自動駕駛中高精地圖的大規模生產：視覺慣導技術在高德的應用

導讀：導航、駕駛輔助、自動駕駛等技術的不斷髮展對地圖的精細程度提出了更高的要求。常規的道路級地圖對於智能交通系統存在不少不足，針對自動駕駛應用的需求，咱們提出了利用視覺慣導技術製做高精地圖的方法。

本文將首先介紹視覺和慣導的主流設備，視覺慣導融合的框架和關鍵技術，高德在基於視覺方式生成高精地圖道路標誌和地面標識要素的計算方案，最後總結了這項技術在高精地圖精度上所面臨的挑戰和將來發展方向。

視覺慣導技術具備普遍前景

高精地圖是自動駕駛的核心技術之一，精準的地圖對無人車定位、導航與控制，以及安全相當重要。隨着自動駕駛的不斷髮展，愈來愈多的車企選擇和地圖供應商合做。高精度地圖須要考慮規模和實時的問題，高德能面向不一樣品牌車型提供大規模的數據服務，在高精地圖行業具備領先優點。

目前，高德完成了全國超過32萬千米高等級道路的高精地圖數據，採用了搭配激光雷達採集、圖像視覺慣導融合兩種方式。

經過圖像視覺慣導結合的方式採集數據，一方面能大大下降成本。另外一方面，基於圖像視覺的高精地圖在識別上具備必定優點，能提升車道級別要素做業的效率。所以，這項技術在大規模高精地圖生產中具備普遍的前景。

高精地圖由高精度的地圖要素矢量信息組成，獲取這些高精度的地圖要素信息，一方面是經過識別視覺圖像獲取地圖要素目標，另外一方面經過慣導信息獲取車輛高精度的位置和姿態，兩方面融合獲得對應的矢量地圖要素。

視覺慣導硬件工具篇

視覺設備

主流視覺設備按照工做方式的不一樣，相機能夠分爲單目相機（Monocular）、雙目相機（Stereo）和深度相機（RGB-D）三大類。

單目相機結構簡單，成本低，劣勢在於照片是三維到二維的映射平面，缺乏深度信息，沒法經過單張圖片來計算場景中物體與咱們之間的距離，只有運動才能估計深度。

雙目相機由兩個單目相機組成，但彼此之間的距離（基線）是已知的。咱們經過基線來估計每一個像素的空間位置。雙目相機測量到的深度範圍與基線相關，基線距離越大，可以測量到的就越遠。

因此，無人車上搭載的雙目相機一般會是個很大的傢伙。它的缺點是配置與標定均較爲複雜，其深度量程和精度受雙目的基線與分辨率所限，並且視差的計算很是消耗計算資源。

深度相機原理是經過紅外結構光，相似激光傳感器，主動向物體發射光並接收返回的光，測出物體與相機之間的距離。這部分並不像雙目相機那樣經過軟件計算來解決，而是經過物理的測量手段，因此相比於雙目相機可節省大量的計算。

深度相機缺點是可能存在測量範圍窄、噪聲大、視野小、易受日光干擾、沒法測量透射材質等諸多問題，室外場景較難應用。

針對高精地圖須要大規模生產的需求，單目相機因其成本低，安裝簡單的特色是目前主流的高精地圖視覺設備。

慣導設備

慣性導航系統（簡稱慣導）是一種不依賴於外部信息、也不向外部輻射能量的自主式導航系統。工做環境不只包括空中、地面，還能夠在水下。

慣導的基本工做原理是以牛頓力學定律爲基礎，經過測量載體在慣性參考系的加速度，將它對時間進行積分，且把它變換到導航座標系中，就可以獲得在導航座標系中的速度、偏航角和位置等信息，被普遍應用在軍事、測繪、資源勘探、機器人、自動駕駛等領域。

慣導系統具備抗干擾、自主性強、數據頻率高、穩定性好等優勢。按漂移率從小到大可分爲導航級、戰術級、工業級、車載級和消費級。目前自動駕駛和高精地圖製做領域多選用戰術級的慣導設備，以知足高精定位需求。

此外，慣導系統已發展出撓性慣導、光纖慣導、激光慣導、微機電系統慣導等多種方式。其中微機電系統（Micro-electromechanical Systems, MEMS）具備體積小、重量輕、功耗低、價格便宜、抗衝擊等優勢，被普遍應用，目前已拓展至中低精度的戰術級應用領域。

慣導系統單獨使用時會有累計偏差，實際應用中多與以GPS和北斗爲表明的全球導航衛星系統（Global Navigation Satellite System, GNSS）等輔助系統構成組合系統，獲得載體的全局位置。

當衛星信號丟失時，經過慣導積分能夠獲取較爲準確的實時位姿推算。對於不要求實時性的測繪應用，經過平滑算法能獲取更高的定位精度。

在移動測繪領域，慣導的另外一個做用是配合激光和相機等外部傳感器。經過與GNSS耦合獲得的載體位姿，可爲圖片姿態及激光脈衝發射姿態提供高精高頻定位，通過傳感器間的外部標定，將對應的信息投射到全局三維座標系。

慣導的另外一種組合方式是與視覺傳感器耦合構成視覺慣性里程計（Visual Inertial Odometry，VIO）。視覺傳感器在紋理豐富的場景中SLAM效果較好，可是若是遇到移動物體佔據照片主體或者特徵較少的場景，視覺傳感器會失效。

融合慣導數據能提升總體定位精度和連續性。MEMS慣導單元普遍存在於智能手機當中，蘋果公司推出的ARkit和谷歌公司推出的ARcore框架都提供了相應的VIO實現，以支持加強現實應用。

多傳感器融合的定位導航方案已經成爲趨勢， 慣導系統首先與GNSS組合，再結合圖像、激光雷達等傳感器構成的組合導航系統是目前自動駕駛及高精地圖製做領域的研究熱點和發展方向。

視覺慣導框架及關鍵技術

目前主流的視覺慣導融合框架分爲兩部分：前端和後端。前端提取傳感器數據構建模型用於狀態估計，後端根據前端提供的數據進行優化，最後輸出相機的位置、姿態和全局地圖，架構如圖所示：

視覺慣導技術框架中前端和後端的優化是關鍵技術，本文介紹的是採用滑動窗口的模式進行視覺融合慣導的局部相對優化，當初始化失敗的時候考慮融入純視覺SFM加慣導對齊的方式進行初始化，相對優化以後會有一個全局的優化，最後對整個地圖作絕對的優化。

高德高精地圖生產技術方案

高精地圖的生產主要從兩類要素進行，一類是道路標誌牌，例如路面導向指示牌，紅綠燈等；一類是地面標識，例如車道分割線，導向箭頭等。兩種類別的地圖要素均要先計算出位置，而後把要素和路網關聯，獲得要素的屬性信息和幾何信息。

地圖要素的生產把人工做業和自動化提取融爲一體。首先，經過外業採集的數據進行圖像和軌跡的解算，獲取自動化所需的視覺慣導信息，根據視覺慣導融合技術生成地圖要素，在自動化地圖的基礎上採用人工進行Web編輯的模型，提升地圖要素的精度，最後存儲到對應的數據庫中去。

感知結果示例：

生成地圖示例：

展望

基於慣導視覺的高精地圖生產方案有不少，國內外公司像Moment、寬凳科技，lvl5等都在研究，可是從目前市面上看，因爲設備成本限制，基於視覺的高精地圖精度極限在10cm。

後續，基於視覺的高精地圖發展多是朝着多源數據融合的方向，即同一道路屢次採集，不一樣設備屢次採集獲取的數據源融合在一塊兒，提升精度的同時提升地圖更新的時效。

高德紮根於地圖行業，有豐富的地圖數據源，有行業領先的自動化生產技術和成熟的工藝流程，爲將來基於多元視覺慣導融合的高精地圖生產打下了堅實的基礎，這些都會進一步推進自動駕駛的發展。

搶阿里雲新用戶專屬優惠權益，致電95187-1 ！

---

本文做者：高德技術小哥

閱讀原文

本文爲雲棲社區原創內容，未經容許不得轉載。