四维图新刘洋：满足高阶自动驾驶需求，高精度地图提供感知和定位

2021年6月17日至19日，由中国汽车工业协会主办的第十一届中国汽车论坛在嘉定举行。站在新五年的起点上，本届论坛以“新起点、新战略格局——推动汽车产业高质量发展”为主题，设置“一次闭门峰会+一次会议论坛+两次中外论坛+12场主题论坛”，全方位汇聚政府领导、全球汽车企业领袖、汽车行业精英，共商汽车产业强市大计，落实国家提出的“二氧化碳排放峰值、碳中和”战略目标要求，助力打造。其中，6月18日下午，四维图新产品总监刘洋在“智能网联汽车产业生态的整合与升级”主题论坛上发表主题演讲。以下为现场演讲:

大家好，我是四维图新新城刘洋。刚才很多汽车厂商和系统解决者从他们的角度介绍了生态链等自动驾驶的经验和实践。我代表图文商，和大家分享一下我们对自动驾驶整个行业的理解，以及我们从数据服务的思考和我们的实践分享。按照我们的认知，自动驾驶的关键是感知和定位，而感知和定位的关键是传感器，分为物理传感器和在线传感器。在线传感器由定位和高精度地图提供。图形商的关键在于图形商具有精准的映射和映射能力，可以帮助汽车解决大量的计算问题，节省计算能力。我们也可以把各种数据源集合起来，形成地图，发送到车上，从而提高骑行能力。让自动驾驶体验更好、更高效、更可靠，是我们地图提供商参与行业的初心。高精地图要解决哪些问题？第一，对于物理传感器的感知失效，我们看到很多场景，比如非常复杂的交通状况。对于天气阻挡、不清晰和磨损的场景，高精度地图可以增强和冗余物理传感器故障的感知。第二点是，在很多复杂的城市环境中，包括高架群、密集建筑、隧道群定位失败场景，高精地图本身是非常专业可靠的，地图本身的质量和精度远远高于其他数据。一般来说，高精度地图可以为自动驾驶汽车提供一个场景补充。高精地图本身也是超视距的传感器我们会发现，当车辆超车时，普通的物理传感器无法知道超车后的场景。当前方有曲率较大的车道或道路时，包括被遮挡时，以及因天气原因视距不远时，可以为车辆提供预测信息控制参考。包括前方分流、合流、停车线，可以为车端速度控制提供预测参考。总的来说，对于汽车来说，因为之前的领导都提到了预测控制，所以汽车的预测控制越清晰、越安全，信息越准确，整个自动驾驶的体验和安全性就越高。上面两张，我们和我们的伙伴是基于视觉系统的伙伴，做高精度地图匹配定位，右边是基于激光的匹配定位伙伴。这里有一个在德国做的高精度地图匹配测试。除了以上应用问题，高精地图本身也需要做好风险控制。比如在常规的高速场景中，一般认为高速是一个相对封闭的、有规律的、完全可靠的场景，但实际上通过我们这么多年大规模生产地图的经验，看到场景中有很多不确定的、无规律的信息。比如高速场景中有很多路口，高速场景中有不规则的标线。高速场景是否有隔离带的上下游路线，以及异常的开口，对自动驾驶的安全都是非常大的隐患，所以汽车可以通过高精地图提前知道这些不稳定、不规律、不安全的信息，可以提前判断。就数据多样性而言……传统上或者一般来说，人们认为有两派，一派是基于视觉的，一派是基于激光的。但如果再细分的话，组合还是比较多样的。基于纯视觉的派系对计算能力的要求非常高，应用层面其实并不是真正的自动驾驶。逐渐基于激光的特性，它不同于视觉，视觉是用AI算法做的，激光是用特征提取做的。在众包数据，形成完整的高精地图，现在最先进的玩法不仅有高质量的数据，还有概率数据和实时交通数据。比如，通过高精地图、历史概率信息、实时路况信息，可以知道当前车停在哪个车道，其停车行为是正常停车行为还是拥堵前方停车行为，从而决定是否超车或跟车。四维图新两年前已经覆盖全国所有高速公路，现在处于更新维护阶段，开始逐步拓展普通公路。除了地图本身，我们在地图服务器上的在线分发、众包任务管理、在线更新、在线传感器反馈等方面也比较成熟。对于一个基于地图的一体化解决方案，我们一直想帮助做自动驾驶系统的汽车厂商或者系统提供商，可以支持更多场景的自动驾驶体验。我们还需要支持基于不同系统架构的系统，因为不是所有汽车厂商都能做全链路自动驾驶，每个人的方向不同，发展水平也不同。我们也根据不同的场景和不同的自动驾驶水平开发了不同的产品，来支持人人系统的开发和量产。高精地图本身就是对现实世界的完整语义和矢量化。我们的L3定向地图已经在两年前完全开发完成，现在正在更新维护中。它涵盖了100多个元素，包括基本字段元素、信息元素、逻辑元素和功能安全元素。它是以L3为导向的，已经在几家L3级别的汽车厂商，在量产计划中。作为图形经销商，拥有专业的采集设备，基于点云融合和跳转检测的精准控制手段，基于高度自动化的元素提取独立平台，基于人机交互的信息补充编辑平台。还有一个比较完善的基于地图评测的质量平台。四维图新作为地图服务商，也通过了Aspice三级。这也是为什么我们要做自动驾驶，必须从软件的角度做原本给汽车硬件厂商的公共安全系统，这是我们必须提前做好的。最后，我们还搭建了一个基于众包的地图学习平台。从自动化的角度来说，我们已经从点云特征中自动提取了60多个元素，在多年的深耕中积累了很多案例和特殊场景，所以我们现在对激光图层整体和特殊场景中的程序都特别健壮。基于视觉，我们现在可以在图像中进行语义分割、元素识别和三维重建，并根据高精地图进行匹配和区分，找到发生变化的，然后更新高精地图。总的来说，我们有自主研发的四维图像采集设备，也和合作伙伴一起研发了采集设备。我们可以适配消费级行车记录仪的所有图像采集设备，自动提取主要元素和语义信息。基于快速更新，我们已经将他们的数据连接到主车厂和源头的数据提供者，对数据进行清洗、匹配、合并和汇聚，最终可以发现并更新地图中的变化。通过大量的数据，可以快速更新，也可以把数据源作为对汽车的信心参考。我们也可以做交叉验证。交叉验证的主要目的是单个数据源本身可能在不同的场景中产生不同的问题。通过多源数据，可以高精度防止系统问题发送到汽车上，进一步让汽车更安全，数据更可靠。我们在汽车方面的更新也正在与我们的合作伙伴一起开发。基于面向汽车侧的汽车级摄像机，我们可以直接识别和表征汽车侧的标杆、交通标志和车道线等元素，…与车侧的高精地图进行比对，不一致的上传云端系统进行更新。我们整体的L3级高速场景的高速高精地图已经比较成熟了。现在准备开始制作普通的公路场景，已经在量产阶段了。为什么要做普通的公路场景？因为从行业调查来看，国内普通道路场景的成本更低，各系统商和解决方案商更容易落地，商业化前景会更好。请观看视频。我们刚刚看到了自动驾驶的一些场景，为什么要做自动驾驶，以及其相关的非常复杂的规则。这是为L4级别定制的自动驾驶地图，我们已经做了两年多了。它针对的是普通道路。所有要素的精准度和复杂度，以及对普通道路场景的理解，都可以和L4水平相提并论。现在这是定制开发阶段，不可能大规模量产。我们已经在和很多国际车厂和国内系统合作伙伴做大量的测试，测试结果还是不错的。基于量产的全国普通道路场景路线图，我们在去年推出了高清Lite产品。未来两三年，我们计划覆盖全国一二线城市的主要道路，能够整体支持车道级控速、定位、安全冗余的语义描述。基于其整体技术，在成熟的L3生产线上，结合点云、图像的充分利用，将点云分类、图像分类、点云矢量匹配在一起，整体匹配提升基于普通道路场景的路口、主辅路、环岛、大型路口等常见场景，可以快速量产，覆盖大部分城市的主要用途。我们也和合作伙伴做过自动驾驶。我们可能不会说，为了竞争自动驾驶的商业化，我们主要是测试产品。我们在不断迭代普通道路场景，修改地图，用自动驾驶系统升级地图，也可以为高清Lite全面进入SOP阶段做准备。我们已经完成了L4的AVP产品的整个工具链的开发，今年开始进入量产阶段。整体AVP解决了什么问题？首先，我们做了一个调查。整体大型陌生停车场，停车时间18分钟左右。高精度AVP可以帮助车辆进行自主泊车，为每个人节省大量时间。找车也是一个普遍的问题。在外观千篇一律的非常封闭黑暗的环境中，往往很难找到自己的车，尤其是在一个陌生的停车场或者一个忽冷忽热的夏季环境中的地面停车场。所以一键召唤车直接到你的上车点也是很重要的。还有一些想法是直接在站点上做传感器，因为停车场管理非常复杂，很难落地，所以我们还是通过AVP地图提升车载终端的能力，让车载终端自己实现所有的功能。总的来说，我们这么做是为了整体的用户体验和系统，可以省时省心省钱。基于高精地图本身，我们也让它赋予导航新的生命。因为之前已知的常见导航产品，其实都是模拟的三维场景。首先，我们让司机更有沉浸感。自动驾驶之后，人们有更多的时间去关注那个屏幕，当然也不一定是那个屏幕。还有其他地方有可能关注我们的系统，所以沉浸感和体验会特别好。我们将通过汽车的定位传感器进行真正的车道级导航。高精地图本身会聚集很多安全信息，包括L3级别的安全信息，让司机体验行为预警和道路预警。除了地图本身，我们还在做云服务、众包服务、高精度分发服务、模拟。从图文商家的角度来说，我们积累了很多活案例，我们并不是很多标出来的样本案例。车载终端还具备基于感知模块、定位模块、道路预测模块等做出整体生态闭环的能力。V2X，也就是两点。不管怎么说，集中式存储在保证效率和安全性方面还是有瓶颈的。借助V2X的分布和成分，效果可能会提高很多，包括保护基……在国家政策和手段上，我们也可以保护自己的地图业务和地图安全。对于专业的平面设计师，我们有强大的工具链接系统，我们愿意贡献工具链接系统，所以我们做了一个开放平台的产品。我们基于这样一个事实，我们可以定制每个开发者的数据，按照客户想要的方式操作，或者由客户自己开发迭代。这是我们做这件事的初衷。除了自动驾驶，还有智慧城市的建设，为维修部门寻找维修点，资产管理，包括寻找停车位，这些都可以一起贡献。最后，四维图新还会继续做各种场景，包括未来自动驾驶想补充的场景。很多嘉宾表示，行业内不可能有一两家公司拿到全自动驾驶，一定是合作合作的模式。四维图新也想把我们的解决方案和贡献分享给OEM厂商、系统厂商和朋友们，共同打造一个行业，更好地服务于自动驾驶行业。感谢您的聆听！2021年6月17日至19日，由中国汽车工业协会主办的第十一届中国汽车论坛在嘉定举行。站在新五年的起点上，本届论坛以“新起点、新战略格局——推动汽车产业高质量发展”为主题，设置“一次闭门峰会+一次会议论坛+两次中外论坛+12场主题论坛”，全方位汇聚政府领导、全球汽车企业领袖、汽车行业精英，共商汽车产业强市大计，落实国家提出的“二氧化碳排放峰值、碳中和”战略目标要求，助力打造。其中，6月18日下午，四维图新产品总监刘洋在“智能网联汽车产业生态的整合与升级”主题论坛上发表主题演讲。以下为现场演讲:

大家好，我是四维图新新城刘洋。刚才很多汽车厂商和系统解决者从他们的角度介绍了生态链等自动驾驶的经验和实践。我代表图文商，和大家分享一下我们对自动驾驶整个行业的理解，以及我们从数据服务的思考和我们的实践分享。按照我们的认知，自动驾驶的关键是感知和定位，而感知和定位的关键是传感器，分为物理传感器和在线传感器。在线传感器由定位和高精度地图提供。图形商的关键在于图形商具有精准的映射和映射能力，可以帮助汽车解决大量的计算问题，节省计算能力。我们也可以把各种数据源集合起来，形成地图，发送到车上，从而提高骑行能力。让自动驾驶体验更好、更高效、更可靠，是我们地图提供商参与行业的初心。高精地图要解决哪些问题？第一，对于物理传感器的感知失效，我们看到很多场景，比如非常复杂的交通状况。对于天气阻挡、不清晰和磨损的场景，高精度地图可以增强和冗余物理传感器故障的感知。第二点是，在很多复杂的城市环境中，包括高架群、密集建筑、隧道群定位失败场景，高精地图本身是非常专业可靠的，地图本身的质量和精度远远高于其他数据。一般来说，高精度地图可以为自动驾驶汽车提供一个场景补充。高精地图本身也是超视距的传感器我们会发现，当车辆超车时，普通的物理传感器无法知道超车后的场景。当前方有曲率较大的车道或道路时，包括被遮挡时，以及因天气原因视距不远时，可以为车辆提供预测信息控制参考。包括前方分流、合流、停车线，可以为车端速度控制提供预测参考。总的来说，对于汽车来说，因为之前的领导都提到了预测控制，所以汽车的预测控制越清晰、越安全，信息越准确，整个自动驾驶的体验和安全性就越高。上面两张，我们和我们的伙伴是基于视觉系统的伙伴，做高精度地图匹配定位，右边是基于激光的匹配定位伙伴。这里有一个在德国做的高精度地图匹配测试。除了以上应用问题，高精地图本身也需要做好风险控制。比如在常规的高速场景中，一般认为高速是一个相对封闭的、有规律的、完全可靠的场景，但实际上通过我们这么多年大规模生产地图的经验，看到场景中有很多不确定的、无规律的信息。比如高速场景中有很多路口，高速场景中有不规则的标线。高速场景是否有隔离带的上下游路线，以及异常的开口，对自动驾驶的安全都是非常大的隐患，所以汽车可以通过高精地图提前知道这些不稳定、不规律、不安全的信息，可以提前判断。就数据多样性而言……，传统上或者一般来说，人们认为有两派，一派是基于视觉的，一派是基于激光的。但如果再细分的话，组合还是比较多样的。基于纯视觉的派系对计算能力的要求非常高，应用层面其实并不是真正的自动驾驶。逐渐基于激光的特性，它不同于视觉，视觉是用AI算法做的，激光是用特征提取做的。在众包数据，形成完整的高精地图，现在最先进的玩法不仅有高质量的数据，还有概率数据和实时交通数据。比如，通过高精地图、历史概率信息、实时路况信息，可以知道当前车停在哪个车道，其停车行为是正常停车行为还是拥堵前方停车行为，从而决定是否超车或跟车。四维图新两年前已经覆盖全国所有高速公路，现在处于更新维护阶段，开始逐步拓展普通公路。除了地图本身，我们在地图服务器上的在线分发、众包任务管理、在线更新、在线传感器反馈等方面也比较成熟。对于一个基于地图的一体化解决方案，我们一直想帮助做自动驾驶系统的汽车厂商或者系统提供商，可以支持更多场景的自动驾驶体验。我们还需要支持基于不同系统架构的系统，因为不是所有汽车厂商都能做全链路自动驾驶，每个人的方向不同，发展水平也不同。我们也根据不同的场景和不同的自动驾驶水平开发了不同的产品，来支持人人系统的开发和量产。高精地图本身就是对现实世界的完整语义和矢量化。我们的L3定向地图已经在两年前完全开发完成，现在正在更新维护中。它涵盖了100多个元素，包括基本字段元素、信息元素、逻辑元素和功能安全元素。它是以L3为导向的，已经在几家L3级别的汽车厂商，在量产计划中。作为图形经销商，拥有专业的采集设备，基于点云融合和跳转检测的精准控制手段，基于高度自动化的元素提取独立平台，基于人机交互的信息补充编辑平台。还有一个比较完善的基于地图评测的质量平台。四维图新作为地图服务商，也通过了Aspice三级。这也是为什么我们要做自动驾驶，必须从软件的角度做原本给汽车硬件厂商的公共安全系统，这是我们必须提前做好的。最后，我们还搭建了一个基于众包的地图学习平台。从自动化的角度来说，我们已经从点云特征中自动提取了60多个元素，在多年的深耕中积累了很多案例和特殊场景，所以我们现在对激光图层整体和特殊场景中的程序都特别健壮。基于视觉，我们现在可以在图像中进行语义分割、元素识别和三维重建，并根据高精地图进行匹配和区分，找到发生变化的，然后更新高精地图。总的来说，我们有自主研发的四维图像采集设备，也和合作伙伴一起研发了采集设备。我们可以适配消费级行车记录仪的所有图像采集设备，自动提取主要元素和语义信息。基于快速更新，我们已经将他们的数据连接到主车厂和源头的数据提供者，对数据进行清洗、匹配、合并和汇聚，最终可以发现并更新地图中的变化。通过大量的数据，可以快速更新，也可以把数据源作为对汽车的信心参考。我们也可以做交叉验证。交叉验证的主要目的是单个数据源本身可能在不同的场景中产生不同的问题。通过多源数据，可以高精度防止系统问题发送到汽车上，进一步让汽车更安全，数据更可靠。我们在汽车方面的更新也正在与我们的合作伙伴一起开发。基于面向汽车侧的汽车级摄像机，我们可以直接识别和表征汽车侧的电线杆、交通标志和车道线等元素……将它们与车侧的高精地图进行匹配，不一致的上传到云端系统进行更新。我们整体的L3级高速场景的高速高精地图已经比较成熟了。现在准备开始制作普通的公路场景，已经在量产阶段了。为什么要做普通的公路场景？因为从行业调查来看，国内普通道路场景的成本更低，各系统商和解决方案商更容易落地，商业化前景会更好。请观看视频。我们刚刚看到了自动驾驶的一些场景，为什么要做自动驾驶，以及其相关的非常复杂的规则。这是为L4级别定制的自动驾驶地图，我们已经做了两年多了。它针对的是普通道路。所有要素的精准度和复杂度，以及对普通道路场景的理解，都可以和L4水平相提并论。现在这是定制开发阶段，不可能大规模量产。我们已经在和很多国际车厂和国内系统合作伙伴做大量的测试，测试结果还是不错的。基于量产的全国普通道路场景路线图，我们在去年推出了高清Lite产品。未来两三年，我们计划覆盖全国一二线城市的主要道路，能够整体支持车道级控速、定位、安全冗余的语义描述。基于其整体技术，在成熟的L3生产线上，结合点云、图像的充分利用，将点云分类、图像分类、点云矢量匹配在一起，整体匹配提升基于普通道路场景的路口、主辅路、环岛、大型路口等常见场景，可以快速量产，覆盖大部分城市的主要用途。我们也和合作伙伴做过自动驾驶。我们可能不会说，为了竞争自动驾驶的商业化，我们主要是测试产品。我们在不断迭代普通道路场景，修改地图，用自动驾驶系统升级地图，也可以为高清Lite全面进入SOP阶段做准备。我们已经完成了L4的AVP产品的整个工具链的开发，今年开始进入量产阶段。整体AVP解决了什么问题？首先，我们做了一个调查。整体大型陌生停车场，停车时间18分钟左右。高精度AVP可以帮助车辆进行自主泊车，为每个人节省大量时间。找车也是一个普遍的问题。在外观千篇一律的非常封闭黑暗的环境中，往往很难找到自己的车，尤其是在一个陌生的停车场或者一个忽冷忽热的夏季环境中的地面停车场。所以一键召唤车直接到你的上车点也是很重要的。还有一些想法是直接在站点上做传感器，因为停车场管理非常复杂，很难落地，所以我们还是通过AVP地图提升车载终端的能力，让车载终端自己实现所有的功能。总的来说，我们这么做是为了整体的用户体验和系统，可以省时省心省钱。基于高精地图本身，我们也让它赋予导航新的生命。因为之前已知的常见导航产品，其实都是模拟的三维场景。首先，我们让司机更有沉浸感。自动驾驶之后，人们有更多的时间去关注那个屏幕，当然也不一定是那个屏幕。还有其他地方有可能关注我们的系统，所以沉浸感和体验会特别好。我们将通过汽车的定位传感器进行真正的车道级导航。高精地图本身会聚集很多安全信息，包括L3级别的安全信息，让司机体验行为预警和道路预警。除了地图本身，我们还在做云服务、众包服务、高精度分发服务、模拟。从图文商家的角度来说，我们积累了很多活案例，我们并不是很多标出来的样本案例。车载终端还具备基于感知模块、定位模块、道路预测模块等做出整体生态闭环的能力。V2X，也就是两点。不管怎么说，集中式存储在保证效率和安全性方面还是有瓶颈的。借助V2X的分布和成分，效果可能会提高很多，包括保护基础……在国家政策和手段上，我们也可以保护自己的地图业务和地图安全。对于专业的平面设计师，我们有强大的工具链接系统，我们愿意贡献工具链接系统，所以我们做了一个开放平台的产品。我们基于这样一个事实，我们可以定制每个开发者的数据，按照客户想要的方式操作，或者由客户自己开发迭代。这是我们做这件事的初衷。除了自动驾驶，还有智慧城市的建设，为维修部门寻找维修点，资产管理，包括寻找停车位，这些都可以一起贡献。最后，四维图新还会继续做各种场景，包括未来自动驾驶想补充的场景。很多嘉宾表示，行业内不可能有一两家公司拿到全自动驾驶，一定是合作合作的模式。四维图新也想把我们的解决方案和贡献分享给OEM厂商、系统厂商和朋友们，共同打造一个行业，更好地服务于自动驾驶行业。感谢您的聆听！

标签：发现

汽车资讯热门资讯