过去一两年,光庭 CTO 罗跃军和他的团队时常会听到这样一种声音:「我们的无人车在高速公路上行驶得很好,完全不需要高精度地图。」
当自动驾驶从业者在谈论高精度地图没有价值的时候,罗跃军常是面带笑容来化解这种尴尬。因为他知道,当他们开始考虑解决更多鲁棒性问题时,必然会寻求图商的合作。
实际上,高精度地图数据通过提供静态、先验以及超感知范围的智能感知数据内容,帮助汽车解决「在哪儿」、「周围是什么情况」、「该如何做」等一系列问题。
作为全国为数不多的拥有地图甲级测绘资质的供应商,光庭在很长一段时间内并没有开始导航数据的采集与制作。因为在他们看来,这个领域已经有四维图新、高德和百度。光庭从零开始搭建数据平台与他们竞争,「没什么意义。」
但到了 2014 年,光庭团队逐渐意识到自动驾驶和高精度地图两者的关系和重要性,也就是从那时起,他们开始从零起步制作高精度地图。
去年,这家位于武汉的公司对外公布了两个新的进展:
一是「小鱼畅行」,这个自动驾驶项目是光庭与武汉大学、武汉理工大学共同研制,在武汉选取了光谷资本大厦到武汉未来科技城的一段 17.1 公里的道路进行示范运营,并对公众免费开放,乘客可以通过手机 App 进行预约。
二是光庭与中海达成立合资公司「中海庭」。为了更大限度地整合行业资源,前者借助后者的测绘技术共同合作进行高精度地图的测绘与开发,并进行商业模式上的探索。
到目前为止,这家合资公司采集了上万公里的高精度地图数据,制作了将近 3000 多公里高精度地图。尽管如此,罗跃军向雷锋网表示,他们目前制作的地图数据通过与汽车厂商合作,仍是在小范围或封闭区域以自动驾驶预研为主的测试。
与自动驾驶行业一样,高精地图市场现在也开始变得愈发热闹:谷歌、百度、Uber 和福特等公司都在利用自己的测试车采集数据以便绘制高精地图。而涌现出的地图初创公司,如 DeepMap、Carmera、 Civil Maps 更是获得了资本的青睐。
毫无疑问,高精地图作为自动驾驶拼图上重要的一部分,将为参与者创造一个新的聚宝盆。
但是,阻碍高精度地图走向量产业化的尴尬之处是:居高不下的制作成本。据雷锋网了解,图商的一辆传统测绘车 30 万到 40 万,一辆高精度测绘车需要 800 万人民币。而且制图方式需要投入大量的测绘车为基础。目前高精度地图的制作还无法做到完全自动化,人工标定依然占据重要成分。
此外,车载设备成本居高不下、数据处理效率较低、数据密度极大,消耗大量的计算资源,且后期地图通信量高也是困扰高精度地图走向产业化的另一个阻碍。
罗跃军认为,目前高精度地图还处于投入期,只有人工智发展到一定程度,地图自动化采集制作的成本才有可能降低,而成本的大规模降低为高精度地图产业化扫清障碍。至于高精度地图何时量产,业界的观点大多集中在 2019 年、2020 年前后。而高精度地图的发展,未来一定是动态数据的服务、静态数据的采集、众包数据融合而形成的闭环。
以下是雷锋网与罗跃军的对话实录(有删减):
雷锋网(公众号:雷锋网):谈谈光庭在自动驾驶方面的布局?着重哪些方面?
罗跃军:我们主要做高精度地图、高精度定位的自动驾驶解决方案。
定位与地图是相辅相成的,如果我们要把地图用起来,定位的成熟化是前提。所以在自动驾驶方案中,我们着重的是定位的解决方案:通过视觉、差分 GPS、激光雷达等一系列传感器做融合定位。
此外,我们还会解决自动驾驶的交互,比如仪表,HUD、人工智能等产品。
雷锋网:目前你们有哪些用于 ADAS 或自动驾驶领域成熟的产品和技术?你们的定位是什么?
罗跃军:我们在这个领域的成熟技术,主要是定位,地图和传感器的识别,包括在车辆终端用的仪表和通讯等等。
我们与车厂合作也是提供打包的解决方案。车厂要的不是单一定位解决方案或是单一地图传感器,他们需要的是一套完整的自动驾驶/ADAS 方案。我们只是完成其中一部分。
从定位看,我们是图商,是 Tier1 背后的地图服务商、云端服务商。
雷锋网:现在 OEM,Tier1 对高精度地图有哪些需求?
罗跃军:到目前为止,还没有车厂对高精度地图提出明确需求。因为每家车厂在自动驾驶发展的阶段、选取的技术路线和对地图的需求处在不同层次,导致他们对自动驾驶理解各不相同。
这里的关键在于他们用高精度地图来做什么?每个车厂在自动驾驶不同的阶段,对地图的需求并不相同。
我们现在做的地图对车厂来说是「超标」的,车厂不需要高规格、容量大,数据内容多的地图。作为图商,我们可以展望未来车厂需要什么样的高精度地图。在某种程度上,我们做这件事有点超前。
雷锋网:去年 4 月和 9 月,光庭有两个动作:一个是「小鱼畅行」,面向公众的自动驾驶项目;一个是光庭与中海达成立合资公司「中海庭」,投入精力做高精度地图。作为一家图商,光庭为什么会做「小鱼畅行」这个自动驾驶项目?「中海庭」目前有哪些进展?
罗跃军:「小鱼畅行」其实是希望通过公众平台对外展出,让我们的地图、高精度导航技术、自动驾驶方面的技术在平台上进行验证,通过收集数据来验证高精度地图到底该如何做。
如果我们去等车厂的反馈,那几乎不现实。我们做自动驾驶是了解自动驾驶的前沿技术,比如自动驾驶到底需要怎样的数据、需要什么样的地图。
我们希望通过这种方式来获得需求和反馈。而传感器收集的数据是我们做大数据的基础平台,未来地图服务肯定是基于云端的大数据服务。
博世为什么找中国车厂合作,高德为什么免费去推高精度地图?目的是一样的:为了让更多用户使用它们的产品后获取更多数据,他们可以基于大数据不断迭代服务。这也是我们的出发点,也是我们长期要做的事情。
与中海达成立合资公司,我们希望更大限度地整合行业资源,打造开放式的合作平台,并吸引更多战略合作伙伴加入。
目前我们采集了上万公里的高精度地图数据,制作将近 3000 多公里高精度地图。我们制作的数据以自动驾驶预研为主,与车厂合作在小范围内或封闭区域做实验。我们也采集了国内几大城市特征数据,比如上海的环线路、主干线的高架。
地图采集周期并不长,主要瓶颈在地图制作。换句话说,高精度地图目前还在投入期。
雷锋网:有这么一种说法,目前高精度地图采集测绘数据方式全球主要有两大流派。一种以谷歌、HERE 的地图测绘车为代表。用车上的激光雷达传感器一天能够收集和处理超过 100G 的数据。另一种则以特斯拉的「车队学习网络」(Fleet Learning Network)为代表,相当于利用量产车,把测绘任务「众包」出去,调动整个车队的所有传感器来收集数据。怎么看两种方式的优劣?
罗跃军:其实高精度地图可以分为 3 类:
一类从测绘的角度理解,是传统矢量化、拓扑关系做得非常详尽的地图,这是传统测绘和导航自然延伸的地图;一类是类似谷歌使用激光雷达所产生的激光点云数据,这种数据地图容量大,所承载的资源也非常庞大;一类是诸如博世、Mobileye 所开发的特征地图,这种地图以传感器做定位的角度来理解他们需要什么样的数据,从传感器所看到的现实世界抽取特征点。
这只是不同的技术流派,每家特征数据并不相同,也没有统一的标准。这与传感器所使用的算法密切相关。但他们都有各自的技术难点。
比如,特征地图的动态特征如何剔除,如何在雨雪、夜晚、雾霾等多环境中感知;再比如,按照传统测绘方式采集的高精度地图是先验数据,在所有特征看不见的情况下,可以指导自动驾驶汽车行驶,但这种先验知识解决不了前方堵车、车祸等突发事件。
未来的地图一定是多种地图的融合,我们叫做动态地图。特征地图解决定位问题,传统测绘延伸的地图解决定位之外的更多问题,比如自动驾驶鲁棒性、先验知识。但要解决高精度地图的快速更新,得依靠传感器识别特征的方式。
最初我们制作的是静态地图,车身传感器识别道路,只要发生特征变化或与道路不一致,传感器将识别的数据传到云端,通过大数据挖掘再推送给车辆。这是我们所说的打造高精度地图的闭环。
如果未来结合 V2X,V2V 进行交互,地图的更新将会更快。我们现在做的是静态高精度地图,未来的地图一定是动态数据的服务、静态数据的采集、众包数据的融合形成的闭环。
雷锋网:高精度地图是否还存在一些技术瓶颈?怎么走向产业化?
罗跃军:第一是人工智能的瓶颈,号称能够自动识别数据的公司,几乎没有。在硅谷倒是有一些,但他们做得怎么样,目前还不清楚。如果人工智发展到一定程度,整个自动化采集制作的成本就会降低。
第二是定位。虽然这不是高精地图所面临的问题,但如果解决不了定位问题,高精度地图也用不起来。所以定位技术的解决也是非常重要的:但自定位目前不成熟,它能在某些情况让车辆跑起来,产业化还存在问题。
雷锋网:投入这么大,高精度地图商业化路径是什么?
罗跃东:未来高精度地图的商业模式,我们认为是多样的,不一定以销售赚钱。比如自动驾驶商业化后,高精度地图是不可或缺的一环,那么地图的更新服务必不可少,我们也可以作为云服务的提供商——由于资质的限制,并不是谁都能提供这样的服务。
高精度地图商业化案例目前还没有,但我们有研发的项目在推进,我们与十几家车厂在高精度地图、自动驾驶方面有合作。其他的应用,比如高精度监控,商用车的应用都有需求,但真正落地的产品还没有。
业内有一个说法:高精度地图要到 2019 年、2020 年前后才能正式量产。但目前配套的技术和政策还不成熟,高精度地图是否要加密,加密之后的高精度地图能否被车企接受等问题也未解决。
雷锋网:用于自动驾驶的高精度地图,与普通电子地图在生产方式上有哪些不同?高精度地图中究竟需要包含哪些信息、这些信息需要精确到什么程度?
罗跃军:业内基本有一个共识:高精度地图要 20 厘米的精度,可以满足自动驾驶的需求。但如果做更高的精度,成本也会相应提高。
不同精度数据的采集技术路线并不一样。我们将地图做到更高精度是可行的,但数据会更复杂,成本也更高。所以业内找到了一个车企可接受又容易实现的精度。
。
原创文章,作者:Maggie-Hunter,如若转载,请注明出处:https://blog.ytso.com/industrynews/113330.html