高精度地图是自动驾驶/无人驾驶的重要组成,那究竟什么是高精度地图?

网上找了两个关于高精度地图的定义,如下:

定义一:高精细地图是指高精度、精细化定义的地图,其精度需要达到分米级才能够区分各个车道,如今随着定位技术的发展,高精度的定位已经成为可能。而精细化定义,则是需要格式化存储交通场景中的各种交通要素,包括传统地图的道路网数据、车道网络数据、车道线以和交通标志等数据。

定义二:高精度电子地图也称为高分辨率地图(HD Map,High Definition Map),是一种专门为无人驾驶服务的地图。与传统导航地图不同的是,高精度地图除了能提供的道路(Road)级别的导航信息外,还能够提供车道(Lane)级别的导航信息。无论是在信息的丰富度还是信息的精度方面,都是远远高于传统导航地图的。

从上面的定义可以了解到,高精度地图提供了更高精度、更精细化的内容,包括了车道信息和交通标志信息等。那么更高精度+更详细内容=高精度地图?

无人驾驶主要包括三个部分:感知–>决策–>执行,其中,决策是自动驾驶的大脑,而感知是信息输入,包括GPS、雷达、摄像头等信息输入,那么高精度地图更像是存在大脑中的记忆,通过感知加记忆,实现车辆自身的定位。

但车辆自身的定位,理解上又存在两个分歧,传统图商的高精度定位,是基于GPS/IMU甚至RTK等硬件设备获得的,与高精度地图匹配的位置信息,而人工智能领域的高精度定位,是基于SLAM的空间位置定位,两者的区别在于:绝对位置和相对位置。

绝对定位和相对定位在无人驾驶中都非常的重要,任何一种独立运行都无法实现无人驾驶。

绝对定位无法实现无人驾驶的原因有二:

其一,设备成本、定位的精度和稳定性问题。

GPS+RTK+IMU,可以实现亚米级甚至厘米级的定位,但这些硬件相当的贵,就像激光雷达暂时无法投产到汽车中使用是一样的道理。

同时,GPS信号容易受干扰,稳定性较差,在高楼林立、玻璃幕墙集中的地方定位会漂移,而RTK又会受到信号覆盖范围的影响。

其二,实现定位的方法差异。

绝对定位无法精准确定车辆的位姿(Pose),所以无人驾驶近距离的定位判断,均来自基于SLAM的相对定位。

比如车辆和路肩(马路牙子)之间的距离,绝对定位的误差是惊人的,而使用摄像头或雷达实现的相对定位误差较小,精准度高。

没有相对定位,就像是一个瞎子,而没有绝对定位,就是没有方向感的司机,缺少任一方都不能无人驾驶,无法到达目的地。

我对高精度地图的定义,分为狭义和广义两种。

狭义的高精度地图即为传统图商定义的,更高精度、更详细内容的地图。比如定义了车道、交通标识等更多详细信息的地图,即为高精度地图。

而广义的高精度地图,直接为我们构建了一个真实的三维世界,除了绝对位置的形状信息和拓扑关系外,甚至还包括点云、语义、特征等属性。

我甚至有一个设想,机器视觉加上高精度地图记忆,通过高精度地图中的特征定义,结合机器视觉的解算和判断,可以直接实现精准位置定位。

详细定义真实世界的一切,尽可能精准的测量并绘制成数据,最终实现高精度的位置定位,让机器轻松精准定位,这也许才是高精度地图的未来。

说了这么多,您是怎么理解高精度地图的呢?欢迎关注公众号罗浮传说(RoverTang_com)一起探讨。

本文飞书文档:关于高精度地图定义的探讨