自动驾驶地图的技术研究发展之路课件

1、自动驾驶地图的技术研究发展之路提 纲3S集成与智能交通综述12自动驾驶研究背景智能驾驶与地图技术3移动测量45智能驾驶技术的应用场景提 纲3S集成与智能交通综述12自动驾驶研究背景智能驾驶与地图技术3移动测量45智能驾驶技术的应用场景基本概念3S集成：GNSS、GIS和RS有机结合智能交通系统：ITS（Intelligent Transportation System）是将先进的信息技术、 计算机技术、数据通信技术、传感器技术、电子控制技术、自动控制理论、运 筹学、人工智能等有效地综合运用于交通运输、服务控制和车辆制造，加强车 辆、道路、使用者三者之间的联系，从而形成一种保障安全、提高效率、改

2、善 环境、节约能源的综合运输系统。ITS包括：车辆控制子系统：辅助驾驶员驾驶（ADAS）或智能汽车(IV)交通监控子系统：给驾驶员和交通管理人员提供道路及交通状况运营车辆调度管理子系统：实现驾驶员与调度管理中心之间的双向通讯旅行信息子系统：提供交通参与各方各种交通信息3S集成技术是ITS技术的核心基础 8 LOGO我国城市交通的特点我国城市交通乱象混行、低速、高密度落后的交通管理与控制“安全、便捷、高效、绿色” 的交通仍是十三五发展目标测绘技术与交通需求3S集成与智能交通（小学科+大行业）导航与位置服务移动测量（MMS）智能驾驶机器人切入点地图数据采集与更新问题典型 应用3S场景结 合提 纲3

3、S集成与智能交通综述12自动驾驶研究背景智能驾驶与地图技术3移动测量45智能驾驶技术的应用场景自动驾驶定义也可简称“无人驾驶”，或“智能驾驶”。利用车载传感器感知车辆周围环境，并根据感知所获得的道路、 车辆姿态和障碍物信息，控制车辆的转向和速度，从而使得车辆能 够安全、可靠地在道路上行驶。涵盖了电子信息、自动控制、计算机、地理信息、人工智能等 多门学科，是当今世界前沿热点研究方向。2007 年Science将智能驾驶车辆评为：未来15年内20个 超乎想象发明之一。欧洲的一项研究表明: 汽车驾驶员只要在有碰撞危险的0.5s 前得到“预警”, 就可以避免至少60% 的追尾撞车事故、30% 的迎面撞

4、车事故和50% 的路面相关事故; 若有1s 的“预警”时间, 则可避免90% 的事故发生。美国研究认为, 包括智能汽车研究在内的智能运输系统对国家社会经济和交通运输的影 响, 可能会超过洲际高速公路。它的意义和价值在于: 大幅度提高公路的通行能力, 至少使 现有高速公路的交通量增加1 倍; 大量减少公路交通堵塞、拥挤, 降低汽车油耗, 可使城市交 通堵塞和拥挤造成的损失分别减少25%40% 左右, 大大提高了公路交通的安全性。优化土地资源，提高运输效率, 促使交通运输业繁荣发展。研究背景与意义“智能驾驶”与人工智能何谓人工智能Artificial Intelligence（AI）学术定义研究、

5、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一 门新的技术科学。技术科学计算机科学的一个分支，揭示智能的本质与表现形式。应用实现提供一种能与人类智能相似的方式做出反应的智能系统。代表作：机器人、语言识别、图像识别、自然语言处理和专家系统等。技术实质对人的意识、思维的信息过程的模拟。能像人那样思考，也可超过人的智能。13/20人工智能、机器学习与深度学习的关系人工智能（Artificial Intelligence）为机器赋予人的智能强人工智能（General Intelligence）：完美的人工智能弱人工智能（Narrow Intelligence）：简单的人工智能图像分类

6、、人脸识别、特征提取 一种实现人工智能的方法机器学习（Machine Learning）理论本质使用算法来解析数据、从中学习并决策标志性成果计算机视觉人脸识别、车牌识别等主要方法神经网络、聚类分析、决策树学习和强化学习等深度学习（Deep Learning）一种实现机器学习的技术理论本质借助人工神经网络的学习机制，将学习的过程多层化进一步强化学习过程14/20人工智能实现的智能驾驶人工智能研究的三大任务“计算机模仿人的理性思考、对周围环境的感知和动作的实现。”人工智能在智能驾驶中的主要内容模仿人去环境感知感知模仿人去理性思考决策模仿人去执行动作执行感知决策执行15/20自动驾驶分级标准自动化等

7、级称呼（SAE）SAE定义主体NHTSASAE驾驶操作周边监控支援系统作用域00无自动化由人类驾驶者全时操作汽车。在行驶过程中可以得到警告和保 护系统的辅助人类驾驶者人 类 驾 驶 者人 类 驾 驶 者无11驾驶支援通过驾驶环境信息对方向盘和加减速中的一项操作提供驾驶支 援。其它的驾驶动作都由人类驾驶者操作。人类驾驶者部分22部分自动化PA通过驾驶环境信息对方向盘和加减速中的多项操作提供驾驶支 援。其它的驾驶动作都由人类驾驶者操作。系统33有条件自动化 CA由无人驾驶系统可以完成所有的驾驶操作。根据系统请求，人 类驾驶者应提供适当的应答和操作。系统44高度自动化HA由无人驾驶系统可以完成所有的

8、驾驶操作。根据系统请求，人 类驾驶者不一定需要对所有请求做出应答。在限定的道路和环 境条件下驾驶。系统5完全自动化FA由无人驾驶系统完成全时驾驶操作。在所有的道路、环境条件 下驾驶。全域L2L3阶段人机共驾有限自驾自主驾驶向智能化、网联化发展高精度地图已经成为自动驾驶的核心技术厘米级的高精度地图全自主驾驶自动驾驶的分级标准智能驾驶与无人驾驶自动驾驶路线图高级驾驶辅助系统（ADAS）高精度定位车道级导航解决特定情况下传感器失效问题，弥补环境感知设备的不足行驶路径全局规划，制定合理的行驶策略2005Grand Challenge Urban Challenge2007Grand Challenge

9、2004M-ELROB 2008M-ELROB 2006C-ELROB 2009C-ELROB 2007FC-09.ARGO 1998美国欧洲NAVlib 5 1995LAGR 2005.中国国内外研究进展20国外智能车代表Google无人车牛津大学机器人汽车柏林自由大学无人驾驶汽车CMU Urban Challenge自动驾驶汽车未来趋势商业化前期：高度自动驾驶和低速无人驾驶国外知名OEM计划2015年，TESLA90%以上驾驶采用自主巡航技术，高速公路施行全部的自主巡航；2016年，AUDI将推出商用车辆，可以在车辆低速运行时实现自动转向和加减速控制，以及交通堵塞的情况下，车辆辅助驾驶；2

10、017年，GM在2017年推出具有“Super Cruise Control”功能的商用车辆， 实现车道保持和自适应巡航控制；2017年，GOOGLE推出其商用车；2018年，NISSAN在多车道高速公路上实现自主变道决策和控制；2019年， TESLA将推出全自主驾驶车辆；自动驾驶汽车未来趋势国外知名OEM计划2020年，VOLVO预计使用自主驾驶技术，并实现“零伤亡”；GM、Mercedes-Benz、AUDI、BMW、雷诺公司实现部分路段的 自主驾驶；GM的阿兰陶伯估计这一年自动驾驶系统将成为汽车标准配置；2025年，Daimler和Ford公司推出全自主驾驶车辆；2025年，GM旗下大

11、部分新车将具有自主驾驶和车间通信V2V功能；2035年，IHS Automotive预计无人驾驶汽车将会实现全自主驾驶功能；国内智能汽车研究进展两种典型路线图介绍-互联网解决方案两种典型路线图介绍-整车厂解决方案最近背的景发与展发展现阶状段四维图新、百度、高德、立得空间等都在进行高精度地图的开发TomTom 宣称高精度地图已经覆盖美国高速路网在2020年东京奥运会之前，实现日本高精度地图的覆盖地图厂商、互联网公司、汽车厂家以 及传感器厂商积极围绕地图资源开展 跨界合作与投资并购国内外发展总结国外主流OEM厂商、IT巨头均将无人驾驶作为公司战略性进行研发；国外主流OEM厂商在车联网方面开展较早，

12、已经取得了一定的市场占有率；互联网对传统行业渗透速度的加快，OEM厂商与互联网巨头合作开发未来的智能汽车；上汽与阿里巴巴合作，启动“互联网汽车”战略腾讯与富士康以及和谐汽车结盟，开发“互联网+智能电动车”百度在芜湖建立测试基地、上海嘉定无人驾驶测试基地开放中国制造2025将机器人、智能装备作为发展重点众多初创企业进军无人驾驶未来，在人与物、物与物的通信领域，虚拟现实、感触性Internet等愿景都将在5G的世界里得到应用和 改善；目前“北斗”在导航、可穿戴设备等领域已有应用，随着芯片小型化、低功耗、低成本等技术的发展，“北斗”将全面走进大众的生活。提 纲3S集成与智能交通综述12自动驾驶研究背

13、景智能驾驶与地图技术3移动测量45智能驾驶技术的应用场景快速三维导航电子地图采集与增量更新2000年武大实验激光扫描仪、GPS、CCD地面移动激光测量系统车载式手持式高精度数据采集车采集内容高精度道路ADAS数据（包含坡度、曲率、高程等）全景图像及激光点云数据交通标志、标线、信号灯等交限数据全景图像激光点云移动数据采集车地图采集移动测量车高德高精度地图采集车移动采集车优点精度高测图效率高安全、舒适缺点成本高数据现势性差数据处理模式识别计算机视觉深度学习地图制作Lidar影像处理CameraINSGNSS高精度地图几何、纹理、语义映射场景元素的识别与 定位GPS/INS 融合高精度位置、姿态速度

14、、姿态等目标识别各大厂商地图采集情况地图采集高德四维图新谷歌HereADAS级别采集近30辆采集车，已50余辆自动驾驶汽车200辆配备了新传感系车和HAD 级别采完成对全国全部高安装激光雷达、毫米统的采集车， 安装有采集车集车， 车辆造价速公路数据的采集波雷达、POS 系统等GPS 、高阶相机、雷数百万人民币设备，造价高达150万达及激光测距仪人民币数据精度10cm10cm厘米级厘米级提 纲3S集成与智能交通综述12自动驾驶研究背景智能驾驶与地图技术3移动测量45智能驾驶技术的应用场景检索快捷多样的目的地检索1路径规划提供最优化及多样化的路径2显示美观以及智能的地图显示4引导精确的路径引导3提

15、供丰富的内容以及更多的高级属性 来满足多样性的用户体验地图的基本功能2006年2002年2008年2009年车载导航行人导航动态交通信 息服务（奥 运）增量更新TSP等增值服务HAD Map高精度地图2010年以后？2002年，出台国家标准，准生证我国导航电子地图的发展历程2008年，telematics，奥运阶段精度内容目的功能第一阶段（基础导航电子地图）10米路网、背景、注记、索引等基本地图要素辅助驾驶员进行导航提供基础的道路导航功能第二阶段（ADAS级别的地图）1-5米高精度道路级别的数据（道路形状、坡度、曲率、铺设、方向等）、车道数 量、车道宽度数据主动安全ACC（自适应巡航）LDW（

16、车道偏离预警）LKA（ 车 道 保 持 ） FCW（前车碰撞预警）第三阶段（HAD级别的高精度地图）厘米级高精度的坐标，准确的道路形状，车道属性相关数据（车道线类型、车道宽度、坡度、曲率、航向、 高程、侧倾等）自动驾驶高精度的定位功能道路级和车道级的规划能力车道级的引导能力车用电子地图发展阶段地图可计算弯度的半径 和最大的安全速度地图识别已统计的 交通事故频发路段地图识别已知的 危险区域限速地图提供坡度信息用于可预见 的转弯和加速/刹车精确的相对精度辅助LDW 视频感应数据地图判断在水平和垂直 方向的前灯地图预见超车区的安全性基于坡度的燃料节约自适应前灯疲劳驾驶者监测弯道警示限速咨询频发事故路

17、段警示危险区域警示地图+GPS识别与道路 不一致的摇摆滑行高精度导航地图ADAS（Advanced Driver Assistance Systems ）自动驾驶为什么需要地图高级辅助驾驶或自动驾驶需 要机器实现精确的智能控制， 需要有精确的环境基础信息， 这是地图表达的主要内容。我在哪？我周围是什么情况？未来是什么情况？怎么样去我想去的地方人脑机器脑地图提供先验知识，可提前对驾驶控制等进行规划高精度地图特征es车道级高精度地图车道几何形状及道路几何参数车道属性、交通标牌、红绿灯、路口等全要素车道及要素间挂接与关联关系车道级拓扑动、静态障碍物实时交通信息精度10cm自动驾驶中的地图构建 洪荒之

18、力s限制：距离和视角长距雷达 1-150m视角限制无法有效检测不规则障碍物红外传感 2-120m成本高前视相机 0-80m视角限制 光线限制短距雷达 2-20m视角限制超声测距 2-3m后视相机 0-80m视角限制 光线限制一个像素引发的问题es自动驾驶需要怎样的地图？人工智能与“智能驾驶”如何看待道路交通中的人工智能- 特斯拉Model S 高速公路追尾消防车案件49/20左图：2018年1月22日，在洛杉矶405高速公路上，一辆特斯拉Model S 撞上了一辆停在路边的消防车，所幸无人员伤亡。司机告诉消防部门， 当时汽车处于自动驾驶模式。人工智能与“智能驾驶”如何看待道路交通中的人工智能基

19、于计算机视觉的自动驾驶应用Uber自动驾驶与偶发的致死交通事件360环境感知激光雷达毫米波雷达测距多路视觉辨识高性能计算单元50/20Uber自动驾驶致死交通事件现场2018年3月19日，美国亚利桑那州Uber自动驾驶汽车环境感知技术详解场景地图“地图”根据一定的数学法则，使用地图语言，通 过地图综合，抽象表示地理空间事物的空间分布、联 系及在时间中的发展变化状态的图形。场景地图 或 驾驶地图？智能驾驶“场景地图”是以安全出行为基础，动态关联道路上 各种信息，全面反映位置本身及其与所在道路相关的各种特征、 事件或事物的数字精细化地图。场景地图实例交通规则(网络拓扑)渠化信息车道 车道线 车道数

20、车道中心线车道宽度交通灯 障碍物交通标志线 交通引导线 限速场景地图特点局部视角内容丰富目标动态变化几何关系复杂连续配准困难自动驾驶如何利用场景地图车 辆 规 划高精度相对定位GNSS根据地图，确 定是否变道根据地图，确定红绿灯的范围根据地图调整传感器基于场景地图的诱导地图引导56存在的主要问题：交通规则的遵守地图+ 感知+ 决策和控制= 无人驾驶？导航地图是无人驾驶的重要技术基础感知信息和已有真实道路地理信息的配准融合组合定位驾驶敏感目标实时定位、分类与构图自车位置车道线、 红绿灯、 交通标志等动静态障碍物（行人、车辆等）道路几何参数目标：实时建立道路场景地图基于单目视觉的场景感知Advan

21、ced Driver Assistant System (ADAS)Common means: millimeter wave radarDisadvantages:前装expensiveMeans by computer visionAdvantages: 后装 inexpensive wide extensionMethod (LDW)HOG+SVMResolution640X480Training setPositive samples:1000Negative samples:1000Detecting difficultiesThe contradiction betweenthe

22、speed and precision ofdetectionResolutionTracking inter frames单目视觉的常用技术方法Method (FCWPDW)Haar+adaboostProblems of HaarSensitive to illuminationchange and small offsetNo stronger robustnessProblems of adaboost训练样本量大实时计算量大Depth Neural Network (DNNs)实时测绘技术 定位技术基于动态序列影像的道路场景实时建模技术融合地理与视觉信息的车道级定位技术GNSSIMUPOSDMICORS基于场景标记目标的定位、定姿实时测绘技术 机器视觉+摄影测量视 觉 传 感 器 核 心 算 法 前方车辆识别 交通信号及标志牌识别 车道线提取 行人检测 车道级实时交通信息计算 地图快速生产工具 ADAS 功能 基于互联网的群智感知基于网联平台的快速专业制图实时测绘技术 摄影测量+机器视觉基于深度学习的动态目标提取、识别实时测绘技术 激光点云处理地面点识别路面提取交通标志线提取点云分割目标识别原始数据目标提取区域层次化合并多规则区域生长逐点分类非地面点实时测绘技术 激光点云处理（语义理解）车道级驾驶场景模型兼容已有地图数据增加实时感知信息建立动态反馈融合地理与