HD-map:大话高精地图和语义地图

小哥哥我最近又在一家无人驾驶公司实习了,主攻高精地图、语义地图方向,今天为大家讲一讲我阅读各大媒体科技板块、各个技术科普公众号、看过各无人驾驶公司流出视频进行反推,以及自身日常工作接触任务后,对高精地图是什么这个问题的理解。

高精地图

高精地图是现阶段无人驾驶“有地图模型”类方案的支柱。有地图流派,高精地图的好坏直接可以度量一家无人驾驶公司的技术水平,因为几乎所有技术,都可以用于HD-map的构建。
先上一张图,来点感觉。
在这里插入图片描述

HD-map包括的图层

这是此篇博客的核心部分,作为科普性质的blog,帮助大家理清HD-map具体指哪些东西。
目前HD-map的技术和具体规范仍在发展中,各位玩家对其定义和所含内容也不尽相同,不过概括地讲,HD-map会包含以下几种图层。
1.几何图,2D,纯以点、线、多边形三种元素构成的图层,是道路和建筑位置、边界及方向的一个抽象,而存储时只存储点的坐标,常见的便是经纬度坐标。多点一起存储便是折线,闭合折线是多边形。
2.矢量图,行车有方向之分,这个图是弥补几何图没有方向的缺点而生的,在数据结构里,就是有向图和无向图的区别。
这个图依据交通规则的方向规则制成,对与路径规划,尤其是长期规划紧密相连,我们从A到B,大体的路径便是由各路段的分段矢量接合而成。
3.路网图,路网图建立在几何图之上,对几何元素表达的含义以一定的规范(目前国内以OpenDrive为基础改进的Apollo的路网规范被许多玩家接受)进行编辑,例如规定车道最2边的线是路沿,那么一个人虽然没走过那条路,但知道这个规范,看到一张新地图的路,也会自然而然地认为最2边是路沿。
路网图的意义有2条。一是这些规范本身是对知识、规则的抽象编码,使得路网图能够表达丰富的信息。二是路网图可以以基于可扩展标记语言xml规范演变的语言格式进行保存,便于加载、传输、解析。
4.点云图,无论是camera稠密重建还是lidar直接扫描,点云地图比上述3图包含了更多3维空间信息,更接近真实空间,也有更多的障碍物信息。
点云图的意义主要集中在近距离感知、局部定位、短期规划上。但地图大了以后,点云数量巨大,对于存储和及时加载是很大的考验,所以必须考虑云端存储、在线申请局部地图、高速传输、增量加载新地图删除旧地图的事情。
5.特征图,特征图通常是点云图的一个子集,以一种标准度量所有点时,特征点在局部点云中表现突出,获得极值,所以被记录下来,并拥有专门的描述子,便于快速查找。
特征图常被作为区域点云的索引,可快速查找并定位到某一小片点云附近,通过这种方法,我们便可以完成上一个图中所说的在线区域点云申请的第一步——定位局部点云块。
6.动态图,最简单的动态图例子,便是堵车线路,通过接入其他智能终端的实时观察、预测信息,我们的车可以提前几条街就知道某条路上在堵车,便可以合理规避。这一层可以对接任何动态信息,以车联网、物联网技术为支撑,在车的行为规划中,可以获得较大的时间优势。
7.语义图,终于讲到语义图了,语义本就有层次之分,一般来说,场景级、物体级、单点云点or单像素是比较通用的空间分级方法,时间上还有静态和动态之分。语义图是最接近人类进行“道路行车”这个任务所用时知识的表示。

语义地图

语义图不是一个单独的图层,语义图能够以以上任何一种地图作为载体,将语义映射到其中。
举个例子,红绿灯这个物体作为一个语义,
(1)在几何图上,表示为一个点,有经纬度;
(2)在矢量图上,与其对应的道路的可行进方向一致;
(3)在路网图上,表示为一个带标签的点或遵守画红绿灯规范画法的多边形;
(4)在点云图或特征图上,表示为一小片点云,这些点是红绿灯表面结构被传感器扫描到的点,记录其三维坐标;
(5)在动态图上,表示为一个遵守此路口交通灯计时规范,与真实交通灯同步,一定时间后改变颜色表示是否可行驶的多边形;
(6)在语义未映射前,在图像上,是一片被分割为红绿灯的像素。
其实上述各种语义图,均属于概率图范畴,是世界的一个简化概率模型,为无人驾驶提供先验知识。语义可以从图像深度学习中获得,通过分类、检测、分割等模型,但其实语义还可以由人的知识定义,只要这种定义和表示够普适和简洁。
不过真正开车时,还需要看看周围情况,得出后验,临场做一些应对突发事件的决定,地图和感知的这种关系,好比考驾照时笔试和车考吧,而考驾照,不就是在学开车吗?我们的车也是在学开车啊!!!

如何建图

这部分恕我不能透露太多,只能告诉大家HD-map构建和传感器、感知、定位、传输、deep learning等技术都有关联,计划安排、政策支持、规范制定都会对其产生影响。并且目前对于自动化和精度的要求越来越高,高精地图也分为2D和3D,2D已经可以适用很多任务了,而且数据少,但现在也有做3D的。
我基本在探寻自动化语义建图,前路漫漫啊。


更多精彩内容