• 采购项目
  • 配套企业库
  • 销量查询
  • 盖世汽车社区
  • GORE【20190922】
  • 诺博【20190922】
  • 汽车与环境
  • 光+电子论坛回顾
  • 中国汽研-特斯拉
  • CTalk高端系列访谈

原创 RSS

当前位置:首页 > 智能网联 > 正文

高精度地图与定位对于实现自动驾驶的意义

盖世直播 2019-08-15 18:55:01
核心提示:高精地图和高精定位对自动驾驶的实现到底意味着什么?

自动驾驶,高精度地图,自动驾驶

主持嘉宾:盖世汽车CEO 周晓莺

讨论嘉宾:

四维图新高级产品经理 朱瀚

美行科技智能网联事业部总监 胡晨曦

广汽研究院智能驾驶技术部部长 郭继舜

u-blox资深市场经理 梅景浩


周晓莺接下来进入圆桌环节,参与讨论的嘉宾都是做过专题演讲的,郭总来的比较晚,我想替上午的嘉宾问您一个问题,可能您会有比较代表性的发言,在您看来,为什么L4搞不定硬件?

郭继舜:我在去广汽之前,是在互联网公司里做自动驾驶的,当时我也非常乐观,我觉得把算法这么难的都搞出来了,软件就靠算法活着的,做车的好几万人难道做不出来吗。真正来到主机厂之后发现真不容易。

为什么L4搞不定?不能覆盖所有的场景,这是第一点。第二、冗余的器件还没有,车上不敢不放人。再有车规,厂商来说没有办法大规模前装的,一旦不能前装,意味着传感器在布置的时候需要人手动布置,误差会非常大,大到需要分别对每台车做软件的标的,因为一千台车,三千台车怎么办,因为精度不够,跑一天下来,三千个车,可能每天要修一百个,还坏的不一样。 

在我们看来,首先算法是可行的,但是硬件方面需要渐变的积累过程,如果L3还搞不定硬件,L4还是成问题的,我很有信心的原因在于,商业模式已经存在了,而且市场需求也很明确,就是看看如何快速把技术问题解决了,是能看到未来的。 

周晓莺:大家跳到自动驾驶的海里游了一圈发现,一方面场景太丰富,另一方面车规级的标准下面还有比较长的路需要去走的。

郭继舜:大家把水深估计的太浅了,而且还在裸泳,肯定有问题。

周晓莺:第一个问题,今天聊了很多高精地图和高精定位,包括怎么做、怎么采集、怎么验证、怎么评判等等,那么,高精地图和高精定位对自动驾驶的实现到底意味着什么。

胡晨曦:高精地图和高精度定位最主要的意义是可以让自动驾驶更加安全,只有足够高精度的定位,才能超数据可行,车与车之间的信息连接,车与人之间的信息连接,车与物之间的信息连接,通过这些信息连接,才能让车获取到比较安全的路线,能够提高自动驾驶的安全性。

朱瀚:这个跟我刚才讲的差不多,高精地图对于自动驾驶最大的作用,来自于我们的车端的算力,包括算法是不是能足够的让我的感知和决策完成这样的动作,如果不需要,高精地图存在的价值也就没有了。现在的状态来看,大家是需要的,传感器我们会遇上非常多复杂环境复杂条件让你的传感器失效,这时候高精地图提供知识,车载的传感器里有很多东西在当时当下是感知不到的,但是我可以提前告诉你,让你有一个更合理的决策的结果,这是很重要的作用。如果说人驾驶汽车,没法判断现在驾驶的汽车处在哪个阶段,如果这个判断不了,人也是开不了的,对自动驾驶来讲,所以高精度的定位是很必要的。

梅景浩:就高精地图而言,除了提供规划以外,还提供了位置的感知,和GPS融合提供一个定位的功能。比如说现在从当前走到门口去的路,可以想象,如果这样走过去是很容易的事情,但是如果闭上眼睛走这条路,没有办法根据现场环境的感知来对自己进行定位,没有办法有反馈的过程。高精地图和高精度定位联合起来提供的信息,相当于人的眼睛一样,在自动驾驶领域会提供实时反馈,让整个系统可以正常工作,达到自己的目标。

郭继舜:我给一组数据,是我自己算出来的,不代表广汽的观点,也不代表业界的观点。高精度地图和自动算法的层面,感知层面使得算法的准确度提高1.5倍,自定位准确度提高了6倍,使得整体的失效概率降低了20倍,如果通过视觉预测前方的路径,准确度提升了600倍,这是高精地图的价值。

周晓莺:高精地图核心在信息的传输上,还有实时感应上,促进了及时通讯,提升了车的安全性,可以这样理解吗? 

郭继舜:可能还不太一样,现在还在讲单车智能,如果把车都放进来,我刚才的数据还不准确,高精地图不一定要用,我们依然能做自动驾驶,但是前提是高精度地图。

周晓莺:高精地图在车辆的搭载上,还是外资品牌有几个比较典型的案例,本土品牌并不多,大家认为在其商业化的过程中存在的难点主要是哪些?

郭继舜:第一是要钱,多贵呢?用户每年都要交数据服务和更新的费用,咱们中国的用户你们买手机可以买苹果手机,9000块钱,但是买壳子可能会买20块还包邮的。我们需要更低成本的解决方案,看能不能一次买断服务,这是第一。第二,最本质的原因是,我们开发的速度不够快,比如需要高精地图的L2.5、L3,甚至疑似L3,L2.99的量产车没有真正出来,还需要点时间。 

朱瀚:除了刚才讲的情况,从我们自己的角度来看,我们的感觉,国外比国内更早一些先落地,我们跟国外国际车厂去沟通,欧洲比中国先落地L3的量产车,因为他们的法律法规不像我们这么严苛,有些东西相对开放的,我们这边很多事情一直在推进过程中,在很多测试,包括量产交付的问题上面临很大问题。

郭继舜:我现在得到最新的情况是,奥迪在L3典型功能上已经做的非常稳定和好了,但是一直没有量产,咱们看到所有车都是这个状态,因为德国的法规依然不允许上路,不止是中国的法规,德国没有卖出一辆真正民用的L3,就是因为法规的问题,还需要一点点时间。 

周晓莺:在高精地图或者图商这个领域,是不是只有大玩家才能玩,大家演讲的很多点都是包含在图商服务体系当中,整车厂选择合作伙伴供应商的时候,是不是也会有这样的考虑,请各位从自己的角度谈一下。

胡晨曦:美行科技不是图商,我从使用高精地图的角度来说一下。法律层面,中国的法律对测绘是有要求的,最近几年法律的发展来看,国家鼓励智能汽车的发展,法律朝着规范化的方向引导,法律应该不会成为瓶颈,目前会有,但是之后会朝着好的方向发展。技术层面,目前有协会的标准,协会向全球开放的,现在国内有很多公司,已经是协会的会员,现在中国国内有很多公司是协会会员,协会主要让中国公司群策群力,推动ADAS向更好的方向发展,提供技术规范。我从应用方向来看,目前高精地图最大的痛点是主矩和实施性,中国的路变化很快,有的路的存储方式,高精度地图描述在准确性上,不同的建模场景应该都有优缺点,所以我认为最大的痛点应该是准确性和实施性。 

朱瀚:站在图商的角度,这个事情说了会很伤人。说我个人的看法,制图从技术角度,把高精地图制作出来,本身并不是特别大门槛的事情,可以做出来,关键问题是说如何在成本控制不住的情况下去量产,还有利润,需要有一个商业模式能真正玩起来的才可以,否则我只是为了验证一个技术,只是做了一张图,这个事情并没有那么难。所以真正的问题来自于怎么批量量产的问题,是一个OEM和传统图商大家怎么去结合,能让这个事情真正玩得转的问题。

周晓莺:大玩家能承担起成本,能走的更长的路,生态构建的能力会更强。

朱瀚:应该是摊平了。 

梅景浩:我不是地图行业的,我只能从一个大的技术发展趋势来想这个事该怎么办,现在高精地图还属于技术发展的过程中,我想接下来慢慢的技术成熟了以后,可能会有一个趋势,大家会想办法把它做成一个标准化,不管是PC行业,都是先成立一个标准,立完标准以后大家可以分块做自己想做的服务,这样的话每一个玩家都有机会在里面做出贡献。 

郭继舜:我跟大家讲讲,首先这个观点我同意,原因是我看过很多很多图商的材料,比如说四维图新和百度,他们在高精地图的整体的规划,如何去设计,甚至包含停车场里面,他们甚至到什么程度,我看过四维的,连一个消防拴,距离地面有多高,这个都考虑到了,考虑非常细。整体来说,我觉得有几点是现阶段,只有大厂商玩得起的,一个是如何在现在全中国所有省市,包括香港、澳门和台湾,高速公路30万公里,这是很大资本的投入,我有能力,我有技术,但我没做到,我们一起做吧,OEM不会出这个钱的,所以完备性很重要。

第二个精度,这几年用人脸识别用的非常多,我们的用户去体验,可用不可用是需要参数积累的,小的图商把精度做到90%已经很努力了,但大的图商做到99%、99.5%,这是很大的问题。后来形成市场规模,形成壁垒,还要通过众包,这样还是需要规模的,因为太小,根本不够快,我们要求一个季度更新一次,更新的量不少于40%,这怎么做。所以我觉得至少现在来看,还是大图商有机会。

周晓莺:补一个问题给朱瀚,因为只有大玩家才能玩得起,大玩家会只满足于做图商吗? 

朱瀚:这个要看大玩家的心态。

周晓莺:以四维图新为例,我看到你们有一个新的车的智慧大脑。

朱瀚:智慧汽车大脑,是这样的,如果我没有理解错的话,我们老板给我们的定位是这样的,我们并不会说我要不仅仅做图,我还要做自动驾驶的解决方案,并不是这个逻辑。而是说我刚才提到的,我们做的并不是一个我把传统的导航电子地图精度做的更高了而已,不仅仅是这样的事情,我们做的是自动驾驶的专题图,我如何能够比较好的,我把产品定义和实现出来,我就需要了解它。我怎么了解?我们自己有一个研究院,我们要去试这个东西,我们才发现需要面临的问题和我们需要帮他解决的问题在哪里,我们才会说数据产品的服务,设计的是合理的,谁能对OEM形成支撑的,而不是闭门造车的状态。

所以会有一个,我们去理解,更好的支持自己的OEM大客户,而不是要做其他的事情,这是一个理解的过程。我们不希望我们被动的在等着客户告诉我,你要这样做,你做这个就好了,但是我不知道我为什么要做这个,我做这个干什么用,最后的执行,有可能最后的结果是有偏差的,我希望自己的认知尽可能靠近主机厂的,这种让我们合作的更愉快,更顺畅。

周晓莺:逻辑能理解,但是表现出来的行为,比如高德,现在开始做打车,都是往上延伸,你们也在做找充电桩。

朱瀚:这是另外一个BU,这个我不太了解。智联那一部分跟自动驾驶不太一样,是车联网的产品,所以对于车联网的产品来讲,大家是同等的起跑线和同等的市场,如果我们能更理解车联,出一个更好的车联产品,以我们的产品打市场,这是没有问题的,它本身跟高精地图并不是太相关。

周晓莺:郭总怎么看这个问题,百度也有地图,跟车企合作中,是全方位的还是大概考虑在生态的融合上有差异,或者会站队吗? 

郭继舜:车厂肯定是不想站队的,我们考虑过比如同时接入三到四家不同的高精地图厂商,每一年让用户选择谁的年费最低用谁的,但是图商不太愿意,我们可以聊聊看愿不愿意。即将量产的疑似L3级别的自动驾驶两款车,我们初步考虑是完备性。跟四维也好,百度也好的合作有一点很重要的原因是,你必须要考量也许他们会在未来需要使用用户的数据做其他的变现,我们能不能开放,把用户的隐私给到互联网公司,这个口子现在是不敢打开的,我们签的所有合同都是你给我提供服务,我给你钱,但是数据都在我这,未来怎么样,我们再寻找新的商业模式吧。

周晓莺:接下来问题会开放给在场的各位听众。

提问:我有一个问题想问一下广汽的郭总和u-blox的梅总,关于惯导和高性能的MAU在汽车上的应用,价格范围差异是很大的,但是车厂在用的时候,过一段时间MAU尽管有多好,但是在十分钟之后,性能肯定出现很大的下降,但是车厂考虑成本,包括u-blox提供产品的时候是怎样考虑这样一个问题的。 

梅景浩:我们是这么想这个问题的,在汽车领域分场景的,第一个比如我是导航的场景,这个场景下位置,不太会保证百分之百在精度下面,这个时候更多在性能和成本之间的平衡,我们更多的可以看到,我们可以做到用一个非常普通的MAU就可以做到比较好的性能,比如我可以在一百米的时候,通过一两公里的隧道,差距是不大的。同时在里面还有另外一个技术,可以用来帮助提高这一点,就是和图商做地图的匹配,这样可以更好的来提供位置信息,车厂这样会比较满意,实际应用我们也是这样用的,这是第一个场景。

第二个场景是ADAS或者高精度的自动驾驶,这时候MAU提供辅助作用,其实MAU本身提供有效信息,这个信息和雷达,和高精地图匹配,或者视觉的转向是可以融合的,融合的方面可以提供比较好的结果,这种情况下我觉得要用起来,不要花钱再买一个很贵很贵的MAU,就能达到合适的效果了。

郭继舜:首先明确说我们肯定是要用高精的,但是车厂取决于成本,MAU在自动驾驶有三个作用,第一个作用把GPS收敛,GPS一堆散点,通过MAU连成一条线,第二个作用做好的车辆的充分的估计,第三个作用我在一些其他的场景下,比如穿山洞的时候,MAU能给我提供一部分冗余的信息和交叉验证的信息。我们测过最好的MAU,是20公里转一圈误差不超过一米,肯定用不着,所以我只能讲高精MAU有没有需求?有,但是如果能控制在200块钱以下一定有。

提问:我有一个问题问一下郭部长,在定位方案里现在看到希望用RTK方案做GNSS定位,我们之前发现RTK有数据链路的情况下确实还不错,但是无法规避的问题就是成本问题,大概三千多块钱,一年的服务费,还不是终身的服务费,盈利模式或者商业模式是怎么样的?车型定位是不是非常高端?大概是什么样的水平? 

郭继舜:成本和安全考虑之间我选择安全,如果真的出,成本再高,即使卖不出去,但是要保证卖出去一辆是一辆,不造成人身事故或者人身伤害,这两个我宁愿选高成本。第二个我聊过,如果量大是可以便宜的,所以现在就把车造好,量大了之后,通过滩薄成本,使得RTK更好用。现在因为要维护RTK真的要花钱的,没办法的,未来看看星级的RTK能不能用,如果能用成本会降低很多。

提问:第二个问题问一下u-blox的梅景浩先生,我们同时在用很多MAU解决方案,我们发现一个问题,跟今天本身的主题没有太多的关系,更多是来自于对于u-blox的期望值,我们上下游合作的关系,发现目前技术支持这块,相对来说比较难得让中国国内的本地团队的支持,或者效率有待加强,这块不知道梅先生是不是能跟总部反馈一下,希望u-blox有支持。

梅景浩:当然我们会提供相应的支持,具体说到这点,比较大话题是对惯导这块,有很多技术细节,是需要双方对的,u-blox产品在业界已经算是尽量的减少了各方面的支持的需要,比如说产品是一个自标准系统,产品没有什么额外的要求,当然如果遇到了一些非常特殊的场景,说白了GPS是无线通信和算法,没有办法百分之百完好,你可以和我这边联系,和对应的技术支持人员去探讨该怎么解决。

提问:大家好,我有两个问题问一下四维的同事,关于动态数据的,我们知道图商也在尝试提升先度,集成动员数据,有没有可能一路走到信息或者有人在过马路高动态数据,集中到图层里?这方面的瓶颈在哪里?主机厂考虑集成动态的环境感知数据的时候,比如说道路施工的信息,是更愿意从图商途径拿到数据还是会考虑其他的途径?两个通道对比的时候,主机厂的角度考虑有什么优劣势对比考虑?

朱瀚:站在我们的角度,我们的动态数据里并没有考虑车端自己的传感器感知的那一部分信息,比如说红绿灯跟停止线和车道的关系,提前告诉车端需要感知行驶这个车道前面有红绿灯,现在是红还是绿,是需要车完成的动作,人来完成的动作,不是地图要去记录的东西。所以我们不太会这样。但是这里不一样的是说,如果基础设施已经上来之后,可以把这些信息的确是可以在这里传递的,并不是我要记录的,还是一个物联的状态。 

郭继舜:动态信息判断就一个逻辑,就是谁快听谁的。

提问:大家好,我问一个关于APA的问题,刚才听到郭总分享APA也是你们广汽的产品之一。我的问题问四维图新的朱先生以及郭部长,迈向APA量产之路上,从图商和车厂的角度分别谈一谈你们认为最大的难点在哪里。

郭继舜:首先APA的第一个难点是,在我看来APA有一个非常好的未来,我给大家说一个假设,有一天你约一个非常漂亮的姑娘在万达吃饭,你把车开到万达门口,车一扔跟姑娘看电影去了,这个车自己绕到地下停车场,被停车场分配一个车位停下来。你看完电影,一边聊天,一边拿手机非常潇洒的点了一个接驾,车交完钱出来在那个位置等你,这个很酷,但这个非常难做。

APA为什么难做,第一个功能安全性,这个车上没有人,我就要求安全性很高,所以APA本质上是L4级别的技术。我必须要布非常多的设备,超宽带雷达或者摄像头,要保证它的安全,这个很贵。第二个高精地图,停车场高精地图建图不容易,因为柱子很多,死角很多,所以地图的建立也是很大的问题。第三个如何在充分使用车的传感器和充分达到平衡,使得成本最低。

如果万达广场需要三千万,万达是不会干的,因为没有快速收回成本的模式,只要几百万或者几十万建一个,信息不够全,安全性有问题怎么办,降低车速,原本要求15公里每小时,降到10公里每小时或者7公里每小时,在商场里不好用了,因为商场里车特别多。

由于功能安全的问题,必须要在厂端布很多设备,成本很高,所以覆盖面不是很广,因为覆盖面不是很广,车厂不愿意上,所以最后还是安全问题,怎么解决?现在解决方法是第一步不会在商场里布这个东西,我们量产到家庭里,比如你给你家人买辆车,你家人非常怕停车场,她又非常不会泊车,总会撞到柱子上,你可以买新车之后从你家的停车场到你买的车位,固定车位,就依靠人工智能的记忆算法,你跑十次,一次来一个车要停一下,车以为你每次要在这停,要取平均值,跑十次之后,这个车就能够做到自动开到你家停车位,按照你的开车方式开。因为车不会很多,慢点开没问题,如果要结合高精地图,功能安全,厂端的成倍,高精地图的建图都是很大的问题。

朱瀚:停车场的图和我们做高速和城市不太一样的地方是说其实它并不能像做高速,成本集中的把它量产,它会分布的很散,而且每一个单独的停车场采集的内容并不多,并不像高速要采那么多公里数,这样让成本特别分散,会让我们觉得这个东西回收是有问题的,做了之后是不是真的车厂会用,车厂用以什么价格,我们做这个图,对图商怎么回收成本,这是一个我们考虑的点。

我要花多少成本,如果在室外,我们有自研的高精度采集车,我们采图,回来制图,在地下,没有GPS,这套设备要单独再开发一套,我们当时做了技术验证,采地下停车场的设备,但是这种条件下,还是要打非常多的控制点,才能保证每一层,层与层之间的无缝的高精度的对接,每一层里点云,扫完之后点云融合可以得到精度很高的结果,和室外是不太一样的,本身的成本就高,再加上我们会觉得商业应用上来讲成本不太好回收,我们会觉得这个才是跟L3的高速度量产会有很大差别的地方。

提问:我有一个问题想问一下郭总,把智能驾驶不同等级可以简单概括为脱眼、脱手、脱脑,开发自动驾驶过程中,没有冗余的转型和SP,我想听一下您关于脱眼和脱手这两个功能在广汽现在的汽车上来说,它的应用规划或者你怎么看待这些功能?

郭继舜:L2是眼手都要在,要盯着前方,手要放在方向盘上,最多20秒,严禁脱手。我优先选择安全性,可以脱手,但眼睛不能离开。这样的状态下,只有一个场景现在解决不了,就是在高速公路上过匝道的时候,突然间失效的时候你的手来不及放上去,除了这个场景之外别的都OK。

提问:没有冗余的转向情况下,其他系统是可以接受的。

郭继舜:宝马在高端车型上,60公里以下的时候允许长时间脱手,虽然法律不允许,但是技术已经成熟了,我们做了更往前一步,120公里以下都可以长时间脱手,但是眼睛要盯着。EPS没有冗余,过匝道的时候一旦真的失效,会直接撞在匝道围栏上,那是有危险的,除了这个之外都OK。

周晓莺:圆桌讨论环节到此结束,还有问题大家可以会后再交流,感谢各位嘉宾,谢谢。


敬请关注盖世汽车“2019自动驾驶地图与定位大会”直播专题!

PC:http://yfzjqw.com/NewsTopic/199.html

移动:https://m.gasgoo.com/news/topic/199


试读已结束

如需阅读全部内容,请查看

本文地址:https://yfzjqw.com/News/2019/08/15065500550I70121946C601.shtml

文章标签: 自动驾驶

0

好文章,需要你的鼓励