禾多科技技術總監駱沛：如何打造面向量產的自動駕駛高精度定位方案？

*禾多科技技術總監駱沛

近日，由SAE Intenational（國際自動機工程師學會）主辦的SAE 2018汽車智能與網聯技術國際學術會議在崑山落下帷幕。30多位來自中美日歐的頂尖技術專家、學者相聚於這場國際性技術交流盛會，發表汽車智能網聯領域的學術進步和新技術應用探索成果。其中，禾多科技技術總監駱沛博士發表了題為《面向量產的自動駕駛高精度定位》的主旨演講，主要介紹了自動駕駛常用的定位方法，並分析了它們各自的優勢和局限性。同時，結合禾多科技面向量產的高精地圖+高精度定位的技術方案，深度解析了研發過程中遇到的技術難題和解決方法。

以下是駱沛的演講全文，雷鋒網新智駕在不改變原意的基礎上，整理如下：

在自動駕駛系統中，高精定位發揮著重要作用，一方面幫助自動駕駛系統更好地使用高精地圖提供的信息，為自動駕駛系統的路徑規劃和車輛控制提供準確的車輛位置和姿態；同時可以輔助感知系統，得到更加準確的檢測和跟蹤結果。

各有優劣的常用高精定位方案

目前常用的高精定位方案有以下4種。

GNSS/RTK & IMU定位

此方案優點是：當GPS接入RTK之後，可以提供非常精確、高頻、穩定的位置和姿態結果，一般情況下，可以達到10cm的位置精度和小於0.1度的航向角精度。

該方案的缺點也非常明顯。第一，成本非常高；第二，依賴GPS，在有遮擋的環境里，GPS信號可能會出現跳變；第三，依賴RTK，而RTK須在有基站的地方才可運行；最後，嚴重依賴IMU，因為定位的綜合結果中包括姿態，與IMU的精度息息相關。

反射值地圖和高度值地圖

除了硬體方案之外，也有基於軟體的定位方案，比如基於反射值地圖和高度圖的方案。該方案需要預先構建地圖，首先把激光雷達數據用演算法進行拼接得到點雲地圖，再將三維的點雲地圖投影到二維平面上生成特徵圖像。當車輛運行時，通過用實時的三維點雲跟特徵圖像進行匹配，實現車輛定位。

此方案優點是精度和魯棒性高：一般水平定位精度可以達到10cm左右；在激光被障礙物遮擋的情況下，也可以正常工作。缺點也同樣不少，首先，只能輸出車輛的x、y信息，所以只可得到二維平面上的定位結果；第二，需要預先對激光雷達的反射值進行標定，但由於目前激光雷達生產工藝的原因，即使用同一款激光雷達在不同實地做標定，標定結果也會存在很大偏差，因此可能會限制此方法的擴展性；第三，該方案依賴高線束激光雷達，如果採用4線或8線激光雷達，就會失去精度和魯棒性高的優勢。

3D定位

除了二維的全局定位演算法，還有三維的激光匹配演算法。該方法與反射值地圖的方案相比，有兩個不同點。首先，三維定位方法輸出的定位結果包含6個自由度；其次，除了跟地圖匹配進行全局定位之外，該方法還支持激光里程計，可輸出相對定位結果。

同樣該方法也存在一些限制。首先，若進行全局定位，需預先構建地圖；第二，需要非量產的高線束激光雷達才能穩定工作。

視覺方案

前三種是基於激光雷達的方案，此外，基於視覺方案也是一個研究熱點。純視覺方案成本低，精度高，信息量大，但演算法的魯棒性低於激光雷達的方案。

雷鋒網新智駕了解到，目前部分以L4級無人車運營為目標的初創公司，定位方案在硬體上大多使用高線束激光雷達和高精度的GPS/IMU。一方面，此硬體配置成本高，非車規，而且激光雷達安裝在車頂，美觀性差。另一方面，從高精地圖的應用來看，公司需要使用高精度設備採集、更新三維點雲地圖，這給擴展和維護帶來了很大困難。另外，自建地圖很難與第三方地圖兼容。所以，此類定位方案離量產還有比較長的路要走。

高精地圖與高精定位相輔相成

高精地圖的三大特點包括，精度高、信息豐富、實時更新。

精度高：地圖精度分為絕對精度和相對精度。絕對精度為分米級，相對精度能達到厘米級。自動駕駛領域，人們更關注的是相對精度。

信息豐富：除了常見的車道線、路標和交通標誌外，高精地圖還包括路肩、燈桿、樹木以及高架橋等信息。

及時更新：高精地圖要求及時更新。

如今高精地圖主要有兩種表現形式：語義地圖和定位地圖。

語義地圖：常見於圖商，是傳統導航地圖的一種擴展。圖商將原始的感測器信息，經過半自動或者人工處理，轉換成語義元素。因此，語義地圖沒有任何感測器的原始數據，只有抽象的語義信息。

定位地圖：多見於互聯網公司和自動駕駛初創企業。除語義信息外，還包含用於高精度定位的原始感測器數據和部分低層級特徵，比如原始點雲或圖像的特徵點等。

在高精定位中，高精地圖能帶來三方面的幫助。一是為定位提供特徵，此特徵可是語義、幾何、或外觀的；二是為定位提供先驗信息，例如人們通過高精地圖知曉何地出現動態障礙物和干擾定位的元素；三是提升定位在特殊情況下的魯棒性，例如惡劣天氣和光照環境。

反言之，高精定位也能為高精地圖提供幫助。

高精地圖、高精定位和感知三者相輔相成。假如具備高精地圖和感知結果，就可為定位提供先驗信息；假如具備高精地圖和定位結果，就可把地圖元素投影到車體坐標系中，為感知提供先驗信息；假如具備定位和感知結果，就可把感知元素反向投影回地圖坐標系，將感知元素與地圖已有元素進行比對。

面向量產的高精定位方案

針對高速公路自動駕駛場景，禾多科技根據對定位的需求把場景分為三大類：

沒有高精地圖的高速公路主路。此情況如同人類開車，並不需要車輛絕對的位置和姿態，只需提供準確的車道線並知曉自身車輛的相對運動，車輛就可以保持較好的行駛狀態。

自動駕駛系統中的控制規劃和感知是工作在車輛的局部坐標系內，與人類開車行為不謀而合。因此，定位只要保證平滑性和相對運動的準確性就可滿足自動駕駛的需求。

其中，保證平滑性的目的是為了服務於控制規劃，如果定位出現些許抖動，車輛控制可能會表現出方向盤抖動以及車輛走S形的情況；而相對運動的準確性則為控制規劃和感知兩者服務，對控制規劃而言，相對運動為車輛控制提供準確反饋；對感知而言，準確的相對運動是估算其它障礙物的速度和位置的前提。

實際車道線檢測結果如何呢？

現實中，單個車道線檢測方面表現良好，但相鄰車道的車道線檢測的準確性表現較差，例如車輛在變道、超車、經過匝道時，系統穩定性將受到極大挑戰。假如此時能夠接入高精地圖，結果將得到明顯改善。

有高精地圖的高速公路主路。該情況下，能進行準確的車道級定位。就可以從地圖中得知車輛周圍環境信息，並能夠做到更精準的導航控制。

另外，還可實現更好的感知。一是地圖能明確ROI（region of interest），降低計算量，得到更為準確障礙物結果；二是運用地圖數據修正錯誤的感知結果，例如用地圖數據修正不佳地車道線檢測結果。

有高精地圖的高速公路匝道。

從上圖的左側圖中可以看出，匝道地方有大量高架橋，高架橋形成的遮擋會干擾GPS信號，造成GPS位置的跳變。從右側的圖中可以看到，匝道道路的曲率一般較大，對車道線的感知構成很大挑戰。曾有報道稱，Tesla車輛在匝道出現問題，比如撞上護欄。

所以，在車道線和GPS定位的可靠性較低的情況下，需要有一種更可靠的定位方式。比如採用視覺特徵的定位地圖來解決匝道問題，具體是將視覺定位、車道線定位、GPS/IMU融合在一起，得到較穩定的定位結果，從而解決匝道定位問題。

高速公路除外，面向「最後一公里」的智能代客泊車，同樣是禾多科技聚焦的另一自動駕駛應用場景。

現如今，常見的低速L4級方案多用於泊車、接駁和運輸場景。其中的技術解決方案都是在車端安裝大量的感測器，並通過車端演算法來解決車輛定位和感知問題。然而，量產化的方案對車輛上的感測器有嚴格的要求，對感測器的成本和計算單元都有所限制。

基於此限制，禾多科技提出了車端與場端結合的方案，通過降低車端感測器配置，將大量的計算轉移到智能場端，從而滿足量產化的需求。

最後，禾多科技L4級代客泊車解決方案HoloParking系統主要包含4個模塊：終端用戶的APP、雲端大數據服務模塊、車端模塊和HoloParking的後台場端模塊。在場端模塊中通過多感測器融合演算法來為車端模塊提供準確的定位，感知和路徑規劃等信息，以滿足車端L4級自動駕駛的需求。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！