一場技術(shù)分享會，再次將「高精地圖」推向風(fēng)口浪尖。

2022 年以來，「重感知、輕地圖」成為業(yè)內(nèi)高頻詞匯，部分自動駕駛公司紛紛引用以突出自身在單車智能上取得的新成就，然而細(xì)究容易發(fā)現(xiàn)，這種說法不免存在言語「偷雞」之嫌。

所謂「重感知」究竟能做到多「重」，「輕地圖」可以「輕」到什么程度，無人界定，更沒有判定標(biāo)準(zhǔn)，全仰仗自動駕駛公司五花八門的說辭。

一位業(yè)內(nèi)人士表示，自己聽到的每個「重感知、輕地圖」的版本都不一樣。不過可以肯定的是，無論是 L2+，還是 L4，搞自動駕駛?cè)匀浑x不開高精地圖。

日前，在百度 Apollo Day 技術(shù)開放日活動上，百度自動駕駛技術(shù)專家黃際洲也明確了這一觀點(diǎn)，并指出輕成本、重體驗(yàn)的地圖對自動駕駛至關(guān)重要。

01、重感知、輕地圖，源于對現(xiàn)實(shí)的妥協(xié)

事實(shí)上，「重感知、輕地圖」在今年屢屢被提及，實(shí)乃事出有因。

最直接的原因在于，監(jiān)管正在收緊對高精地圖甲級資質(zhì)的審批，2021 年，有 31 家企業(yè)拿到這一資質(zhì)，而到了 2022 年，僅有19 家通過復(fù)核，對比之下，數(shù)量銳減約 1/3。

8 月 30 日，自然資源部又下發(fā)《關(guān)于促進(jìn)智能網(wǎng)聯(lián)汽車發(fā)展維護(hù)測繪地理信息安全的通知》，明確規(guī)定，高精地圖測繪制作，只能由具備導(dǎo)航電子地圖制作甲級資質(zhì)的單位進(jìn)行。

意味著，沒有取得相關(guān)資質(zhì)的企業(yè)，要么放棄「高精地圖」路線，要么找有資質(zhì)的企業(yè)合作，以支撐自身自動駕駛技術(shù)的上車應(yīng)用。

這看似是一個「二選一」的問題，實(shí)際上卻只有一個答案。背后原因在于，放棄「高精地圖」等于放棄自動駕駛。

盡管自動駕駛公司拼命堆各種硬件，例如 800 萬像素攝像頭、激光雷達(dá)、大算力芯片，以及訓(xùn)練愈加復(fù)雜的神經(jīng)網(wǎng)絡(luò)，來增強(qiáng)車端感知能力，然而若沒有「高精地圖」的輔助，在后者實(shí)際上路時，將不可避免地出現(xiàn)各種難以應(yīng)對的問題。

舉例來說，樹木遮擋住的高速公路交通牌，此時就無法在車端被實(shí)時感知到，故此導(dǎo)致智能汽車忽略掉了重要的提示信息，容易造成違反交規(guī)，甚至安全事故的發(fā)生。

城市道路的情況更為復(fù)雜，紛繁多樣的紅綠燈、污損嚴(yán)重的車道線、新舊重疊的地標(biāo)痕……以上種種都為實(shí)時感知能否給出正確語義，帶來了很大挑戰(zhàn)。

而高精地圖包含了交通標(biāo)志、信號燈、防護(hù)欄、周邊樹木、車道線、道路邊緣等先驗(yàn)信息，且精度達(dá)到厘米級別，有助于彌補(bǔ)上述感知的不足。

除此之外，高精地圖包含的車道級路徑規(guī)劃功能，同樣不可取代。由于具備超視距感知，高精地圖可以在幾公里外就「看到」高速匝道口，輔助車輛提前做好變道規(guī)劃；

再例如在城區(qū)道路中的連續(xù)路口轉(zhuǎn)彎，由于有高精地圖的加持，車輛能夠事先選擇一條最優(yōu)路徑暢行；

在過大曲率彎道時，車輛也能提前減速，保證乘坐者安全、舒適的體驗(yàn)。而這些僅憑借視野有限的感知硬件，均難以實(shí)現(xiàn)。

當(dāng)然，高精地圖并非無所不能，其本身存在兩個較大的缺點(diǎn)：

成本高和鮮度低，這樣構(gòu)成了自動駕駛企業(yè)除了出于缺乏地圖資質(zhì)外，試圖走「重感知、輕地圖」路線的另一大主要原因。

首先是成本高，據(jù)了解，采用傳統(tǒng)測繪車方式，厘米級地圖的測繪效率約為每天每車 100 公里道路，成本可能達(dá)每公里千元，而要覆蓋國內(nèi)如此多的道路，意味著相當(dāng)大的投入。

武漢大學(xué)測繪遙感信息工程國家重點(diǎn)實(shí)驗(yàn)室教授李必軍曾表示，把全國的道路數(shù)據(jù)采集下來至少需要 200 億左右。

分?jǐn)偟阶詣玉{駛企業(yè)身上，高精地圖是一筆「不可承受之重」的支出。

高精地圖更新是另一個大難題。市面上的圖商只能做到 3 個月更新一次高精地圖，而對于自動駕駛而言，理想狀態(tài)是日更，乃至小時級的更新。

小鵬汽車自動駕駛副總裁吳新宙就曾表示，希望 NGP 發(fā)布的時候能夠做到以「天」級更新高精地圖的能力。

這是因?yàn)榈缆方煌ǖ淖兏⒕S修，紅綠燈狀態(tài)等信息的更新速度快，倘若地圖更新頻率太低，將很難為自動駕駛提供支持。

例如曾有自動駕駛車輛，因高精地圖未及時更新，撞上了路邊新建的防護(hù)帶。

可以看到，高精地圖在自動駕駛技術(shù)中扮演著不可或缺的角色，但高成本、低鮮度的問題成為約束其將能力發(fā)揮到最大的阻礙。

針對于此，百度在 Apollo Day 上給出了對策。

02、AI 賦能，百度為高精地圖「降本提鮮」

黃際洲介紹，百度應(yīng)用 AI 賦能規(guī)模化生產(chǎn)，實(shí)現(xiàn)高精地圖生產(chǎn)成本的持續(xù)的降低。具體來說，分別從自動化數(shù)據(jù)融合和自動化標(biāo)注入手。

自動化數(shù)據(jù)融合的目標(biāo)是全自動地將多次采集到的傳感器數(shù)據(jù)，例如激光點(diǎn)云或者道路的影像，在統(tǒng)一的坐標(biāo)系下進(jìn)行融合，這是高精地圖大規(guī)模生產(chǎn)的重要基礎(chǔ)和核心能力，其中的挑戰(zhàn)在于融合的精度要達(dá)到厘米級。

一般來說，圖商的做法是先將傳感器數(shù)據(jù)按照塊或者道路進(jìn)行劃分，然后依次先在每個分塊里進(jìn)行數(shù)據(jù)的融合，再對塊之間進(jìn)行高精要素的串線和幾何的調(diào)整，以增強(qiáng)塊間高精要素的連續(xù)性。

不過這種方式存在一個重大缺陷：很難保證所得到的基礎(chǔ)數(shù)據(jù)完全對齊。

「我們的解決方案是按照數(shù)據(jù)空間分布劃分去構(gòu)建多層級的圖結(jié)構(gòu)，確保這個全圖的精度是一致的?！裹S際洲分享，百度在幾個方面進(jìn)行了技術(shù)創(chuàng)新。

首先是多層級的圖優(yōu)化，通過建立塊內(nèi)的局部圖來保證塊內(nèi)數(shù)據(jù)融合的一致性；通過塊間的關(guān)鍵幀的關(guān)聯(lián)關(guān)系，建立塊之間這個全局圖，從而確保了全圖精度一致。

其次，作場景化關(guān)聯(lián)和匹配，將道路路段劃分成多種不同的場景，然后按照場景設(shè)計(jì)關(guān)聯(lián)策略和匹配算法。

最后還運(yùn)用基于學(xué)習(xí)的匹配算法，使用一個同時進(jìn)行重疊區(qū)域估計(jì)以及特征點(diǎn)提取的網(wǎng)絡(luò)，僅在重疊的區(qū)域進(jìn)行特征點(diǎn)的匹配和提取，極大地提升了匹配的魯棒性。

在開放日現(xiàn)場，百度展示了其自動化數(shù)據(jù)融合的效果，點(diǎn)云底圖過渡十分自然，幾乎看不出拼接的痕跡，相較之下，傳統(tǒng)方法的融合結(jié)果在塊邊界的地方往往存在嚴(yán)重的錯位情況。

「我們多層次優(yōu)化方法的融合結(jié)果完全正確?！?/p>

地圖自動化標(biāo)注是基于點(diǎn)云和圖像數(shù)據(jù)自動生成高精地圖的過程，也是能夠顯著降本增效的核心驅(qū)動。

為了達(dá)到高自動化率，百度在要素識別、矢量提取、自動建模等關(guān)鍵步驟上進(jìn)行了技術(shù)創(chuàng)新：

• 在要素識別上，采用多層級的點(diǎn)云識別方式，識別的結(jié)果遠(yuǎn)遠(yuǎn)優(yōu)于單次識別；

• 在矢量的提取上，對點(diǎn)云和圖像中提取的矢量要素進(jìn)行后融合，保證了要素的高精度和高召回；

• 在自動建模上，基于車道級的拓?fù)淠０暹M(jìn)行矢量要素的匹配，極大提高了拓?fù)涞纳梢约败嚨谰€串接的準(zhǔn)確性。

百度通過一系列 AI 技術(shù)的落地應(yīng)用，顯著降低了高精地圖的生產(chǎn)成本。

而在保障地圖的鮮度方面，百度采用融合車端感知數(shù)據(jù)與多源地圖來實(shí)時生成在線地圖。

在車端，百度利用環(huán)繞安裝的攝像頭和激光雷達(dá)，基于 Transformer 生成 BEV 的 Feature Map，生成實(shí)時地圖；

接著將其和高精地圖以及眾源地圖進(jìn)行有效的融合，生成在線地圖，以提供給下游的感知、決策和規(guī)劃模塊進(jìn)行使用。

如此一來，高精地圖集合了「預(yù)知」和「實(shí)時更新」的特點(diǎn)，能更高效地適應(yīng)自動駕駛運(yùn)行中的動態(tài)環(huán)境。

黃際洲舉例，當(dāng)出現(xiàn)惡劣天氣的時候，例如開車回家常途經(jīng)的道路積水過深，通過地圖的實(shí)時動態(tài)數(shù)據(jù)，車輛可以主動地避開這些區(qū)域，降低安全的風(fēng)險。

03、從 L2+到 L4，輕量化高精地圖打通統(tǒng)一

對于百度來說，實(shí)現(xiàn)高精地圖和車端實(shí)時感知的融合還遠(yuǎn)遠(yuǎn)不夠，要保證乘坐的舒適度，需要對自動駕駛提出更高要求。

黃際洲拿車輛從高速路下匝道的場景舉例，一般來說，匝道都有明確的限速要求，大概在30 公里每小時，如果車輛在匝道出口運(yùn)行速度達(dá)到 120 公里每小時，此時若立即執(zhí)行減速，將給車內(nèi)的人帶來非常糟糕的體驗(yàn)。

同樣的，在城市路段，經(jīng)常遇到交通匯流，如果后方有車輛快速駛來插入本車道，極易造成自動駕駛汽車為確保安全，一腳剎停，影響乘坐舒適度。

為了解決這個難題，百度提出引入駕駛知識圖譜，基于百度地圖超過1200 萬公里的路網(wǎng)覆蓋、日均 20 億公里軌跡里程的獨(dú)有數(shù)據(jù)資源，向數(shù)億名司機(jī)進(jìn)行學(xué)習(xí)。

「在這個駕駛知識圖譜中，包含了多維度、豐富的駕駛知識，例如經(jīng)驗(yàn)速度、變道的時機(jī)、變道的軌跡等等?！?/span>

黃際洲介紹，在駕駛知識圖譜的加持下，自動駕駛的速度轉(zhuǎn)換可以更合理，變道能夠更及時，轉(zhuǎn)向可以更順滑，顯著提升乘坐的舒適度。

與此同時，百度還引入車路協(xié)同技術(shù)，為自動駕駛提供實(shí)時路況、道路的事件、ETA 等全局交通信息，通過智能信控、智能規(guī)劃，幫助車輛提升出行效率。

「高精地圖+實(shí)時感知+知識圖譜+車路協(xié)同」正構(gòu)成了百度 Apollo 自動駕駛地圖從下到上的四層全景圖：

最下面一層是靜態(tài)層，也就是傳統(tǒng)高精地圖的內(nèi)容，包括了車道級數(shù)據(jù)、拓?fù)鋽?shù)據(jù)以及輔助車輛定位的數(shù)據(jù)。

第二層是動態(tài)層，包括實(shí)時交通事件、實(shí)時環(huán)境變化，其構(gòu)建依賴于海量的時空數(shù)據(jù)以及車路協(xié)同等。

第三層是知識層，也是百度首創(chuàng)的駕駛知識圖譜，與自動駕駛體驗(yàn)強(qiáng)相關(guān)的安全駕駛，以及駕駛行為與知識等等。

最上層是駕駛層，包含駕駛策略的融合，深度融合地圖和感知、決策、控制應(yīng)用；數(shù)據(jù)實(shí)時感知的融合，數(shù)據(jù)閉環(huán)和實(shí)時更新，保證地圖的高鮮度。

「如果用一句話定義 Apollo 自動駕駛地圖，那就是知識增強(qiáng)、分層多維、為自動駕駛而生的新一代地圖?！苟鴱膶?shí)現(xiàn)效果上來說，黃際洲總結(jié)，就是輕成本、重體驗(yàn)。

事實(shí)上，地圖的意義并不僅限于應(yīng)用在 L4 自動駕駛上，做 L2+/L3 的城市級高級輔助駕駛，高精地圖也是保證智駕安全、乘坐體驗(yàn)的必需品。

百度將在 2023 年面向市場推出一款 L2+領(lǐng)航輔助駕駛旗艦產(chǎn)品 ANP3.0，在其上面也濃縮了百度多年深耕高精地圖積累的優(yōu)勢，為車企提供領(lǐng)先一代、覆蓋廣、成本低的產(chǎn)品，讓智駕功能隨時隨地開啟。

回到文章開頭，業(yè)內(nèi)「重感知、輕地圖」的提法固然振奮人心，然而在車輛實(shí)際運(yùn)行中，卻充滿了玄學(xué)意味，一方面車端的傳感器遠(yuǎn)遠(yuǎn)做不到如高精地圖一般的超視距感知，以及豐富多樣的語義理解，另一方面，自動駕駛公司又竭力將運(yùn)行范圍擴(kuò)充到場景更為復(fù)雜的城區(qū)道路和停車場。

這二者之間的矛盾，讓自動駕駛公司嘴上說不要，身體卻很誠實(shí)地用上了高精地圖。而至于用的多少，全憑各自的話術(shù)包裝了。

而百度提供的思路是承認(rèn)高精地圖的必要性，并將其短板補(bǔ)齊，通過自動化數(shù)據(jù)融合和自動化標(biāo)注等，不斷降低地圖生產(chǎn)的成本，再結(jié)合車端實(shí)時感知、知識圖譜、車路協(xié)同等，提高高精地圖的鮮度，在保障安全之余，還確保舒適的乘坐體驗(yàn)。

與此同時，百度在自動駕駛和高階輔助駕駛實(shí)現(xiàn)輕量化高精地圖的統(tǒng)一，隨著 2023 年其智駕 ANP3.0 產(chǎn)品上市，后續(xù) L4 和 L2+技術(shù)的協(xié)同飛輪將運(yùn)轉(zhuǎn)起來，形成「高使用率——持續(xù)降本」交替的正反饋。

返回第一電動網(wǎng)首頁 >