禾多科技技術總監駱沛:如何打造面向量產的自動駕駛高精度定位方案?

*禾多科技技術總監駱沛

近日，由SAE Intenational（國際自動機工程師學會）主辦的SAE 2018汽車智能與網聯技術國際學術會議在崑山落下帷幕。30多位來自中美日歐的頂尖技術專家、學者相聚於這場國際性技術交流盛會，發表汽車智能網聯領域的學術進步和新技術應用探索成果。其中，禾多科技技術總監駱沛博士發表了題為《面向量產的自動駕駛高精度定位》的主旨演講，主要介紹了自動駕駛常用的定位方法，並分析了它們各自的優勢和局限性。同時，結合禾多科技面向量產的高精地圖+高精度定位的技術方案，深度解析了研發過程中遇到的技術難題和解決方法。

以下是駱沛的演講全文，雷鋒網新智駕在不改變原意的基礎上，整理如下：

在自動駕駛系統中，高精定位發揮著重要作用，一方面幫助自動駕駛系統更好地使用高精地圖提供的信息，為自動駕駛系統的路徑規劃和車輛控制提供準確的車輛位置和姿態；同時可以輔助感知系統，得到更加準確的檢測和跟蹤結果。

各有優劣的常用高精定位方案

目前常用的高精定位方案有以下4種。

此方案優點是：當GPS接入RTK之後，可以提供非常精確、高頻、穩定的位置和姿態結果，一般情況下，可以達到10cm的位置精度和小於0.1度的航向角精度。

該方案的缺點也非常明顯。第一，成本非常高；第二，依賴GPS，在有遮擋的環境裡，GPS信號可能會出現跳變；第三，依賴RTK，而RTK須在有基站的地方才可運行；最後，嚴重依賴IMU，因為定位的綜合結果中包括姿態，與IMU的精度息息相關。

除了硬體方案之外，也有基於軟體的定位方案，比如基於反射值地圖和高度圖的方案。該方案需要預先構建地圖，首先把雷射雷達數據用算法進行拼接得到點雲地圖，再將三維的點雲地圖投影到二維平面上生成特徵圖像。當車輛運行時，通過用實時的三維點雲跟特徵圖像進行匹配，實現車輛定位。

此方案優點是精度和魯棒性高：一般水平定位精度可以達到10cm左右；在雷射被障礙物遮擋的情況下，也可以正常工作。缺點也同樣不少，首先，只能輸出車輛的x、y信息，所以只可得到二維平面上的定位結果；第二，需要預先對雷射雷達的反射值進行標定，但由於目前雷射雷達生產工藝的原因，即使用同一款雷射雷達在不同實地做標定，標定結果也會存在很大偏差，因此可能會限制此方法的擴展性；第三，該方案依賴高線束雷射雷達，如果採用4線或8線雷射雷達，就會失去精度和魯棒性高的優勢。

除了二維的全局定位算法，還有三維的雷射匹配算法。該方法與反射值地圖的方案相比，有兩個不同點。首先，三維定位方法輸出的定位結果包含6個自由度；其次，除了跟地圖匹配進行全局定位之外，該方法還支持雷射裡程計，可輸出相對定位結果。

同樣該方法也存在一些限制。首先，若進行全局定位，需預先構建地圖；第二，需要非量產的高線束雷射雷達才能穩定工作。

前三種是基於雷射雷達的方案，此外，基於視覺方案也是一個研究熱點。純視覺方案成本低，精度高，信息量大，但算法的魯棒性低於雷射雷達的方案。

雷鋒網(公眾號：雷鋒網)新智駕了解到，目前部分以L4級無人車運營為目標的初創公司，定位方案在硬體上大多使用高線束雷射雷達和高精度的GPS/IMU。一方面，此硬體配置成本高，非車規，而且雷射雷達安裝在車頂，美觀性差。另一方面，從高精地圖的應用來看，公司需要使用高精度設備採集、更新三維點雲地圖，這給擴展和維護帶來了很大困難。另外，自建地圖很難與第三方地圖兼容。所以，此類定位方案離量產還有比較長的路要走。

高精地圖與高精定位相輔相成

高精地圖的三大特點包括，精度高、信息豐富、實時更新。 

精度高：地圖精度分為絕對精度和相對精度。絕對精度為分米級，相對精度能達到釐米級。自動駕駛領域，人們更關注的是相對精度。

信息豐富：除了常見的車道線、路標和交通標誌外，高精地圖還包括路肩、燈杆、樹木以及高架橋等信息。  

及時更新： 高精地圖要求及時更新。

如今高精地圖主要有兩種表現形式：語義地圖和定位地圖。

語義地圖：常見於圖商，是傳統導航地圖的一種擴展。圖商將原始的傳感器信息，經過半自動或者人工處理，轉換成語義元素。因此，語義地圖沒有任何傳感器的原始數據，只有抽象的語義信息。

定位地圖：多見於網際網路公司和自動駕駛初創企業。除語義信息外，還包含用於高精度定位的原始傳感器數據和部分低層級特徵，比如原始點雲或圖像的特徵點等。

在高精定位中，高精地圖能帶來三方面的幫助。一是為定位提供特徵，此特徵可是語義、幾何、或外觀的；二是為定位提供先驗信息，例如人們通過高精地圖知曉何地出現動態障礙物和幹擾定位的元素；三是提升定位在特殊情況下的魯棒性，例如惡劣天氣和光照環境。

反言之，高精定位也能為高精地圖提供幫助。

高精地圖、高精定位和感知三者相輔相成。假如具備高精地圖和感知結果，就可為定位提供先驗信息；假如具備高精地圖和定位結果，就可把地圖元素投影到車體坐標系中，為感知提供先驗信息；假如具備定位和感知結果，就可把感知元素反向投影回地圖坐標系，將感知元素與地圖已有元素進行比對。

面向量產的高精定位方案

針對高速公路自動駕駛場景，禾多科技根據對定位的需求把場景分為三大類：

自動駕駛系統中的控制規劃和感知是工作在車輛的局部坐標系內，與人類開車行為不謀而合。因此，定位只要保證平滑性和相對運動的準確性就可滿足自動駕駛的需求。

其中，保證平滑性的目的是為了服務於控制規劃，如果定位出現些許抖動，車輛控制可能會表現出方向盤抖動以及車輛走S形的情況；而相對運動的準確性則為控制規劃和感知兩者服務，對控制規劃而言，相對運動為車輛控制提供準確反饋；對感知而言，準確的相對運動是估算其它障礙物的速度和位置的前提。

實際車道線檢測結果如何呢？

現實中，單個車道線檢測方面表現良好，但相鄰車道的車道線檢測的準確性表現較差，例如車輛在變道、超車、經過匝道時，系統穩定性將受到極大挑戰。假如此時能夠接入高精地圖，結果將得到明顯改善。

另外，還可實現更好的感知。一是地圖能明確ROI（region of interest），降低計算量，得到更為準確障礙物結果；二是運用地圖數據修正錯誤的感知結果，例如用地圖數據修正不佳地車道線檢測結果。

從上圖的左側圖中可以看出，匝道地方有大量高架橋，高架橋形成的遮擋會干擾GPS信號，造成GPS位置的跳變。從右側的圖中可以看到，匝道道路的曲率一般較大，對車道線的感知構成很大挑戰。曾有報導稱，Tesla車輛在匝道出現問題，比如撞上護欄。

所以，在車道線和GPS定位的可靠性較低的情況下，需要有一種更可靠的定位方式。比如採用視覺特徵的定位地圖來解決匝道問題，具體是將視覺定位、車道線定位、GPS/IMU融合在一起，得到較穩定的定位結果，從而解決匝道定位問題。

高速公路除外，面向「最後一公裡」的智能代客泊車，同樣是禾多科技聚焦的另一自動駕駛應用場景。

現如今，常見的低速L4級方案多用於泊車、接駁和運輸場景。其中的技術解決方案都是在車端安裝大量的傳感器，並通過車端算法來解決車輛定位和感知問題。然而，量產化的方案對車輛上的傳感器有嚴格的要求，對傳感器的成本和計算單元都有所限制。

基於此限制，禾多科技提出了車端與場端結合的方案，通過降低車端傳感器配置，將大量的計算轉移到智能場端，從而滿足量產化的需求。

最後，禾多科技L4級代客泊車解決方案HoloParking系統主要包含4個模塊：終端用戶的APP、雲端大數據服務模塊、車端模塊和HoloParking的後臺場端模塊。在場端模塊中通過多傳感器融合算法來為車端模塊提供準確的定位，感知和路徑規劃等信息，以滿足車端L4級自動駕駛的需求。

雷鋒網推薦閱讀：

解鎖 L4 場景應用，禾多科技代客泊車方案 HoloParking 頭角初露

雷鋒網原創文章，未經授權禁止轉載。詳情見轉載須知。