0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

激光雷達(dá)以及強(qiáng)大的神經(jīng)網(wǎng)絡(luò)能否代替高精度地圖?

ml8z_IV_Technol ? 來源:YXQ ? 2019-06-25 14:32 ? 次閱讀

即使 L3 及以上自動駕駛汽車必須有高精地圖輔助已經(jīng)成了業(yè)界共識,特立獨(dú)行的馬斯克認(rèn)為高精度地圖是浪費(fèi)資源。

在今年 4 月份的特斯拉 Autonomy Day 上,馬斯克就公開說過分依賴高精度地圖會讓自動駕駛系統(tǒng)變得極其脆弱,普及起來更加困難。

無獨(dú)有偶的是,6月10日,紐勱發(fā)布的自動駕駛系統(tǒng)解決方案“MAX”也并沒有使用高精度地圖;6月18日,AutoBrain推出的HWP(highway pilot)自動駕駛系統(tǒng)Mr.Pilot也并未使用高精度地圖。

然而更多的行業(yè)從業(yè)者依舊是相信高精度地圖是自動駕駛系統(tǒng)的安全備份。

VSI Labs 創(chuàng)始人 Phil Magney 就指出,“高精地圖存在的意義就是提高車輛的智能水平,以增強(qiáng)其性能和安全性?!?/p>

HERE 地圖產(chǎn)品市場主管 Matt Preyss則認(rèn)為,高精地圖并非我們熟悉的 GPS 導(dǎo)航,它是加載了地理編碼元數(shù)據(jù),且專為其設(shè)計(jì)的新型地圖。

在 Magney 看來,高精地圖存在最重要的目的就是增強(qiáng)自動駕駛系統(tǒng)的信心,它還解決了道路解析的計(jì)算問題。現(xiàn)有的高精地圖可分為多個層次,比如“用于定位的精確車道標(biāo)記,邊界,幾何與 3D 標(biāo)記”。

自動駕駛地圖的不同層級

現(xiàn)在的高精地圖市場已然火熱異常,除了傳統(tǒng)導(dǎo)航地圖提供商,科技公司、汽車制造商和新創(chuàng)公司均抓準(zhǔn)了機(jī)會搶灘登陸。在某種程度上,該領(lǐng)域的玩家正在爭奪數(shù)據(jù)所有權(quán),這可是個高風(fēng)險游戲。

在 VSI Labs 自動駕駛專家的幫助下,我們對高精地圖的優(yōu)缺點(diǎn)進(jìn)行了深入解析,Musk 的高精地圖無用論是否站得住腳呢?

為什么說高精地圖必不可少?

自動駕駛汽車與高精地圖密不可分的原因有很多,其中最重要的恐怕是后者在道路解析上能提供最為直接的解決方案,而無論是 ADAS 還是全自動駕駛,對圖像進(jìn)行分析后完成道路分割都非常重要。

即使是最基本的車道保持功能,高精地圖也能在道路標(biāo)線變模糊時(包括被雪覆蓋或其他天氣因素)助其一臂之力。

當(dāng)然,來自不同傳感器的數(shù)據(jù)融合后也能幫助自動駕駛系統(tǒng)解析道路,不過它們有自己的局限性。

“特斯拉的事故就是傳感器有局限性的最好證明。”Magney 解釋道。“在山景城的那次車禍中,道路表面的細(xì)微變化正是引發(fā)事故的一大誘因,計(jì)算機(jī)將混凝土旁邊的深色瀝青表面看成了車道線,導(dǎo)致車輛軌跡出錯,進(jìn)而引發(fā)事故?!?/p>

“如果 Autopilot 有個細(xì)節(jié)更清楚的車道模型,這次事故就不會發(fā)生,因?yàn)橄到y(tǒng)已經(jīng)可以對車道進(jìn)行預(yù)判了?!盡agney 強(qiáng)調(diào)道。

特斯拉山景城事故分析

Magney 警告稱,雖然攝像頭依然是當(dāng)下性價比最高的解決方案,但在道路解析能力上,它們真的不太行,其問題在于太依賴計(jì)算能力了?!案呔貓D就能減輕系統(tǒng)的算力負(fù)擔(dān),并為環(huán)境建模增加信心?!?/p>

那么作為核心傳感器之一的激光雷達(dá),是不是能夠承擔(dān)高精度地圖的某部分功能?

VSI Labs 資深自動駕駛軟件工程師 Matthew Linder 認(rèn)為,現(xiàn)在輕言激光雷達(dá)解決一切還為時尚早。根據(jù)自己的經(jīng)驗(yàn),他認(rèn)為激光雷達(dá)確實(shí)是 3D 感知及環(huán)境建模工作中的佼佼者,探測未知物體和空間它也是一把好手?!安贿^,天氣狀況不太好時,LiDAR 探測道路標(biāo)線性能就會大打折扣(比如道路標(biāo)線被雪完全覆蓋)。同時,激光雷達(dá)也沒有透視眼,它在有其他車輛或物體遮擋時也會犯傻,而且別忘了這家伙現(xiàn)在還很貴。” Matthew Linder 解釋道?!案呔貓D就沒這個擔(dān)憂了,遮擋根本不是個問題。”

對于自家HERE的 HD Live 地圖,Preyss 信心滿滿,他表示:“我們能支持任何 OEM 開發(fā)的定位方案。我們相信,L3-L5 的時代,GPS/IMU、高精地圖和其他傳感器的融合才是最理想的解決方案?!?/p>

“除此之外,OEM 商還會有不同的戰(zhàn)略,涵蓋不同價位、交付日期和技術(shù)等?!盤reyss 解釋道,他認(rèn)為汽車行業(yè)會采用漸進(jìn)方式走向自動駕駛時代。“我們得確保自己的解決方案能滿足不同廠商的戰(zhàn)略,覆蓋它們當(dāng)下及長期的需求。”

高精地圖真的不會拖自動駕駛汽車的后腿嗎?

馬斯克對于高精地圖的評價也不能說完全錯誤。

首先,自動駕駛汽車的位置必須能精確顯示在地圖上,否則高精地圖也無用武之地。

其次,高精地圖需要實(shí)時升級,沒有這一點(diǎn),自動駕駛汽車就得學(xué)會如何判斷地圖數(shù)據(jù)是否錯誤了。

第三,高精地圖也是要收費(fèi)的。

最后,如果馬斯克能像發(fā)布會上宣傳的那樣完成對神經(jīng)網(wǎng)絡(luò)的完美訓(xùn)練,誰還需要高精地圖啊?當(dāng)然,以現(xiàn)在的技術(shù)水平,這只能算個假設(shè)。

這四點(diǎn)中,最重要的就是第一個,即車輛如何實(shí)現(xiàn)在地圖上的精確定位。

VSI Labs 資深合伙人兼咨詢師 Danny Kim 表示,精確定位有多種可用方案,比如說用實(shí)時動態(tài)定位(RTK)或精確單點(diǎn)定位(PPP)技術(shù)來輔助 GPS。RTK/PPP 服務(wù)一般由定位引擎軟件公司提供,比如 Trimble、GMV 以及 Hexagon/NovAtel 等。他還指出,許多州的交通部門都會通過公共或私人的連續(xù)定位基準(zhǔn)站網(wǎng)絡(luò)(CORS)提供免費(fèi)服務(wù)。

如果排除 RTK/PPP 服務(wù),我們還能求助于傳感器。舉例來說,“你可以用激光雷達(dá) 3D 點(diǎn)云圖與現(xiàn)有 3D 點(diǎn)云圖進(jìn)行對比?!盞im 解釋道?!斑@樣一來,你就能用激光雷達(dá)生成基礎(chǔ)地圖,隨后用車載激光雷達(dá)的實(shí)時數(shù)據(jù)與其進(jìn)行比照了?!痹谶@里,我們還是得繞到激光雷達(dá)的成本上,想用它生成大規(guī)模的基礎(chǔ)地圖可不容易,而每輛量產(chǎn)車都配上激光雷達(dá)更是難上加難。

前面兩種走不通的話我們還有第三種方案,即“基于路標(biāo)的定位”。Kim 認(rèn)為,這一方案中攝像頭和/或激光雷達(dá)都能派上用場?!霸谶@里,傳感器需要探測并識別路標(biāo)?;诼窐?biāo)的定位用的也是對比法,即用實(shí)時感知到的路標(biāo)與高精地圖中現(xiàn)存的路標(biāo)進(jìn)行對比。”

在 Magney 看來,高精地圖的實(shí)時升級確實(shí)是暫未解決的一大挑戰(zhàn),而這個問題的解決方案則是 Mobileye REM(眾包底圖)能否成功的前提。至于最終的價格,現(xiàn)在也是個未知數(shù)。Kim 就指出,“說實(shí)話,我們現(xiàn)在也不知道答案,因?yàn)榇蠖鄶?shù)高精地圖供應(yīng)商現(xiàn)在對價格問題避而不談?!?/p>

大約半年前,高德地圖開始走向收費(fèi),OEM 商每輛車每年要交 100 人民幣的授權(quán)費(fèi)。不過,高德地圖也表示,未來這一費(fèi)用每年至少會下降 2%。對高德地圖這樣的提供商來說,永久免費(fèi)肯定不現(xiàn)實(shí),畢竟高德用于數(shù)據(jù)采集的自動駕駛汽車單臺價格就超過 100 萬美元。

馬斯克在 Autonomy Day 上的發(fā)言確實(shí)振動了整個業(yè)界,難道大家辛辛苦苦研發(fā)的激光雷達(dá)和高精地圖馬上就要過時了?

VSI Labs 的 Linder 相信,如果馬斯克真能拿出那樣強(qiáng)大的神經(jīng)網(wǎng)絡(luò),那么他的假設(shè)就有可能成真?!爸皇沁@樣的神經(jīng)網(wǎng)絡(luò)現(xiàn)在不可能存在?!辈贿^ Linder 也強(qiáng)調(diào),即使這樣的神經(jīng)網(wǎng)絡(luò)存在,一旦傳感器出現(xiàn)錯誤,地圖還是得提供一定冗余,以方便車輛安全靠邊停車。至于鋼鐵俠高精地圖無用論中提到的雪地情況,Kim 表示:“這個問題的前提是道路標(biāo)線本就異常清晰,那么神經(jīng)網(wǎng)絡(luò)就能通過訓(xùn)練來解決標(biāo)線的識別問題。”當(dāng)然,他也承認(rèn),這一切都未經(jīng)證實(shí)。

特斯拉的 Andrej Karpathy 也承認(rèn),公司現(xiàn)在還沒有專用的數(shù)據(jù)引擎來模擬現(xiàn)實(shí)世界中類似情況下的數(shù)據(jù)。這就意味著,特斯拉的車隊(duì)還是得將大量數(shù)據(jù)回傳,以便公司用這些養(yǎng)料來訓(xùn)練神經(jīng)網(wǎng)絡(luò)。

競爭激烈的高精地圖市場

雖然馬斯克對高精地圖嗤之以鼻,自動駕駛行業(yè)其他人卻依然對其心心念念。那么,現(xiàn)在的高精地圖市場,誰是最炙手可熱的頭號玩家?

關(guān)于該問題 Kim 指出,這個市場分化比較嚴(yán)重,大家都是在自己的地盤“稱王稱霸”,尤其是亞洲。

舉例來說,韓國主要用 MnSOFT,中國則是高德、百度和四維圖新。至于日本,則是 DMP(動態(tài)地圖平臺)稱雄,該平臺不但有普通投資人,還有政府、OEM 商、以及供應(yīng)商和地圖提供商參股。

“它們的移動繪圖車采集了大部分高精基礎(chǔ)地圖數(shù)據(jù),同時還在每個地圖供應(yīng)商對數(shù)據(jù)進(jìn)行后處理并添加更多競爭屬性之前,以協(xié)作方式創(chuàng)建語義地圖?!盞im 解釋道。

在歐洲和北美,我們主要看 HERE 和 TomTom。當(dāng)然,USHR 也有一定的份額(不過這家公司已經(jīng)被 DMP 收購)。

“除了 DMP,上面所有提到的公司都是傳統(tǒng)導(dǎo)航地圖提供商,它們了解基于地理信息系統(tǒng)的地圖迭代以及維護(hù)工作怎么進(jìn)行(至少是地區(qū)級的)?!盞im 總結(jié)道。

一方面,基礎(chǔ)道路幾何圖與高精車道模型(主要面向高速公路)幾乎已經(jīng)被現(xiàn)有頭部玩家徹底掌握了。另一方面,“許多新創(chuàng)公司仍在收集高精地圖中用于基于地標(biāo)的定位屬性?!盞im 解釋道,而這里的關(guān)鍵,就是這樣的地圖屬性能否大規(guī)模生成。

在他看來,用攝像頭這樣性價比更高的傳感器完成類似數(shù)據(jù)的眾包和收集是唯一能走通的道路,這也是 Mobileye 能統(tǒng)治市場的主因?!彼a(bǔ)充道。“不過,類似 Deepmap、Civil Maps、Carmera, Mapper、Netradyne、Lvl5 以及 Atlatec 這樣的新創(chuàng)公司也值得關(guān)注,它們誰能用自動化的方法完成地圖生成與維護(hù),誰就能成功。”

數(shù)據(jù)歸屬問題

利用自家攝像頭和基于 AI 的感知算法,現(xiàn)在的 Mobileye 能提供一整套地圖與定位堆棧?!案兄c定位息息相關(guān)?!盞im 強(qiáng)調(diào)道。

“與其相反,特斯拉并不采集基礎(chǔ)地圖數(shù)據(jù),它們要的是能訓(xùn)練感知與預(yù)測算法的實(shí)時數(shù)據(jù)?!盞im 解釋稱。

Mobileye 自己就是個聯(lián)盟,“它們不但采集數(shù)據(jù),還能在云端對其進(jìn)行處理,同時對外售賣定位算法?!?/p>

需要注意的是,Mobileye 并非這些數(shù)據(jù)的擁有者。一般來說,OEM 商有數(shù)據(jù)的所有權(quán),因?yàn)椴杉瘮?shù)據(jù)的是它們的車輛(雖然車輛用了 Mobileye 的 EyeQ4 攝像頭)?!把巯?,這種數(shù)據(jù)歸屬模式就是引爆大家討論的關(guān)鍵點(diǎn),因?yàn)檫@樣的情況下 Mobileye 無法拿到地圖與定位項(xiàng)目的主動權(quán)?!盞im 解釋道?!岸ㄎ皇?OEM 商的核心知識產(chǎn)權(quán),它們絕不會將其讓渡給第三方平臺供應(yīng)商或地圖數(shù)據(jù)提供商?!?/p>

“HERE 會把 REM 數(shù)據(jù)融合進(jìn)自己的基礎(chǔ)地圖,方便德國制造商客戶搞定定位工作?!盞im 解釋道。

Preyss 則表示,HERE 正在針對不同的定位方案測試自己的地圖數(shù)據(jù),以保證能支持不同客戶。不過他也指出,HERE 不提供定位軟件,它們給的是支持定位軟件的數(shù)據(jù)?!岸ㄎ凰惴?解決方案由 OEM 商決定,我們提供的是能協(xié)助車輛完成定位的環(huán)境數(shù)據(jù)。”

也就是說,HERE 未來的角色是“根據(jù)我們與客戶約定,匯總傳感器數(shù)據(jù),進(jìn)行更新并相應(yīng)地分發(fā)這些更新?!?/p>

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴

原文標(biāo)題:自動駕駛迷思:馬斯克的高精度地圖無用論是否站得住腳?

文章出處:【微信號:IV_Technology,微信公眾號:智車科技】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏

    評論

    相關(guān)推薦

    物聯(lián)網(wǎng)系統(tǒng)中的高精度測距方案_單點(diǎn)TOF激光雷達(dá)

    激光雷達(dá)的優(yōu)勢 高精度測距: TOF激光雷達(dá)通過測量光脈沖往返目標(biāo)的時間來計(jì)算距離,這種方法能夠提供高精度的距離數(shù)據(jù)。在物聯(lián)網(wǎng)系統(tǒng)中,精確的距離測量是許多應(yīng)用的基礎(chǔ),如自動導(dǎo)航、環(huán)境建
    的頭像 發(fā)表于 09-24 11:37 ?299次閱讀
    物聯(lián)網(wǎng)系統(tǒng)中的<b class='flag-5'>高精度</b>測距方案_單點(diǎn)TOF<b class='flag-5'>激光雷達(dá)</b>

    如何在激光雷達(dá)和接近檢測中利用高速比較器提高精度

    電子發(fā)燒友網(wǎng)站提供《如何在激光雷達(dá)和接近檢測中利用高速比較器提高精度.pdf》資料免費(fèi)下載
    發(fā)表于 09-02 09:33 ?0次下載
    如何在<b class='flag-5'>激光雷達(dá)</b>和接近檢測中利用高速比較器提<b class='flag-5'>高精度</b>

    激光雷達(dá)與毫米波雷達(dá)的優(yōu)缺點(diǎn)是什么

    (LiDAR) 優(yōu)點(diǎn): a. 高精度激光雷達(dá)可以提供非常高的空間分辨率,精度可以達(dá)到厘米級別,這對于自動駕駛汽車等高精度應(yīng)用非常重要。 b. 長距離測量:
    的頭像 發(fā)表于 08-16 10:02 ?792次閱讀

    深度神經(jīng)網(wǎng)絡(luò)雷達(dá)系統(tǒng)中的應(yīng)用

    深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Networks,DNN)在雷達(dá)系統(tǒng)中的應(yīng)用近年來取得了顯著進(jìn)展,為雷達(dá)信號處理、目標(biāo)檢測、跟蹤以及識別等領(lǐng)域帶來了革命性的變化。以下將詳細(xì)探討深
    的頭像 發(fā)表于 07-15 11:09 ?487次閱讀

    BP神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的關(guān)系

    廣泛應(yīng)用的神經(jīng)網(wǎng)絡(luò)模型。它們各自具有獨(dú)特的特點(diǎn)和優(yōu)勢,并在不同的應(yīng)用場景中發(fā)揮著重要作用。以下是對BP神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)關(guān)系的詳細(xì)探討,內(nèi)容將涵蓋兩者的定義、原理、區(qū)別、聯(lián)系以及應(yīng)
    的頭像 發(fā)表于 07-10 15:24 ?887次閱讀

    深度神經(jīng)網(wǎng)絡(luò)與基本神經(jīng)網(wǎng)絡(luò)的區(qū)別

    在探討深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Networks, DNNs)與基本神經(jīng)網(wǎng)絡(luò)(通常指傳統(tǒng)神經(jīng)網(wǎng)絡(luò)或前向神經(jīng)網(wǎng)絡(luò))的區(qū)別時,我們需要從多個維度進(jìn)行深入分析。這些維度包括
    的頭像 發(fā)表于 07-04 13:20 ?503次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

    不同的神經(jīng)網(wǎng)絡(luò)模型,它們在結(jié)構(gòu)、原理、應(yīng)用等方面都存在一定的差異。本文將從多個方面對這兩種神經(jīng)網(wǎng)絡(luò)進(jìn)行詳細(xì)的比較和分析。 引言 神經(jīng)網(wǎng)絡(luò)是一種模擬人腦神經(jīng)元連接和信息傳遞的計(jì)算模型,它
    的頭像 發(fā)表于 07-02 14:24 ?1823次閱讀

    基于FPGA的激光雷達(dá)控制板

    激光雷達(dá)作為一種高精度、高性能的傳感技術(shù),廣泛應(yīng)用于自動駕駛、機(jī)器人導(dǎo)航、工業(yè)自動化、無人機(jī)等應(yīng)用領(lǐng)域。激光雷達(dá)控制板可以很好的滿足這些領(lǐng)域中對于精準(zhǔn)控制和數(shù)據(jù)處理的需求?;贔PGA的激光雷
    的頭像 發(fā)表于 05-28 08:11 ?543次閱讀
    基于FPGA的<b class='flag-5'>激光雷達(dá)</b>控制板

    基于毫米波雷達(dá)的手勢識別神經(jīng)網(wǎng)絡(luò)

    方面的高精度。這一成功可以歸因于訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)之間的特征相似性。總之,這些結(jié)果證實(shí)了我們提出的神經(jīng)網(wǎng)絡(luò)模型在提取相關(guān)運(yùn)動特征以進(jìn)行魯棒手勢識別方面的有效性。 不同神經(jīng)網(wǎng)絡(luò)性能比較 為了進(jìn)一步驗(yàn)證所提
    發(fā)表于 05-23 12:12

    高精度三維激光雷達(dá) 科技前沿的首推之選

    激光雷達(dá)
    jf_18500570
    發(fā)布于 :2024年05月16日 11:14:06

    激光雷達(dá)的應(yīng)用場景

    以及自動泊車等功能。激光雷達(dá)高精度測量能力使得自動駕駛系統(tǒng)能夠做出準(zhǔn)確的決策,從而提高駕駛的安全性和可靠性。 無人機(jī):在無人機(jī)領(lǐng)域,激光雷達(dá)主要用于實(shí)現(xiàn)精準(zhǔn)的定位和遙感能力。它可以提
    的頭像 發(fā)表于 04-10 14:59 ?1031次閱讀

    華為激光雷達(dá)參數(shù)怎么設(shè)置

    華為激光雷達(dá)是一種常用的傳感器技術(shù),可用于距離測量和感應(yīng)。它的參數(shù)設(shè)置對于確保其性能和功能至關(guān)重要。在本文中,我們將詳細(xì)介紹華為激光雷達(dá)的參數(shù)設(shè)置以及其影響和應(yīng)用。 首先,我們需要了解激光雷達(dá)
    的頭像 發(fā)表于 01-19 14:17 ?1496次閱讀

    探維科技:引領(lǐng)智能駕駛激光雷達(dá)技術(shù)的突破與創(chuàng)新

    探維面向智能駕駛量產(chǎn)車型的感知方案取得階段性突破,此次重點(diǎn)展出新一代車規(guī)旗艦激光雷達(dá) Tempo、已實(shí)現(xiàn)量產(chǎn)交付的高性價比激光雷達(dá) Duetto,以及高精度大視場補(bǔ)盲
    的頭像 發(fā)表于 01-12 10:29 ?1059次閱讀

    闡述基于激光三角測距法的激光雷達(dá)原理

    激光三角測距法作為低成本的激光雷達(dá)設(shè)計(jì)方案,可獲得高精度、高性價比的應(yīng)用效果,并成為室內(nèi)服務(wù)機(jī)器人導(dǎo)航的首選方案,本文將對激光雷達(dá)核心組件進(jìn)行介紹并重點(diǎn)闡述基于
    的頭像 發(fā)表于 12-27 18:20 ?1337次閱讀
    闡述基于<b class='flag-5'>激光</b>三角測距法的<b class='flag-5'>激光雷達(dá)</b>原理

    單線激光雷達(dá)和多線激光雷達(dá)區(qū)別

    單線激光雷達(dá)和多線激光雷達(dá)區(qū)別? 單線激光雷達(dá)和多線激光雷達(dá)是兩種常用的激光雷達(dá)技術(shù)。它們在激光
    的頭像 發(fā)表于 12-07 15:48 ?4023次閱讀