“立得​张文俊：立得自动驾驶技术及新场景应用”

9月28-29日， 2021年“东方风起航引导、智能驾驶过渡——中国车谷2021智能车产业创新快速发展论坛”在武汉市召开，会议以智能驾驶为主线，一个主论坛+六个平行。

在9月29日的“地图定位”第六分论坛上，成立空期间新闻技术株式会社研究院长。

你好，我是站在空之间的张文俊。 今天我很荣幸能借此机会和大家分享我们在研究高精地图和自动驾驶的认识。

要说高精地图，我们先来看看自动驾驶这一块的迅速发展现状。 至今，自动驾驶的迅速发展仍然十分蓬勃，百花缭乱。

我们可以在各种车型上看到自动驾驶的影子。 包括市场上非常巨大的轿车、私家车车辆、商用车车辆等。 行业类别有无人矿卡、无人叉车、无人清扫车、工厂内的无人物流车，还包括电站使用的无人巡逻机器人。 我们看到无人驾驶的车辆类型非常多，它们的位置精度和速度要求不同，从而决定了我们提供的地图图案也非常不同。 [/s2/]

从场景上方看，无人驾驶的场景也全面覆盖。 现在，像robotaxi一样，正面向许多复杂的城市交通行业。 既有十字路口等些许场景，也有高速车辆行驶的结构化道路的场景。 也有低速车辆在小区、工厂、校园中运行的少量车辆。 另外，还有我们自主代理停车场和无人矿卡等一点点场景。

让我们从领域的角度来看看自动驾驶吧。 我们在各个领域中也已经有大量的自动驾驶应用。 例如，交通行业、物流行业、还有人员、农业、国防、甚至一些小应急领域都有自动驾驶的诉求。 但是，不同领域对自动驾驶的要求不同，在高精度地图数据和高精度地图的应用方法上也有很大差异。

让我们重新来看看自动驾驶的迅速发展吧。 从源头上再分解一下自动驾驶对地图有什么要求。 从自动驾驶的本质诉求来说，如果回答哲学上的三个问题，我们现在在哪里？ 我们去哪里？ 怎么去？ 很明显，这三个问题都与地图有关。 我们的地图是怎么解决这三个问题的呢？ 另外，通过地图是三个重要的功能。 一个是定位，一个是感知，另一个是计划。

关于定位，刚才谈到了rtk等卫星导航的定位方法，这很方便，也可以正确进行定位。 与其说地图提供定位，不如说地图为定位提供了参考坐标。 可以在地图上识别我们自己取得定位的坐标。 这是大部分场景中的情况，但在隧道和卫星信号等特殊情况下不是那么好的地方。 需要从地图的特征和周围进行观测

其实，这个能力不是高精地图特有的能力。 其实，我们在自己采用地图的过程中，经常会在gps信号消失的时候，找街角的小商店新闻和地图新闻进行比对，找出我们在哪里。

除了地图提供的定位能力外，地图还为我们提供了非常好的预感知能力。 地图的感知能力和我们自动驾驶在行驶中实时进行的感知算法非常相似。 把我们在实际车辆行驶中能感知到的地图要素、场景记录在地图上，节约我们车辆在行驶中消耗的一点感知的计算力，也是因为我们在特殊情况下，例如天气非常差，或者感知到一点超视距

最后，在对数据进行一些整理，添加一些属性和交通信号规则后，可以根据地图导航引擎的能力提供路径规划的算法。 基于这样的路径和速度计划，我们可以到达目标位置。 这是我们的地图方提供的能力。

除了刚才提到的地图的三个重要核心能力外，随着自动驾驶的迅速发展，自动驾驶在地图的应用上也得到了一点新的表现，发现有几个明显的方面。

第一个是远程信息处理。 在路边上，路边看到我们的车辆提供了更好的感知和定位。 这种感知和定位的能力需要用同一张地图来表现。 此外，我们的地图还为远程信息技术后台的管理提供了平台基础，方便我们统一管理远程信息技术设备和车辆。

二是在自动驾驶的过程中，我们怎样才能提高自动驾驶的能力？ 我们通过模拟，现在也有了元宇宙这个概念。 可以在不同的虚拟场景中反复训练我们的自动驾驶车，提高我们自动驾驶的能力，去实际的场景完成自动驾驶的应用。 这强调了我们的数据需要高精度，需要和我们实际场景的一致性，天气场景也可以模拟一点，传感器的数据也可以模拟一点。

另一个在现在的智能驾驶汽车中非常经常出现的是我们的智能驾驶客舱。 智能驾驶座舱中也使用了三维逼真地图的底座。 这也是我们的新地图在自动驾驶的有点新的行业有点应用。

根据上面提到的自动驾驶所需的小地图基础能力和再扩展一点的诉求，来整理一下地图具体会输出什么样的数据，用什么样的APP来满足我们的诉求。

首先，重要的是地图意义层的数据。 意层这一块可以提供道路的小属性新闻，车辆模型，还有小交通设置模型。 这保证了自动驾驶的小路径规划和感知能力。

第二，刚才说地图可以帮助自动驾驶汽车的感知，刚才通过人注意了周围的环境。 自动驾驶的感知通过传感器聚集周围传感器的特征。 我们必须和地图上的传感器特征匹配，决定自己的位置。 第一传感器是激光雷达、照相机、将来使用的4d毫米波雷达等。

三是远程通讯技术，包括智能驾驶座舱，以及数字双胞胎平台使用的数字化三维模型。

这样的数据需要通过语义层次的道路属性、车辆模型、交通设施模型等适当算法的引擎来实现适当的功能，需要使用地图的导航引擎进行自动驾驶的感知和规划。 地图要有效利用这样的定位能力，定位引擎是必要的，常用的矢量算法可以帮助地图进行辅助定位。 也有三维发动机。

确定这样的数据和应用引擎后，在进行地图生产时，我们将对生产进行一点采集和生产技术。 启动的最大好处是，我们一直在研究移动测量的技术。 然后，与不同的地图诉求进行比较，确定和设计我们自己的移动采集设备。 包括立起卫星遥感无人机进行移动测量的设备，以及与室内各场景的不同场景进行比较的少许移动测量设备。 常见的是移动测量的收集，与上述数据相比，我们的移动测量系统包含了丰富的传感器。

与地下停车场这样的场景相比，我们更适合对移动测量采集车进行一点改造，在没有卫星信号的场景下迅速实现三维场景的重建和地图的生产。 另一个是需要迅速进行场景的构筑，稍微完成自动驾驶的场景。 我们也有无人机采集方案，通过空实现一体化渲染方法，快速构建数据网格，实现与路面数据的统一。

面向低速场景，也就是低速物流车、低速巡逻机器人等场景，我们也开发了便携式移动测量装备，让大家能够快速在稍封闭的场景区域获得高精度的地图，从而获得三维的实景地图和点云地图数据。 而且，这样一系列的能力也可以为我们的视觉定位感知、ar导航提供相应的技术能力。

除了上述的一些收集设备外，我们还有专门的一点制图软件来生产我们需要的高精度地图的数据。 该生产软件包含目标检测和分割、点云分割等我们匹配的各感知能力，有助于道路场景的事前感知和提取。

对此，我们比较不同的诉求，有的提供数据服务，有的提供导航引擎定位导航的服务，还有的面向例如领域的招聘者，它不仅是数据和导航引擎 生产平台不仅可以帮助我们迅速二维进行，还可以通过三维部署帮助顾客迅速实现自动驾驶的能力。

最后，对比目前高精地图对自动驾驶多样性的诉求，我们凭借平台化的生产能力，完成个性化的地图生产，在提供多元化的地图服务方案的同时，还比较采用了我们的地图采集设备，实现了我们智能化的生产技术。 期待通过我们不懈的努力，将高精度地图和自动驾驶技术应用于越来越多的场景，实现更大的价值。

谢谢大家！