全球高精地图四小天王:竟没一家中国公司!

2017-08-23 14:52:03    来源:智东西

摘要:高精地图的信息比传统地图更加完备,对于不那么聪明的自动驾驶车来说,高精地图提供的信息越多,行车过程就越安全。

  车东西(newhard)

  文 | origin

here-%E6%8B%B7%E8%B4%9D.jpg

  这两年,自动驾驶火了,顺带带火了车用的摄像头、毫米波雷达、激光雷达三种传感器。他们充当着自动驾驶汽车的一只只眼睛,帮助感知外部环境。不过,正如人虽然有各种感官,仍然需要借助地图寻路一样,自动驾驶汽车也需要一张地图来导航。不过,自动驾驶车需要的,是高精地图。

  高精地图的信息比传统地图更加完备,对于不那么聪明的自动驾驶车来说,高精地图提供的信息越多,行车过程就越安全。业界认为,L3级别以上的自动驾驶,高精地图不可或缺。这种行业共识使得高精地图已然被纳入自动驾驶的风口之中。高精地图究竟为何物?这波风口之下又诞生了哪些高精地图的新玩家?

  车东西特别整理了一批高精地图初创公司,从他们的角度一窥高精地图之兴。但颇为遗憾的是,由于政策与行业发展的成本,这个赛道没有国内创业公司。

  一、高精地图释疑:不仅仅是定位更准

  高精地图顾名思义,就是精度(或者分辨率)更高的地图。但这样也很容易望文生义,不少高精地图商的宣传——“厘米级精度”也容易让理解为:就是定位精度从米级提升到厘米级了呗。结论部分正确,但过程远远没有这么简单。

  高精地图之“精”,其定位之准的来源,在于其信息之全:高精地图的信息颗粒度直接提升到车道级别,有车道线的具体位置,车道的曲率、坡度、高程、方向以及限高限重限速等信息。并且,除了道路之上的信息,车道两旁的静态物体也是高精地图的重点关注对象——跟人类主要通过标志物来确定自身位置一样,自动驾驶车也需要这些参考物来确定自身方位。

  这些信息主要由文章开头的三种传感器以及IMU(惯性测量单元)采集,再融合卫星定位信息,最终达成厘米级的地图精度。

  除此之外,高精地图的实时性是另一个尤为重要但容易被忽视的属性。对地图的实时更新可以保证道路信息的准确——相信每个使用地图APP导航的人都遭遇过地图信息不准的情况,这正是由于传统地图更新的频率太低(从周到月计)。

  对于要依赖高精地图实现自动驾驶的车辆来说,这种实时性更加重要。在高等级的自动驾驶设计中(L4-L5),高精地图是能够作为自动驾驶车的另一只“眼”,在其他传感器都失效的时候短暂引导车辆驾驶的。如果高精地图更新的实时性太差,与真实世界的道路情况出现了极大偏差,那么结果将是灾难性的。

  二、高精地图初创:四大玩家各显神通

  1、DeepMap——豪华地图“老炮儿”团队

  DeepMap——豪华地图“老炮儿”团队

  (DeepMap核心团队与新测绘车,从左到右依次为: COO 罗维, CEO 吴夏青,CTO 马克·惠勒)

  DeepMap成立于2016年4月,日前刚刚接受过车东西采访。其创始团队是谷歌地图项目的资深工程师和产品经理:CEO吴夏青是谷歌地球的核心工程师,也是谷歌地图企业版的技术负责人,后来赴苹果地图扛起了三维建筑这一产品线,创业前还为百度开发过高精地图;CTO马可·惠勒在20年前开创了用激光雷达进行地图测绘的技术路线,也和吴夏青一起领导了谷歌地图企业版的开发;COO罗维则在谷歌地图部门任职九年,大部分时间都作为一名产品经理进行工作,在地图产品化上颇有经验。

  DeepMap最大的特点是聚集了一批从业经验在十年以上的地图行业人才,干老本行。另外“Deep”也意在说明,他们在测绘过程中运用了深度学习的技术,主要体现在车道线识别、道路特征提取、交通标志识别等。他们进行地图测绘的技术路线是多传感器融合,激光雷达、摄像头、毫米波雷达都有。为了降低成本,DeepMap除了用自有的地图测绘车进行高精地图采集,主要采用与整车厂、供应商合作的众包模式,在后者的帮助下获取高精地图数据。

  目前,DeepMap已经获得总计3200万美元融资,他们的全新测绘车,也刚刚到岗。

  2、CivilMaps——数据压缩有“神功”

  CivilMaps核心团队

  (CivilMaps核心团队)

  CivilMaps成立于2014年,其CEO Sravan是加州大学伯克利分校电气工程与计算机科学系的硕士毕业生,此前在一家收视数据分析公司Samba TV工作。CivilMaps之所以出名,是因为去年7月拿到了福特与包括雅虎创始人杨致远旗下投资公司在内的多家机构共同投出的660万美元融资。

  CivilMaps为何能够赢得整车厂的青睐?因为他们能帮高精地图采集“减负”。

  激光雷达虽然因其点云数据精度高,在高精地图测绘中占有重要地位,但是因为应用较晚,并不像摄像头采集的视觉数据那样有成熟的深度学习处理算法,如何把有用的物体(车道线、路灯、人行道)从规模庞大的点云数据中“抠”出来,一直是个让人头疼的问题,特别是对于在人工智能方面没有太多积累的整车厂而言。

  CivilMaps开发的软件通过运用人工智能技术,能够从繁杂的激光雷达点云数据中提取有用的信息,同时剔除大量的冗余信息。传统的1T大小的激光雷达点云图,经过CivilMaps的软件提取过后,只保留重要物体标识和行车指示,大小仅仅为8MB,数据量一下就简化至原来的128分之1。这使得高精地图的数据量可以大大减小,传输与储存成本都显著降低。

  无独有偶,CivilMaps也热衷于众包模式,他们计划与整车厂合作,在其车辆上安装自家的传感器套件,进行高精地图的测绘。CivilMaps对数据的压缩技术一大好处在于,需要上传的数据量较小的情况下,保持高精地图实时更新的难度会小很多。

声明:中国勘测联合网登载此文出于传递更多信息之目的,并不意味着赞同其观点或证实其描述,文章内容仅供参考。