端的通信,就可以把路網(wǎng)更新信息告訴其他人的無人車,使得其他無人車變得更加聰明和安全。

(1)數(shù)據(jù)特征類型

和傳統(tǒng)地圖相似,高精度地圖也具有分層的數(shù)據(jù)結(jié)構(gòu)。底層是一個基于紅外線雷達傳感器建立的精密二維網(wǎng)格。一般這個二維網(wǎng)格的精度保證在5x5厘米左右,可以行駛的路面、路面障礙物,以及路面在激光雷達下的反光強度都被存儲于相應(yīng)的網(wǎng)格中。無人車載行駛的過程中,通過比對其紅外線雷達搜集到的數(shù)據(jù)及其內(nèi)存中的高精二維網(wǎng)格,就能確定車輛在路面的具體位置。

除了底層的二維網(wǎng)格表征外,高精度地圖還包含很多有關(guān)路面的語義信息。在二維網(wǎng)格參照系的基礎(chǔ)上,高精度地圖一般還包含道路標(biāo)識線的位置及特征信息,以及相應(yīng)的車道特征。由于車載的傳感器可能會因為惡劣天氣、障礙物,以及其他車輛的遮擋不能很可靠地分析出車道信息,高精度地圖中的車道信息特征能幫助無人車更準(zhǔn)確可靠地識別道路標(biāo)識線,并理解相鄰車道之間是否可以安全并道。

高精度地圖還會標(biāo)明道路標(biāo)示牌、交通信號燈等相對于二維網(wǎng)格的位置。這些信息有如下兩方面的作用。

(1)提前預(yù)備無人車,告訴無人車在某些特定的位置檢測相應(yīng)的交通標(biāo)志牌或交通信號燈,提高無人車的檢測速度。

(2)在無人車沒有成功檢測出交通標(biāo)志牌或信號燈的情況下,確保行車的安全。

(2)數(shù)據(jù)量估計

無人車使用的高精度地圖是個2D的網(wǎng)格,數(shù)據(jù)主要由激光雷達產(chǎn)生,由于激光雷達的精度大約是5厘米左右,所以地圖的最高精度可以達到美國網(wǎng)格5厘米x5厘米。在如此高的精度下,如何有效地管理數(shù)據(jù)是高精度地圖的一個大挑戰(zhàn)。首先,為了盡量讓地圖在內(nèi)存里面,我們要盡量去掉不需要的數(shù)據(jù)。一般的激光雷達可覆蓋方圓100米的范圍,假設(shè)每個反光強度可以用一個字節(jié)記錄,那么每一次激光雷達掃描可以產(chǎn)生4MB的數(shù)據(jù)。這樣的掃描會包括公路旁邊的樹木及房屋,但是無人車的行駛并不需要這些數(shù)據(jù),我們只需要記錄公路表面的數(shù)據(jù)即可。假設(shè)路面的寬度為20米,那么我們可以通過數(shù)據(jù)處理把非公路表面的數(shù)據(jù)過濾掉,這樣每次掃描的數(shù)據(jù)量會下降到0.8MB。在過濾數(shù)據(jù)逇基礎(chǔ)上,我們可以使用無損的壓縮算法,比如LASzip去壓縮地圖數(shù)據(jù),可以達到超過10倍的壓縮率。經(jīng)過這些處理后,一個1TB的硬盤就可以存下全中國超10萬公路的高精度地圖數(shù)據(jù)。

高精度地圖的制作

傳統(tǒng)的電子地圖主要依靠衛(wèi)星圖片產(chǎn)生,然后依靠GPS定位,這種方法可以達到米級精度,而高精地圖需要達到厘米級精度,僅僅靠衛(wèi)星與GPS是不夠的。因此,高精地圖的制作涉及多種傳感器,由于制作的數(shù)據(jù)量很大,通常我們會使用數(shù)據(jù)采集車收集數(shù)據(jù),然后通過線下處理把各種數(shù)據(jù)融合產(chǎn)生高精度地圖。

高精度地圖的制作是一個多傳感器融合的過程,包括以下傳感器。

(1)陀螺儀(IMU):一般會使用6軸運動處理組件,包含了3軸加速度和3軸陀螺儀。

(2)輪測距器(Wheel Odometer):可以通過輪測距器推算無人車的位置。在汽車的前輪通常安裝了輪測距器,會分別記錄左輪與右輪的總轉(zhuǎn)數(shù)。

(3)GPS):GPS接收機的任務(wù)就是確定四顆或更多衛(wèi)星的位置,并計算出它與每顆衛(wèi)星之間的距離,然后用這些信息使用三維空間的三邊測量法推算出自己的位置。

(4)LiDAR:光學(xué)雷達通過首先向目標(biāo)物體發(fā)射一速激光,然后根據(jù)接收-反射的時間間隔確定目標(biāo)物體的實際距離。根據(jù)距離及激光的角度,通過簡單的幾何變化可以推導(dǎo)出物體的位置信息。

高精度地圖制作流程,過程中涉及了多個傳感器與多計算步驟。首先,陀螺儀(IMU)及輪測距器(Wheel Odometer)可以高頻率地給出當(dāng)前無人車的位置預(yù)測,但是由于陀螺儀及輪測距器的精度原因,給出的位置可能會有一定程度的偏差。為了糾正這些偏差,我們可以使用傳感器融合技術(shù)(比如使用Kalman Filter)結(jié)合GPS與LiDAR的數(shù)據(jù)算出當(dāng)前無人車的準(zhǔn)確位置。然后根據(jù)當(dāng)前的準(zhǔn)確位置與激光雷達的掃描數(shù)據(jù),我們可以把新的數(shù)據(jù)加入地圖中。

下面的公式是個高度簡化的高精地圖計算模型,Q代表優(yōu)化方程,z代表激光雷達掃描出的點,h方程預(yù)測最新掃描點的位置與反光度,m掃描到的點在地圖中的位置,x代表無人車當(dāng)前的位置。這個方程的目的是通過最小J求出測量出的點在地圖中的準(zhǔn)確位置。在這個計算模型中,m與x開始都是未知的,所以我們可以先通過多傳感器的融合求出無人車的位置x,然后求出測量點在地圖中的準(zhǔn)確位置m。

J = Q(z-h(m,x))