如何让自动驾驶汽车“认得路”

本篇文章主要是结合我之前面试的各种经历和实战开发中遇到的问题解决经验整理的，希望这篇《如何让自动驾驶汽车“认得路”》对你有很大帮助！欢迎收藏，分享给更多的需要的朋友学习~

与人类行走一样，自动驾驶汽车想要完成出行过程也需要有独立思考，可以对交通环境进行判断、决策的能力。随着高级辅助驾驶系统技术的提升，驾驶员驾驶汽车的安全性不断提高，驾驶员参与驾驶决策的程度也逐渐降低，自动驾驶离我们越来越近。

自动驾驶汽车又称为无人驾驶车，其本质就是高智能机器人，可以仅需要驾驶员辅助或完全不需要驾驶员操作即可完成出行行为的高智能机器人。自动驾驶主要通过感知层、决策层及执行层来实现，作为自动化载具，自动驾驶汽车可以通过加装的雷达（毫米波雷达、激光雷达）、车载摄像头、全球导航卫星系统（GNSS）、实时动态（PTK）、惯性测量单元（IMU）等硬件设备感知交通环境，并对探测到的交通环境进行判断，自动驾驶汽车可以根据探测到的交通环境进行行为决策和路径规划，继而对执行单元发送指令来操控自动驾驶汽车的行驶。

自动驾驶汽车的实现并不是我们想象的那么简单，想要让自动驾驶汽车达到老司机的驾驶能力，除了要让自动驾驶汽车可以“看得清”（感知层）、“想得明”（决策层）、“迈得腿”（执行层）外，还需要“认得路”，高精度地图就是自动驾驶汽车“认得路”的制胜法宝了！

与人们到达陌生城市后，会使用地图导航一样，自动驾驶汽车想要实现自动驾驶，也需要解决哪里走、如何走、怎么走等问题。给自动驾驶汽车发出出行指令后，首先要做的就是规划好道路。人类使用的导航地图更注重的是街道名称和路径等信息，只记录道路形状、坡路、曲率、铺设、方向等数据，人类可以根据这些信息了解自己需求的出行路径。与人类使用的导航地图不同的是，自动驾驶汽车的高精度地图涵盖的信息更多、更全。

高精度地图是一种精度可达到厘米级（人类使用的导航地图精度仅为米级），提供元素更加丰富、更新频率更快的高精度、高维度、高丰富度、高新鲜度的电子地图，可以提供超视距环境感知能力并提供车道级别最优路径规划的电子地图，可以确保自动驾驶汽车行驶过程中的安全性。高精度地图除了包含人类使用导航地图所涵盖的信息外，还增加了车道属性相关的数据，如车道线类型、车道宽度等数据，还有诸如高架物体、防护栏、道路边缘信息、路侧障碍物（树、垃圾桶、电线杆等）及路边地标等大量数据。

高精度地图作为让自动驾驶汽车“认得路”的必要辅助，包含了大量的驾驶信息，其中最重要的就是道路网的精确三维表征，除了道路信息外，还包含了很多语义信息，包括信号灯的颜色、道路限速信息、车辆转弯位置等。

高精度地图的出现和发展将促进智慧交通、智慧城市、智能交通的布局，随着智能网联技术的发展，高精度地图的重要性愈发明显，对于达到L4，甚至L3级别的自动驾驶汽车而言，高精度地图的搭载是必要选项。高精度地图可以为自动驾驶汽车规划行驶路径，可以提供定位、决策、交通动态信息等依据，此外高精度地图还可以在自动驾驶汽车上感知硬件出现故障或周围环境比较恶劣时，确保自动驾驶汽车可以安全行驶，高精度地图可以增强超视距感知、提升自动驾驶汽车规划能力。

​高精度地图对于自动驾驶汽车来说非常重要，也具有很多优势。高精度地图可以为自动驾驶汽车提供道路先验信息和冗余定位保障，与车载传感器不同的是，高精度地图不受天气环境、探测距离等影响和限制，可以为自动驾驶汽车提供安全冗余。高精度地图中由于涵盖了车道线、道路标识牌、红绿灯等位置信息，可以预知相关信息，提高感知硬件的探测精度和速度，如在路口左转（靠右行驶交通规则下）是自动驾驶汽车研发过程中较为难以解决的一个问题，高精度地图的辅助，可以告知自动驾驶汽车哪些路口可以左转，左转待转区、左转停止线在哪里等。此外作为车联网发展的一部分，高精度地图可以将车辆信息，红绿灯状态信息、道路交通流量信息等传递至云端，从而实现智能交通的规划和布局。

高精度地图需要存储静态和动态的车辆环境数据与交通环境数据，如果都放在一张图层内将不利于制作，也不利于使用，因此需要使用标准化的分层，每一层体现一种环境要素或交通要素，并将所有图层进行叠加，从而形成可用的高精度地图。现阶段高精度地图可以分为两个图层，即静态数据层和动态数据层，静态数据层自下而上又可以细分为车道模型、道路部件、道路属性三个矢量子层以及一个道路环境特征子层。动态数据层基于智能网联技术，实时获取交通运行数据、交通管理数据集人、车实时运动数据，因此由下往上可以分为交通运行数据层、交通管理数据层及高动态运动层。

高精度地图的制作采集与人类使用的导航地图有着很大的区别，高精度地图的采集系统成为“移动测量系统”，相较于人类使用的导航地图，高精度地图更加专注于自动驾驶场景，是自动驾驶解决方案中不可或缺的一环。由于高精度地图对于数据的实时更新要求度极高，完全使用采集车进行高精度地图的采集将是费事费力且高成本的，一辆高精度地图采集车主要配置的是激光雷达、车载摄像头、陀螺仪、数据存储和计算设备等，一辆高精度地图采集车所能采集的范围极低，如果想要全面铺设采集，这将是巨大的成本。对于高精度地图的编译也是非常耗时耗力的，高精度地图的编译过程包括地图绘制、地图矫正、更新POI信息、更新互联网用户报错等，这就需要大量的人力成本。

对于不同道路环境的高精度地图采集，所需要的人力成本和时间成本也不一样，如高速公路与城市道路的高精度地图采集就有很大的区别，相较于高速公路，城市道路更加开放，场景也更加复杂，涵盖的交通信息也更多，对于自动驾驶能力也提出了更高的要求，也更具挑战，此时高精度地图将发挥更加重要的作用。高精度地图可以将复杂的交通环境进行解构，将人类出行规则按照自动驾驶汽车可以理解的方式进行传递，将复杂的出行动作划分为多个小任务，降低或优化感知硬件对于交通探测的要求。由于高精度地图中涵盖各车道的关联信息，可以让自动驾驶汽车可以提前预测其他车道或方向车辆的驾驶行为，保障自动驾驶汽车可以根据交通规则安全行驶。

高精度地图除了为自动驾驶汽车提供导航作用外，还为自动驾驶汽车安全行驶发挥极大的作用，如高精度地图可对自动驾驶汽车在城市隧道、高架等环境中提供辅助，在这些场景下，可以让自动驾驶汽车利用高精度地图，通过以高精度地图中交通设备作为参考点，结合感知硬件来实现自主定位，大大提高自动驾驶行驶的安全性。对于长期不进行维护，车道线缺失的交通环境中，高精度地图可以通过定位和辅助，确保自动驾驶汽车可以在规划车道内行驶。对于大雾、暴雪等极端天气下，感知硬件的探测精度将进一步降低，高精度地图则可以提供更多的交通信息补充。多变的道路状况也是使用高精度地图的必要原因之一，如在很多城市为优化交通环境，会设置潮汐车道，还会不同道路设置限速，这时就可以通过高精度地图提前进行路径规划，让自动驾驶汽车遵循交通规则行驶。

​高精度地图的发展现阶段依然存在很多问题，比如现阶段并没有一个统一的高精度地图平台，各驻车厂之间高精度地图信息并不是共用的，这就增加了高精度地图的采集成本，建立统一高精地图的数据模型与交换格式，将有助于减少汽车制造商的开发时间和不必要的成本，同时保证未来跨品牌车辆使用的高清地图都可以不断共享刷新数据。

高精度地图的采集成本较高，而且更新也比较慢，现在阶段，高精度地图采集测绘数据的方式主要有2大技术路线，一种以谷歌的地图测绘车为代表，另一种则以特斯拉的“车队学习网络”（FleetLearning Network）为代表，相当于利用量产车，把测绘任务“众包”出去，调动整个车队的所有传感器来收集数据，并通过云技术上传到中央数据库，最终每一辆车都是地图数据贡献者，也是获得者。

交通环境的改变，如道路的升级改造、路侧设备的升级优化，都需要高精度地图实时更新，而这将是非常难的，如何确保高精度的更新频率也是现阶段高精度地图发展亟需讨论的问题。

以上就是本文的全部内容了，是否有顺利帮助你解决问题？若是能给你带来学习上的帮助，请大家多多支持golang学习网！更多关于科技周边的相关知识，也可关注golang学习网公众号。