与驾驶员的驾驶过程一样,自动驾驶也需要经过感知、高精定位、决策、控
制四个步骤。驾驶员的感知通过眼睛、耳朵,自动驾驶则通过激光雷达、毫米波雷达、摄像头、惯导系统等传感器。接着是高精定位,人将看到听到的环境信息与记忆中的信息对比,判断出自己的位置和方向;自动驾驶则需要将传感器搜集的信息与储存的高精度地图对比,判断位置和方向。最后驾驶员思考判断后操控汽车开向目的地,自动驾驶通过人工智能算法决策做出车道及路径规划,给制动转向、加速等控制器下达指令,控制车辆开往目的地。
在自动驾驶过程中,髙精度地图起到了高精度定位、辅助环境感知、路径规划等功能。
(1)高精度定位 导航电子地图的匹配依赖于GPS定位,定位准确性取决于GPS的精度、信号强弱以及定位传感器的误差;高精度地图相对于导航电子地图有着更多维度的数据,比如道路形状、坡度、曲率、航向、横坡角等,通过更高维数的数据结合高效率的匹配算法,高精度地图能够实现更高尺度的定位与匹配。利用高精度地图匹配可以将车辆位置精准地定位在车道上,从而提高车辆定位的精度。
(2)辅助环境感知 高精度地图可以看作是无人驾驶汽车的传感器,对车载传感器无法探测的部分进行补充,进行实时状况的监测及外部信息的反馈;车载传感器有其局限性,如易受恶劣天气的影响,此时可以使用高精度地图来获取当前位置精准的交通状况。
(3)路径规划 对于提前规划好的最优路径,由于实时更新的交通信息,最优路径可能也在随时发生变化。此时高精度地图在云计算的辅助下,能有效地为无人驾驶汽车提供最新的路况,帮助无人驾驶汽车重新制定最优路径。
总之,高精度地图可以解决环境感知中传感器在雨雪、大雾天气里不适用的问题,在规划和决策中对地理数据进行修正,提高准确度,并且大幅减少车载传感器的数目,降低整车成本,加快无人驾驶的商用化。
高精度定位是无人驾驶汽车的核心关键技术。所谓高精度是指定位精度要达到厘米级,任何一种单一方案都不能实现,必须采用组合定位方式。
百度 Apollo系统使用了激光雷达、RTK(载波相位差分)技术与IMU(惯性测量单元)融合的方案,多种传感器融合加上一个误差状态卡尔曼滤波器,使定位精度可以达到5~10cm,且具备高可靠性和鲁棒性,市区允许最高行驶速度超过60km/h。
