设为首页 - 加入收藏
您的当前位置:首页 > 汽车资讯 > 正文

四维图新自动驾驶AI总监李阳:从地图到自动驾驶

时间:2019-05-07 16:14 来源:第一车讯 浏览:

2月20-21日,2019全球第二届自动驾驶论坛在武汉举办,本次论坛以“智能驾驶 改变未来”为主题。四维图新自动驾驶AI总监李阳发表了主题演讲,演讲内容如下:

非常感谢组织组委会,也非常感谢刚才杨教授频繁地为我们做宣传。四维图新是一家在这个行业耕耘了很多年,但一直不太为大家所了解的公司。四维图新在国内最早开始做导航电子地图的,2002年开发出第一份商用导航电子地图,通过和高校、政府,以及我们的客户、合作伙伴的合作打磨,四维图新在导航电子地图领域做到了行业前茅。随着2010年之后,车载应用从最基本的导航逐渐开始延伸出车联网,辅助驾驶,最后到自动驾驶这样的一个非常清晰的路线图。我们也逐渐从单一的导航业务逐渐发展到车联网、自动驾驶,也就是之前杨教授提到的智能网联的概念。对于四维图新来说,导航是我们传统的现金流,是我们的基石。

四维图新拥有最优质的,通过国内最高质量评价指标的SD Map。也拥有国内最先量产的ADAS Map,以及现在很有竞争力的导航软件,在我加入四维图新之后,刚好经历四维图新转型车联网,从通过车厂为用户提供服务,提供内容到基于用户数据为车厂提供服务。通过基于车厂提供的脱敏数据,来为每一位车辆拥有者提供定制化的推荐、分析、保险等服务,来让车联网服务逐渐体现出它的价值。

刚才大家一直提到自动驾驶,尤其是杨教授帮我们做了很多的铺垫和科普。高精度地图或者自动驾驶地图,对于自动驾驶非常的重要,是一个非常核心的关键组件,一个非常棒的基础设施。

在基本介绍完四维图新之后,我后面的议题会跟大家慢慢分享,地图是如何一步步从导航地图到ADAS地图再到自动驾驶地图,通过一个图商的视角,我如何结合新技术,结合现在行业的发展趋势,结合我们客户的需求,以及大家日益增长的对出行的诉求,来形成我们新的地图世界观,帮助大家解决一些瓶颈。

目前还没有到最后的L4甚至L5自动驾驶阶段,在众多的合作伙伴中,很多在L2.5及之前的阶段也会用到地图。ADAS地图里面有一些属性会提高目前高级辅助驾驶功能的可靠性,比如说曲率过大,不建议开启自动驾驶功能。这是在L3及以上自动驾驶没有到来之前,地图能够为L2.5以下的方案中起到的作用。

在L3及以上的自动驾驶的阶段,高精度地图是非常重要的基础设施。这里面四维图新的身份也将从一个地图数据的供应商变成服务的供应商,甚至进一步变成能力的供应商。

导航地图本身大家可以很直观的看到,它是对于现实世界的一个基本抽象,侧重定性的描述,里面只有道路的类型,道路的名字。他的量化其实是来源于地理空间的量化,跟他本身的属性几乎没有关系。导航本身属性很至少有量化的内容很少。而且又因为国家法规很多细节的信息是不能够拿出来的。

所以在传统导航电子地图里面,定量的信息比较少,主要是来描述道路结构,能够为导航场景提供空间计算的索引,这样的世界观,这样的表达方式是继承自传统纸质地图。

因为纸质地图能描述的属性非常有限,所以大家更多的是用颜色和用图样来区分不同类型的属性,随着数据库技术的发展和地图的结合,导航电子地图自第一次出现,就远远比纸质地图能承载更多的数据,能承载更多的细节。

ADAS地图第一次把地图从定性变到了定量,它的坡度曲率主要来自测量而不是人工制作。

与ADAS地图,SD地图来比,HD地图最大的区别他面对的是驾驶这个场景。能够层次清晰,空间准确的描述现实环境。帮助自动驾驶系统结构化道路环境,结构化交通规则,能让系统准确的进行决策、驾驶。  

所以截止目前,高精度地图和普通地图并不是一个谁存在谁就应该消失的问题,而是现在两个互相有侧重,普通地图仍然为高精地图提供了全局的路径规划,为高精地图提供了全国几千万的索引,高精度地图继承了这样的全局规划和索引之后能够实现从起点到终点的一个无缝的车道级的路径规划,引导。通过这样的方式,大家可以很容易实现比如北京到武汉或者上海到武汉这种跨城市级的高速自动驾驶。如果没有普通地图和高精度图的结合,我们很难看到这种场景的发生,我们只能让车辆自己沿着车道线往前开,这就是地图的作用。它不仅提供了足够参考,还提供了全局的参考,不同阶段的地图的融合,不同的优势的融合,使得高等级的自动驾驶的到来更为容易。

基于这样的策略在2018年和测绘局一块儿联合做了一个比较大胆的测试,我们在北京到昆明这段高速上进行了一次历时了20天左右的往返路测,后面会进一步去给大家阐述这个过程.

不管是高校也好,还是比较有名的自动驾驶创业公司也好,大家都非常容易去做一个区域的自动驾驶地图,大到几个平方公里,小到一个院子。但是对于四维图新而言,做地图的思路是全国覆盖的量产。

我们需要清清楚楚的了解全国每一个交叉口、匝道该如何抽象、统一的表达到地图里面来。

回到我的本专业-AI,最怕的是模型输入尺度无法固定。做自然语义理解,我可以把整篇文章涉及的单词顺序做成一个特别大的矢量,我分析上一句的时候,数据的长度是128,我分析下句的时候字段长度也是128。但是对于自动驾驶系统而言丁字路口,交叉路口,大型的上下分离井字路口,空间尺度不固定,相关道路数量不固定。如果只通过一个网格来描述的话,是无法精确地传达给系统的。

大家应该在年前的时候看到Waymo公布一个基于神经网络的自动驾驶决策系统,他们把一个复杂的路口通过俯视图的方式转化成了一张有十几个通道的图像。这样的方式其实对于图商来说,不太可理解。这种方案意味着空间被固化了,因为自动驾驶需要关注的环境信息从空间尺度上来看是不统一的,自车在第一车道,需要关注旁边二三车道;自车在直行右转路口附近,则需要关注对向以及对转向有影响的道路。如果统一用一个固定空间分辨率的图片来代表道路环境,每一个像素需要代表同样的大小。这样当车辆速度变化,路口大小变化的时候,都难以获取系统所需要的所有的关联道路,这不符合地图的基本用法。

但是对于图商而言,我可以略带自豪地说,四维经过这么多年努力,已经很有把握,把所有的复杂路口复杂道路控制到一百个类型以内。基于地图,面对的就不再是很多同行描述的:“世界千变万化,我们无从下手”,而是可以通过这一百个类型的基本组合和扩展,去映射所有的千变万化,这对于整个行业来说应该都是非常有价值的。

Copyright © 2012-2018 第一车讯(www.diyichexun.com) 版权所有

本站部分资源来源于网络,如果侵犯了您的版权请留言,将在24小时内删除,谢谢!

Top