江苏龙网

  1. 首页 > 人文 > >

「钛媒体」为什么自动驾驶汽车不能使用普通地图导航？

「钛媒体」为什么自动驾驶汽车不能使用普通地图导航？

----「钛媒体」为什么自动驾驶汽车不能使用普通地图导航？ //----[ http://www.caoding.cn]

图片来源@unsplash

文｜汽车之心

可能有人会有疑问：自动驾驶汽车使用的地图 ， 与我们日常接触的高德地图、百度地图等公司的地图有什么不同？

高德和百度做的是人类的地图 ， 而高精地图公司做的是机器人使用的地图 。 这两种地图都是帮助用户基于地理位置做决定的工具 ， 但它们的终端用户差别很大 。 也正是由于终端用户的不同 ， 其类型与信息量就千差万别 。

1、人与机器使用的地图：到底有什么实质不同？

我们先回答一个问题：什么是人类使用的地图？

智能手机中地图 APP 已经可以囊括一切 。 打开地图应用 ， 蓝色的点会告诉你身在何方 。 而设定好目的地后 ， 你的路线就会浮现在屏幕上 。

「钛媒体」为什么自动驾驶汽车不能使用普通地图导航？

----「钛媒体」为什么自动驾驶汽车不能使用普通地图导航？ //----[ http://www.caoding.cn]

手机上的地图确实非常好用 ， 只需要一个简单的 GPS 芯片 ， 手机就能在地图上定到你的位置 ， 误差只在几米之间 。

除此之外 ， 它还有追踪通勤习惯 ， 推荐行车路线 ， 提供打折信息等数百万种应用场景 。

这些地图上有用的语义学数据包括兴趣点（POIs）、街名和地址等 。

在车上 ， 地图则会给出路径指示 ， 比如告诉你「在某某大街右转」 。

像谷歌地图这样成熟的产品甚至还会包含更加细化的信息 ， 比如车道数量 ， 这也是你会在开车时听到「保持左侧两车道行驶」之类提示的原因 。

人类使用的地图是非常好的资源 ， 但想把它编进代码却并不容易 。 毕竟它是人类数百万年进化的产物 ， 是人类大脑对周边无数信息进行消化吸收的结晶 。

简言之 ， 人类的常识比计算机的模式匹配能力要强大多了 。

常识的力量强大了 ， 人类的地图就无需那么精确 ， 即使 GPS 无法识别其中不同 ， 一个蓝色的小点也能保证你在驾驶时不会驶向转盘上的花坛 。

在隧道里或高层建筑间 ， GPS 信号可能会偶尔消失 ， 但你还是能靠着常识继续驾驶 ， 直到蓝色小点重新出现 。

即使没有常识 ， 机器的地图 ， 加上超强算力也能输出正确决策 。 机器人的地图里「信息」更多 ， 它能为计算机提供更多补充资源 。

与人脑一样 ， 自动驾驶汽车搭载的超级计算机也能在驾驶时进行实时决策 ， 不过由于缺乏常识 ， 它理解起周边环境来要困难不少 。

因此 ， 机器的地图必须非常精确 ， 其精度甚至要达到 10 厘米级别 。

除了更加精准 ， 它提供的信息还要非常直观 ， 指令更是能多细就多细 。

比如：

车辆当前处在哪个车道 ， 该车道需要注意哪些交通标识和信号灯 。

车辆与道路的高度也非常重要 ， 这是自动驾驶汽车在城市高架行驶时的必备数据（车辆要知道自己是不是在高架桥上） 。

机器的地图还必须永远在线 ， 并在 GPS 信号不稳定甚至彻底消失时持续为车辆提供精确信息 。

说到这里 ， 什么是机器地图 ， 大家就很清楚了 。

与人类不同 ， 机器不需要精美的界面 ， 也无需夜间模式和精挑细选的字体 。

简言之 ， 机器地图就是一个信息仓库 ， 足够机器导航使用 。

「钛媒体」为什么自动驾驶汽车不能使用普通地图导航？

----「钛媒体」为什么自动驾驶汽车不能使用普通地图导航？ //----[ http://www.caoding.cn]

周边环境的 3D 模型加上 3D 数据上的语义信息层就是自动驾驶汽车的「常识」

2、3D 点云图

关注自动驾驶汽车的人 ， 对 3D 点云图并不陌生 。

点云属于空间数据 ， 本质上来说是 3D 高程点的集合 。

一个精准的实时 3D 点云地图是自动驾驶汽车执行多种基本任务的必要条件：

首先 ， 它让车辆能找到自己的位置 。

任何使用激光雷达的自动驾驶汽车都会实时生成点云图 ， 将点云图叠加到现有地图上后 ， 车辆就能找到自己的精确位置（即使当时 GPS 不可靠） 。

激光雷达会实时工作 ， 帮助车辆进行物体探测和躲避 ， 而一个精确的点云图可充当环境的基线视图 。

点云信息越丰富 ， 车载计算机就越轻松 ， 它也能分出更多算力专注于移动物体 。

3、简单的语义信息：每条车道的行车路线

点云图上要叠加一层语义信息 ， 它能告诉自动驾驶汽车应该遵守什么样的规则 。

除此之外 ， 语义信息还能为车辆 AI 提供周边环境情况并充当这个世界的蓝图 。

总得来说 ， 语义信息的层次越多 ， 车载计算机导起航来就越轻松 ， 毕竟前路上会出现越来越多规划好的环境 。

这些语义信息包括：

1. 车道标线

2. 行驶方向

3. 交通信号灯与标识

4. 人行横道

5. 马路牙子标记与泊车规则

6.「高可信路径」（最容易行驶的道路）

7. 建筑工地和任何临时规则

如果能将这一层层信息都融合进去 ， 我们就能得到一套强大的点云图 。

当然 ， 到底哪些语义信息对自动驾驶行业最有用 ， 现在依然充满变数 ， 但未来几年这些语义信息肯定还会受到持续关注 。

同时 ， 这也意味着 ， 图商得抓紧在自己的地图中添加语义信息层 。


    推荐阅读


    上一篇：「浙样红TV」导尿救人医生被奖励10万！他们却把奖金这样花了

    下一篇：[36氪]狱中冯鑫，暴风休克