1、自動駕駛地圖的技術研究發展之路提 綱3S集成與智能交通綜述12自動駕駛研究背景智能駕駛與地圖技術3移動測量45智能駕駛技術的應用場景提 綱3S集成與智能交通綜述12自動駕駛研究背景智能駕駛與地圖技術3移動測量45智能駕駛技術的應用場景基本概念3S集成：GNSS、GIS和RS有機結合智能交通系統：ITS（Intelligent Transportation System）是將先進的信息技術、 計算機技術、數據通信技術、傳感器技術、電子控制技術、自動控制理論、運 籌學、人工智能等有效地綜合運用于交通運輸、服務控制和車輛制造，加強車 輛、道路、使用者三者之間的聯系，從而形成一種保障安全、提高效率、改

2、善 環境、節約能源的綜合運輸系統。ITS包括：車輛控制子系統：輔助駕駛員駕駛（ADAS）或智能汽車(IV)交通監控子系統：給駕駛員和交通管理人員提供道路及交通狀況運營車輛調度管理子系統：實現駕駛員與調度管理中心之間的雙向通訊旅行信息子系統：提供交通參與各方各種交通信息3S集成技術是ITS技術的核心基礎 8 LOGO我國城市交通的特點我國城市交通亂象混行、低速、高密度落后的交通管理與控制“安全、便捷、高效、綠色” 的交通仍是十三五發展目標測繪技術與交通需求3S集成與智能交通（小學科+大行業）導航與位置服務移動測量（MMS）智能駕駛機器人切入點地圖數據采集與更新問題典型 應用3S場景結 合提 綱3

3、S集成與智能交通綜述12自動駕駛研究背景智能駕駛與地圖技術3移動測量45智能駕駛技術的應用場景自動駕駛定義也可簡稱“無人駕駛”，或“智能駕駛”。利用車載傳感器感知車輛周圍環境，并根據感知所獲得的道路、 車輛姿態和障礙物信息，控制車輛的轉向和速度，從而使得車輛能 夠安全、可靠地在道路上行駛。涵蓋了電子信息、自動控制、計算機、地理信息、人工智能等 多門學科，是當今世界前沿熱點研究方向。2007 年Science將智能駕駛車輛評為：未來15年內20個 超乎想象發明之一。歐洲的一項研究表明: 汽車駕駛員只要在有碰撞危險的0.5s 前得到“預警”, 就可以避免至少60% 的追尾撞車事故、30% 的迎面撞

4、車事故和50% 的路面相關事故; 若有1s 的“預警”時間, 則可避免90% 的事故發生。美國研究認為, 包括智能汽車研究在內的智能運輸系統對國家社會經濟和交通運輸的影 響, 可能會超過洲際高速公路。它的意義和價值在于: 大幅度提高公路的通行能力, 至少使 現有高速公路的交通量增加1 倍; 大量減少公路交通堵塞、擁擠, 降低汽車油耗, 可使城市交 通堵塞和擁擠造成的損失分別減少25%40% 左右, 大大提高了公路交通的安全性。優化土地資源，提高運輸效率, 促使交通運輸業繁榮發展。研究背景與意義“智能駕駛”與人工智能何謂人工智能Artificial Intelligence（AI）學術定義研究、

5、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一 門新的技術科學。技術科學計算機科學的一個分支，揭示智能的本質與表現形式。應用實現提供一種能與人類智能相似的方式做出反應的智能系統。代表作：機器人、語言識別、圖像識別、自然語言處理和專家系統等。技術實質對人的意識、思維的信息過程的模擬。能像人那樣思考，也可超過人的智能。13/20人工智能、機器學習與深度學習的關系人工智能（Artificial Intelligence）為機器賦予人的智能強人工智能（General Intelligence）：完美的人工智能弱人工智能（Narrow Intelligence）：簡單的人工智能圖像分類

6、、人臉識別、特征提取 一種實現人工智能的方法機器學習（Machine Learning）理論本質使用算法來解析數據、從中學習并決策標志性成果計算機視覺人臉識別、車牌識別等主要方法神經網絡、聚類分析、決策樹學習和強化學習等深度學習（Deep Learning）一種實現機器學習的技術理論本質借助人工神經網絡的學習機制，將學習的過程多層化進一步強化學習過程14/20人工智能實現的智能駕駛人工智能研究的三大任務“計算機模仿人的理性思考、對周圍環境的感知和動作的實現。”人工智能在智能駕駛中的主要內容模仿人去環境感知感知模仿人去理性思考決策模仿人去執行動作執行感知決策執行15/20自動駕駛分級標準自動化等

7、級稱呼（SAE）SAE定義主體NHTSASAE駕駛操作周邊監控支援系統作用域00無自動化由人類駕駛者全時操作汽車。在行駛過程中可以得到警告和保 護系統的輔助人類駕駛者人 類 駕 駛 者人 類 駕 駛 者無11駕駛支援通過駕駛環境信息對方向盤和加減速中的一項操作提供駕駛支 援。其它的駕駛動作都由人類駕駛者操作。人類駕駛者部分22部分自動化PA通過駕駛環境信息對方向盤和加減速中的多項操作提供駕駛支 援。其它的駕駛動作都由人類駕駛者操作。系統33有條件自動化 CA由無人駕駛系統可以完成所有的駕駛操作。根據系統請求，人 類駕駛者應提供適當的應答和操作。系統44高度自動化HA由無人駕駛系統可以完成所有的

8、駕駛操作。根據系統請求，人 類駕駛者不一定需要對所有請求做出應答。在限定的道路和環 境條件下駕駛。系統5完全自動化FA由無人駕駛系統完成全時駕駛操作。在所有的道路、環境條件 下駕駛。全域L2L3階段人機共駕有限自駕自主駕駛向智能化、網聯化發展高精度地圖已經成為自動駕駛的核心技術厘米級的高精度地圖全自主駕駛自動駕駛的分級標準智能駕駛與無人駕駛自動駕駛路線圖高級駕駛輔助系統（ADAS）高精度定位車道級導航解決特定情況下傳感器失效問題，彌補環境感知設備的不足行駛路徑全局規劃，制定合理的行駛策略2005Grand Challenge Urban Challenge2007Grand Challenge

9、2004M-ELROB 2008M-ELROB 2006C-ELROB 2009C-ELROB 2007FC-09.ARGO 1998美國歐洲NAVlib 5 1995LAGR 2005.中國國內外研究進展20國外智能車代表Google無人車牛津大學機器人汽車柏林自由大學無人駕駛汽車CMU Urban Challenge自動駕駛汽車未來趨勢商業化前期：高度自動駕駛和低速無人駕駛國外知名OEM計劃2015年，TESLA90%以上駕駛采用自主巡航技術，高速公路施行全部的自主巡航；2016年，AUDI將推出商用車輛，可以在車輛低速運行時實現自動轉向和加減速控制，以及交通堵塞的情況下，車輛輔助駕駛；2

10、017年，GM在2017年推出具有“Super Cruise Control”功能的商用車輛， 實現車道保持和自適應巡航控制；2017年，GOOGLE推出其商用車；2018年，NISSAN在多車道高速公路上實現自主變道決策和控制；2019年， TESLA將推出全自主駕駛車輛；自動駕駛汽車未來趨勢國外知名OEM計劃2020年，VOLVO預計使用自主駕駛技術，并實現“零傷亡”；GM、Mercedes-Benz、AUDI、BMW、雷諾公司實現部分路段的 自主駕駛；GM的阿蘭陶伯估計這一年自動駕駛系統將成為汽車標準配置；2025年，Daimler和Ford公司推出全自主駕駛車輛；2025年，GM旗下大

11、部分新車將具有自主駕駛和車間通信V2V功能；2035年，IHS Automotive預計無人駕駛汽車將會實現全自主駕駛功能；國內智能汽車研究進展兩種典型路線圖介紹-互聯網解決方案兩種典型路線圖介紹-整車廠解決方案最近背的景發與展發展現階狀段四維圖新、百度、高德、立得空間等都在進行高精度地圖的開發TomTom 宣稱高精度地圖已經覆蓋美國高速路網在2020年東京奧運會之前，實現日本高精度地圖的覆蓋地圖廠商、互聯網公司、汽車廠家以 及傳感器廠商積極圍繞地圖資源開展 跨界合作與投資并購國內外發展總結國外主流OEM廠商、IT巨頭均將無人駕駛作為公司戰略性進行研發；國外主流OEM廠商在車聯網方面開展較早，

12、已經取得了一定的市場占有率；互聯網對傳統行業滲透速度的加快，OEM廠商與互聯網巨頭合作開發未來的智能汽車；上汽與阿里巴巴合作，啟動“互聯網汽車”戰略騰訊與富士康以及和諧汽車結盟，開發“互聯網+智能電動車”百度在蕪湖建立測試基地、上海嘉定無人駕駛測試基地開放中國制造2025將機器人、智能裝備作為發展重點眾多初創企業進軍無人駕駛未來，在人與物、物與物的通信領域，虛擬現實、感觸性Internet等愿景都將在5G的世界里得到應用和 改善；目前“北斗”在導航、可穿戴設備等領域已有應用，隨著芯片小型化、低功耗、低成本等技術的發展，“北斗”將全面走進大眾的生活。提 綱3S集成與智能交通綜述12自動駕駛研究背

13、景智能駕駛與地圖技術3移動測量45智能駕駛技術的應用場景快速三維導航電子地圖采集與增量更新2000年武大實驗激光掃描儀、GPS、CCD地面移動激光測量系統車載式手持式高精度數據采集車采集內容高精度道路ADAS數據（包含坡度、曲率、高程等）全景圖像及激光點云數據交通標志、標線、信號燈等交限數據全景圖像激光點云移動數據采集車地圖采集移動測量車高德高精度地圖采集車移動采集車優點精度高測圖效率高安全、舒適缺點成本高數據現勢性差數據處理模式識別計算機視覺深度學習地圖制作Lidar影像處理CameraINSGNSS高精度地圖幾何、紋理、語義映射場景元素的識別與 定位GPS/INS 融合高精度位置、姿態速度

14、、姿態等目標識別各大廠商地圖采集情況地圖采集高德四維圖新谷歌HereADAS級別采集近30輛采集車，已50余輛自動駕駛汽車200輛配備了新傳感系車和HAD 級別采完成對全國全部高安裝激光雷達、毫米統的采集車， 安裝有采集車集車， 車輛造價速公路數據的采集波雷達、POS 系統等GPS 、高階相機、雷數百萬人民幣設備，造價高達150萬達及激光測距儀人民幣數據精度10cm10cm厘米級厘米級提 綱3S集成與智能交通綜述12自動駕駛研究背景智能駕駛與地圖技術3移動測量45智能駕駛技術的應用場景檢索快捷多樣的目的地檢索1路徑規劃提供最優化及多樣化的路徑2顯示美觀以及智能的地圖顯示4引導精確的路徑引導3提

15、供豐富的內容以及更多的高級屬性 來滿足多樣性的用戶體驗地圖的基本功能2006年2002年2008年2009年車載導航行人導航動態交通信 息服務（奧 運）增量更新TSP等增值服務HAD Map高精度地圖2010年以后？2002年，出臺國家標準，準生證我國導航電子地圖的發展歷程2008年，telematics，奧運階段精度內容目的功能第一階段（基礎導航電子地圖）10米路網、背景、注記、索引等基本地圖要素輔助駕駛員進行導航提供基礎的道路導航功能第二階段（ADAS級別的地圖）1-5米高精度道路級別的數據（道路形狀、坡度、曲率、鋪設、方向等）、車道數 量、車道寬度數據主動安全ACC（自適應巡航）LDW（

16、車道偏離預警）LKA（ 車 道 保 持 ） FCW（前車碰撞預警）第三階段（HAD級別的高精度地圖）厘米級高精度的坐標，準確的道路形狀，車道屬性相關數據（車道線類型、車道寬度、坡度、曲率、航向、 高程、側傾等）自動駕駛高精度的定位功能道路級和車道級的規劃能力車道級的引導能力車用電子地圖發展階段地圖可計算彎度的半徑 和最大的安全速度地圖識別已統計的 交通事故頻發路段地圖識別已知的 危險區域限速地圖提供坡度信息用于可預見 的轉彎和加速/剎車精確的相對精度輔助LDW 視頻感應數據地圖判斷在水平和垂直 方向的前燈地圖預見超車區的安全性基于坡度的燃料節約自適應前燈疲勞駕駛者監測彎道警示限速咨詢頻發事故路

17、段警示危險區域警示地圖+GPS識別與道路 不一致的搖擺滑行高精度導航地圖ADAS（Advanced Driver Assistance Systems ）自動駕駛為什么需要地圖高級輔助駕駛或自動駕駛需 要機器實現精確的智能控制， 需要有精確的環境基礎信息， 這是地圖表達的主要內容。我在哪？我周圍是什么情況？未來是什么情況？怎么樣去我想去的地方人腦機器腦地圖提供先驗知識，可提前對駕駛控制等進行規劃高精度地圖特征es車道級高精度地圖車道幾何形狀及道路幾何參數車道屬性、交通標牌、紅綠燈、路口等全要素車道及要素間掛接與關聯關系車道級拓撲動、靜態障礙物實時交通信息精度10cm自動駕駛中的地圖構建 洪荒之

18、力s限制：距離和視角長距雷達 1-150m視角限制無法有效檢測不規則障礙物紅外傳感 2-120m成本高前視相機 0-80m視角限制 光線限制短距雷達 2-20m視角限制超聲測距 2-3m后視相機 0-80m視角限制 光線限制一個像素引發的問題es自動駕駛需要怎樣的地圖？人工智能與“智能駕駛”如何看待道路交通中的人工智能- 特斯拉Model S 高速公路追尾消防車案件49/20左圖：2018年1月22日，在洛杉磯405高速公路上，一輛特斯拉Model S 撞上了一輛停在路邊的消防車，所幸無人員傷亡。司機告訴消防部門， 當時汽車處于自動駕駛模式。人工智能與“智能駕駛”如何看待道路交通中的人工智能基

19、于計算機視覺的自動駕駛應用Uber自動駕駛與偶發的致死交通事件360環境感知激光雷達毫米波雷達測距多路視覺辨識高性能計算單元50/20Uber自動駕駛致死交通事件現場2018年3月19日，美國亞利桑那州Uber自動駕駛汽車環境感知技術詳解場景地圖“地圖”根據一定的數學法則，使用地圖語言，通 過地圖綜合，抽象表示地理空間事物的空間分布、聯 系及在時間中的發展變化狀態的圖形。場景地圖 或 駕駛地圖？智能駕駛“場景地圖”是以安全出行為基礎，動態關聯道路上 各種信息，全面反映位置本身及其與所在道路相關的各種特征、 事件或事物的數字精細化地圖。場景地圖實例交通規則(網絡拓撲)渠化信息車道 車道線 車道數

20、車道中心線車道寬度交通燈 障礙物交通標志線 交通引導線 限速場景地圖特點局部視角內容豐富目標動態變化幾何關系復雜連續配準困難自動駕駛如何利用場景地圖車 輛 規 劃高精度相對定位GNSS根據地圖，確 定是否變道根據地圖，確定紅綠燈的范圍根據地圖調整傳感器基于場景地圖的誘導地圖引導56存在的主要問題：交通規則的遵守地圖+ 感知+ 決策和控制= 無人駕駛？導航地圖是無人駕駛的重要技術基礎感知信息和已有真實道路地理信息的配準融合組合定位駕駛敏感目標實時定位、分類與構圖自車位置車道線、 紅綠燈、 交通標志等動靜態障礙物（行人、車輛等）道路幾何參數目標：實時建立道路場景地圖基于單目視覺的場景感知Advan

21、ced Driver Assistant System (ADAS)Common means: millimeter wave radarDisadvantages:前裝expensiveMeans by computer visionAdvantages: 后裝 inexpensive wide extensionMethod (LDW)HOG+SVMResolution640X480Training setPositive samples:1000Negative samples:1000Detecting difficultiesThe contradiction betweenthe

22、speed and precision ofdetectionResolutionTracking inter frames單目視覺的常用技術方法Method (FCWPDW)Haar+adaboostProblems of HaarSensitive to illuminationchange and small offsetNo stronger robustnessProblems of adaboost訓練樣本量大實時計算量大Depth Neural Network (DNNs)實時測繪技術 定位技術基于動態序列影像的道路場景實時建模技術融合地理與視覺信息的車道級定位技術GNSSIMUPOSDMICORS基于場景標記目標的定位、定姿實時測繪技術 機器視覺+攝影測量視 覺 傳 感 器 核 心 算 法 前方車輛識別 交通信號及標志牌識別 車道線提取 行人檢測 車道級實時交通信息計算 地圖快速生產工具 ADAS 功能 基于互聯網的群智感知基于網聯平臺的快速專業制圖實時測繪技術 攝影測量+機器視覺基于深度學習的動態目標提取、識別實時測繪技術 激光點云處理地面點識別路面提取交通標志線提取點云分割目標識別原始數據目標提取區域層次化合并多規則區域生長逐點分類非地面點實時測繪技術 激光點云處理（語義理解）車道級駕駛場景模型兼容已有地圖數據增加實時感知信息建立動態反饋融合地理與