当前位置:首页 > 智能新能源汽车 > 正文

HD高精地图是自动驾驶的必要条件吗?

2021-07-22 13:14
【新能源汽车网】

本文泉源:智车科技

/ 导读 /

特斯拉(Tesla)公司的自动驾驶系统–Autopilot或FSD(Full auto driving)现在现实上还均属于ADAS驾驶员辅助功效的局限。关于什么才是真正的自动驾驶汽车,纵然在特斯拉内部也存在争议,伊隆·马斯克称之为自动驾驶,而其状师在与政府车管部门的相同中称之为纯粹的辅助功效,而且现在尚无生长成为一个自动驾驶系统的蹊径图。

不外从特斯拉的官方角度来看,特斯拉仍在追求自动驾驶,并在最近决议未来的特斯拉车型放弃使用雷达传感器,仅仅依赖摄像头来感知环境。其公布信息中包罗了2个结论:

特斯拉称,同时使用摄像头和雷达会发生过多的感知冲突,将使传感器融合和决议泛起问题。

特斯拉仍将继续不使用HD高精舆图,由于维护高精舆图将需要伟大的起劲。

特斯拉关于这些问题很难明决的熟悉固然是准确的,然而汽车行业的其他人似乎并差异意特斯拉的结论。

摄像头优于雷达吗?

特斯拉强调特斯拉的摄像头系统在任何情形下基本都是显示一流的传感器,而雷达反而会增添不需要的错误或造成不需要的延迟。许多其他汽车制造商并差异意这一看法:雷达是一种“物理性”相当强的传感器,这意味着雷达的丈量值(探测的反射率和流传时间)可以快速形貌工具物体及其距离,而不必通过许多算法处置输入数据。对于摄像头数据来说,情形正好相反,在举行盘算机视觉处置和算法支解之前,摄像头数据自己并不包罗图片中什么物体处于什么位置的特定数据。摄像头数据需要通过盘算机视觉处置,才气发生有关车辆周围的环境信息。

此外,众所周知,摄像头和雷达这两种系统在面临差其余工具和差其余情形下各有优劣,这使得它们的组合能够很好地填补相互的弱点。这也险些是除特斯拉以外的所有汽车OEM厂商的共识,而且雷达在相当长的一段时间内一直是量产车辆辅助系统的主流。

自动驾驶汽车需要高精舆图吗?

现在来看看另一个问题:高精舆图的需要性以及若何维护?

特斯拉AI卖力人Karpathy准确地将高精舆图称为自动驾驶汽车基础设施的一部门,就像发念头需要以大规模的加油站或充电站网络基础设施一样,自动驾驶功效也需要高精舆图来正确定位自己,并在车道水平上正确导航。

高精舆图,也称为3D舆图,是一种高度正确的蹊径图,具有很高的环境保真度,包罗有关人行横道、交通灯/标志、路障等的准确位置的信息。对于自动驾驶车辆来说,它不能像人类一样通过人类视觉抵偿通俗舆图的不正确性,以是高精舆图对于自动驾驶车辆来说是必须的。

几年前,高精舆图是否会成为解决这个问题的方案是一个悬而未决的课题,缘故原由是制作和维护这些舆图是很难题的,尤其是大规模制作并维护舆图的情形下。然而,在已往的几年里,除特斯拉之外的所有其他汽车制造商都意识到,出于平安缘故原由以及驾驶员/搭客的恬静性考量,任何高于SAE L2级的系统都需要使用车载高精舆图。单靠实时盘算和车载传感器远远不够壮大,是无法掌握蹊径的庞大的蹊径交通状态。

通俗点来说,使用高精舆图的系统与不使用高精舆图的系统之间的差异类似于履历厚实的司机与完全不熟悉这座都会的司机之间的区别。

现实上,Karpathy也说过特斯拉没有使用高精舆图:“所有发生的事情,都是第一次发生在车里,基于围绕在车上的八个摄像头的视频”。特斯拉的接纳的方案确实异常有挑战性,看看特斯拉最新公布的FSD V9的一些视频,就会发现这辆车犯了包罗横穿公交车道和横穿实线进入错误车道在内的多个错误。

若是,像特斯拉这样的OEM厂商公布了一个易失足的系统,而这种错误又可以通过高精舆图数据获得缓解,而且若是在未来不使用高精舆图的情形下错误会变本加厉,那么平心而论这确实是一个异常具有挑战性的观点。至少,这需要全行业更仔细地审阅其中的细节。

是什么让使用高精舆图成为一项挑战?

那么,现在是什么让在量产车中使用高精舆图成为极具挑战的事情呢?究竟,之前有一些公司已经应用高精舆图许多年了,其中包罗Here Technologies、TomTom等大牌公司,固然尚有Ushr,几年前它为通用汽车的Super Cruise系统提供了13万英里的美国公路高精舆图。

高精舆图还没有成为一个基本选择有许多缘故原由,其中最主要的缘故原由是确立高精舆图以及使其保持更新所需的成本和时间。

绘制一个大陆的整个公路网(这是主流车辆所需的规模)需要大量投资。凭证原始装备制造商展望的车队规模和使用舆图功效的费率,每辆车由此发生的成本是伟大的,尤其是在汽车这个传统上重视任何细小利润的行业。

中欧和西欧的公路合计有六位数的公里数

一旦第一批舆图完成生产,由于蹊径施工和类似的建设工程,部门舆图将已经由时。若是L2级L3级辅助系统依赖于要使用最新的舆图,这意味着高精舆图的更新周期要比通俗导航舆图更新周期大大缩短。

因此,需要一个解决方案,不仅可以绘制100000多英里的蹊径,还需要一个能够在任何须要的时间和地址继续高效地重新绘制蹊径舆图,同时不会影响舆图质量。

对于大多数从事高精舆图事情的公司来说,这些要求与通例的做法有点纷歧致:通常的做法是使用特制的考察车或SUV,装载高端传感器硬件,每辆车的运行成本在20万美元甚至30万美元以上。而且需要大量的投放这些绘制车辆以换取市场占有率,然则运营这样一支规模重大的车队,从经济成本的角度来说是不太现实的。因此,在某种水平上,特斯拉的剖析是准确的。然则,在现在规模情形下,在预期的时间和成本限制内确立和维护高精舆图的新手艺已经存在。

众智成城:众包高精舆图

2017年,芯片制造商英特尔以153亿美元收购了一家名为Mobileye的以色列公司,这是迄今为止对一家以色列科技公司的最大一笔收购。Mobileye是一家生产摄像头系统的汽车供应商,为系列生产车辆中的ADAS功效提供助力,如防撞和盲点检测系统。不外,它们的真正价值不仅仅在于公司的硬件。

凭证该公司的数据,27家OEM厂商在300多个车型上安装了Mobileye系统,这使得大多数主要蹊径上至少有一个摄像头在一定水平上正常行驶。行使这一事实,Mobileye在云端从客户车辆中获取传感器数据,将它们聚合到一个众包的、不停更新的舆图数据库中,而无需单个专用考察车辆的输入。换句话说,系统的最终用户成为他们自己的数据供应商。

现在还没有主流的L3级自动驾驶系统可以依赖Mobileye的方式来保证车辆脱手操作的平安。批量生产中使用的摄像头(和其他传感器)及其数据提供的正确度远远低于高精舆图系统所使用的正确度,现在尚不清晰有若干处置/标注历程(processing/annotation process)可以(或应该)完全自动化。

这项手艺可能还很年轻,但Mobileye方式的观点险些被以为是未来的生长偏向:一些OEM厂商和Tier 1供应商正在开发自己版本的高精舆图众包系统,以扩大和完善其产物组合。例如,丰田的Woven Planet刚刚宣布收购舆图公司Carmera,此前,IT科技公司Nvidia今年早些时刻宣布收购DeepMap,进一步突显了其在汽车领域的雄心。

那么,若是L3级自动驾驶车辆在2021年和2022年上市,但众包高精舆图离真正成为主流尚有几年的时间,那么在此时代,它们将若何采购?这就是高精舆图的另一种方式施展作用的地方。

弥合鸿沟:今天若何大规模使用高精舆图

这时我们回到盘算机视觉,特斯拉的传感器选择。现在的高精舆图领域确实是这种传感器方式真正能施展作用的领域,摄像头是一种久经磨练的手艺,优质的硬件价钱低廉。此外,使用立体视觉(两个摄像头朝向统一偏向,但相互离开安装)能够以比许多其他传感器更高的分辨率盘算三维深度图像。

这种连系使得有可能用低成本的装备与高性能软件处置来取代昂贵的硬件和专用车辆。特斯拉必须盘算“首次在车里发生的一切”,但高精舆图公司现在并没有面临这样的挑战。

在可预见的未来,主流车辆辅助功效预计不会由实时高精舆图更新提供支持。因此,我们仍然可以使用更小的车队,配备更好的摄像头、GPS和运动传感器,而不是原始装备制造商批量生产的产物——我们还可以在后期生产中处置其数据,应用需要时间运行的庞大算法。

那么,商业案例呢?是否真的有可能绕过考察车队的高昂成本?谜底是一定的,若是你行使这样一个事实,你可以接纳易于使用、无需专门的工程know-how的丈量硬件并确立一个系统。

若是你能让你的装备不依赖于车辆,而且对一个外行来说足够容易操作,你就能获得一个有力的利益:你可以使用兼职司机和他们的私人车辆。事情模式与为AAA或Uber开车的人相同,若是任何持有驾驶执照的人都有资格成为考察驾驶员,而且可以使用低成本、自给自足的硬件,这些硬件可以将任何一辆车酿成考察车辆,那么你就拥有了一支测绘车队。这使得原始装备制造商能够以相符汽车订价要求的成本,知足当前已经面临的舆图更新要求。

MMM模子:批量生产舆图

基于所有这些,我们可以划分未来几年高精舆图制作的3个可能阶段。我们称之为MMM模子(Make,Maintain,Mass build/制造、维护、大规模生产):

1.制造/Make:

确立高精舆图的第一个版本,至少适用于美国、欧洲大部门区域和日本的所有高速公路。这一笼罩局限将是进入批量生产的功效的最低要求。这类事情的大多数条约可能在未来12-24个月内执行。

2.维护/ Maintain:

保持高精舆图的第一个版本是最新的。很可能仍然使用HD高精品级的丈量装备和处置方式,但成本低,周转时间短(从知悉转变后约2周)。这种方式在当今的手艺中是具备可行性的,因此我们没有理由在未来几年拒绝它,为最后一步争取时间。

3.大规模生产/ Mass build:

设计和实行一个端到端的解决方案,该解决方案允许采集量产车辆的车载传感器数据,可靠地聚合和处置这些数据,以便检测舆图环境的转变,并响应地更新舆图并将其反馈回到车队。这很可能是这十年内高精舆图的最终目的,然则高精舆图的构建还需要好几年时间。

Mobileye今天似乎遥遥领先于许多其他玩家,纵然没有MMM模子提供的基石,Mobileye可能也会完成第3步。汽车行业是竞争最猛烈的行业之一,任何器械都不会耐久只有一个供应商。而对于希望确立竞争性报价的原始装备制造商和一级供应商来说,有一个解决方案可以在不牺牲快速上市的条件下争取时间,将是一个好新闻。

看看未来的众包玩家喜欢哪种方式和理念会很有趣。Mobileye现在的战略和其他市场介入者的生长让人想起苹果和微软之间的早期竞争。一方面,有一个封锁的端到端系统,提供高性能,但对用户来说这仍然是某种‘黑匣子',除了制造商设计的一切,不允许定制或个性化。

另一方面,我们可能会看到一个加倍开放的生态系统,差异类型的公司举行相助:汽车制造商、传感器制造商、软件公司、舆图和电信公司,每一家公司都将各自的专业知识摆到桌面上。

我们异常期待看到将配合确立的开放舆图解决方案。

原文:The road to everywhere: are HD maps for autonomous driving sustainable?

作者:TOM DAHLSTR?M, BUSINESS DEVELOPMENT MANAGER, ATLATEC

性感可爱丝袜女郎高清写真/High definition photo of sexy and lovely stockings girl
标签