欧美一二区视频,成人网在线视频,91高清网站,一区二区三区四区国产,亚洲情一区,刘亦菲久久免费一区二区,在线久久

          歡迎訪(fǎng)問(wèn)南京坤然智能科技有限公司官方網(wǎng)站!
咨詢(xún)服務(wù)熱線(xiàn):18951874759
基于邊緣計算的自動(dòng)駕駛高精地圖建圖與定位方法 2019-04-25 10:46

摘要:地平線(xiàn)基于邊緣計算的眾包高精度地圖解決方案是基于地平線(xiàn)自研芯片--征程的快速處理及計算能力,在已量產(chǎn)自動(dòng)駕駛計算平臺Matrix上,將強大的視覺(jué)感知和建圖能力結合在一起,從而在邊緣處利用SLAM技術(shù)實(shí)現高精度地圖的創(chuàng )建,并利用眾包技術(shù)實(shí)現地圖信息的實(shí)時(shí)更新。總的來(lái)說(shuō)NavNet就是利用深度學(xué)習和同步建圖及定位技術(shù)結合實(shí)現高精建圖定位系統。

關(guān)鍵詞:邊緣計算;眾包;高精度地圖;建圖;定位;深度學(xué)習;SLAM

Abstract: Horizon's crowd-based high-precision map solution based on edge computing is based on the self-developed chip of the horizon-the fast processing and computing power of the journey. It combines powerful visual perception and mapping capabilities on the mass-produced autopilot computing platform Matrix. Together, the SLAM technology is used to achieve high-precision map creation at the edge, and crowd-source technology is used to realize real-time update of map information. In general, NavNet uses a combination of deep learning and simultaneous mapping and positioning technology to achieve a high-precision mapping system.

Key words: Edge computing; Crowdsourcing; High precision map; Mapping; Positioning; Deep learning; SLAM

1 背景介紹

隨著(zhù)人工智能的興起,汽車(chē)行業(yè)也發(fā)生了翻天覆地的變化,互聯(lián)網(wǎng)巨頭和傳統汽車(chē)行業(yè)投入了大量的人力與物力來(lái)參與自動(dòng)駕駛相關(guān)技術(shù)研發(fā)與落地。高精度地圖作為自動(dòng)駕駛汽車(chē)必不可少的一個(gè)環(huán)節,它可以幫助自動(dòng)駕駛汽車(chē)預先感知道路的復雜信息,并提供實(shí)時(shí)高精度的自車(chē)定位,結合智能路徑規劃,讓汽車(chē)做出正確決策。但是高精度地圖的實(shí)時(shí)建圖、更新和定位卻是個(gè)巨大的工業(yè)障礙,傳統方式多以地面信息采集車(chē)前往全國各地采集信息,再去處理和補充地圖數據,做成圖后再為用戶(hù)端發(fā)送更新包,用戶(hù)在終端完成數據的更新才能實(shí)現一次地圖數據的更新。這樣的地圖更新過(guò)程繁瑣且亙長(cháng),無(wú)法滿(mǎn)足自動(dòng)駕駛車(chē)輛對地圖更新和定位的要求,高精度地圖要求車(chē)輛位置偏差小于10厘米,且可以反應實(shí)時(shí)路況信息,這對于地圖的更新提出了更高的要求。更重要的是,數據的傳輸時(shí)延問(wèn)題如何解決?高精地圖計算量巨大,難道每輛車(chē)要背一個(gè)電腦么?當然不可以。而且隨著(zhù)自動(dòng)駕駛級別的提高,自動(dòng)駕駛技術(shù)上對高精地圖的更新頻率和覆蓋范圍也提出了極高的要求,需要海量的地圖采集設備來(lái)支撐高精地圖的大規模快速更新,因此“眾包”的概念應運而生。

2 解決方案

NavNet視覺(jué)眾包地圖與定位解決方案把地圖更新所需的數據采集任務(wù)交給道路上的普通車(chē)輛而非專(zhuān)業(yè)采集車(chē)輛,賦能高精地圖眾包更新,將建圖與定位計算全部在邊緣完成,輸出局部三維語(yǔ)義地圖,既可與已有高精地圖匹配進(jìn)行定位,也可用于眾包地圖更新和高級駕駛輔助的高精度定位。

3 技術(shù)路線(xiàn)及方法

地平線(xiàn)憑借出色的感知算法加持,在自主研發(fā)的AI芯片(征程)上實(shí)現基于邊緣計算的自動(dòng)駕駛高精度地圖建圖與定位的解決方案--NavNet。NavNet視覺(jué)眾包地圖解決方案,僅需一顆前視攝像頭,運用深度學(xué)習和SLAM技術(shù)實(shí)現了道路場(chǎng)景的語(yǔ)義三維重建,將建圖與定位的過(guò)程全部在車(chē)端實(shí)時(shí)進(jìn)行。車(chē)輛通過(guò)前視攝像頭捕捉即時(shí)交通信息,然后抽象出道路場(chǎng)景的特征(即實(shí)現場(chǎng)景語(yǔ)義三維重建),并直接在車(chē)端完成地圖“繪制”與定位。

在這一過(guò)程中,NavNet主要完成以下工作流程:

(1)采集:通過(guò)攝像頭、IMU、GNSS、CAN等傳感器系統采集數據(路況)信息;

(2)分析:將深度學(xué)習與SLAM技術(shù)結合,加入圖像語(yǔ)義分割、語(yǔ)義地圖構建等語(yǔ)義信息;

(3)建圖:通過(guò)視覺(jué)SLAM技術(shù),建立3D高精地圖;

(4)融合:將建圖片段融合優(yōu)化,提升地圖完整和準確性;

(5)定位:通過(guò)車(chē)體定位與建圖結果匹配,完成車(chē)輛高精度定位;

(6)生成:將建圖與定位的數據結果加密后傳送到云端數據庫,解碼后與全局地圖匹配融合。

24.jpg

圖1 NavNet架構圖

(1)采集

在NavNet解決方案中,路況信息的采集通過(guò)幾項相關(guān)的傳感器來(lái)實(shí)現——攝像頭,GNSS(Global Navigation Satellite System,全球導航衛星系統)和IMU(Inertial measurementunit,慣性測量單元)。當然除此之外,許多傳感器設備的運行也離不開(kāi)CAN總線(xiàn)的幫助。攝像頭,用于采集信息,用來(lái)實(shí)現感知處理和實(shí)時(shí)建圖定位;IMU+GNSS+CAN總線(xiàn),用來(lái)實(shí)現車(chē)體自定位,主要用于確定車(chē)輛所處的大致位置。除了傳感器的加持,處理過(guò)程也離不開(kāi)算法平臺的支持,在NavNet解決方案中算法模型所使用的模型平臺--Matrix,該平臺是基于地平線(xiàn)征程芯片的一款能夠直接運行神經(jīng)網(wǎng)絡(luò )并實(shí)現圖像視頻的即時(shí)分割、檢測和識別等功能的感知計算智能硬件設備平臺,該平臺設備可以根據攝像頭搜集到的信息,將搜集到的視覺(jué)感知其數據進(jìn)行處理與解析,輸出解析之后的感知數據及結果。

NavNet眾包高精地圖解決方案利用Matrix感知計算平臺,得到攝像頭采集并處理之后的感知數據,用于之后車(chē)輛的分析與決策使用,而各項傳感器實(shí)現車(chē)體自定位,則是對于車(chē)輛位置的大致判斷,主要因為自定位技術(shù)的誤差大,無(wú)法滿(mǎn)足高精地圖的要求,因此NavNet利用車(chē)體自定位技術(shù)+攝像頭感知局部定位技術(shù)來(lái)完成數據的分析和車(chē)輛的高精定位。

(2)分析

地平線(xiàn)征程系列芯片,性能優(yōu)且支持神經(jīng)網(wǎng)絡(luò )加速,在數據分析方面更多的是將深度學(xué)習與SLAM(simultaneous localization andmapping,即時(shí)定位與地圖構建,讓機器人在未知環(huán)境與位置中邊移動(dòng)邊繪出地圖)技術(shù)相結合的方式。采用這樣的方法也是依仗深度學(xué)習在視覺(jué)數據分析與處理方面的優(yōu)勢,并結合機器人建圖的方法以實(shí)現高精地圖的實(shí)時(shí)創(chuàng )建,兩種方法相結合的分析方式主要分為三種:

分析方法一:用深度學(xué)習方法替換傳統SLAM中的一個(gè)或多個(gè)模塊(如特征點(diǎn)提取,位姿估計,重定位等方面);

分析方法二:在傳統SLAM中加入語(yǔ)義信息(如圖像語(yǔ)義分割,語(yǔ)義地圖構建等方面);

分析方法三:端到端SLAM,即輸入為圖像信息,輸出則是動(dòng)作信息。準確來(lái)說(shuō)這一分析方法更接近于深度強化學(xué)習算法,即給定所處環(huán)境(可以理解為圖像信息)和所要到達的目的地,以及完成任務(wù)后可以得到的獎勵(reward),智能體需要自主學(xué)習相關(guān)信息,最終輸出行為信息,并根據行為信息的反饋得到自己的獎勵。

(3)建圖

在地圖創(chuàng )建方面,傳統的高精地圖創(chuàng )建主要依靠激光雷達等傳感器,得到其點(diǎn)云感知數據,最后形成矢量地圖。但是激光雷達價(jià)格昂貴,每輛車(chē)都配備非常好的激光雷達,其成本可想而知。當然,建立高精度地圖并不是只有這一種方法。地平線(xiàn)NavNet采用的是通過(guò)單目攝像頭建立3D高精地圖,所采用的技術(shù)即為視覺(jué)SLAM(v-SLAM)技術(shù),其技術(shù)框架主要包括VO(Visual Odometry,視覺(jué)里程計)、后端以及回環(huán)檢測。

目前階段,地平線(xiàn)NavNet更多地采用分析方法二,或者說(shuō)通過(guò)語(yǔ)義SLAM的方式來(lái)實(shí)現高精度地圖的創(chuàng )建。不過(guò),隨著(zhù)時(shí)間的推移和產(chǎn)品迭代,地平線(xiàn)NavNet的技術(shù)也在日益成熟,其技術(shù)方式也在發(fā)生改進(jìn)。這里,實(shí)現建圖的技術(shù)方式又分為三種:

實(shí)現方式1:通過(guò)語(yǔ)義分割+點(diǎn)云重建+參數化來(lái)創(chuàng )建矢量地圖;

實(shí)現方式2:通過(guò)語(yǔ)義分割檢測+語(yǔ)義重建來(lái)創(chuàng )建矢量地圖,這是對方式1的整合與精簡(jiǎn),將后端優(yōu)化、語(yǔ)義識別和參數化等方面和鏈路,融合成為一條優(yōu)化模塊——聯(lián)合優(yōu)化模塊,既簡(jiǎn)化了工作的流程,節約時(shí)間和運算能耗,又可以實(shí)現同樣的功能。這是地平線(xiàn)NavNet目前采用的方式。

25.jpg

圖2 地平線(xiàn)算法結構

實(shí)現方式3:完全利用深度學(xué)習來(lái)創(chuàng )建矢量地圖。這是NavNet最終的技術(shù)目標,這種方法下的計算量將更小,直接成圖得到結果。實(shí)質(zhì)上,它與上述分析方法三的思路和初衷都不謀而合。

(4)融合

在NavNet方案中,地平線(xiàn)提供云端地圖融合優(yōu)化參考設計,其能夠自動(dòng)將大量車(chē)輛采集的地圖片段數據進(jìn)行關(guān)聯(lián)匹配,以矢量地圖要素的屬性參數為變量,根據屬性的相似度約束建立統一的目標函數,優(yōu)化求解以獲得融合地圖結果。這一融合優(yōu)化過(guò)程既可以定時(shí)全量執行,也可以根據地圖更新的結論,經(jīng)過(guò)事件觸發(fā)進(jìn)行高效融合之后,提供更新、更精準的地圖信息,即可快速地發(fā)布到車(chē)端供車(chē)輛定位導航使用。

26.jpg

圖3 NavNet地圖更新模式

NavNet方案在邊緣側可以進(jìn)行地圖要素的更新識別,甚至是更新量的計算,在邊緣側進(jìn)行地圖更新的好處在于,可以自動(dòng)應對部分場(chǎng)景及地圖的變化,完成符合交通規則和舒適性安全性要求的決策,即利用AI芯片的算力實(shí)現更好的邊緣智能。選擇在云端進(jìn)行數據融合則是因為云端的存儲量大,更適合進(jìn)行數據融合,與傳統地圖相比,高精地圖的圖層數量更多,圖層內容更加精細,因此它的數據量也是驚人的多,因此,在云端進(jìn)行數據的存儲和融合是最優(yōu)的選擇。

(5)定位

NavNet定位是通過(guò)車(chē)體的自定位,得到自動(dòng)駕駛車(chē)輛的大致位置,再通過(guò)NavNet實(shí)時(shí)建圖產(chǎn)生的結果,在附近區域內將局部地圖信息與全局高精度地圖做數據匹配,從而得到自動(dòng)駕駛車(chē)輛當前的高精度位置信息及其周邊環(huán)境的語(yǔ)義信息,得到相似性最高的匹配結果即視為當前車(chē)輛的位置信息。

NavNet解決方案中,車(chē)體自定位主要依賴(lài)于GPS+底盤(pán)輪速計+其他傳感器的方式實(shí)現:首先,利用GPS定位系統,可首先確定自動(dòng)駕駛車(chē)輛當前處在哪條道路上(該偏差一般在5~10米);隨后,根據攝像頭建圖的語(yǔ)義信息,檢測的車(chē)道線(xiàn)(虛、實(shí)線(xiàn))及道路邊緣(路沿或護欄),并與高精地圖提供的車(chē)道線(xiàn)及道路邊緣做比對,進(jìn)一步修正無(wú)人車(chē)的橫向定位;最后,根據建圖的路面標志、交通標志牌、紅綠燈等環(huán)境語(yǔ)義信息,與高精地圖提供的要素做匹配,實(shí)現無(wú)人車(chē)縱向定位的修正,確定無(wú)人車(chē)當前的位置信息及周邊環(huán)境,這一過(guò)程也稱(chēng)為語(yǔ)義定位技術(shù)。

27.jpg

圖4 車(chē)體自定位技術(shù)

而NavNet同時(shí)采用語(yǔ)義定位技術(shù),輔助車(chē)輛實(shí)現更加準確,精度更高的定位。語(yǔ)義定位技術(shù)主要依靠攝像頭采集當前路況信息,將接受到的圖像信息進(jìn)行數學(xué)轉換,形成3D結構的道路信息模型,將道路模型生成圖像視角的點(diǎn)云信息模型,與此同時(shí),采集的圖像信息也會(huì )生成直觀(guān)的道路信息模型,道路信息模型與點(diǎn)云信息模型做匹配,根據匹配結果確定是否當前局部信息與全局信息相吻合,從而確定當前的位置信息,實(shí)現無(wú)人車(chē)的高精度定位。語(yǔ)義定位與車(chē)體自定位相輔相成,根據車(chē)體自定位的范圍可以減少語(yǔ)義定位的范圍,節約算力,使得定位更高效,更準確。

28.jpg

圖5 語(yǔ)義定位技術(shù)

(6)生成

NavNet中建圖與定位后的數據及結果會(huì )通過(guò)加密芯片的加密再輸出,最終將加密數據安全的傳送到云端數據庫中,圖商可以在云端進(jìn)行解碼;眾包產(chǎn)生的局部地圖信息的更新將會(huì )與圖商的全局地圖進(jìn)行匹配與融合,最終完成局部地圖與全局地圖的更新和再加工,實(shí)現自動(dòng)駕駛精確定位和導航的需求。

當然,在數據的云端,數據的優(yōu)化融合、質(zhì)量驗證等處理和管理都會(huì )做到安全保密和準確無(wú)偏。作為國內首款眾包高精度地圖建圖與更新的產(chǎn)品,NavNet最重視的就是地圖數據安全。NavNet利用邊緣計算技術(shù),將局部地圖的創(chuàng )建放置在邊緣處完成,而最終建好的局部地圖與相應的語(yǔ)義信息,都會(huì )經(jīng)過(guò)加密芯片的加密,之后傳輸到云端服務(wù)器當中。

4 實(shí)現結果

利用深度學(xué)習與SLAM技術(shù),NavNet最終實(shí)現高精度地圖的建立,用戶(hù)可以只利用一款產(chǎn)品即可實(shí)現自動(dòng)駕駛高精度地圖的創(chuàng )建與實(shí)時(shí)更新。最終,高精度地圖的呈現形式如圖6所示,比點(diǎn)云更簡(jiǎn)單的3D結構模型,助力高精度地圖的創(chuàng )建與更新。

29.jpg

圖6 NavNet建圖結果

5 總結與展望

邊緣計算是真正能夠達到實(shí)時(shí)處理的技術(shù)方法,其最大的優(yōu)勢是可靠性高、安全及隱私性高、傳輸成本低、實(shí)時(shí)性好、高效協(xié)同這五個(gè)方面。NavNet就很好地發(fā)揮并利用了邊緣計算的這些優(yōu)點(diǎn),做到了以下幾點(diǎn):

安全:端上建圖,端上處理,端上加密,不受網(wǎng)絡(luò )攻擊等問(wèn)題的困擾;

高效:征程芯片數據處理能力強,數據的處理效率高;

快捷:邊緣計算為地圖賦能,實(shí)時(shí)性高,低時(shí)延,不受網(wǎng)絡(luò )傳輸的困擾;

方便:車(chē)規級產(chǎn)品,易于攜帶存放,眾包方式更新產(chǎn)品及其性能。

地平線(xiàn)憑借世界領(lǐng)先的視覺(jué)環(huán)境感知算法,與專(zhuān)屬定制AI芯片相結合,通過(guò)軟硬件協(xié)同優(yōu)化設計,針對中國交通特色進(jìn)行場(chǎng)景化研發(fā),最終能同時(shí)處理地上地下、復雜路況的場(chǎng)景,并進(jìn)行顆粒度、結構化的語(yǔ)義感知,為汽車(chē)打造自動(dòng)駕駛大腦。

作者簡(jiǎn)介:


上一新聞:xxxxxxxxxx 下一新聞:xxxxxxxxxx
富宁县| 富宁县| 商都县| 泰兴市| 六枝特区| 芦山县| 玉林市| 东源县| 长沙县| 西乌珠穆沁旗| 长沙县| 龙井市| 遵义县| 日喀则市| 长丰县| 连平县| 齐齐哈尔市| 闽清县| 丰宁| 大理市| 青海省| 日喀则市| 岳阳县| 巴彦县| 电白县| 共和县| 伊春市| 尉犁县| 洪泽县| 舟山市| 东港市| 淄博市| 大埔县| 鄢陵县| 包头市| 香格里拉县| 双鸭山市| 嘉峪关市| 宜丰县| 舒城县| 聊城市|