写点什么

地图数据赋能 ADAS 的探索与实践

  • 2020-03-04
  • 本文字数:5236 字

    阅读完需:约 17 分钟

地图数据赋能ADAS的探索与实践

1.导读

作为汽车智能化的“眼睛”,传感器在其中扮演的角色举足轻重。本文将探讨,作为一种优质的“数字化传感器”,地图数据如何赋能汽车 ADAS 系统,如何在汽车智能化的变革中发挥作用。

2.背景

2.1 ADAS 及其发展

ADAS(AdvancedDriver Assistance System),即高级驾驶辅助系统,通过安装在汽车上的各种传感器,如单双目摄像头、毫米波雷达、激光雷达等,不断感知车身周围环境并收集数据,进行静、动态物体辨识、侦测与追踪,并结合地图数据,进行实时的系统的融合运算和分析,从而在车辆行驶中能够主动提醒驾驶员,或者某种程度上接管车辆的部分控制,让驾驶员预先察觉到可能发生的危险,有效增加汽车驾驶的舒适性和安全性。

2.1.1 ADAS 发展

ADAS 通常由多个配套系统协作而成,举例常见的系统有:


  • 前碰撞预警 (FCW)

  • 自动紧急制动 (AEB)

  • 车道偏移报警 (LDW)

  • 车道保持辅助 (LKA)

  • 自适应巡航 (ACC)

  • 盲点探测系统 (BSD)

  • 全景泊车系统 (SVC)


根据公开资料估计,2025 年全球 ADAS 市场规模将达 275 亿欧元,2015~2025 年均复合增长率高达 17%。



(数据来源:公开资料整理)


欧美日将标配 AEB 功能,ADAS 渗透率提升正在路上。2016 年 3 月,美国主流车厂承诺将于 2022 年 9 月前在所销售新车全部标配 AEB 功能。2019 年 2 月,欧盟地区和日本、澳大利亚共约 40 个国家达成协议,所有乘用车和轻型商用车(载客少于 9 人的货车及小型巴士)都必须配备 AEBS (AEB+ABS),日本将于 2020 年起执行,欧盟将于 2022 年起执行。2016 年底出台的交通部文件规定,中国自 2018 年 4 月起大客车强制安装 FCW、自 2019 年 4 月起强制安装 AEBS,但实际执行状况较差。

2.1.2 ADAS 终局:自动驾驶(Autonomous Driving, AD)

ADAS 被视为汽车实现完全自动驾驶的前提,对于终局的自动驾驶,目前处在海外先行、国内紧跟的情况下。从国际来看,美国在 80 年代初开始自动驾驶军事化应用,而欧洲从 80 年代中期开始研发自动驾驶车辆,更多强调单车自动化、智能化的研究,日本的自动驾驶研发略晚于欧美,更多关注于采用智能安全系统降低事故发生率,以及采用车间通信方式辅助驾驶。


进入 21 世纪后,随着美国国防高级研究计划(DARPA)挑战赛的开启,提高了自动驾驶的社会关注度,从 2009 年起陆续开启产业热潮,谷歌首先布局自动驾驶,随后 Intel 成立自动驾驶事业部,收购 Mobileye,通用汽车并购 Cruise Automation,谷歌无人驾驶项目扩展为子公司 Waymo。



(资料来源:亿欧智库)


国内的自动驾驶起步依托于高校。2009 年起,国家自然科学基金委员会举办“中国智能车未来挑战赛”,为自动驾驶技术的交流和发展起到了良好的促进作用。国家战略的推进刺激了行业快速发展,自国务院在 2015 年发布《中国制造 2025》起,以自动驾驶技术为重点的智能网联汽车成为未来汽车发展的重要战略方向,大批初创企业投身自动驾驶领域。



(资料来源:亿欧智库)

2.2 传统传感器的使用

2.2.1 传统传感器的类型

ADAS 的核心技术是环境感知,作为 ADAS 工作的数据来源,传感器是 ADAS 系统的核心部件。传统的 ADAS 传感器主要包括毫米波雷达、激光雷达、摄像头、超声波雷达等。



传统传感器的主要特征如下:


摄像头毫米波雷达激光雷达超声波雷达
距离短(50m)短/中/长(250m)长(> 100m)很短(5m)
精度一般较高极高
成本极高
功能利用计算机视觉判别周边环境与物体、判断前车距离感知大范围内车辆的运行情况,多用于自适应巡航系统动静态障碍检测识别与跟踪、路面检测、定位和导航、环境建模探测低速环境,如自动泊车系统
优势成本低、硬件技术成熟、可识别物体属性全天候全天时工作、探测距离远、性能稳定、分辨率较高、测速精确测量精度极高、分辨率高、抗干扰能力强、测距范围大,响应速度快成本低,近距离探测精度高,且不受光线条件的影响
劣势依赖光线、易受恶劣天气影响、难以精确测距部分场景下易受信号干扰、无法识别物体属性、探测角度小易受恶劣天气影响、成本高昂、制造工艺复杂只适用于近距离、低速场景,易受信号干扰
类别包括单目、双目摄像头,按照芯片类型又可分为CCD摄像头、 CMOS摄像头依据测距原理不同可分为脉冲测距雷达、连续波测距雷达可分为机械激光雷达、固态激光雷达,根据探测原理也能够区分为单线激光雷达和多线激光雷达

2.2.2 传统传感器的局限


  • 感知范围和识别距离限制:

  • 传统传感器都存在识别距离、高度、范围方面的限制,最长的识别范围不过数百米。

  • 受天气、环境等因素影响:

  • 识别传感器容易受雨、雪、雾、霾等异常天气影响而失效,然而越发在这种天气,对驾驶安全的要求就越高,相应的 ADAS 和 AD 系统发挥的作用也会越发重要,如果此时传感器失效,对驾驶安全和体验带来的影响也越大。

  • 同时,车身传感器还容易受到树木、其他车辆/行人、广告牌、建筑物等遮挡物和光照、角度等不可控因素的影响,导致误识别或者无法识别。

  • 识别准确率,情景和上下文识别难度:

  • 受限于国内道路的复杂状况和交通设施的安装位置等因素,即使能够准确识别到目标,也可能错误的关联到所在道路上,比如一个实际作用在主路上的限速牌可能安装在与匝道相邻的岔路口上,进而可能被误识别为匝道的限速,给后续决策控制系统带来错误的信息,更严重的是,系统可能根本不知道出错了。

  • 成本:

  • 识别效果好的毫米波雷达和激光雷达,成本高昂,毫米波雷达单体价格在千元级别,而激光雷达则更高,单体价格在数万到数十万人民币。成本适中且技术更加成熟的摄像头,则更容易受到上述局限的影响。

2.3 地图数据的价值


基于以上传统传感器的局限,地图数据可作为感知源的有效补充。


  • 超“视”距:

  • 不受探测距离限制,应用方可根据需要获取数米、数公里、甚至上千公里的地图数据。同时,地图数据的获取还不受环境、光照、天气、遮挡物等不可控因素的影响,真正的全路况全天候全天时。

  • 包括动态信息在内的丰富的地图要素和道路拓扑信息:

  • 地图数据中,包括丰富的道路相关数据,比如道路等级、车道信息及车道线、交通标志、交通设施、交叉口、道路形状点、坡度、曲率、连接关系等静态道路数据,同时还包括比如天气、拥堵或畅通等交通信息、事故或封路等动态事件信息。这些数据的使用可以大幅减小感知融合的处理复杂度,同时可以有效的补充道路复杂场景或者上下文复杂情景识别等传统传感器识别效果不满足要求或无法胜任等情况。

  • 高精度定位:

  • 借助于高精度带有地理位置的道路车道线形状点、交通标志、交通设施等静态数据,结合 GNSS、车身传感器甚至视觉信号等其他辅助定位手段,能够达到厘米级别的定位精度,满足 ADAS 或 AD 功能对定位的要求。

  • 局部路线引导:

  • 通过地图数据拓扑结构,能够描述车辆最有可能行走的路径(Most Probable Path, MPP),该 MPP 带有道路级甚至车道级行驶引导信息,可以提供给车辆决策控制系统,用于引导驾驶者操控车辆(ADAS 功能),或者决策系统接管车辆动力、转向、制动控制进行半自动或全自动的引导、变道等操作(AD 功能)。

  • 全局路线规划:

  • 同样借助于全局 MPP,车辆可以时刻了解全局道路的静态和动态属性信息,一方面可以根据这些信息合理的调整车辆动力系统或电源管理模块,减少燃油消耗或节省电量,达到最佳的经济性;另一方面,可以提前识别车辆行驶路径上的事故或拥堵等实时动态信息,适时变更行驶路线或者提前预警,提高驾驶的安全性和舒适性。

  • 安全冗余:

  • 尤其对于面向 AD 场景的功能,安全是首要考虑的前提,地图数据作为数字化的感知源,可以跟其他传感器一起,为感知融合算法提供多重信息输入,联合校验,在减少融合算法复杂度的同时,进一步增加感知的准确性和安全性。

2.4 地图数据的表达


(图片来源:ADASIS 官方资料)


  • ADASIS AISBL


为了利用主要用于导航的地图数据来提高主动安全和 ADAS 应用的性能,弥补 ADAS 传感器的局限和不足,2002 年由 Navtech 联合欧洲汽车行业的汽车制造商、ADAS 供应商和图商成立 ADASIS 论坛(ADASIS Forum),随后该论坛被划入欧洲智能交通协会(ETRICO)。该组织的主要目标是开发、测试和验证在 ADAS 应用程序和地图数据源之间交换地图数据的行业标准接口(ADASIS 标准)。


因为降低了开发成本和个体的风险,符合行业的共同利益,这种标准化协议接口规范的概念受到了业内汽车制造商和各供应商的欢迎。成立至今共推出 3 个版本的 ADASIS 协议标准,标准详情将在下文再行展开。


2018 年 5 月,ETRICO 将 ADAS 论坛重新定义为一个官方的非营利性国际组织,并命名为 ADASIS AISBL,总部位于比利时首都布鲁塞尔。


ADAIS AISBL 从创立开始即采用会员制,按照 ADASIS 最初的归属,会员分别归类到汽车制造商、ADAS 系统制造商、导航系统供应商和地图和数据供应商四个角色中。截至 2019 年 6 月,协会共有 57 家会员,具体参考下表。



(数据来源:ADASIS 官方资料)

3. 名词解释

  • ADAS

  • Advanced DriverAssistance System

  • 即高级驾驶辅助系统,利用车载传感器感知车辆环境,并融合计算,预先让驾驶者察觉可能发生的危险,有效提升车辆驾驶的安全性、经济性和舒适性。

  • ADASIS

  • Advanced DriverAssistance System Interface Specification

  • ADAS 论坛制定的行业国际标准,用于规范地图数据和车辆 ADAS 应用之间交换地图数据的标准接口协议,目前有 v1、v2、v3 三个版本。

  • EHP/AHP

  • Electronic HorizonProvider / ADAS Horizon Provider

  • 即电子地平线,为 ADAS 应用提供超视距的前方道路和数据信息。

  • EHR/AHR

  • Electronic HorizonReconstructor / ADAS Horizon Reconstructor

  • 用于解析 EHP 发出的消息并重建地图数据,供终端 ADAS 应用模块使用。

4. ADAS 应用场景


应用一:智能限速提醒



应用二:自适应巡航



应用三:绿色出行


道路铺设、坡度、曲率、前方路况等因素,调整车辆动力系统或电源管理模块,达到节能经济、绿色出行的目的。


应用四:车道保持



应用五:自动驾驶



(图片来源:ADASIS 官方资料)

5. ADASIS 协议的前世今生

5.1 原理


(ADASIS 系统架构 图片来源:ADASIS 官方资料)


如前文所述,ADASIS 论坛成立主要目的是制定统一的地图数据交换接口,在制定具体的标准接口前,ADASIS 论坛首先提出了上述的系统架构。从架构图可以看到,地图数据并不是直接传递给 ADAS 系统的,而是需要进行一个分解并重组的过程。


首先,要有一个数据提取单元。数据提取单元会提取详细的地形与道路相关数据,以及车辆的位置信息,将这些信息生成 ADASHorizon 所需要的数据,然后通过车辆的相关总线进行传输。


其次,要有一个接收数据的重构单元。重构单元接收到传输数据之后,把它变成不同的 ADAS 系统能够看得懂的数据,然后再根据需求把不同的数据传递到不同的 ADAS 应用中。有了这个过程后,ADASIS 论坛的工作就集中在了数据如何提取、如何传输、如何重构并分发了。

5.2 ADASIS v1

2004 年初,ADASIS 论坛的成员开始了一个名叫 PReVENTMAPS&ADAS 的项目,项目的目标就是明确相关标准的细节并开发出相应的测试方法。ADASIS 论坛借着这个项目验证了 ADASIS 的概念以及前述系统架构和拆分过程是可行的,并在项目结束之后,发布了首款标准协议 ADASISv1。



在 v1 中,系统会根据车辆当前位置以及最终目的地,提取所有可能的路径规划方案,将其中最为优先的路径称定义为最有可能路径(MPP),其他方案为备选方案。所有的方案都会被提取并进行重构,并最终给出选择哪条路径以及如何驾驶通过的建议,传递到不同的 ADAS 系统中。


由于上述过程过于复杂,且传输的数据量过多,给系统总线和提取与重构单元带来大量的时间与成本,因此并没有在任何一家汽车 OEM 厂商的量产车型上使用,相反,越来越多的企业各自推出了自己的解决方案(并没有使用统一标准),严重影响了 ADASIS 标准的推行。

5.3 ADASIS v2

因为 v1 版本的推行失败,ADASIS 论坛开始准备第二版标准,着重在降低系统占用的总线资源,以及使用最小原则提取并重构数据。



经过优化后的 ADASISv2 版本于 2010 年内部发布,其精简的结构和良好的扩展性也得到会员们的支持,并于 2012 年正式对外发布。此后在欧洲,乃至全球范围内得到广泛的使用。



(图片来源:ADASIS 官方资料)

5.4 ADASIS v3

随着地图数据的日趋丰富,地图数据也开始进入高精度地图时代,同时功能更多的 ADAS 系统或者自动驾驶 AD 系统的出现,也对传输数量和传输带宽提出了更高的要求,这时 ADASIS v2 开始显现出了不足。


为解决这个问题,ADASIS 论坛自 2015 年 6 月开始研究基于车身以太网传输的下一代协议即 ADASIS v3,并于 2018 年 7 月内部发布了 ADASIS v3 RC 版。


ADASIS v3 版本支持包括车道数据在内的高精度地图数据,并且添加了多条 Horizon 数据的支持,根据 ADASIS AISBL 公布的信息,正式版本的 v3 协议预计在 2019 年 11 月对外发布。



(图片来源:ADASIS 官方资料)

6. 高德商业项目应用实践

结合自身的积累和优势,高德面向商业量产项目推出了基于导航 SD 数据的 EHPv2 和基于 HD 数据的 EHPv3+高精定位的完整解决方案。该方案采用灵活的组合方式,具备 SD、HD 数据的全量数据要素透出能力,支持 Android、Linux、QNX 等多种平台,同时支持 EHP 云+端和数据 OTA 能力,目前已在多个商业项目中落地。



2020-03-04 14:492687

评论 1 条评论

发布
用户头像
如何使用ADAS/高精度地图数据?有没有联系人,谈合作
2020-03-16 20:07
回复
没有更多了
发现更多内容

强大的原型设计:Kite Compositor最新激活版

胖墩儿不胖y

Mac软件 原型设计工具 Mac动画软件

苹果Mac自用软件推荐:Unite for mac 将网站转化为应用程序 支持M1/M2/Intel

南屿

Unite for Mac Unite破解版 将网站转化为应用程序 Mac软件资源站

【最新中文版激活序列号】Macs Fan Control Pro 苹果电脑掌控风扇必备软件

南屿

Macs Fan Control Pro下载 Macs Fan Control Pro破解 Mac 电脑风扇速度

3D建模设计 Vectorworks 2022 SP5激活版 for Mac 下载安装教程

南屿

3D建模软件 Vectorworks 2022下载 破解软件 Vectorworks 2022注册码

有关SCADA系统的所有信息:什么是SCADA?

2D3D前端可视化开发

物联网 组态软件 工业自动化 SCADA HMI

TikTok直播专线的优势及应用价值

Ogcloud

直播 直播优化 TikTok

F5:伴随生成式AI的发展,2024年将出现十大网络安全风险威胁

科技热闻

2024年,苟住求活,才是长期主义

老张

第二曲线 职场发展 互联网裁员

万界星空科技云MES,助力客户快速构建数字工厂

万界星空科技

mes 万界星空科技 低代码云MES

5分钟使用Hologres实时湖仓加速分析挑战赛来袭

阿里云大数据AI技术

轻松完成图片转换矢量图,推荐Vector Magic for Mac破解版

南屿

mac软件下载 Vector Magic破解版 矢量图片转换工具

左耳听风-我的三观「读书打卡 day 01」

Java 工程师蔡姬

程序员 读书 读书感悟 左耳朵耗子

软件开发

Geek_8da502

超自动化助力企业财务转型升级

智达方通

超自动化 企业财务转型

【年后跳槽必看篇-非广告】Spring Bean的生命周期

派大星

spring 跳槽季 Java 面试题

LED屏租赁需求激增,为何LED显示屏租赁如此受欢迎?

Dylan

综艺节目 应用 LED显示屏 户外LED显示屏 led显示屏厂家

做CAE分析用哪个显卡?CAE咨询

思茂信息

仿真 CAE CAE软件

macos强大的界面设计和原型制作工具:Kite

Rose

Mac动画原型设计 Kite for Mac破解 Kite Mac下载 苹果软件下载站

苹果电脑YouTube客户端下载:YouTube for mac激活版v1.22(56)中文版安装教程

南屿

YouTube客户端 苹果mac软件 Clicker for YouTube

首个云原生、分布式、全栈国产化银行核心业务系统投产上线丨TiDB × 杭州银行

编程猫

草料荣获第五届中国工业互联网大赛新锐组二等奖

草料二维码

二维码 草料二维码

如何查看崩溃日志

深入理解TF-IDF、BM25算法与BM25变种:揭秘信息检索的核心原理与应用

汀丶人工智能

nlp 搜索系统 BM25算法 关键词检索

快麦ERP退货借助APPlink快速同步CRM

RestCloud

零代码 CRM ERP APPlink

矢量图形转换工具vector magic for Mac 兼容macos14系统

Rose

mac软件下载 Vector Magic破解版 矢量图像转换工具

地图数据赋能ADAS的探索与实践_文化 & 方法_高德技术_InfoQ精选文章