百度佘党恩： 高精地图更新，应采取专业测绘结合众包更新的方式

百度智能汽车事业部高精度地图业务负责人佘党恩，今天我说的是百度正在做什么或将要做什么，大家都知道，百度不仅生产高精度地图，从自动驾驶整体解决方案的角度来看，也有相对完整的产品布局，比如Apollo。高精度地图是为自动驾驶提供的一个非常重要的产品或核心产品集。这一次，我们将主要谈谈自己在高精度地图业务方面的进展和思考。自2013年以来，百度一直在进行高精度地图相关的技术研究。我于2009年加入百度，在此之前，我们一直在开发百度地图，一种传统的导航地图产品。2013年，人们敏锐地意识到自动驾驶及其对地图的依赖可能是一种新的形式，于是对相关技术进行了研究。同时，对采集车辆、生产、加工和最终产品化的技术以及交付的数据进行了重组，使其成为完全自主开发的基础产品。这是产品的总体概述。在数据层面，我们有三种形式的地图数据，包括导航地图、辅助驾驶地图和高精度地图。云同时提供OTA和RRS服务。OTA解决了地图数据更新问题，RRS由百度提出，提供道路可靠性服务。判断自动驾驶的开放条件是一项安全服务。地图上每条车道和道路的可靠性，道路是否可靠，静态数据结合动态信息，如施工和事故，为自动驾驶应用提供道路可靠性服务。除了基于云的服务外，我们还与硬件提供商合作，使用EHP自动驾驶标准协议输出相关应用程序。目前，百度已经在该项目中实施了V3调试等工作，处于量产状态。高维地图提供给高业务方，包括高精度地图自定位功能，包括环境建模，自动驾驶可以作为超级环境建模容器。我们还将结合使用车辆来解决路径和车道导航问题。高精度地图等相关指标的准确性很高。我们确实有足够的技术证据证明百度的厘米杆技术是高度准确的。这是百度高精度地图的统一架构。首先，百度输出所有基于相同架构的地图数据。这种体系结构的优点是什么？其中提到，相关数据之间可能存在联动，联动需要一个整体的设计框架来支持用户体验。底部导航地图，如传统道路网络、POI、背景、相关名称和其他数据。从上层到高精度地图部分，你会发现车道，如车道的地图、相关的车道属性，以及70多种不同的线型，包括标志，它们在高精度地图中高度准确和充分表达。道路和车道之间的关联可确保这两组地图可以链接。在道路层面，这是一条有两到三条车道的道路，道路之间会有一种关系，这种关系是多对多的。此处应作出相关表述。上层是动态数据，包括路况、施工、路面积水和其他路况。上层将在自动驾驶应用所需的数据之上创建一个层，包括驾驶行为和点云模型，这是一个统一的道路网络架构。统一的道路网络架构可能会产生两组不同的数据，即使是在同一家公司中完成。即使在同一家公司进行，也不一定能保证两组数据之间有良好的相关性。那么我们该如何保证呢？首先，您的采集车辆必须能够收集和处理不同类型的数据。同时，在生产过程中，创建两种类型的图。两者之间的相关性如何确保最大的有效性。百度地图的方法是一套用于收集高精度地图的设备。向该设备添加点云也将反馈到导航地图的制作中，它还将对导航地图的访问进行更正。收集的内页具有相同的生产要求，内页的链接确保了相关性。道路等级和车道等级之间将存在多对多的关系……

这是一个自然的保证。目前，我非常有信心，我们已经覆盖了中国所有的高速公路和城市高速公路，覆盖范围最全面。右边是详细的属性和元素属性。你可以看到车道线的例子，包括车道自行车道线、车道虚线、边缘线、护栏、车道线的颜色和样式，以及右边的箭头，以及桥区桥上和桥下的道路，都表达得非常清楚。因为这个元素非常复杂，我准备了一个视频，看看百度高精度地图中包含了哪些元素。视频演示将更加直观。从通往北京五环的道路，我们创建了可以在数据中显示的元素，并进行了非常直观的呈现。更深入的是数据是如何生成的。这是整个生产过程。一开始，数据收集包括车载设备、GPS和惯性导航。GPS将有轨迹数据，点云数据，相机将有想法。采集技术完全自主研发。早在2013年，就开始了研究，并于2014年开发了收集车辆的技术。这是第一个门槛，这里有一个非常深的技术门槛。百度最初开发了自己的收集工具。收集相关数据后的第二步是进行自动化处理，这反映了自动化水平。我们拥有一支本土的自动驾驶力量，百度技术在公司中游刃有余。因此，相关点云和图像的识别和提取都在人工智能领域，当人工智能技术用于地图时，实际上是有门槛的，并不是普通的投资就能做好这一点。事实上，这是有门槛的。百度仍然有信心并继续投资，这对于通过技术手段解决这个问题非常重要。点云本身需要与点云集成，因为如果收集一组数据，并不是所有的数据都会被收集，而且通常会沿着同一路径收集多组数据。通过这种方式，点云可以通过技术手段集成在一起，这一点至关重要。我们需要根据点云反射的反射率提取不同的元素、护栏和杆，比如这里的各种元素。图像是一样的，我们需要识别相关的车道线元素。同时，图像中存在语义一致性，包括线速度是60、70还是80。这两种类型的信息需要融合，融合后，这两种信息是相同的。如何确定这个问题是一个棘手的技术问题。转到内部页面生成过程，也有相关的工具可用。300人可以同时创建一个图像，工具的性能也会影响效率。你可以看到它是一个双屏，左边有一个点云，右边有一个图像。比较用于生产的编辑工具。对于所有生产人员的工作分配，有一个相关的平台来确保我们在平台上发送任务，并不断提取相关生产的任务。最后，我们整理并公布了数据。目前，我们于2017年加入NDS协会，发布高精度地图。我们还支持许多标准格式，百度也有自己的数据格式。这是一个技术过程，底层算法都基于深度学习神经网络，包括CNN和RCNN深度学习算法，上面有点云识别、图像识别和最终柔软度。每一种都有详细的技术，如点云中的运动补偿、3D建模等，包括图像。最后，我们需要将这两者融合在一起。这是我们在自动化领域的认可。如果我们用一个单一的指标来衡量它，我们就使用准确性。在不同的元素上有不同的表现，但总体识别率在95%以上。识别是整个自动化过程中不可或缺的一部分。通过这些工艺，确保了最终生产线的自动化率达到90%。自动化率和质量之间有平衡吗？事实并非如此。我在原材料的加工中有很多自动化方法，但当数据最终产生时，人们仍然需要尽最大努力确保即使机制处理了90%，也能达到90%的结果。人们仍然需要做出最终决定，这些数据是否与实际情况直接对应，或者是否需要保证。整个过程中的每一道工序都有质量保证，整个过程也通过了16949工艺的认证。为了更大……

具体来说，在数据收集方面，我们将对从外部来源收集的数据进行严格的质量监督，包括完整性和覆盖范围。只有当一个城市的覆盖率超过99%时，它才能被认为是合规的。如果不符合要求，将被退回并重新收集。除了覆盖范围外，还将对所收集数据的质量进行相关验证。在此过程中，我们将确保收集到的图像、点云、天气、降雨和其他因素的清晰度。只有符合要求的人才会在以后进入，而不符合要求的将在这个过程中直接返回。我们将使用自动化来确保每种自动化处理方法的质量。有一个自动化操作，在完成自动化结果后，将进行自我监控以进行对应，确保自动化处理得到监督。在手工生产领域，人绝对是最后一步。除了三轮检查外，人们还需要进行自检和互检，这就是交叉检查。此外，还有专门的质量保证团队和大规模的抽样，以确保最终手工生产过程的质量。最后一步是制定发布流程，在发布流程中，会对相关数据的格式进行许多逻辑检查，包括内容允许的范围、相关逻辑性等。这里有很多要谈的。我们如何处理数据处理的细节以及如何确保准确性？我认为这三点是最重要的：首先，每个人都知道GPS消费级，5-10米的进度，采购高精度地图肯定是不可行的。利用地基确保其达到厘米级，在不被收集的范围内，我们将首先提前一到两天建立基站，通常覆盖50公里范围内收集的数据，结构有保障。基站有一条精度为两厘米的曲线，这对它有非常严格的要求。这是我们确保车辆上最原始采集设备准确性的初步方法。它可以在50公里的范围内收集，休息一天，确保原始材料在两厘米以内。第二步，采集后的关键技术，点云和图像，是目标传感器。这就是为什么现在如果一整套高精度采集车的成本在1000万甚至更高，那么核心技术就是目标技术。当百度在2014年开始制造采集车时，它决心创建一个资产自主开发的工业设备，而核心技术就是解决这样一个问题。因此，由于自主研究，采集车的成本一直很低，约为100万美元。目标解决方案是使用不同的传感器，以确保最终拾取时看到的是相同的东西。我在点云的线条和图像中看到了同样的东西。如果一开始就有偏差，那么以后就没有办法解决了。每次采集前，采集车辆将制作一个新标签。此外，对于包括40辆高精度采集车在内的所有采集车，将定期制作标签。在每次采集过程中，车辆本身会经历颠簸和抖动，刚性传感器可能会出现一些错误。每次重新制作标签时，都可以确保这次的准确性。第三步需要多个相同路径的集合。如何确保融合，这反映了相关的算法能力，以及如何将多组数据融合为一组数据。对于精度的评估，无论精度是否如此之高，一方面都会有第三方评估，传统的测绘方法来评估精度并进行控制点平衡解释。另一方面，使用移动测量车，有一个高度准确的最新版本的车辆来大规模验证高精度地图的质量。要测量某件事的准确性，找一把精密的尺子来测量，你就可以知道大致的进度。第三方评估的优点是测量准确，但缺点是不能测量太多。使用移动测量方法，问题是标尺本身存在精度问题，但它可以用于非常大规模的测试。在SOP之前，汽车必须进行大规模预测，地图数据需要用于各种场景功能。移动测量车是进步的保证。如前所述，创建了大量数据。数据创建后，百度成为了一家互联网公司。百度在提供服务方面有优势……

ces，我们也有来自百度云的产品。高精度地图需要解决不断更新的问题。从我们的角度来看，高精度地图是一种服务。在5G网络环境中的车辆数量之后，高精度地图绝对是一项涉及服务器和车辆之间交互的服务。在汽车端，我们预装基本数据，这些数据将与汽车工厂和强制读取交互。有不同的模式可以探索，比如有一个合作的主机厂，希望自己控制云，希望简单的权限管理，以及期望百度分发数据和创建相关地图。这是非常复杂的。所以这些模式都可以讨论。关于RRS服务，它确保了自动驾驶的安全使用，RRS也是自动驾驶中有安全要求的功能之一。何时可以开启自动驾驶以及何时需要用户结果是重要的功能点。百度在这方面的想法是，我们可以提供这样的RRS服务。首先，在静态数据方面，包括道路级别和车道级别的RRS，包括施工区域的道路级别RRS，如小暴露、坡道、隧道、收费站等场景。目前，为自动驾驶启用这一功能并不令人放心。可以在此处进行相关配置或标准版本。车道级别，即数据中存在车道磨损，类似于特殊工具形状的标记，可以解决数据中的问题。一些计算可以传输到数据中供您进行，这会影响静态RRS。同时，动态数据，包括一些看到事故、积水和积雪的汽车，可以与云共享。云为自己的自动驾驶汽车提供服务，形成一种动态服务。接下来，让我们讨论如何制作高精度地图。唯一的建议是将专业调查和众包更新相结合。在足球比赛中，通常是在上半场和下半场，我们相信这个阶段只会在上半场结束，因为无论是今年还是明年，那些有能力的人基本上都可以创建国家高速和城市高速公路。如果数据在创建后没有得到维护，质量将继续下降，现实世界将继续变化。如何解决在现实世界中创建性能数据的问题，以目标为要求，肯定会解决新的问题。百度提倡专业的调查和众包。如果我们不断更新自己的工业汽车，成本将非常高。我们必须转移更多的汽车，并以社会化的方式进行改造。我们刚刚演示的技术是众包3D图像。可以看出，呈现和舞台都非常高，整个过程都是全自动的3D重建。现在我们正在进行市级认证。如果城市中的数字采集车辆达到一定规模，我们可以实施更新后的规模。

我们在众包方面也有技术实施流程，我想和大家分享一段视频。在这里拍摄图像，大部分都是3D重建的，可以看到生成3D点云的效果，可以用来更新高精度地图。此外，我们在政策方向上也取得了进展。今年3月底，百度的全车道高精度地图获得了自然资源部的批准。这是中国第一张全车道高精度地图，与凯迪拉克CT6不同。获得评审编号意味着自动驾驶的大规模生产。地图政策不再是瓶颈，为大规模生产提供了进一步的支持。除了与北京冬奥会和科技冬奥会相关的政策外，我们将为2022年冬奥会提供高精度地图，这也是与清华大学的联合项目。商业化的进展最终取决于我们对这个方向的早期探索。我们非常接近并愿意与汽车制造商和零部件供应商合作，我们也获得了许多合作伙伴的认可。除了进行了大量的论证，我们还提供了大量的技术依据来证明高精度地图的质量符合当前的产品形态要求。早期的合作伙伴愿意向百度下订单，我们非常感谢我们的合作伙伴、主机制造商和供应商。简单总结一下，百度将创建一个高精度地图，从数据层面的一套网络架构开始，不断提高自动化率。质量必须是整个过程，质量是生命线。首先，做好质量工作，然后继续努力……

关于其他事情。在服务方面，如何利用好百度的核心服务能力，提供更符合自动驾驶要求的相关服务。在更新方面，我们将专业调查和众包更新相结合。最后，我们在政策和商业化方面取得了进展。我们希望在未来做得更多。谢谢大家。

标签：北京DS凯迪拉克凯迪拉克CT6

汽车资讯热门资讯