无人驾驶汽车的难题:高精3D地图

激光之家
关注

英国金融时报网3月13日报道称,高精3D地图对无人驾驶汽车至关重要,不仅提供位置信息,还承担安全功能,但目前该行业呈碎片化,面临数据收集和缺乏标准的问题。文章主要内容如下:

当一辆自动驾驶汽车端详这个世界时,它会看到很多东西。它有测量与旁边汽车距离的雷达,它有捕捉街道上彩色影像的摄像头,它的激光雷达传感器会发射激光脉冲测量周围环境。对于任何一辆由机器人驾驶的汽车而言,行车过程中最重要的部分之一不是它看到了什么,而是它事先对于它途径路段的情况知道多少。

这个机器人需要一张地图,但不是随随便便一张地图——这些汽车需要有关周围环境的3D信息,这些信息要持续更新,精确到厘米。在街道上行驶时,自动驾驶汽车会每天收集超过1T的数据,足以刻满1400张光盘。然而,自动驾驶汽车的众多传感器传来如此详细的信息,传到网络(例如互联网)是不经济的。

公司必须依靠人力把数据从一个硬盘转到另一个硬盘,这个过程有时被称为“人力网络”,因为工程师们开玩笑说,硬盘的转移速度是他们的脚速。

数据收集是一场旨在积累实体世界知识的激烈竞争的一部分,这些知识可以用来训练新一代汽车。研究人员希望,基础层的信息最终将不仅用于交通和物流,还用于增强现实技术的发展,成为真实世界的模拟,可以被所有机器人、无人机或汽车使用。

然而,实现这种可能的第一步是为自动驾驶汽车开发有效的数字地图技术。繁琐的数据存储只是困扰很多硅谷最聪明的工程师的诸多技术问题之一。没有更精确的3D地图,自动驾驶汽车革命的实现将会慢得多。

曾负责运营谷歌地图并联合创立谷歌地球前身公司的地图专家布莱恩·麦克伦登表示:“这是一个非常困难的问题。”在离开谷歌后领导优步地图绘制工作的麦克伦登去年离开硅谷,步入堪萨斯州政坛。他现在担任由他的前谷歌同事创建的地图绘制初创企业DeepMap的顾问。

他表示,这些地图对于自动驾驶汽车非常重要,原因不仅仅在于提供地理位置信息,还“在于它减少了自动软件为识别周围环境所必须做的工作量。”

他表示,通过将周围实际环境与地图中的预测进行对比,它们可以将注意力只集中在不同点上,例如识别行人或自行车。

过去1年,自动驾驶汽车研究领域的投资达到创纪录水平,同时用于改善地图绘图的资金激增。Civil Maps、DeepMap和Lvl5等初创企业吸引了来自谷歌、苹果和特斯拉的地图工程师,它们已筹集逾4000万美元资金。

与此同时,最大的自动驾驶汽车公司全都拥有自己的地图系统。Alphabet的地图绘制能力就被认为是其自动驾驶汽车部门Waymo的一个关键优势,后者已经完成了超过400万英里的自动驾驶测试。Alphabet拥有谷歌地图、谷歌地球、谷歌街景以及追踪实时交通路况的导航应用程序Waze。

由于3D地图的复杂性,业内就是否将这些虚拟展示称为“地图”发生了激烈争论。收集的信息可以被大致分为几个层次:人行道、建筑物以及树木的物理位置;道路标志和交通信号灯;以及自动驾驶汽车应该如何行驶,比如观察限速标志等。准确性问题也非常重要,即使是微小的变化也会产生影响,如每年移动几英寸的地质板块。

声明: 本文由入驻OFweek公众平台的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。
侵权投诉

下载OFweek,一手掌握高科技全行业资讯

还不是OFweek会员,马上注册
反馈
打开