—— 汽车产业链供需平台 ——
首页 > 资讯 > 智能网联 > 四维图新韦鸿鹰:高精度地图在自动驾驶中的

四维图新韦鸿鹰:高精度地图在自动驾驶中的关键价值和面临的主要挑战

盖世直播 2021-10-11 16:55:17

9月28日—29日,“中国车谷2021智能汽车产业创新论坛”隆重召开。本次论坛由武汉经济技术开发区和东风汽车集团有限公司联合主办,由武汉市智能汽车产业创新联盟与盖世汽车联合承办,主要围绕智能汽车的创新发展这一主题展开,涉及到人机共驾、地图定位、人工智能与芯片、仿真测试等多个热门领域。以下是武汉四维图新总经理、地图云产品中心技术研发副总经理 韦鸿鹰的发言:

DK00644.JPG

武汉四维图新总经理、地图云产品中心技术研发副总经理 韦鸿鹰

各位在场的同行们、朋友们,大家下午好!今天我代表四维图新来给大家讲一下高精度地图在自动驾驶中的关键作用以及它遇到的主要挑战,主要从四个方向来讲,一是四维图新公司介绍,二是我们对趋势的理解,三是我们的产品介绍,最后我会把挑战展开来说一下。

四维图新是地图行业里面的老兵,四维图新从2002年创立到现在,明年就有20年的历程了。四维图新在导航地图这个方面一直在引领整个行业的发展,创造了很多个第一,第一个导航地图是由四维图新推出来的,第一张导航地图甲级测绘资质也是四维图新拿到的,第一个作为图商上市的也是四维图新。在前面15年时间里,四维图新已经发展成为了导航地图、动态交通信息以及车联网方面领军的企业。

在这15年时间里,我们也经历了很多风口,互联网的风口、手机移动互联网的风口,包括刚刚过去不久的大数据、云计算的风口。因为大数据和云计算的发展,引爆了AI。

四维图新也进行了战略的升级,开始在智能化方向上做全面的布局。首先我们在高精度地图,在自动驾驶ADS解决方案,在高精度定位,在汽车芯片方面都做了完善的技术生态的布局,从2015年开始布局到现在已经逐步具备了量产的能力。

四维图新总体的目标是,希望通过这些新技术的布局,能够为我们的智能出行贡献我们的力量,最终我们希望能够成长为一个可信赖的智能出行科技公司。

下面说一下我们对趋势的理解。这两天,尤其是昨天,麦肯锡的管总对这个趋势做了非常深入到位的解读,我们的理解跟他是完全一致的。从现在生态发展的情况来看,在“新四化”的背景下,智能化越来越突出,智能化已经成为未来主要的玩家重点去加码的一个主战场。从消费者的响应上来看,也可以看到一个明显的趋势,今年以蔚来、理想、小鹏为代表的造车新势力所推出的新能源智能车,有的销量甚至要突破1万。

但是反过来看,传统车企做了很多新能源车,但是销量并不是那么理想,这当中的原因是什么呢?我们的理解是,这当中最主要的差别是在智能化的程度上面。所以智能化一定是我们从现在开始最主要的一个战场。

从量上的分配来看,我们也认同,从今年开始一直到2025年,L2+是一个主要的发展方向,L3、L4也会有发展,但更多的是在限定的场景下。

讲到高精度地图的关键作用,昨天李院士,还有刚才咱们的同行们已经做了很深入的解释,是跟我们的理解完全一致的。高精度地图在传感器冗余,在高精度融合定位,在车道级的规划引导,以及一些差异化的驾驶规则和决策辅助上面是起到一些关键性的作用的。

前面三点,立得空间、华为都做了很好的解释,包括昨天的李院士讲得更清楚,所以我更想讲的是第四点。我们很多道路场景会有很多信息的缺失,像路口,路口就没有任何标志标线,像环岛,环岛会导致视觉传感器有效作用的范围是很小的,这都是现实场景的一些缺失。通过高精度地图,我们可以通过建立虚拟的车道线来弥补所有这些感知的缺失,在它做域控制的时候可以得到一个很好的支持。包括有一些高速公路的场景,你可能想象不到高速公路还会有路口,高速公路可能还会有调头口,这些都是高精度地图可以弥补的非常好的案例。

接下来介绍四维图新在高精度地图方面的一些产品的情况,到现在为止,四维图新是最早覆盖全国高速数据的,剩下的图商也有已经达到这个数据的。但这不仅仅是覆盖的问题,在整个地图生产的完整的工具链上面,我们已经从自采集,到数据的制作、发布,以及到车端传感器的接收,做更新发布,这都是已经完全建好的工具链系统。

在产品层面上,我们面向整个L2+以及L3做了一些产品上面的定义,我们在高精度地图上面主要针对L2+定义了一个产品叫HD Lite,这个产品更多的是面向城市普通路的场景,它在要素上面以及精度上面相对L3级别的产品来讲是有所减弱的。针对L3的场景,我们这个产品叫HD Pro,它的应用场景是以高速公路为主,在要素的丰富度上面以及精度指标上面,都要比HD Lite要有所增强。

这里给大家展示一下我们实际的数据产品,这是我们Pro产品的展现,这是面向高速公路的产品,从高速的丰富度以及精度上来看,都是要求比较高的一个产品。另外一个是面向城市的HD Lite,可能大家看不出太大的差别,但是对于对象、要素以及精度上面是有一定的差距的,和Pro这个产品相比,但可以满足L2+的应用需求。

另外我们也在做One AD Map这个新产品,这个新产品更多的是解决不同层次的产品叠加在一起,能够更快、更好地适配。它主要的关键点是我们使用以HD Pro的路网作为一个基础参考,所有的产品以这个路网作为同一个路网来使用,这样就可以非常有效地解决适配效率的问题。其次,也可以带来一个新的好处,就是可以根据实际数据覆盖的场景来决定是启用L2+还是启用L3数据,这是一个无缝的对接。

说完产品,再来说一下挑战。对于高精度地图来讲,大家可以看到它最大的特点,我们认为应该是上面这四个特点:1、精度要求很高;2、要求的要素远远比传统的导航地图要丰富得多;3、对新鲜度的要求是非常高的,我们主机厂甚至提出实时更新;4、对品质要求也是非常高的,这个更多是从可信的角度、从安全的角度来对数据提出一些高品质的要求。

反过来讲,这四个特性在我们看来也就是整个高精度地图的最大的挑战,每一项都是一个大的挑战。针对这四个特性,四维图新总体的解决方案应该是分几大块。

首先在高精度上面,我们自研了高精度专业的采集车,这样一台车在最初的时候,整个匹配下来是几百万级的成本,我们这几年做下来以后,对传感器也做了优化,更多的是我们在算法上面做了更大的优化,目前这样的采集车可以做到几十万的成本,但是精度和几百万的相比没有太大的差距。

另外一点,就是针对高精度算法是更重要的一点,在轨迹精度优化这方面我们也加强了算法的提升。对于多要素、要素丰富的挑战来看,更多的是提高自动化的能力,我们做了大量自动成图的算法,尽可能把自动化率提高上去。如果是在完全自动化做不到的时候,我们会考虑人工引导的半自动化来实现整个要素的快速提取、快速成图。

在品质这方面,我们建立了完备的室内、室外以及精度三种评价方法,品质方面四维图新是在业界做得比较好的,同时包含相关的认证,我们常见的ISO9001等等,这都是我们已经通过的一些认证。

对于高鲜度来讲,我们能够解决的一个途径也是大家普遍看到的途径,就是众包。到现在为止,四维图新已经搭建了一个完整的从端到云再回到端的完整的众包的工具链平台,到现在为止我们已经和一些头部的车厂进行了真实的数据链条打通,比如宝马、戴姆勒都和我们做过实际的对接,通过他们车端的生产数据真正完成了地图的更新,同时我们也和几大Tier1做了这方面的合作。

但是众包也面临很大的挑战,前面华为的张总也说了这方面的内容,众包在实际落地过程中存在很多不确定性,主要表现在我们的源有很多种,有的是来自车端的语义源,那个可能精度比较高,但是有很多源来自于类似滴滴这样低精度的影像源,这个精度就差得很多。更多的是对于这种低精源我们要基于影像来做识别和处理,它也会引发很多问题,比如认知不稳定,认知不完整,还有人的主观性,这是由于算法造成的。再一个,抗干扰性也是很差的,对于不同的天气状况,算法的普世性就会有很大的不确定,这其实是众包比较大的挑战。

面对这样的情况我们现在的总体思路是,采用多途径来实现一个完整的数据更新,一方面是针对社会众包资源,这个是最低成本的,但是社会众包资源其实很多场景下是不可调度的,它取决于有没有车经过那儿,你没有办法指挥这个车必须经过那儿,所以我们也会考虑自己来做一些主动众包的采集车,来自行调度去弥补社会众包车没有经过的地方,自行采集的地方,如果我们众包车的精度也达不到,最后还会出我们专业的采集车。这个就是我们总体面向众包的这些问题以及我们采取的总体的应对方案。

还有一点,刚才大家普遍提到了,合规对于高精度地图来讲也是一个比较大的挑战,无论是数据的偏转,还是审图,还是数据的安全,都会面临着比较大的合规风险。四维图新和友商,和国家层面多部委一起在联合推进相关标准的制定,以及做一些实际的方法论证。我们现在承担了国家关于商密在整个数据安全里面的传输、存储的实际的项目,通过“十四五”课题和高校一起承担了关于审图方面的解决方案,也联合多部委去制定数据层面上一些脱敏的标准。合规是需要业界和政府一起共同去推进,把相关的制度以及方法梳理清楚。

我的分享就到这里,谢谢大家!