新闻中心

News

当前位置:首页 > 新闻中心 > 解惑:测绘地理信息从业者, 怎么突然一窝蜂地搞起了自动驾驶?
解惑:测绘地理信息从业者, 怎么突然一窝蜂地搞起了自动驾驶?
新闻来源: 泰伯网    发布时间:2017-05-16

最近有朋友说,身边人越来越多地谈到智能驾驶,他也是实在有点不明白,做传感器的、做地图的开发者们,怎么突然都打起了汽车的主意?

相信跟这位朋友有相同想法的人并不少:隐隐感觉自动驾驶将是大势所趋,却又有点稀里糊涂:传统的空间信息技术行业怎么搭上这趟“未来快车”?为了深入探讨空间信息技术行业、空间大数据、高精度地图和智能驾驶之间的关联,在本文之外,我们还将在2017年6月13日-14日于北京召开的WGDC2017全球地理信息开发者大会智能驾驶峰会上,将更为详尽的讨论一一奉上。

提到智能驾驶和空间信息技术的“前缘今生”,还要从智能驾驶讲起。

随着人们对安全、舒适的驾驶体验的不断追求,自动驾驶成为汽车的新方向。

目前的自动驾驶可分为两类。一类是目前非常火爆的智能驾驶,更强调的是车的自主驾驶以实现舒适的驾驶体验或人力成本的节省, 典型的例子为百度和谷歌的无人车;一类是ADAS(全称为 Advanced Driver Assistance System,即高级辅助驾驶系统),发展历史已久,早在1970年就已进入车厂布局中。两者都是利用安装在车上的各式各样传感器收集数据,并结合地图数据进行系统计算,从而实现对行车路线的规划并控制车辆到达预定目标。

殊途同归,ADAS也可以视作无人驾驶汽车的初步实现,随着ADAS实现的功能越来越多,将渐进式地实现无人驾驶。根据麦肯锡报告称,无人驾驶有四个关键性技术:传感器、处理器、算法软件和高精度地图。

制图与高精度地图

“没有一家汽车生产商愿意成为一家地图公司,但是没有高精度地图,无人驾驶汽车就没有办法安全上路。”硅谷高精度地图科技公司DeepMap对泰伯网这样表示。


11.jpg


几年前,汽车制造商通过低精度地图结合自主定位,完成路径规划。而这一模式也一直延续至今。而传统的空间信息技术在这其中扮演及其重要的作用:底图由遥感手段获得,经处理后生成地图。结合定位功能,利用地理信息系统进行空间分析,完成路径规划。

但这一模式在无人驾驶时代将得到一次彻底“升级”。低精度的地图将不再适用,除了基本元素,还需要在地图中添加了高度信息、全景图、环境特征(如桥梁、路标和护栏)等信息,以建立及其精细的三维地图数据——即专业测绘人员口中的高精度地图。此外,由于运算量激增,系统决策除了简单的路径分析,还需要将地图与传感器实时获取的环境信息进行比对,对车辆进行厘米级定位甚至直接操作车辆。

“低精度”地图向“高精度地图”进化,需要计算机视觉、机器学习、人工智能、三维建模等底层技术的配合,这对测绘遥感人员提出了更高的要求,而他们也自然成为自动驾驶产业链条中不可或缺的一份子。这仅仅从BAT中就可以管中窥豹。几年前,很多空间信息技术从业人员集中在BAT地图部门、四维图新等大型图商中,而如今随着其对自动驾驶领域的布局,传统地图部门技术人员很多也被分配到了自动驾驶部门。

四维图新CEO程鹏也曾表示过类似的观点,“我们做地图本身就是一个搜集、传感、识别、发布的过程,所以这个不一样,对我们来讲没变化,现在顺理成章水到渠成,没有做任何变化,以不变应万变,万变不离其宗,从地图采集到路况的采集到无人驾驶,原理都是一样的,只不过应用场景变了,原来给人用,现在给机器人用。”届时,他也将出席本届WGDC2017

毕业于武汉测绘科技大学的蔡金华,硕士时的专业是“地理信息系统与地图学”,是一个典型的“地信人”,也成功地完成了他的“跨界”。他现在在京东商城负责智能驾驶方面的研发,只不过这里的智能驾驶不是指汽车,而是机器人。他在做另一种“机器人地图”。在自动驾驶领域,其实还有一个重要分支却被大家忽略,就是机器人自动驾驶。机器人可以在物流、运输、商业等领域发挥至关重要的作用。他也将在WGDC2017上,给大家分享机器人智驾的故事。


12.jpg


一言以蔽之,智能驾驶离不开地图,地图在智能驾驶时代,大有可为。

遥感手段与无人驾驶传感器

激光雷达在无人驾驶领域扮演着无可替代的角色。遥感手段利用各类传感器对物体进行探测。包括光学传感器、高光谱传感器、多光谱传感器、SAR、InSAR、激光雷达(LIDAR)等等。

在被问到激光雷达在未来两年的发展趋势是什么时,数字绿土总经理赵宝林的回答十分干脆:“降价。”赵宝林表示,在激光雷达领域除价格外,体积、一体化程度、全固态都是亟待解决的问题。而在智能驾驶即将到来的时代,量产能力也对各大激光雷达厂家提出了巨大挑战。赵宝林也将在WGDC2017上,与我们探讨激光雷达、高精度地图与自动驾驶的相关问题。


13.jpg


在地理信息行业中,激光雷达获取的点云数据一般应用于文物保护、变形监测、数字城市的模型建立。但是在今天,Lidar有了一个新的应用场景:装载于无人驾驶的车辆上,感知周围百米范围左右的环境。

激光雷达可以被用于探测车辆与目标物间的距离,还能对行驶路径上的目标物进行探查,同时为地图绘制提供辅助。通常,传感器借助激光来照亮车辆周边,然后进行光学分析,创建高清数字影像,可对车辆周边100米内的范围进行全方位地探查。

汽车应用对激光雷达需求颇为强大,这吸引了不少新的竞争者进入该新兴领域。这其中包括Quanergy、禾赛科技等。随着Lidar技术在自动驾驶行业的深度应用,其问题也逐渐显现出来:现有产品在克服成本、重量、尺寸、设计及无缝供应上存在着诸多挑战和难题。而其价格和产量问题既带来了挑战,也带来了很多机会。

在机会前景下,有着丰富经验的传统遥感公司也异军突起。业务范围也纷纷从机载雷达扩展到车载雷达。与之相比,一些企业绕过Lidar这一高成本的选项,转而选择成本较低,技术难度较小的传感器,摄像头就是其中的一个解决方案。以Mobileye为典型代表的公司正在试图改进基于摄像头的解决方案,再利用计算机视觉技术对周遭环境加以识别。Mobileye中国区总经理苏淑萍指出,ADAS在硬件方面第一要考虑功耗、成本和尺寸,第二要持续不断地把新功能在同一平台上实现集成。第三则是协调镜头的角度、有效的识别距离和分辨率三者之间的矛盾。她也将在即将到来的WGDC2017上分享她的观点。

无论是摄像头也好,Lidar也罢,传统的遥感手段都可以为智能驾驶提供了众多可能。中国工程院院士李德毅也表示,传感器在带来感知的同时,不能取代认知。我们还需要靠一个驾驶大脑来实现对汽车全局的认知和控制合成。

地理信息系统与无人驾驶算法

地理信息系统区别于其他信息系统的核心方面就是其具备的空间分析功能。空间分析是指基于地理事物,以空间运算为方法,提取空间信息技术特征、分析未来发展趋势等。最为经典的方法包括缓冲区分析、网络分析等。

在一台移动的无人驾驶车辆内,会产生数以T计的数据。算法负责处理这些海量数据并实时合成车辆周围的环境信息。随后算法将向驾驶员提供输出信息或者指示系统将如何主动干预车辆的控制。这将需要一些最为复杂的车载软件集成,因为算法指定的诸如采取紧急刹车之类的操作对于确保安全极为关键。

在这一过程中,一个需要优先解决的问题是利用算法更加精确地合成传感器数据并更加有效地进行处理,因为这将避免数据过载或延缓。二是创建各种算法,在各种不同的环境下,如周边出现两车碰撞时,实现更加安全的车辆导航并更加准确地预测所有可能的人类行为(包括潜在的非理性反应)。

上述过程中涉及的海量数据大多具有空间属性,我们也称之为空间大数据。空间大数据区别于其他数据,数据中包含着多种空间关系,包括拓扑关系、距离关系、方位关系等。对于具有空间属性的数据,采用空间分析的算法将得到事半功倍的效果。因此基于算法的空间分析方法,应用于智能驾驶中同样十分重要。

上文提到的Mobileye也是ADAS(高级驾驶辅助系统)领域最具实力的公司。ADAS以计算机视觉作为其技术基础,利用相机传感器拍摄的图像,利用其强大芯片和算法预测潜在的碰撞、追尾等交通威胁。同时,系统实时收集的数据可实现对高精度地图的实时更新。如文首所说,ADAS在辅助驾驶领域无疑是领先的。而在无人驾驶领域,则需要更强大计算能力的芯片和处理系统,以确保对更为复杂路况的分析。

无论是那种数据处理方式,空间分析方法都有着巨大的潜力。GIS将作为一把利器,出现在智能驾驶硝烟四起的市场中。

结语

随着空间信息技术从业者越来越多地进入智能驾驶产业链,汽车行业也将成为空间信息技术和空间大数据最重要的应用场景之一。汽车作为未来世界中最具潜能的终端之一,将融合数个行业。汽车既作为空间大数据的收集端,也作为空间大数据的应用端,将成为测绘地理信息行业的一个重大机遇,地图、导航、驾驶……都将发生深刻变革。而我们每个人,既是这场变革的旁观者,也是这场变革的参与者。