基于自动驾驶众包地图更新技术方法

2022-08-01李月华

北京测绘 2022年5期

李月华

(北京华为数字科技有限公司，北京 100101)

0 引言

随着自动驾驶技术的迅速发展,高精度地图更新的精度、鲜度和正确率等都发生着很大的变化,为自动驾驶行业高精度地图的更新设计提供了一种崭新的工作模式。基于自动驾驶众包地图更新技术的研究,在自动驾驶行业的应用方面受到越来越多的关注。高精度地图众包更新技术方法具有动态性、交互性和安全性等特点。

通过车载测量系统等手段获取高精度地图,为满足自动驾驶行业地图精确计算匹配、实时路径规划导航、辅助环境感知、驾驶决策辅助和智能汽车控制的需要提供基础数据,并在每个环节都发挥着至关重要的作用[1]

由于智能汽车的自动化技术逐步加快,高精度地图也需要不断地更新地图信息,来帮助解决智能驾驶过程遇到的各种外部环境感知问题。地图更新需要地图目标变化探测,地理空间数据的变化包含空间特征变化和属性特征变化。对于空间数据更新,无论是空间特征未发生变化、属性特征发生变化,还是空间特征和属性特征都发生变化,更新工作都要进行[2]。

但是在新构建的特征信息的建图更新过程中,传统的高精度地图构建方法是十分耗费成本和人力资源的。一方面,投入大量测绘采集车进行采集,需要大量成本投入。另一方面,对新获取的信息也需要大量的人力去标注和质量检测。此外,当前的技术算法还不成熟,也会增加人工投入的成本。

在自动驾驶行业中整车厂、互联网公司、典型图商及初创公司大力推广使用高精度地图数据采集与更新方案,它是低成本保持地图时效性的有效手段,也是未来地图更新的必经之路。各个众包更新商在结合自动驾驶应用中,面临着一些挑战,依据在众包更新方法生产高精度地图过程中,位置精度的准确性、检测目标的正确率、数据传输的效率、数据传输的安全性，以及是否满足车端、云端数据处理能力要求,常常给大家造成困扰。

本文针对自动驾驶高精度地图更新的复杂性,影响制图时效的问题,提出了众包更新技术方法,提高了数据的正确率,处理效率和置信度,对自动驾驶高精度地图研究与应用具有促进作用。

1 高精度地图

1.1 高精度地图的定义和构成

自动驾驶高精度地图也称高分辨率地图,以精细化描述道路及车道线、路沿、交通标志等,具有精度高、数据维度多、时效高等特点,为自动驾驶汽车的定位、规划、决策和控制等应用提供安全保障,是自动驾驶解决方案的核心。它是关于车辆环境和交通运行数据元素的存储和呈现结构,是自动驾驶感知融合与识别子系统的一部分,是实现自动驾驶的核心。

高精度地图数据主要包括：反映道路基础设施的静态数据、反映交通运行情况(交通标志、交通状况、道路性能和道路气象等)的准动态数据和反映道路目标物(车辆环境、车辆位置、车辆行驶、车辆操作和行人位置数据)的高动态数据[3]。

静态数据主要包括车道级的道路拓扑结构、基础设施数据。车辆终端获得静态数据的途径主要包括两种：直接通过车载传感器采集后识别获得实时数据或者从地图云平台下载历史数据。这两种数据如果信息不匹配,可在地图云平台更新和共享。

准动态数据主要包括交通状况数据、道路性能数据和道路气象数据等交通运行数据;临时性交通标志数据等交通运行数据。车辆终端获得准动态数据的途径有3种：(1)车载传感器采集后识别获得实时数据；(2)通过第五代移动通信技术(5th generation mobile communication technology,5G)从地图云平台获得实时数据；(3)通过车用无线通信技术(vehicle to everything,V2X)从交通云平台获得实时数据。3种方式如果出现不一致,可在地图云平台更新和共享。

高动态数据主要包括道路目标物识别数据、车辆位置数据、行驶数据和行人位置等。高动态的道路目标物识别数据可通过车载传感器设备采集后识别获得,或通过V2X协同通信从车、路和人交换获得。因为高度动态数据更新频次很快,不必上传到地图云平台,直接存储在车载终端。

高精度地图的作用是用于车辆高精度定位(横向和纵向的车道级),为实现自动驾驶决策系统的路径规划、行为决策和运动规划等功能提供重要支撑。高精度地图不仅可以提供精准车道定位和预测,还可以提供实时交通信息,躲避拥堵和交通障碍。

1.2 众包式地图服务

自动驾驶对高精度地图的鲜度有很高的要求,仅仅依靠专业的采集车线下采集无法实现道路的实时更新,需要增加众包模式的地图数据采集、上传、处理和更新。众包可以有效提升高精度地图的采集效率,因此高精度地图适宜采用智慧生产线，利用大数据分析、众包数据采集和人工智能等新型制图技术,来满足智慧城市中自动驾驶多种场景的高精度地图需求。

所谓众包式地图服务,是指通过投放多辆具有环境感知能力的车辆,一边行驶一边收集道路信息数据并上传到云端,云端根据反馈得来的数据构建还原度高的、即时更新的行车地图。为了降低维护更新指纹库的成本,本文提出了利用众包模式更新指纹库的方法,即让用户在享受定位结果的同时参与对指纹库的更新。

众包模式作为采集与更新的一种手段,在自动驾驶地图产业占据很重要的地位。一方面,自动驾驶地图采集生产成本高。自动驾驶所需要的高精度地图,需要极高的专业设备和专业采集能力,这也意味着极高的投入成本[4]。另外，高精度地图还需要资质要求。众包模式对于动态地图信息(如道路是否拥堵、是否有交通事故、交通管制情况和天气情况等)的实时更新比专业采集模式有更大的优势。利用众包模式更新方法,即让用户在享受定位结果的同时参与地图的更新[5]。

1.2 高精度地图更新类型及评价指标

1.2.1 更新类型

网络电子地图数据的更新方式根据更新内容的多少可以分为：全面更新和局部更新[6],全面更新成本高、周期长,局部更新是现势性和成本相互妥协的一种方式。而高精度地图更新众包地图主要从静态图层和动态图层进行更新的。地图更新的详细说明见表1。

表1 地图更新说明表

1.2.2评价指标

对众包采集的原始数据,通过机器学习和大数据清洗处理后,可以进行构建地图了。构图过程中需要对高精度地图进行性能评价,自动驾驶高精度地图众包更新的评价指标见表2。

表2 评价指标

2 众包地图解决方案

众包更新模式中,数据的使用者同时也是数据的提供者。搭载传感器的自动驾驶汽车在道路上行驶,将环境感知结果形成的矢量数据与高精度地图进行对比,得出车辆在高精度地图中的精确位置。当系统发现实时感知结果和地图不匹配时,将变化的信息上报给云平台。综合多个车辆传回云端的信息按一定规则进行数据处理,形成地图更新信息,下发到各个车辆,完成地图更新的完整闭环[7]。

2.1 众包流程及标准化需求

2.1.1 众包业务流程

高精地图的众包主要是分为两个部分：智能感知终端,即端的感知能力,还有高精度地图云,在云端做高精度的融合和更新处理。从众包汽车上传车辆信息和众包请求;再到地图云下发地图信息、发布控制信息和下发地图更新决策信息。针对以上技术原理,形成了如下众包流程，见图1。

图1 众包业务流程

2.1.2标准化

高精度地图的应用越来越广,需要相应的组织来监督和管理。高精度地图与应用场景密切相关,可考虑精耕细作某一场景,分场景、分步骤实现高精度地图的标准化[8]。众包模式,在标准化方面也逐步适应行业应用,推行系统类、上传类、下发类、测试类和融合类的标准落地,如表3所示。

表3 高精度地图众包标准化汇总表

2.2 地图众包包更新技术优化方法

汽车智能驾驶系统有两大关键技术,车辆定位和车辆控制技术。车辆定位和控制在很大程度上依赖于高精度地图。这就对地图提出了新的要求,不仅需要分辨率高,还需要信息详细[9]。总体解决方案是通过优化众包流程、路侧单元(road side unit,RSU)辅助、重点采集方式,来降低虚检、误检和漏检的影响,再利用云端融合的增强信息上报,来优化误报信息,采集数据上传后,提升车端和云端融合增强,采用多车数据处理、筛选和有效融合,优化融合效果,云端基于多源信息定位增强,达到自车定位和目标定位的精度,为自动驾驶的行业应用提供地图支撑。

2.2.1众包流程优化

根据行业标准和客户要求,流程优化从单一变化检测方式向选择多源自适应的变化检测决策方式转变,得到不同更新结果来供云端决策是否进行地图更新,主要包括车端、云端和RSU的更新匹配,更容易从源头上减低虚检、误检和漏检的影响。

(1)车端更新匹配。众包车辆感知周边目标信息,比如有效异常轨迹筛选来判断新增道路路径[10],来将感知的地图信息与本地地图进行比较,确定是否匹配。如果不匹配上报感知的更新目标信息到云端,云端融合各车的上报结果并决定是否做地图更新。有效案例：基于浮动车数据的道路网更新具有定位精度高、能全天候作业等特点,是一种低成本、高效率的地图道路网的更新方法[11]。

(2)云端更新匹配。众包车辆感知周边目标,将感知的原始目标信息或者感知的原始数据信息上报到云端,云端综合各车上报的信息确定与云端地图进行比较,确定是否匹配,云端结果匹配量的多少决策是否做地图更新。例如：云服务平台将任务释放给位于感测区域的车辆雾节点。根据任务、车辆雾节点找到正确的感知报告,如果有所需数据,则将其返回到云服务平台;反之车辆雾节点则会继续广播此任务[12]。

(3)RSU端更新匹配。众包车辆感知周边目标,将感知的原始目标信息或者感知的原始数据信息上报到RSU,RSU综合各车上报的信息确定与地图进行比较,例如：速度管理：限速提醒;协同导航;协同本地服务：兴趣点提醒等[13],确定是否匹配,如果不匹配上报感知的更新目标信息到云端,云端融合各车的上报结果并决定是否做地图更新。

2.2.2上传架构优化

众包车辆通过不同的数据采集方式,将自动驾驶车辆内部数据、传感器结果数据、音视频流以及工控机融合数据等数据采集、融合及计算并通过不同传输方式上传到云平台[11]。车端到云端的上传架构优化,主要包括传感器类型、数据内容和上报模式的自适应性的编号,有利于云端融合的增强信息上报。

(1)众包单元中单传感器向多传感器的获取检测数据,数据多样化,需要传感器结合众包的应用,自适应地去上传有价值的数据。

(2)上报模式从独立于地图的上报,车端不做变化决策到众包模式中地图绑定的上报,车端做变化决策的转变。

(3)云端融合模式的转变,众包车辆通过感知设备获取原始数据类,与地图匹配,求出置信度1,再从检测数据类与地图匹配,得到置信度2,最后从目标数据类与地图匹配,得到置信度3,纵向融合得出每个置信度,再从横向融合来相互验证,优化出准确的置信度,可靠性得到优化。

(4)众包接口的数据结构优化,从原来的数据实体模式到地图元素模式的结构优化,增加地图元素信息,例如，瓦片号、元素组和变化类型等。

2.2.3融合增强优化

车端和云端融合增强优化主要包括车端融合置信度增强和云端融合置信度增强,有利于数据处理、筛选和有效融合,提高置信度,增加众包更新的可应用性。

(1)车端融合置信度增强。众包车辆遵循车端置信度增强框架,得出每辆车的识别结果、置信度和置信度类型,推送到云端,云端融合辅助车端进行置信度的增强,根据不同的置信度类型优化算法达到车端融合增强的灵活性。其中，置信度类型主要包括后验概率、后验概率估计、随机性度量值、模糊数学隶属度等类型。车辆融合置信度增强面临的挑战是置信度计算工时及其变形众多,无法遍历完,后续需要不断的优化。

(2)云端融合置信度增强。云端遵循云端置信度增强框架,根据每辆车上报的识别结果、置信度和置信度计算的参变量,定义出统一的置信度函数,优化地图云特定的置信度函数达到云端融合增强的可靠性。其中置信度函数参变量主要包括检测状态信息、目标遮挡信息、先验信息、环境信息数据质量和传感器性能配置等变量。基于多种组合下的联合概率或条件概率分布,剔除异常点,利用多元素间的相对约束关系提高可靠性,实现有效融合。面临的挑战主要是各车的地图元素集合、版本和结果不统一,这样对检测带来不确定性。

2.2.3定位增强优化

在智能网联汽车系统中,车辆通过路侧基础设施能够直接获取到道路的基础环境信息,并利用基础设施进行高精度定位。但对于不能发射信号的基础设施来说,高精度地图就可以用于感知环境和车道规划[14]。

众包模式中主要是优化基于地图匹配定位和多传感器融合定位来准确获取汽车定位信息。

(1)地图匹配定位,在卫星定位和惯性导航出现明显误差时,利用实时道路物理信息(行驶经纬度采样序列)与预制高精度地图路网进行匹配,采用几何匹配算法、概率统计算法,确定汽车当前的行驶路段以及在路段中的准确位置,校正定位误差,提高定位精度。

(2)多传感器融合定位,将传感器的观测数据进行预处理、数据配准和融合等处理后,输出汽车自身的速度、位置和姿态信息。利用卡尔曼滤波技术,从融合的数据提取特征向量,并进行判断识别,获得精度高的汽车自身信息。有了精确地获取自身坐标,基于目标位置误差建模,优化定位增强,不仅要优化自车定位的准确性,而且还要优化目标定位的精准度。

3 总结与展望

从自动驾驶行业高精度地图长远的发展来看,行业标准的发布和技术的落地能从根本上解决当前出现的各种挑战。高精度地图的众包建图更新是一个充分利用当前车载导航器具及技术越来越智能化的优势,顺应互联网时代背景下产品与用户交互迭代趋势的解决方案。

众包的标准化,也是自动驾驶的强需求,在静态地图的上传数据格式上,推动多源数据类型、众包上报框架和地图更新模式的标准落地;在动态地图信息要推动动态信息数据交换格式中的动态图层元数据、数据模型和传输模式的执行;在地图下发层面需要推动众包地图更新方式和优先级的标准落地;最后要在众包安全类、测试规范类等新标准的推动上要发力,这样才能真正实现众包地图更新模式在自动驾驶行业的落地。

后续在众包的动态图层更新、落地,需要各个图商、车厂一起做好方案设计,逐步验证更新方案的可行性。

此外,众包者将感知数据贡献给地图云平台,但是同时也增加了用户隐私泄露的风险。由于数据安全问题以及用户担心隐私被泄露,使得车辆地图更新的发展受到了严重影响。当用户通过网络进行数据交互时,数据的所有者不再对数据具有控制权,而是托管到了云端进行进一步运算及处理,所以，如何保障托管数据的完整性和机密性便成了云端所面临的全新挑战[15]。