01 融合定位：面向未來(lái)的智能駕駛關(guān)鍵設(shè)計(jì)要素

智能駕駛大時(shí)代，汽車變革新未來(lái)。汽車軟硬件以及內(nèi)部架構(gòu)、行業(yè)競(jìng)爭(zhēng) 格局、產(chǎn)業(yè)鏈價(jià)值分配也將發(fā)生深遠(yuǎn)變化。在此變革浪潮下，我們認(rèn)為智 能駕駛將相繼歷經(jīng)輔助駕駛利用率提升、自動(dòng)駕駛方案成熟、自動(dòng)駕駛生 態(tài)完善三個(gè)階段，并分別帶來(lái)硬件、軟件系統(tǒng)和商業(yè)化運(yùn)營(yíng)三波機(jī)會(huì)。

其中，高精地圖(HD Map=high definition map ）作為其導(dǎo)航和定位的關(guān)鍵因素，也將發(fā)生重大的設(shè)計(jì)變革。這主要體現(xiàn)在如下幾個(gè)重要的方面：

• 高精地圖與導(dǎo)航地圖

導(dǎo)航地圖提供的是一段車道的長(zhǎng)度和相關(guān)路程的大概路況。而高精地圖提供的是非常詳細(xì)的道路情況。比如路標(biāo)，傾斜度，車道線還有車道線所處的位置。這些都會(huì)在高精地圖上標(biāo)記。高精地圖中連某個(gè)交通燈的位置都有高精度的GPS數(shù)據(jù)標(biāo)注。所以在無(wú)人車在道路上行駛的時(shí)候只要有全局路徑規(guī)劃中做出來(lái)的路徑，再把這些路徑轉(zhuǎn)換為每個(gè)車道線級(jí)別的路徑的時(shí)候，無(wú)人車就可以根據(jù)高清地圖上標(biāo)記的每個(gè)車道線的中心線行駛。

• 高精地圖與其他模塊的聯(lián)系

高精地圖和無(wú)人車的其他模塊都有聯(lián)系，定位，預(yù)測(cè)，感知，規(guī)劃，安全，仿真，控制，人機(jī)交互，這些都需要高精地圖幫助。有的模塊倒不是說(shuō)沒有高精的圖就不可以實(shí)現(xiàn)這些功能而是有了高精地圖的幫助他們可以獲得更準(zhǔn)確的信息同時(shí)也能做出更加適合當(dāng)時(shí)路況的決策。這里不對(duì)更詳細(xì)的技術(shù)東西進(jìn)行闡述， 只是對(duì)他們大體的思路進(jìn)行一個(gè)解釋

• 高精地圖和定位

高精地圖在定位的主要作用就是，它為定位提供了已經(jīng)確定好的靜態(tài)物體的信息。那么無(wú)人車就可以根據(jù)這些靜態(tài)物體的信息，反過(guò)來(lái)找到自己在整個(gè)地圖中的相對(duì)位置。如果這些靜態(tài)物體有自己本身標(biāo)注好的高精度的經(jīng)緯坐標(biāo)的時(shí)候，無(wú)人車就可以根據(jù)這些經(jīng)緯度坐標(biāo)來(lái)反向求自身的經(jīng)緯度坐標(biāo)，從而實(shí)現(xiàn)基于高精地圖和激光雷達(dá)攝像機(jī)等傳感器融合的定位方法。通過(guò)這種方式就可以擺脫依賴GPS的數(shù)據(jù)。因?yàn)镚PS的數(shù)據(jù)在有數(shù)據(jù)阻擋的情況下他的噪音是非常強(qiáng)的。當(dāng)然現(xiàn)在這個(gè)階段基于雷達(dá)跟視覺的傳感器融合的定位方法的精度沒有差分GPS提供的數(shù)據(jù)準(zhǔn)確，但是也不失為一種定位方法。畢竟在沒有GPS信號(hào)的時(shí)候，車輛不可能是在沒有自身定位信息的情況下行駛， 這時(shí)候只能依賴其他的定位方式。

• 高精地圖和決策

那高精地圖跟決策模塊的關(guān)系就更簡(jiǎn)單了。因?yàn)檐囕v如果知道以后自己要走的路線和自己要走的路線相關(guān)的路標(biāo)交通燈道路信息，那么決策模塊就可以做出更加匹配當(dāng)時(shí)路況的決策。就相當(dāng)于我們?nèi)绻牢磥?lái)會(huì)有什么事情的時(shí)候，就可以及時(shí)調(diào)整現(xiàn)在的行為以應(yīng)對(duì)未來(lái)會(huì)發(fā)生的情況。

• 高精地圖和仿真模塊

高清地圖和仿真模塊的關(guān)系就比較好理解因?yàn)槲覀冎灰谟懈呔貓D標(biāo)準(zhǔn)的地圖上，對(duì)車輛進(jìn)行定位或者是其他算法的驗(yàn)證的話，那么在實(shí)際應(yīng)用當(dāng)中車輛獲取的信息跟我們?cè)诜抡嬷蝎@取的信息是一樣的。也就是說(shuō)我們?cè)诜抡姝h(huán)境中搭建的代碼，很大程度上在現(xiàn)實(shí)環(huán)境中也可以使用。

• 高精地圖和感知模塊

無(wú)人駕駛當(dāng)中感知模塊是一個(gè)比較復(fù)雜的模塊。因?yàn)樗婕暗胶芏嗪芏喱F(xiàn)實(shí)中的問(wèn)題。但實(shí)際上我們感知的大部分環(huán)境里很多東西都是靜態(tài)的。那么在這種靜態(tài)的環(huán)境中我們不需要用額外的計(jì)算能力去計(jì)算可以事先存在數(shù)據(jù)庫(kù)中的東西。就比如某一個(gè)大樓他在某一個(gè)位置那么不管車輛行駛到這個(gè)位置多少次，每次看到的大樓都是在那一個(gè)點(diǎn)上。不管感知方式是什么這大樓的位置都不會(huì)隨著車輛的感知發(fā)生變化。那么這種東西就可以由高精地圖采集車先采集它的具體位置，然后把這些數(shù)據(jù)存到無(wú)人車的本地硬盤上。那么無(wú)人車就可以根據(jù)這個(gè)數(shù)據(jù)庫(kù)，每次行駛到那個(gè)大樓面前的時(shí)候，不經(jīng)過(guò)識(shí)別就知道那邊有一個(gè)建筑物。跟定位模塊一樣，如果我們知道這個(gè)建筑物的高精度坐標(biāo)的時(shí)候，我們可以根據(jù)這個(gè)坐標(biāo)反求自身所在的位置。而且也可以根據(jù)事先做好的大樓的形態(tài)還有它的物理特征， 集中計(jì)算能力去識(shí)別除了這個(gè)大樓以外的動(dòng)態(tài)的物體。

• 高清地圖和控制模塊

控制的具體內(nèi)容很多詳細(xì)的內(nèi)容，我也不是很清楚。但是如果是為了控制轉(zhuǎn)向角的話，那么高精地圖所提供的車道線的中間線的數(shù)據(jù)是必不可少的。因?yàn)殡m然會(huì)基于攝像頭來(lái)識(shí)別車道線，然后根據(jù)這個(gè)車道線來(lái)識(shí)別中心線的位置。但是這些東西還是沒有高精地圖提供的數(shù)據(jù)準(zhǔn)確。畢竟基于攝像頭的車道線識(shí)別都是實(shí)時(shí)的， 肯定會(huì)偶爾出錯(cuò) ?；蛘哕嚨谰€因?yàn)殚L(zhǎng)時(shí)間沒有維護(hù)而變得看不清的時(shí)候，那么攝像機(jī)就不能識(shí)別到相應(yīng)的車道線信息，這時(shí)候就需要高精地圖。車道線是人駕駛中非常重要的一個(gè)數(shù)據(jù)，所以現(xiàn)階段的基于攝像機(jī)的自動(dòng)駕駛只能在高速公路上實(shí)現(xiàn)。因?yàn)橹挥懈咚俟飞系能嚨谰€的保養(yǎng)狀態(tài)比較好?？梢员容^容易被識(shí)別出來(lái)。相反，在城市環(huán)境中的車道線維護(hù)的就不是很好。所以在城市道路當(dāng)中基于攝像頭的自動(dòng)駕駛方式暫時(shí)還不可取。

• 高精地圖的制作工藝

這邊說(shuō)實(shí)話我也沒有涉及過(guò)但是聽老師說(shuō)是這樣的。高清地圖是先由裝有的各種傳感器的車輛進(jìn)行掃街。這種車輛在掃過(guò)每一條街之后，他可以獲取相關(guān)的點(diǎn)云信息和攝像機(jī)信息還有其他高精度的經(jīng)緯度信息。之后工作人員會(huì)基于這些信息，線下對(duì)它們進(jìn)行進(jìn)一步的編輯。這里涉及到的就是點(diǎn)云拼接，攝像機(jī)識(shí)別的道路信息，比如車道線，比如斑馬線，比如交通信號(hào)燈。這些靜態(tài)物體都是要由工作人員進(jìn)行進(jìn)一步確認(rèn)并標(biāo)注好的。雖然采集車輛上的攝像機(jī)會(huì)進(jìn)行初步的特征識(shí)別提取這些道路相關(guān)的特征。但是畢竟是基于計(jì)算機(jī)視覺的，提取的并不是100%正確的信息，也有可能是錯(cuò)的，也有可能是某些標(biāo)注沒有標(biāo)好。所以最后一步還是要有工作人員進(jìn)行最終確認(rèn)并標(biāo)注的。

• 高精地圖的制作工藝支持邊緣計(jì)算的V2X高精度地圖服務(wù)

未來(lái)自動(dòng)駕駛的發(fā)展主要走向智能化、網(wǎng)聯(lián)化兩大方向，其重點(diǎn)是從車端智能化逐漸過(guò)渡到路端甚至云端智能化的方向。而針對(duì)高精地圖部署來(lái)說(shuō)，最重要的幾個(gè)點(diǎn)是其云端、路端和車端上所產(chǎn)生的一系列升級(jí)和變革。其中，云端變革主要涉及高精度地圖服務(wù)、分片數(shù)據(jù)聚合、數(shù)據(jù)接邊、數(shù)據(jù)分片幾個(gè)方面。而路側(cè)端主要涉及分片地圖眾包更新、地圖版本管理、地圖分包、路側(cè)動(dòng)態(tài)信息優(yōu)化、地圖消息服務(wù)等幾個(gè)方面。應(yīng)用到車端時(shí)，要求在分包數(shù)據(jù)融合、V2X場(chǎng)景還原、高精地圖引擎也隨之更新。

地圖的如上迭代更新過(guò)程可應(yīng)用于實(shí)現(xiàn)L4/L5級(jí)無(wú)人駕駛功能，生成相關(guān)的機(jī)器人控制模式，也可在商用車的實(shí)現(xiàn)中發(fā)力，最終實(shí)現(xiàn)無(wú)人駕駛甚至遠(yuǎn)程駕駛。

02 面向量產(chǎn)的高精度融合定位解決方案

很顯然，高精地圖要實(shí)現(xiàn)精準(zhǔn)定位和不斷向前延展提升其功能性能就必須通過(guò)不斷的優(yōu)化自身的融合定位方案來(lái)獲得。這一過(guò)程包含兩個(gè)主要的軟件算法。其一是通過(guò)全狀態(tài)-擴(kuò)展卡爾曼濾波進(jìn)行車輛位姿的動(dòng)態(tài)最優(yōu)估計(jì)；其二是使用視覺傳感器獲取道路環(huán)境的語(yǔ)義信息，通過(guò)精確地圖匹配算法獲取精確位置。此外，需要提高經(jīng)濟(jì)性、適配度及整體性能。通過(guò)選擇配置工業(yè)級(jí)車載終端RTK：采用高性能工業(yè)級(jí)32位處理器，內(nèi)置高精度RTK板卡；通過(guò)3G/4G/5G與千尋平臺(tái)建立通道，把GGA信息發(fā)給差分服務(wù)器，同時(shí)接收差分信息后，再通過(guò) RS232輸出精準(zhǔn)位置信息。

03 地圖分發(fā)與地圖縱包

高精地圖最重要的過(guò)程是包含地圖眾包的采集與分發(fā)。關(guān)于眾包式地圖數(shù)據(jù)的采集，實(shí)際上可以理解為用戶通過(guò)自動(dòng)駕駛車輛自身的傳感器，或其他低成本的傳感器硬件，收集的道路數(shù)據(jù)傳到云端進(jìn)行數(shù)據(jù)融合，并通過(guò)數(shù)據(jù)聚合的方式提高數(shù)據(jù)精度，來(lái)完成高精地圖的制作。整個(gè)眾包流程實(shí)際是包括物理傳感器報(bào)告、地圖場(chǎng)景匹配、場(chǎng)景聚類、改變檢測(cè)與更新。

04 基于地圖開發(fā)的自動(dòng)駕駛的全新架構(gòu)

將面向何方？

當(dāng)前自動(dòng)駕駛系統(tǒng)的高精地圖架構(gòu)仍然面向分布式方式，其重點(diǎn)關(guān)注項(xiàng)包含地圖眾包采集，地圖盒子對(duì)于高精地圖原始信息的解析，地圖如何對(duì)其他傳感器輸入數(shù)據(jù)進(jìn)行融合等方面。這里我們注意一點(diǎn)，未來(lái)的自動(dòng)駕駛系統(tǒng)架構(gòu)中將不斷的從分布式的開發(fā)方式進(jìn)化為集中式。集中式的方式可以被看成分三兩步走：

Step1：智能駕駛域全集中式控制方案

即，將智能行車ADS、智能泊車AVP系統(tǒng)進(jìn)行全集中控制，采用一套中央預(yù)處理裝置將兩大系統(tǒng)中索要處理的信息進(jìn)行融合、預(yù)測(cè)、規(guī)劃等處理方式。而與智能行車和智能泊車相關(guān)的所有傳感及數(shù)據(jù)單元的處理方式（高精地圖、激光雷達(dá)、全分布式攝像頭、毫米波雷達(dá)等）都會(huì)相應(yīng)的被融合進(jìn)入中央域控制單元。

Step2：智能駕駛域與智能座艙域全集中式控制方案

這種方式是實(shí)現(xiàn)全集中式分布方式的第二個(gè)階段，即將智能駕駛域控制器所涵蓋的所有功能開發(fā)（如自動(dòng)駕駛、自動(dòng)泊車）與智能座艙域所涵蓋的所有功能開發(fā)（包含駕駛員監(jiān)控DMS、影音娛樂(lè)系統(tǒng)iHU、儀表顯示系統(tǒng)IP）進(jìn)行融合覆蓋。

Step3：智能整車域全集中式控制方案

這里是實(shí)現(xiàn)包含智能駕駛、智能座艙與智能底盤域的全融合控制方式。即三大主體功能并入整車中央控制單元，后期對(duì)于該數(shù)據(jù)的處理將對(duì)域控制器產(chǎn)生更多的性能（算力、帶寬、存儲(chǔ)量等）需求。

這里我們所關(guān)注的高精地圖定位開發(fā)在未來(lái)將更多的面向集中式的設(shè)計(jì)方式。我們將進(jìn)行詳述。

如上圖表示了針對(duì)高精地圖在未來(lái)自動(dòng)駕駛系統(tǒng)控制中的架構(gòu)發(fā)展趨勢(shì)。未來(lái)自動(dòng)駕駛系統(tǒng)將致力于將感知單元、決策單元及定圖定位單元等全部并入中央域控制單元，意在從底層減少對(duì)于高精地圖盒子的依賴。其域控制器的設(shè)計(jì)中充分考慮對(duì)于AI運(yùn)算芯片SOC、邏輯運(yùn)算芯片MCU、高精地圖盒子的充分融合。

如上圖表示了整個(gè)云端控制邏輯下相應(yīng)的高精地圖傳感數(shù)據(jù)采集、數(shù)據(jù)學(xué)習(xí)、AI訓(xùn)練、高精地圖服務(wù)、仿真等方面的業(yè)務(wù)，同時(shí)在車端的移動(dòng)和驗(yàn)證過(guò)程中會(huì)通過(guò)物理感知、動(dòng)態(tài)數(shù)據(jù)感知、地圖目標(biāo)感知、定位、路徑規(guī)劃等內(nèi)容不斷更新地圖數(shù)據(jù)并進(jìn)行OTA上傳至云端更新整體的眾包數(shù)據(jù)。

前文所述了關(guān)于高精地圖數(shù)據(jù)如何生成可以為自動(dòng)駕駛控制器處理的相關(guān)數(shù)據(jù)方式流程，我們知道高精地圖所處理的原始數(shù)據(jù)為EHP數(shù)據(jù)。該數(shù)據(jù)實(shí)際包含如下主要的數(shù)據(jù)支撐：

1：接收的外部GPS位置信息；

2：位置信息匹配到地圖；

3：建立路網(wǎng)拓?fù)湫畔ⅲ?/span>

4：通過(guò)CAN發(fā)送數(shù)據(jù)；

5：融合部分導(dǎo)航數(shù)據(jù)；

該數(shù)據(jù)一般是通過(guò)千兆以太網(wǎng)從HDMap感知端直接處理完成后輸入至高精地圖中央處理單元的，該中央處理單元我們稱之為“高精地圖盒子”。通過(guò)地圖盒子對(duì)數(shù)據(jù)的進(jìn)一步處理（這個(gè)實(shí)際的處理過(guò)程我們將在后續(xù)的文章中進(jìn)行具體說(shuō)明），可以轉(zhuǎn)化為可以滿足自動(dòng)駕駛控制器處理的EHR（實(shí)際為CanFD）數(shù)據(jù)。

對(duì)于下一代自動(dòng)駕駛系統(tǒng)而言，我們致力于將高精地圖的信息綜合接入自動(dòng)駕駛域控制器進(jìn)行整體處理，這一過(guò)程意味著我們自動(dòng)駕駛域控制器需要接續(xù)地圖盒子所要進(jìn)行的所有數(shù)據(jù)解析工作，那么我們需要重點(diǎn)考慮以下幾點(diǎn)：

1）自動(dòng)駕駛域控制器AI芯片能否處理包含高精地圖所需要的所有傳感器數(shù)據(jù)？

2）高精定位地圖的邏輯運(yùn)算單元是否具備足夠的算力執(zhí)行傳感器數(shù)據(jù)信息融合？

3）整個(gè)底層操作系統(tǒng)是否滿足功能安全需求？

4）AI芯片與邏輯芯片采用怎樣的連接方式可以確保數(shù)據(jù)傳輸?shù)目煽啃?，Ethernet 還是 CanFD？

為了回答如上問(wèn)題我們需要分析如下圖所示的控制器處理高精地圖數(shù)據(jù)方式。

為自動(dòng)駕駛系統(tǒng)的AI芯片，在未來(lái)高精地圖數(shù)據(jù)處理中主要承擔(dān)傳感數(shù)據(jù)的基礎(chǔ)處理，包含攝像頭數(shù)據(jù)、激光雷達(dá)數(shù)據(jù)、毫米波數(shù)據(jù)等。在應(yīng)用的處理方法上除開基本的數(shù)據(jù)點(diǎn)云融合、聚類外，還包括了常用的深度學(xué)習(xí)算法，且一般采用ARM核進(jìn)行中央運(yùn)算處理。

MCU作為自動(dòng)駕駛域控制器邏輯運(yùn)算單元后續(xù)會(huì)承擔(dān)將原來(lái)高精地圖盒子需要的全部邏輯計(jì)算量。包括前端的矢量聚合、傳感融合定位、建立路網(wǎng)圖，以及最為重要的替代原來(lái)的地圖盒子功能，將EHP信息轉(zhuǎn)化為EHR信號(hào)（對(duì)于中央處理器MCU如何有效的將EHP信息轉(zhuǎn)化為EHR信息將在后面的文章中進(jìn)行詳述），并通過(guò)Can線進(jìn)行有效的信號(hào)傳輸。最終利用AutoBox這一邏輯運(yùn)算單元進(jìn)行路徑規(guī)劃、決策控制等操作。

05 總結(jié)

未來(lái)的自動(dòng)駕駛將傾向于將高精地圖所處理的所有數(shù)據(jù)信息從原始地圖盒子中融入到自動(dòng)駕駛域控制器中，旨在建立真正的以整車域控制器為集成單位的中央處理大融合。這樣的方式不僅能夠節(jié)省更多的計(jì)算資源，也能夠使得AI數(shù)據(jù)處理算法更好的應(yīng)用到高精定位中，確保兩者對(duì)于環(huán)境認(rèn)知的一致性。我們后續(xù)需要更多的關(guān)注高精度傳感數(shù)據(jù)大融合這個(gè)重要的方向，在芯片算力、接口設(shè)計(jì)、帶寬設(shè)計(jì)及功能安全設(shè)計(jì)上多下功夫。