无人驾驶高精地图-自动驾驶的必由之路

谷小丰2017.6.20高精地图自动驾驶的必由之路•01什么是高精地图•02高精地图与自动驾驶•03高精地图是如何打造的•04高精地图开发的挑战•05持续赋能自动驾驶，构建自动驾驶的高精度地图数据生态Contents01•什么是高精地图4SAE自动驾驶级别123450辅助驾驶（部分/全部）自动驾驶前车碰撞预警（FCW）、车道偏离预警（LDW）行人检测预警（PCW）、自动泊车、节能驾驶…•高速公路自动巡航•通过高速路之间的连接车道•切换车道•普通路自动巡航•通过十字路口•避障（车、人、自行车、其他）功能差异互联网公司OEM国内(2018--2020)OEM国外(2016--2030)Tesla百度L3GoogleGoogleUberTeslaVolvoDriveme1.0VolvoDriveme2.0GMDaimlerAudiBoschDelphi+MobileyeVolkswagenPSA长安吉利一汽长城东风奇瑞泛亚BMWGMNuTonomyNissanFordToyota百度L4不需要高精地图需要高精地图比亚迪自动驾驶业界时间表5什么是高精地图•HDmap=Highdefinitionmap高分辨率地图•HADmap=Highlyautomateddrivingmap=高度自动驾驶地图•HochgenaueKarte=高可信度地图•高精地图=自动驾驶专题图视频：高精地图演示6PersonandVehiclelocation,speed,directionFacilitylocation,trafficsignalcontrolandstatusTrafficflow,events,weather,roadstatus高精地图内容自动驾驶环境什么是高精地图——自动驾驶环境7收费站交通区域龙门架交通标志（动态）桥梁杆隧道公交车道障碍物交通灯斑马线停止线车道数失锁区域道路施工状态…车道线车道线曲率/坡度车道中心线车道连接车道属性变化车道分组…收费站符号交通灯交通标志斑马线停止线隧道路缘石防护栏障碍物龙门架桥梁交通区域杆…道路属性车道模型交通设施模型路面标识什么是高精地图——内容8LaneMarkingAttributePoint-Type变化Lane1Lane10Lane9Lane4Lane8Lane2Lane3Lane5Lane6Lane7Lane11Lane12Lane13Lane14Lane150m200m100m400m500mSection1Section2Section3Section4Section5车道变化属性道路分离点和车道分离点分组中心线车道线什么是高精地图——基本车道模型9DashLineatIntersectionCenterLineL1L2L3L4L5L6L7L8LaneConnectivity:L1L5L2L6L3L7L4L8LaneConnectivity:L6L7L8L1L4L5L1L2L3L6L9L10L2L5L7L9L1L6L3L4L8L10什么是高精地图——车道连接关系10LaneAttribute-Curvature,Heading,Slope&SuperElevation𝑪𝒖𝒓𝒗𝒂𝒕𝒖𝒓𝒆=𝟏𝒓𝑪𝒖𝒓𝒗𝒂𝒕𝒖𝒓𝒆=lim∆𝑠→0∆𝛼∆𝑠𝑴→𝑴𝟎SideTop𝑴→𝑴𝟎→𝑴𝟏Superelevation=（h𝐿）×100%Lh𝑴𝑴𝟎hL𝑴𝟏hLhL𝑴𝑴𝟎𝑴𝟏𝑴→𝑴𝟎→𝑴𝟏Slope=（h𝐿）×100%Directionofvehicle曲率Curvature航向Heading坡度Slope横坡Superelevation什么是高精地图——数学属性11TrafficLightLaneNo.TrafficLight1L7,L8TrafficLight2L5,L6TrafficLight3L1,L2TrafficLight4L9,L10RelationshipofLaneandObjectCrossWalkLaneNo.CrossWalk1L1,L2,L7,L8,L10,L5CrossWalk2L9,L10,L5,L6,L1,L8CrossWalk3L7,L8,L1,L2,L6,L9CrossWalk4L5,L6,L9,L10,L7,L2StopLineLaneNo.StopLine1L1,L2StopLine2L9,L10StopLine3L7,L8StopLine4L5,L6RelationshipofDifferentObjectsTrafficLightStopLineTrafficLight1StopLine3TrafficLight2StopLine4TrafficLightStopLineTrafficLight3StopLine1TrafficLight4StopLine2L1L2L3L4L5L6L7L8L9L10L11L12L13L14L15L16StopLineTrafficLightTrafficLight2CrossWalk2StopLine2TrafficLight1CrossWalk1StopLine1TrafficLight3CrossWalk3StopLine3TrafficLight4CrossWalk4StopLine4什么是高精地图——Object12R2R3R4R1N2N1Lane1Lane10Lane9Lane4Lane8Lane2Lane3Lane5Lane6Lane7导航道路高精地图车道线R1Lane1,Lane2,Lane3R2Lane4,Lane5,Lane6,Lane7R3Lane8,Lane9R4Lane10关联关系导航地图高精地图什么是高精地图——与导航地图的关联13Google传感器：多线激光镭达、摄像头数据：车道模型矢量HDMapHDMap形态、部件和业界进度14Google传感器：多线激光镭达、摄像头数据：车道模型Google传感器：多线激光镭达、摄像头数据：车道模型+Object模型矢量HDMapHDMap形态、部件和业界进度15Google传感器：多线激光镭达、摄像头数据：车道模型Google传感器：多线激光镭达、摄像头数据：车道模型+Object模型NDS成员传感器：摄像头+激光镭达数据：车道模型+object模型MobileyeREM传感器：摄像头+激光镭达数据：车道模型+object模型矢量HDMapHDMap形态、部件和业界进度16Google传感器：多线激光镭达、摄像头数据：车道模型Google传感器：多线激光镭达、摄像头数据：车道模型+Object模型NDS成员传感器：摄像头+激光镭达数据：车道模型+object模型矢量HDMapHDMap形态、部件和业界进度17Google传感器：多线激光镭达数据：反射率图、DEM、占位图HDMap形态、部件和业界进度格网化定位图18Google传感器：多线激光镭达数据：反射率图、DEM、占位图HDMap形态、部件和业界进度格网化定位图Tomtom传感器：多线激光镭达数据：RoadDNA19Google传感器：多线激光镭达数据：反射率图、DEM、占位图HDMap形态、部件和业界进度格网化定位图Tomtom传感器：多线激光镭达数据：RoadDNA高德传感器：摄像头数据：道路指纹20导航地图智能驾驶地图要素和属性使用者现势性要求道路POI——涉密POI禁止表达、重点POI必须表达背景——国界、省界等等行政区划边界必须准确表达详细车道模型——曲率、坡度、横坡、航向、高程？限高、限重、限宽定位地物和Feature图层人，有显示计算机，无显示相对低，人可以良好应对高，机器较难良好应对用途导航、搜索、目视辅助环境感知、定位、车道级路径规划、车辆控制审图关注的敏感内容比较——导航图和智能驾驶地图所属系统信息娱乐系统车载安全系统高精地图是自动驾驶专题图21常见高精地图问题•容量很大？•厘米级精度？02•高精地图与自动驾驶23CloudServiceGPS/INSCameraRadarLiDARHADMap+EnvironmentModelsDeepLearningArtificialIntelligenceAutomaticControlHADMap辅助感知和超视距感知确定车辆在地图中的位置车道级路径规划方向盘控制、加减速、刹车人类驾驶员自动驾驶感知高精定位决策控制观察、听对比记忆思考判断操控高精地图的作用24高精度定位环境感知辅助规划与决策HDMap云服务高精地图的作用25车辆位置使用矢量Object做地图匹配高精定位匹配环境感知后形成矢量数据HDMap数据HDMap矢量数据高精定位结果：车辆在HDMap中的位置HDMap数据车辆位置自动驾驶需要HDMap解决的问题26高精定位——高德道路指纹方案27高精定位——基于矢量Object28高精定位——基于千寻RTK级绝对定位29HDMap—车道级路径规划自动驾驶系统—避障导航地图—道路级路径规划终点起点当前位置R1R2R3L10L11L12L13L14L4L5L6L7L1L2L3自动驾驶需要HDMap解决的问题——车道级路径规划EHP：ADASISV330SpeedlimitSlope,CurvatureLane-levelRoutingPositioningmessageLaneinfoTrafficLightEHP31戴姆勒—高德高精地图道路安全应用测试03•高精地图是如何打造的33LiDARIMUGNSSCameraProfessionalMoreAccurateMoreReliableMoreCompleteMore高精地图采集34VehicleRe-Equipment35RIEGLVQ450VQ450DescriptionMinimumRange1.5MAccuracy8mmMaxEffectiveMeasurementRate1,100,000meas./secLineScanSpeedUpto400lines/sec激光镭达工作原理36LaneMarkingRoadMarkingTrafficSignPoleCurbIMULiDARCameraAuto-RecognitionFieldCollectionCloudPointRGBImageCloudPointHD3DTrajectoryCNNValidationGuardrailLanemarkingRoadmarkingPoleTrafficsigncurbImageRecognition高精地图生产流程On-fieldValidationIn-housevalidationbytools&human37交互式自动识别38LaneMarkingsRoadMarkingsTrafficSignsPoles基于深度学习的高精地图图像识别视频39280,000km*800photos/km=224,000,00photos280,000kmpointclouddata深度神经网络的关键——训练数据04•高精地图发展的挑战43挑战：高精地图到底长什么样？•定义高精度地图需要车企和图商的共同努力44挑战：高精地图到底应该更新多快？45多级发现采集数据处理资源支撑-技术支撑-数据支撑智能云调度资料库成果库数据服务行业采集生态社会采集生态自有专业采集体系物流车租车/专车出租车社会化车辆众包队伍ADGCGGCUGC高精专业采集车全景ADAS采集车自行车和步采高精地图生产服务平台挑战：更新手段46DatabaseHDMapSmartcar/AutonomousDrivingCar•Camera:DetectandRecognizeDynamic/Staticobjects;•GPS/IMU:ProvideAbsolutePositionData;•Radar:DetectObstacles;•LiDAR:DetectStatic,Dynamicobjects•Moresensors……AMa