基于自動駕駛眾包地圖更新技術方法

李月華

(北京華為數字科技有限公司， 北京 100101)

0 引言

隨著自動駕駛技術的迅速發展,高精度地圖更新的精度、鮮度和正確率等都發生著很大的變化,為自動駕駛行業高精度地圖的更新設計提供了一種嶄新的工作模式。基于自動駕駛眾包地圖更新技術的研究,在自動駕駛行業的應用方面受到越來越多的關注。高精度地圖眾包更新技術方法具有動態性、交互性和安全性等特點。

通過車載測量系統等手段獲取高精度地圖,為滿足自動駕駛行業地圖精確計算匹配、實時路徑規劃導航、輔助環境感知、駕駛決策輔助和智能汽車控制的需要提供基礎數據,并在每個環節都發揮著至關重要的作用[1]

由于智能汽車的自動化技術逐步加快,高精度地圖也需要不斷地更新地圖信息,來幫助解決智能駕駛過程遇到的各種外部環境感知問題。地圖更新需要地圖目標變化探測,地理空間數據的變化包含空間特征變化和屬性特征變化。對于空間數據更新,無論是空間特征未發生變化、屬性特征發生變化,還是空間特征和屬性特征都發生變化,更新工作都要進行[2]。

但是在新構建的特征信息的建圖更新過程中,傳統的高精度地圖構建方法是十分耗費成本和人力資源的。一方面,投入大量測繪采集車進行采集,需要大量成本投入。另一方面,對新獲取的信息也需要大量的人力去標注和質量檢測。此外,當前的技術算法還不成熟,也會增加人工投入的成本。

在自動駕駛行業中整車廠、互聯網公司、典型圖商及初創公司大力推廣使用高精度地圖數據采集與更新方案,它是低成本保持地圖時效性的有效手段,也是未來地圖更新的必經之路。各個眾包更新商在結合自動駕駛應用中,面臨著一些挑戰,依據在眾包更新方法生產高精度地圖過程中,位置精度的準確性、檢測目標的正確率、數據傳輸的效率、數據傳輸的安全性，以及是否滿足車端、云端數據處理能力要求,常常給大家造成困擾。

本文針對自動駕駛高精度地圖更新的復雜性,影響制圖時效的問題,提出了眾包更新技術方法,提高了數據的正確率,處理效率和置信度,對自動駕駛高精度地圖研究與應用具有促進作用。

1 高精度地圖

1.1 高精度地圖的定義和構成

自動駕駛高精度地圖也稱高分辨率地圖,以精細化描述道路及車道線、路沿、交通標志等,具有精度高、數據維度多、時效高等特點,為自動駕駛汽車的定位、規劃、決策和控制等應用提供安全保障,是自動駕駛解決方案的核心。它是關于車輛環境和交通運行數據元素的存儲和呈現結構,是自動駕駛感知融合與識別子系統的一部分,是實現自動駕駛的核心。

高精度地圖數據主要包括：反映道路基礎設施的靜態數據、反映交通運行情況(交通標志、交通狀況、道路性能和道路氣象等)的準動態數據和反映道路目標物(車輛環境、車輛位置、車輛行駛、車輛操作和行人位置數據)的高動態數據[3]。

靜態數據主要包括車道級的道路拓撲結構、基礎設施數據。車輛終端獲得靜態數據的途徑主要包括兩種：直接通過車載傳感器采集后識別獲得實時數據或者從地圖云平臺下載歷史數據。這兩種數據如果信息不匹配,可在地圖云平臺更新和共享。

準動態數據主要包括交通狀況數據、道路性能數據和道路氣象數據等交通運行數據;臨時性交通標志數據等交通運行數據。車輛終端獲得準動態數據的途徑有3種：(1)車載傳感器采集后識別獲得實時數據；(2)通過第五代移動通信技術(5th generation mobile communication technology,5G)從地圖云平臺獲得實時數據；(3)通過車用無線通信技術(vehicle to everything,V2X)從交通云平臺獲得實時數據。3種方式如果出現不一致,可在地圖云平臺更新和共享。

高動態數據主要包括道路目標物識別數據、車輛位置數據、行駛數據和行人位置等。高動態的道路目標物識別數據可通過車載傳感器設備采集后識別獲得,或通過V2X協同通信從車、路和人交換獲得。因為高度動態數據更新頻次很快,不必上傳到地圖云平臺,直接存儲在車載終端。

高精度地圖的作用是用于車輛高精度定位(橫向和縱向的車道級),為實現自動駕駛決策系統的路徑規劃、行為決策和運動規劃等功能提供重要支撐。高精度地圖不僅可以提供精準車道定位和預測,還可以提供實時交通信息,躲避擁堵和交通障礙。

1.2 眾包式地圖服務

自動駕駛對高精度地圖的鮮度有很高的要求,僅僅依靠專業的采集車線下采集無法實現道路的實時更新,需要增加眾包模式的地圖數據采集、上傳、處理和更新。眾包可以有效提升高精度地圖的采集效率,因此高精度地圖適宜采用智慧生產線，利用大數據分析、眾包數據采集和人工智能等新型制圖技術,來滿足智慧城市中自動駕駛多種場景的高精度地圖需求。

所謂眾包式地圖服務,是指通過投放多輛具有環境感知能力的車輛,一邊行駛一邊收集道路信息數據并上傳到云端,云端根據反饋得來的數據構建還原度高的、即時更新的行車地圖。為了降低維護更新指紋庫的成本,本文提出了利用眾包模式更新指紋庫的方法,即讓用戶在享受定位結果的同時參與對指紋庫的更新。

眾包模式作為采集與更新的一種手段,在自動駕駛地圖產業占據很重要的地位。一方面,自動駕駛地圖采集生產成本高。自動駕駛所需要的高精度地圖,需要極高的專業設備和專業采集能力,這也意味著極高的投入成本[4]。另外，高精度地圖還需要資質要求。眾包模式對于動態地圖信息(如道路是否擁堵、是否有交通事故、交通管制情況和天氣情況等)的實時更新比專業采集模式有更大的優勢。利用眾包模式更新方法,即讓用戶在享受定位結果的同時參與地圖的更新[5]。

1.2 高精度地圖更新類型及評價指標

1.2.1 更新類型

網絡電子地圖數據的更新方式根據更新內容的多少可以分為：全面更新和局部更新[6],全面更新成本高、周期長,局部更新是現勢性和成本相互妥協的一種方式。而高精度地圖更新眾包地圖主要從靜態圖層和動態圖層進行更新的。地圖更新的詳細說明見表1。

表1 地圖更新說明表

1.2.2評價指標

對眾包采集的原始數據,通過機器學習和大數據清洗處理后,可以進行構建地圖了。構圖過程中需要對高精度地圖進行性能評價,自動駕駛高精度地圖眾包更新的評價指標見表2。

表2 評價指標

2 眾包地圖解決方案

眾包更新模式中,數據的使用者同時也是數據的提供者。搭載傳感器的自動駕駛汽車在道路上行駛,將環境感知結果形成的矢量數據與高精度地圖進行對比,得出車輛在高精度地圖中的精確位置。當系統發現實時感知結果和地圖不匹配時,將變化的信息上報給云平臺。綜合多個車輛傳回云端的信息按一定規則進行數據處理,形成地圖更新信息,下發到各個車輛,完成地圖更新的完整閉環[7]。

2.1 眾包流程及標準化需求

2.1.1 眾包業務流程

高精地圖的眾包主要是分為兩個部分：智能感知終端,即端的感知能力,還有高精度地圖云,在云端做高精度的融合和更新處理。從眾包汽車上傳車輛信息和眾包請求;再到地圖云下發地圖信息、發布控制信息和下發地圖更新決策信息。針對以上技術原理,形成了如下眾包流程，見圖1。

圖1 眾包業務流程

2.1.2標準化

高精度地圖的應用越來越廣,需要相應的組織來監督和管理。高精度地圖與應用場景密切相關,可考慮精耕細作某一場景,分場景、分步驟實現高精度地圖的標準化[8]。眾包模式,在標準化方面也逐步適應行業應用,推行系統類、上傳類、下發類、測試類和融合類的標準落地,如表3所示。

表3 高精度地圖眾包標準化匯總表

2.2 地圖眾包包更新技術優化方法

汽車智能駕駛系統有兩大關鍵技術,車輛定位和車輛控制技術。車輛定位和控制在很大程度上依賴于高精度地圖。這就對地圖提出了新的要求,不僅需要分辨率高,還需要信息詳細[9]。總體解決方案是通過優化眾包流程、路側單元(road side unit,RSU)輔助、重點采集方式,來降低虛檢、誤檢和漏檢的影響,再利用云端融合的增強信息上報,來優化誤報信息,采集數據上傳后,提升車端和云端融合增強,采用多車數據處理、篩選和有效融合,優化融合效果,云端基于多源信息定位增強,達到自車定位和目標定位的精度,為自動駕駛的行業應用提供地圖支撐。

2.2.1眾包流程優化

根據行業標準和客戶要求,流程優化從單一變化檢測方式向選擇多源自適應的變化檢測決策方式轉變,得到不同更新結果來供云端決策是否進行地圖更新,主要包括車端、云端和RSU的更新匹配,更容易從源頭上減低虛檢、誤檢和漏檢的影響。

(1)車端更新匹配。眾包車輛感知周邊目標信息,比如有效異常軌跡篩選來判斷新增道路路徑[10],來將感知的地圖信息與本地地圖進行比較,確定是否匹配。如果不匹配上報感知的更新目標信息到云端,云端融合各車的上報結果并決定是否做地圖更新。有效案例：基于浮動車數據的道路網更新具有定位精度高、能全天候作業等特點,是一種低成本、高效率的地圖道路網的更新方法[11]。

(2)云端更新匹配。眾包車輛感知周邊目標,將感知的原始目標信息或者感知的原始數據信息上報到云端,云端綜合各車上報的信息確定與云端地圖進行比較,確定是否匹配,云端結果匹配量的多少決策是否做地圖更新。例如：云服務平臺將任務釋放給位于感測區域的車輛霧節點。根據任務、車輛霧節點找到正確的感知報告,如果有所需數據,則將其返回到云服務平臺;反之車輛霧節點則會繼續廣播此任務[12]。

(3)RSU端更新匹配。眾包車輛感知周邊目標,將感知的原始目標信息或者感知的原始數據信息上報到RSU,RSU綜合各車上報的信息確定與地圖進行比較,例如：速度管理：限速提醒;協同導航;協同本地服務：興趣點提醒等[13],確定是否匹配,如果不匹配上報感知的更新目標信息到云端,云端融合各車的上報結果并決定是否做地圖更新。

2.2.2上傳架構優化

眾包車輛通過不同的數據采集方式,將自動駕駛車輛內部數據、傳感器結果數據、音視頻流以及工控機融合數據等數據采集、融合及計算并通過不同傳輸方式上傳到云平臺[11]。車端到云端的上傳架構優化,主要包括傳感器類型、數據內容和上報模式的自適應性的編號,有利于云端融合的增強信息上報。

(1)眾包單元中單傳感器向多傳感器的獲取檢測數據,數據多樣化,需要傳感器結合眾包的應用,自適應地去上傳有價值的數據。

(2)上報模式從獨立于地圖的上報,車端不做變化決策到眾包模式中地圖綁定的上報,車端做變化決策的轉變。

(3)云端融合模式的轉變,眾包車輛通過感知設備獲取原始數據類,與地圖匹配,求出置信度1,再從檢測數據類與地圖匹配,得到置信度2,最后從目標數據類與地圖匹配,得到置信度3,縱向融合得出每個置信度,再從橫向融合來相互驗證,優化出準確的置信度,可靠性得到優化。

(4)眾包接口的數據結構優化,從原來的數據實體模式到地圖元素模式的結構優化,增加地圖元素信息,例如，瓦片號、元素組和變化類型等。

2.2.3融合增強優化

車端和云端融合增強優化主要包括車端融合置信度增強和云端融合置信度增強,有利于數據處理、篩選和有效融合,提高置信度,增加眾包更新的可應用性。

(1)車端融合置信度增強。眾包車輛遵循車端置信度增強框架,得出每輛車的識別結果、置信度和置信度類型,推送到云端,云端融合輔助車端進行置信度的增強,根據不同的置信度類型優化算法達到車端融合增強的靈活性。其中，置信度類型主要包括后驗概率、后驗概率估計、隨機性度量值、模糊數學隸屬度等類型。車輛融合置信度增強面臨的挑戰是置信度計算工時及其變形眾多,無法遍歷完,后續需要不斷的優化。

(2)云端融合置信度增強。云端遵循云端置信度增強框架,根據每輛車上報的識別結果、置信度和置信度計算的參變量,定義出統一的置信度函數,優化地圖云特定的置信度函數達到云端融合增強的可靠性。其中置信度函數參變量主要包括檢測狀態信息、目標遮擋信息、先驗信息、環境信息數據質量和傳感器性能配置等變量。基于多種組合下的聯合概率或條件概率分布,剔除異常點,利用多元素間的相對約束關系提高可靠性,實現有效融合。面臨的挑戰主要是各車的地圖元素集合、版本和結果不統一,這樣對檢測帶來不確定性。

2.2.3定位增強優化

在智能網聯汽車系統中,車輛通過路側基礎設施能夠直接獲取到道路的基礎環境信息,并利用基礎設施進行高精度定位。但對于不能發射信號的基礎設施來說,高精度地圖就可以用于感知環境和車道規劃[14]。

眾包模式中主要是優化基于地圖匹配定位和多傳感器融合定位來準確獲取汽車定位信息。

(1)地圖匹配定位,在衛星定位和慣性導航出現明顯誤差時,利用實時道路物理信息(行駛經緯度采樣序列)與預制高精度地圖路網進行匹配,采用幾何匹配算法、概率統計算法,確定汽車當前的行駛路段以及在路段中的準確位置,校正定位誤差,提高定位精度。

(2)多傳感器融合定位,將傳感器的觀測數據進行預處理、數據配準和融合等處理后,輸出汽車自身的速度、位置和姿態信息。利用卡爾曼濾波技術,從融合的數據提取特征向量,并進行判斷識別,獲得精度高的汽車自身信息。有了精確地獲取自身坐標,基于目標位置誤差建模,優化定位增強,不僅要優化自車定位的準確性,而且還要優化目標定位的精準度。

3 總結與展望

從自動駕駛行業高精度地圖長遠的發展來看,行業標準的發布和技術的落地能從根本上解決當前出現的各種挑戰。高精度地圖的眾包建圖更新是一個充分利用當前車載導航器具及技術越來越智能化的優勢,順應互聯網時代背景下產品與用戶交互迭代趨勢的解決方案。

眾包的標準化,也是自動駕駛的強需求,在靜態地圖的上傳數據格式上,推動多源數據類型、眾包上報框架和地圖更新模式的標準落地;在動態地圖信息要推動動態信息數據交換格式中的動態圖層元數據、數據模型和傳輸模式的執行;在地圖下發層面需要推動眾包地圖更新方式和優先級的標準落地;最后要在眾包安全類、測試規范類等新標準的推動上要發力,這樣才能真正實現眾包地圖更新模式在自動駕駛行業的落地。

后續在眾包的動態圖層更新、落地,需要各個圖商、車廠一起做好方案設計,逐步驗證更新方案的可行性。

此外,眾包者將感知數據貢獻給地圖云平臺,但是同時也增加了用戶隱私泄露的風險。由于數據安全問題以及用戶擔心隱私被泄露,使得車輛地圖更新的發展受到了嚴重影響。當用戶通過網絡進行數據交互時,數據的所有者不再對數據具有控制權,而是托管到了云端進行進一步運算及處理,所以，如何保障托管數據的完整性和機密性便成了云端所面臨的全新挑戰[15]。

4 結束語

隨著智能網聯汽車信息技術的發展,眾包必將在自動駕駛行業發揮更大的作用,解決自動駕駛行業高精度地圖更新時間長、成本高等問題,滿足未來自動駕駛行業服務能力和服務水平的迫切需要。

眾包機制目前還處于研究起步階段,圍繞眾包更新的技術點,提高高精度地圖眾包更新的自動化程度,持續的眾包采集方式可以建立穩定的數據源,實現數據和算法的快速迭代的反饋閉環,從而降低規模化量產高精度地圖的總成本。