资源描述
,5/11/2021,#,1,“新基建”数据基础设施与自动驾驶,定位与地图,1“新基建”数据基础设施与自动驾驶 定位与地图,1,2,背景介绍,一,单,自,击,此,动,处,驾,添,加,驶,文,中,字,内,的,容,高精度定位技术,二,面向自动驾驶的高精度地图,三,汇报提纲,单,高,击,此,精,处,度,添,加,地,文,图,字,内,与,容,“新基建”,四,2背景介绍一单自击此动处驾添加驶文中字内的容高精度定位技术二,2,3,世界著名车企、Tier,1,、高校积极参与智能网联汽车研发,中国制,造,2025的重要组成,交通强国建设纲要重点建设内容,国家11部委发布智能汽车创新发展战略,智能网联汽车是十三五规划的重要,内,容,无人驾驶既是前沿研究方向，也是国家重大需求,3世界著名车企、Tier 1、高校积极参与智能网联汽车研发中,3,4,感知决策,控制,无人驾驶在技术层面上仍存在较大问题,目前面临的主要技术问题分析：,高性能感知技术仍然是制约智能车发展水,平的主要因素，特别是高精度定位技术是 目前智能车发展的重要瓶颈；,从目前智能网联汽车技术发展情况来看，单车感知无论从算法瓶颈还是从硬件成本,上均难以满足智能车的发展需求；,从车路协同实现无人驾驶，即“聪明的车,、智慧的路”，已渐渐成为行业共识。,4无人驾驶在技术层面上仍存在较大问题目前面临的主要技术问题分,4,5,背景介绍,一,单,自,击,此,动,处,驾,添,加,驶,文,中,字,内,的,容,高精度定位技术,二,面向自动驾驶的高精度地图,三,汇报提纲,单,高,击,此,精,处,度,添,加,地,文,图,字,内,与,容,“新基建”,四,5背景介绍一单自击此动处驾添加驶文中字内的容高精度定位技术二,5,6,三种类型的输出：,自车状态,（如位置、姿态、速,度等）,动态目标,（如邻车、行人等）,状态（目标列表、位置、姿态、,速度等）,静态目标,（如车道线、交通标,牌等）,智能网联汽车传感器布,置,图,高精度定位是感知系统的重要输出,6三种类型的输出：高精度定位是感知系统的重要输出,6,7,高精度定位贯穿于智能车感知、决策与控制三个环节,感知,控制,决策,定位,7高精度定位贯穿于智能车感知、决策与控制三个环节感知控制决策,7,8,通过,V,2,I系,统,，车辆可以,获,得各个车道,对,应的,交 通灯相位信息；,车辆要正,确利,用交通灯相,位,信,息,，,其先,决,条,件 是需要知道自己当前所处的车道；,若车辆位置感知有误,，,则,V,2,I,不仅不能提,高,交,通 安全，反而因为误判产生巨大的行车风,险,。,？,？,真 实 位 置,错 误 位 置,错 误 位 置,高精度定位是,V2I,应用的前提条件,8通过V2I系统，车辆可以获得各个车道对应的交 通灯相位信息,8,9,？,通过,V2V,系,统，卡,车,与,轿车,均可,以,获,得对,方的状,态,信息；,车辆要,正,确,利,用,V,2,V,系,统,，,其先,决,条,件是,需要知,道 自车及对方车辆的精确位置信息；,若车辆位置感知有误，则,V,2,V,系统造成：,误判,（False,Positive）,漏判,（False,Negative）,真 实 位,置,？,真 实 位,置,高精度定位也是,V2,V,应用的前提条件,9？通过V2V系统，卡车与轿车均可以获得对方的状态车辆要正确,9,10,V2X(V2V,V2I),系统中，无论是针对车辆还是基础设施，高精度的位置信,息是实现V2X,应用,的,关键；,通,过位,置,信,息,，,获得,与,位置,信,息相关,的,服,务,（如基,础,设,施,状,态,、,临,车,状,态,信息等），,从而,提,高交,通,要素,之,间的,信,息交,互,；,与移,动,互,联,网,LBS,相,比,，V2X,对,位,置,的,精,度要,求,更,高,，,也只,有,通,过精,确,的 定位信息才能获得对应,的,服务。,V2X,本质是位置服务,（LBS),10V2X(V2V,V2I)系统中，无论是针对车辆还是基础设,10,11,目前无人驾驶中常用的自车高精度定位方法,GPS,相关方法,（RTK，IMU）,激光雷达定位方法（里程计、,S,L,A,M,）,视觉定位方法（里程计、,S,L,A,M,）,11目前无人驾驶中常用的自车高精度定位方法GPS相关方法（R,11,12,其它的协同式定位方法（,V2X,定位方法）,12其它的协同式定位方法（V2X定位方法）,12,13,其它的协同式定位方法（地图定位方法）,利用地图中的人工标志物（包括标,志,标线,、,路 灯杆等）进行车辆定位,从自然道路场景中进行特征表征，,从,而通,过,特 征匹配完成车辆定位,13其它的协同式定位方法（地图定位方法）利用地图中的人工标志,13,14,高精度定位是单车感知到协,同,感知的关键,单车定位,协同定位（单车,+V2,X,+,地图）,14高精度定位是单车感知到协同感知的关键单车定位协同定位（单,14,15,背景介绍,一,单,自,击,此,动,处,驾,添,加,驶,文,中,字,内,的,容,高精度定位技术,二,面向自动驾驶的高精度地图,三,汇报提纲,单,高,击,此,精,处,度,添,加,地,文,图,字,内,与,容,“新基建”,四,15背景介绍一单自击此动处驾添加驶文中字内的容高精度定位技术,15,16,从路的角度看地图（,M,a,p,）,导航地图（Navigation,Map）,车道级地图,(Lane-Level,Map),16从路的角度看地图（Map）导航地图（Navigation,16,17,从机器人的角度看地图：,S,L,A,M,技术,机器人领域Map的主要作用,环境建模,:,如生成场景栅格 地图，用于机器人导航；,回环检测,:,用于判断机器人 是否回到从前经过的地方；回,环检测技术是机器人实现稳定,定位的关键技术；,地图定位,:,通过回环检测，并参考地图的位置，实现机器 人定位。,智能汽车也是一种机器人，但是机器人的运行环境更通用，对应的地图也更多样化,17从机器人的角度看地图：SLAM技术机器人领域Map的主要,17,18,面向智能网联汽车的高精度地图(HAD,Map),表征模型,从感知地图（特征地图）中的道路场景特征提取发 展的概念,Road,Signature,（Bosch）,Road,DNA,（TomTom）,Road,Dictionary (Mobileye),Roadway Fingerprint(V2T Lab),胡钊政,王相龙,等,.,“,一种,基,于路面指纹的,车辆,高,精,度,定,位,装,置,及方,法,”,，,中国发,明 专 利，专 利 申 请 号：,ZL 201710207232.8,（授权）,王相龙，胡钊,政,*,李祎承等,.,基于路面指纹,的智能车高精度定位,.,交通运,输,系统工,程 与信息,2018,18(4):38-45,18面向智能网联汽车的高精度地图(HAD Map)表征模型从,18,19,通过地图匹配实现车辆高精度,定位,通过地图映射实现,静态目标,检测,利用地图提高,动态目标,检测性能,地图匹配,高精度地图模型,高精度地图可以全面提升智能车感知能力,19通过地图匹配实现车辆高精度定位通过地图映射实现静态目标检,19,20,LiDAR,Image,Radar,车辆自定位,动态目标,静态目标,高精度地图,（Map,as,a,Sensor）,车载传感器数据,感知输出,如何,融合,地,图,进行,感知？,数据,如何,表,征,地图？,车载多源异构数据的高精度地图表征模型,20车辆自定位动态目标静态目标高精度地图（Map as a,20,21,智能车辆实验平台搭建,项目组分别以“长安悦翔”和,”BYD,e5”为原型车开 发的两台无人驾驶汽车样车，可支持,L3,级无人驾驶,项目组开发的低速电动车、四轮智能车、履带式智 能车以及两轮轮式机器人平台，可支,持,L,4级无人驾驶,21智能车辆实验平台搭建项目组分别以“长安悦翔”和”BYD,21,22,Case,1.,基于车道级地图的单目视觉定位,（HD,地图）,Case,2.,视觉地图构建与定位（感知地图）,Case,3.,激光点云地图构建与定位（感知地图）,高精度地图构建与定位应用示例,22Case 1.基于车道级地图的单目视觉定位（HD地图）,22,23,通,过,匹,配,图,像,（,或,激,光,点,云,）,中,的,目,标,与,地,图,中,语,义,目,标,（,如,路,面,标,志,）,实,现,车,辆,定,位,。,需,要,路,标,具有唯,一性,(Unique,Landmark),。主要利,用,点,与,点,距,离,约,束,位,置，,是,非,线,性,约,束,。,Case,1,:基于车道级地图的单目视觉定位,23通过匹配图像（或激光点云）中的目标与地图中语义目标（如路,23,24,基于Kalma,n,滤波的多传感器融合方法流程图,高精度的 G,PS,坐标,24基于Kalman滤波的多传感器融合方法流程图高精度的,24,25,点-线距离约束,(,线性约束),借助,HD,Map，,可以通过,GPS,坐标与车道线所在的,Line,Segment,计算点到直线的距离（即车辆的横向偏移）；,通过单目视觉，亦可计算车辆的横向偏移，即点到直线的距离；,利用距离相等的约束条件，建立融合,GPS，HD,Map,与单目视觉的观测值。,25点-线距离约束(线性约束)借助HD Map，可以通过GP,25,卡尔曼滤波器观测值（绝对坐标,+,横向偏移）,以,GPS,坐标作,为,观测值,x,k,n,k,k y,g,k,g,x,x,Z,H,X,x,x,0,0,0,01,1,26,以单目视觉计算的横向,偏,移得,到,的观,测,值,v,kk,x,l,T,x,x,y,d,n,x,x,n,x,y,d,xkyk,1,z,v,d,v,d,卡尔曼滤波器的观测矩阵,通过单目视觉，建立的,观,测矩,阵,H,v,x,n,y,n,n,x,1,n,y,1,H,v,0,0,n,n,0,通过多条车道线产,生多组观测值,y,k,n,x,0,0,0,0,1,v,n,xn,0,1,n,y,1,0,n,yn,n,x,1,H,g,H,H,卡尔曼滤波器观测值（绝对坐标+横向偏移）以GPS坐标作为观测,26,27,实验平台与测试环境,车载实验配置情况：,GPS,原始误差为1-10米不等；,基于车道级,(Lane-Level),的,HD,Map，,地 图精度10厘米（,与武汉光庭合作,）,车载单目摄像,机,分辨率约,为,16001200,（像素）,Ground,Truth,位置数据通,过,RTK,提供,，定位精度为厘米级,智能车平台与,R,T,K,基站定位装置,Y.,Li,Z.Hu,et al,“Multi-scale Site Matching,for,Vision-only,Self-localization of,Intelligent,Vehicles”,IEEE Intelligent,Transportation Systems Magazine,10(3):170-183,2018,Y,Li,Z.,Hu*,et al.,“Visual,Map-based,Localization for,Intelligent,Vehicles from Multi-view,Site,Matching”,IEEE,Transactions on,Intelligent,Transportation Systems,DOI:,10.1109/TITS.2019.2962183,2020,李祎承，胡钊政,*,等,.,基于,GPS,与视觉的车辆高精度定位技术,.,交通运输系统工程与信,息,，,2017,，,17(3):112-119,27实验平台与测试环境车载实验配置情况：智能车平台与RTK基,27,28,实验场景（校园环,境,+城市开放道路）,实验场景说明：,不同的场景下进,行,了实验，包括较,为封闭的学校区域和开放的城市道路,环境,(,总路段长度约为3千米,)；,实,验,的道,路,环境,
展开阅读全文