TL; DR
- 所谓的高精度地图其实是激光点云定位地图，是投机取巧 Demo 产物
- 对于自动驾驶来说，低精度导航地图+高精度上下文信息足矣
- Mapless 则是另外一个噱头，本质是 ADAS 词汇再创造
若干年前，一票 L4 初创公司只需要买一颗 Velodyne 的 64 线旋转式 LiDAR、一颗 NovAtel 的 RTK+光纤陀螺仪 的高精度组合导航、买一台可以改线控的车再找改车公司（AS、5ms）改好、后备箱塞一台 PC 再找一帮小伙伴，就可以让投资人纷至沓来。
那时候的地图只需要将 LiDAR 的点云用组合导航的数据做运动补偿，然后拼接起来就可以了。起的作用也仅仅是给人工标注行驶轨迹，然后依靠组合导航的精度循线行走。LiDAR 感知也只需要把地面擦除，然后地上凸包做一个聚合和简单的追踪就可以完成一个让投资人眼界大开的 demo。
之后的所谓高精度地图，经历了一系列的演进，比如
- 可以使用点云进行定位，例如 LOAM，这样可以部分降低对于高精度组合导航的依赖
- 添加了摄像头信息，这样地图就看起来像三维重建一般
- 用感知算法擦除行人车辆等
- 可以标注车道线、停止线等信息
- 可以标注红绿灯的三维位置，这样对于红绿灯的感知就从识别简化成了分类问题
这种形式的高精度地图的核心作用其实就是高精度定位，然而，高精度定位真的有必要么？
与此同时，我们必须要面对一系列的问题，例如
- 这种带有高精度定位信息的地图数据量非常大，基本上可以认为和传感器原始数据一个数量级，压缩一般也只能降低一级，和导航地图完全不在一个层面上
- 虽然有各种建图算法，但是依然无法脱离 RTK 的锚定，而 RTK 虽然在一次行程中可以极为精准，但是多次行程的偏移量往往不能对齐，这就制约了局部更新地图的能力
- 对于高精度地图的采集，需要对应的测绘资质。虽说前几年一度放水，但是后来尤其是甲级资质又收紧了，现在全国也只有不超过 20 家具备甲级资质的机构。就现在实操的资质要求来说，已经没有众包标注的可能性，而且处理原始数据必须要强网络和物理隔离
- 在国内使用还需要考虑卫星导航需要 GCJ02 坐标的问题，虽说实际上可以几乎无损转回 WGS84，但是要做到全流程都能合规，也是不太容易的
- 从卫星导航坐标转换到局部欧氏坐标一般需要用墨卡托投影，这样需要分区处理，对于默认欧氏坐标是全局坐标的程序逻辑来说也有额外的适配工作
所以高精度定位地图只能在小范围内使用，全国范围的覆盖，无论是地图的生成与标注，还是下发到车，都是无法实现的。
当然，这并不是说基于 RTK 的定位无用，例如农耕自动化完全可以使用 RTK 路径的模式，只需要基础的感知甚至不需要感知只需要图传即可；又例如室内 AGV 定位，也可以采用惯导+天花板定位点+建图的模式（现在很多送餐机器人即是如此）；室外的工程机械也可以使用路面和环境感知+RTK 的模式；园区穿梭或是物流亦是如此。总之，只要能限定使用范围在一个局部区域，这类投机取巧的方式往往可以适用。
而对于开放道路的行驶，高精度定位真正的效果其实是保证在车道线内的厘米级行驶精度，而这并不需要高精度定位。首先车道线识别无论是对于传统 CV 还是 DL 来说，都算是一个被研究得比较透的问题，在正确标定的前提下，有了车道线识别的结果，就足以保证在车道线内的横向稳定性；而纵向的精度，讲真，不重要，对于 ADAS 来说只要能匹配前车速度就够了。
而上述的高精度定位的种种好处，完全可以使用车道线识别+带有上下文信息的导航地图来解决
- 提供车道线的元数据，例如有多少车道，大概在什么位置有车道线数量的变化，左转右转车道位置，路口的大致位置，甚至可以大致提供车道的曲度和坡度。这样对于感知来说，很容易就可以从自己所在的车道推导出全局的位姿。就算车道完全被其他车遮盖，可以改用跟随车流的规划
- 对于红绿灯定位，可以只提供红绿灯区域的稠密定位上下文，这样感知只需要大概定位到路口就可以继续使用之前的方法
- 甚至还可以提供其它的上下文，例如限速、交通流量、临时改道、车祸等
- 大部分信息其实传统图商手上都有现成的，就算是加一些信息，工作量也远低于高精度定位地图
那么是否可以完全脱离地图，包括带有更丰富上下文信息的导航地图呢？如果我们的要求仅仅是 ADAS，也就是车道线保持自适应行驶，或许再带一个手动触发的半自动化变道，那么结论是够用。如果我们的要求是更高级别的自动行驶，那没有限速和车道信息，恐怕这一切都是空话。
[题外]
上述的三维重建式的“高精度地图”是否有用呢？其实是有的，但是对于自动驾驶这个细分领域来说用处不大，或者说 overkill。重建出来的地图看起来大概是个高精度版的谷歌街景，但由于精度的提升，其实是某种意义上的元宇宙的三维实景，而且如果可以多次采集的话，还有时间维度的信息。这种信息密度对于强力部门乃至军事情报用途是大有用处的，甚至可以配合固定机位的摄像头进行某种意义上的“车路协同”，不仅可以对于车辆和行人这些移动目标进行几乎无死角的全天候追踪。也可以追踪地图包括建筑、施工、地形地貌的改变。用元宇宙的说法，就是对公开道路和周边进行采样和建模乃至干预的能力。
没有评论:
发表评论