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
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。
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。
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。
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)。
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。
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。
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：
