自动驾驶中的协同精密定位技术及终端

本文主要介绍了自动驾驶中协同精密定位部分,从位置角度以及定位角度看自动驾驶的需求和情况。本文分为三部分,第一部分是协同精密定位强调的定位技术体系,第二部分是自动驾驶的定位需求,第三部分是在满足定位需求下所做的探索 。

出品 / 公众号“智慧运输与车联网”(ID:IOV114)

由科技部高新技术发展及产业化司、科技部高技术研究发展中心指导,中国智能交通协会主办的第十三届中国智能交通年会“高清地图与定位导航”论坛上,武汉大学章红平教授发表《自动驾驶中的协同精密定位技术及终端》的主旨演讲,本文为演讲速记整理。

协同精密定位技术体系

首先说一下协同精密定位技术,这是“十三五”科技部重点支持研发的项目,我们国家在“十三五”时期就开始研究综合PNT,而且综合PNT是以北斗卫星为前提的PNT,北斗可以导航、定位,也可以做通信。符合了这个时代的要求尤其是自动驾驶的需求。但北斗也有无法满足的需求,尤其是高精度需求,所以国家在研究综合PNT体系的建立。

在日常生活中,手机里都有位置服务,可以监控小孩的轨迹、上传历史轨迹位置、对车辆的监控等,都是基于北斗的位置服务。
常规的北斗级别的定位一般是5米、10米,到“十三五”期间就出现了精密定位,精密定位最典型的是全新定位服务,总体来说是分为毫米、厘米、微米和纳米,很多车厂都在用厘米服务。

精密服务能不能满足自动驾驶的需求呢?回答肯定是无法满足。因此在“十三五”期间提出了协同精密定位,简单的说,第一个就是千级的精准站满足厘米级定位需求,比如说5G LTE可以满足局部区域或封闭空间的米级到厘米级的服务。

我这里强调的是室内室外无缝的协同,包括终端设备、传感器网络、北斗导航的定位服务体系。所以讲综合PNT体系,就是传感器网络和北斗进行有效的融合,试图将传感器形成一个综合平台来做应用和开发。

协同精密技术可以简单分为四类:

第一类是多元协同,比如说常规用的无线、北斗、自动驾驶的自动泊车、UWB都是多元协同,所以第一个协同就是多元。

第二类协同是站网协同,现在华为在做站网系统,包括国家推动的地基增强技术,也是这种站网协同技术,十类定位结合起来提供服务就是站网协同,这两个协同强调的是设备上的。

我们有终端上的各种传感器,同时强调云端协同,这些数据全部应用到平台上,帮助终端实现众包定位和地图定位,这是第三个协同。

第四个协同是端端协同。

这四类协同最终要解决的就是几个问题,一精准,二快速,三是无所不在(除隧道等少数区域),追求三个目标:精准、快速和精密定位。

协同精密定位平台可以分成几层,第一是站网层的处理,第二是快速定位,第三个是平台上多元定位的元的数据。它的应用场景包括智能交通体系的精准云、互联网服务、自动驾驶机器人等。刚才李总强调的是地图,这个强调的是定位,地图和定位结合起来基本上可以覆盖很多应用场景了。平台现在跟百度合作包括协同精准定位课题,因为百度的访问量达到了百亿次,我们可以把这些技术嫁接到百度的云服务平台上。这是和百度云端加多元加协同的方法,其实这就是通信手机上的多元协同,室内定位也往平台上集成。 第二是各种系统的北斗高精尖定位,实现支持北斗、GPS、格洛纳斯等四大系统的联合处理。第三个要实现跨域可靠的室外精密定位,因为互联网体系不可能按照分布式提高可靠性,还有用户弹性的服务体系。当然最终也实现了厘米、毫米、分米、量米的需求。

另外,做的还有多源定位数据协同处理、传感器的集成同时还有公众系统如图书馆、地下停车场的无线多源系统。

自动驾驶的定位需求

自动驾驶发挥的需求可以叫运作流程图,这个运作流程分为两部分,一部分是传感,如常规的传感器、北斗定位传感器、授时传感器。另一部分是决策,也可以理解为长期记忆和短期记忆。定位是短期,长期和短期结合起来给车辆提供准确的信息,包括速度、转弯控制、车道的控制等。

从框架体系可以看出来,传感的车厂理解的就是横向控制、自动控制、车身控制、动力控制。从车厂来讲,车厂在这几个控制往上叠加,如奇瑞汽车。车厂按照自动驾驶的理解做的第二部分事情,包括交通规则的植入、通行区域和判断动态的预测、以及整个动态规则的轨迹。道路的识别和地图有关,交通标志也和地图有关,时间同步强调基础设施的问题也有基本构成。地图也是一样的,还有地图的定位传感器、V2X,这都是社会基础设施的一部分。

刚才讲的是车的信息,如果把车厂忽略从自动驾驶本身看这个问题,也是从左到右分过去,但要强调AI,就是人工智能。有一个观点,即现在所谓的自动驾驶都是依靠有先行轨迹来做,同时加上传感器识别自动驾驶,也就是说它是有条件的,还没有做到自主。像机器人可以实现三级跳,其实不是人工智能,所以对AI的决策控制还处于一个模糊地带,对自动驾驶来说,这个AI部分的决策控制,实际上依赖于很多的数据。我们再来说车身,北斗基本上放在最顶层,60多位,为什么放在顶层?因为可以接收到北斗的信号。为什么放在底盘往上一点,涉及到整个姿态的建模,因为车身的稳定系统要进行很紧密的耦合。为什么雷达放在前面和后面,摄像头放在车耳朵上或车尾?整个车身传感器的集成后,从定位的角度来看,北斗加摄像头、激光可以做辅助定位,在数据平台里面集成起来,做自动驾驶的核心环境感知部件。

从产业链上来看,自动驾驶该担当什么样的角色。那实际上这是从车的角度来看,武汉做的控制模块或者是数据处理模块,叫指控系统,是把组合档、摄像头、激光融合在一起处理的部分。我们目前做的是组合档模块,也是自动驾驶环节里面的一个环节。大家很容易忽略自动驾驶的需求时间,但时间其实是自动驾驶非常关键的因素,关键在哪?里面有其他传感器、摄像头、激光雷达,这些点云只有在统一的坐标系下才可形成整体的决策,所以精密定位的需求时间不可或缺,也是众包系统的源头。

如果从传感器角度和车辆控制角度上看,自动驾驶需要自主决策,自主决策再细分控制单元,也就是说基本上在自动驾驶体系里面,智能决策的每一部分都会用到位置和定位,但是地图也是不可或缺的。在场景里面需要得到自己的位置,得到车身位置在哪个角度,或者是知道自己和障碍物的关系,所以场景本身需要很强的位置关系。智能副驾需要路径规划、需要路径的跟踪、以及自动泊车,这都需要位置精密的需求,目前的状态基本上都是围绕位置来展开工作。再精细化一点,是车道和高精准地图,最主要的航线锁定也需要速度和位置信息。另外,纵向控制也是一个重要的位置控制角度。最后,导航的需求也是一样,绕开障碍物也需要位置,包括车与车之间,刚才强调的众包技术也一样,也需要位置和传感器的结合才能实现众包需求,这里强调的是时间和位置的精度,都提到了新的需求。

在满足定位需求下所做的探索

我们从2015年就开始做跟位置相关的一些产品,第一代产品是320系统,在自动化的基础上使用光纤,比较贵,可能几十万,现在一般原型车都不用。

第二代系统就是降成本,目前物流车和扫地车能承受的成本也就是二三块钱,降成本降到这程度,基本可以集成跟车,包括里程的扩展,如果还不够,就再往下降。

还有相关一些开发的软件和监控软件,包括基于数据分析做决策,实施了整个车辆状态的监控,这些在我们配套的硬件系统里都在用。我们做了一个分析统计,北斗能满足城市里百分之六七十高架桥、树林遮挡的需求,这是比较典型的一般场景,如果加了隧道和高架桥就了降很多。

我们当时在武汉做了一个实验,在车上绑一个摄像头沿着道路跑,利用特征点来辅助定位在北斗惯导的情况下只需110秒,如果用纯粹的视觉,可以实现2—3米。这是当时参加百度3.0计划的测试情况,众包地图对于位置要求肯定是厘米级,基本上实现0.2的定位精度,这是百度的情况,整个华为也都用过这一套系统,这是整个的使用情况,目前的产品线在执行。

最后就汇报到这里,谢谢大家!

本文已注明来源和出处,版权归作者所有,如有侵权,您可以告知我们(点击此处)

参与评论

请输入你的评论!
请在这里输入你的名字