“武汉大学教授李必军：高精地图与感知融合定位”

9月28日-29日，“中国车谷2021智能车产业创新论坛”隆重举行。 本次论坛由武汉经济技术开发区和东风汽车集团有限企业共同主办，武汉市智能车产业创新联盟和盖西汽车共同主办，会议主要围绕智能车创新快速发展的主题展开，包括人机驾驶、地图定位、人工智能和芯片、仿真 以下是武汉大学教授、博士生导师李必军在本次论坛上的发言。

武汉大学教授、博士生导师李必军

专家，领导，嘉宾，你好！

今天给大家展示的主题是“高精地图和感知融合定位”。 今天上午，李院士说测绘遥感能为智能驾驶做什么？ 这里重点介绍高精地图和融合感知方面的情况。

我从1998年开始做移动测量。 正在用激光雷达收集高精度地图。 在国内也首次用激光雷达进行了移动测量。 2006年做工业行业的自动驾驶，2008年做汽车的自动驾驶。 早期由自然基金委员会组织大学科学研究院的中国智能车的未来挑战，我们当时也首次将地图用于自动驾驶行业。 因为以前的比赛不允许卫星导航，只能使用感知定位。

我今天主要从四个方面和大家分享。 大家都知道国家把智能驾驶作为重大战术。 特别是去年中国科协提出的10个重大科学问题和工程技术难题中提到了两件事 一是数字交通基础设施如何推进公路协同和智能驾驶。 从我的专业角度来说，数字交通基础设施实际上是高精地图。 二是如何在无人车无法使用卫星的条件下实现高精度智能导航。 去年11月部委又提出智能车创新快速发展战术，确定提出实现智能车快速发展的中国标准。

总而言之，地图和定位是目前高精度或高级水平自动驾驶落地的关键，也是目前的难点。 特别是李院士也说过，如何降低定位价格，目前还很困难。 说感知不准确，首先是定位不准确。 如果定位正确，对周围场景的感知就正确。 现在车上传感器非常多，比人的感知能力好很多，但是为什么没有做好呢？ 由于算法问题，算法没有突破。

从近三年的事故来看，关于l2、l3、l4，准确的感知和可靠的定位感知仍然是自动驾驶需要处理的长尾问题。 不要用95%的成本来处理最后的5%、10%的问题，而要用小成本来处理是很困难的。

从知觉来说，有几大痛处。 第一，如何进行可靠的感知。 第一是多而复杂的场面，例如武汉有“每天都不一样”的口号。 道路也是如此。 每天都不一样。 采集、更新、维护怎么办？ 一方面是因为难度太高，另一方面是因为价格太高。 第二，如果高精度地位于高架桥下、树林中，精度会恶化。 第三，迅速重新定位。 高精度和低精度之间有暂时的转移，这个转移问题怎么处理？

在公开测试环境中大家都做得很好。 因为是已知的环境，所以在所有场景中怎么做？ 不是像人一样，无论什么样的气候都能凭感觉很好地感知吗？ 这是包括其他定位手段在内的多而复杂的道路上的定位强化。

地图安全标准的提出对导航电子地图的快速发展起到了重要的作用。 另外，作为生产的一环，高精地图的人均平均产量大概一天20公里左右，如果全国30多万公里的高速公路和400多万公里的公路是人工建造的，这种生产效率是无法接受的。 还有很多工作需要人工做。 例如，更新的一环。 这是最头疼的。 大家都不想做这件事。 众包可以更新吗？ 目前需要从技术、法规、管理等方面加以提高。 总之一句话，如何快速、简单、精细，这是地图的重要复制品。

在此背景下，我行业如何结合多学科，测绘领域如何跨界与通信领域、汽车领域融合以提高可靠性，使自动驾驶尽快落地？

我知道人的定位方法有很多种。 有声光电等最初是看天象，看日落日出，这是自古流传下来的定位。 现在的机器人定位方法非常多，比人类好得多。 从地球来看，卫星提供了绝对的指标，但放到更大的宇宙中也是相对定位，惯性导航提供了相对定位。

环境感知，这里有视觉方案、雷达方案，包括毫米波雷达、超声波雷达、激光雷达。 过去传下来的视觉没有人类那样的感知能力，焦点已经决定，能否在自然环境中纠正，还需要多加探讨和学习。

高精地图现在由20多家公司制作。 高精度地图不同于高精度，还包括控制新闻，需要汽车动力学和感知如何结合等比较多的数据解决手段和专业的协助。

从地图和感知的基本关系来看，现在是分割的。 高精度定位是辅助手段，通过定位感知环境，感知相对定位要比厘米更高。

另外，高精度地图上面有专门的设备采集，但是现在松散耦合是主流，通过定位调出地图，看看周围环境是否一致，根据一致的结果控制怎么做，计划怎么做。 计划包括近距离的、全局的，中间地图和感知之间基本分割，而且分工也确定，目前图商是图商，车企是车企，自动驾驶是自动驾驶。

一些问题怎么处理？ 一是以前流传的图像匹配定位方法，利用图像检索地图获得位置新闻。 第二，基于点云匹配的定位，利用3d-2d的特征点匹配获得自身的位置和姿势，用三维重构的方法获取三维点云，从查询的图像中提取特征点，然后将它们与三维点云匹配。 第三，基于融合方案，现在这还很分裂，成果还很少，像人一样，看形状，看颜色，能更快的评价。 第四，小目标识别，远距离依赖激光雷达。 现在最好的激光雷达能看到50米，最高能看到80米就好了。 因为人很简单，对运动目标很敏感，所以要将人的观察力机制引入认识中，快速捕捉小目标，并通过相关特征进行提取。

变化检测对自动驾驶很重要。 特别是运动的目标和静止的目标的检测，应该加以区别。 静止的目标不是关注的重点，需要特别注意运动的目标。 了解其运动态势，可以避免碰撞。 其中也有基于视觉的方法。

在车路协同中有个大问题。 在路边看和在车上看，2个时空基准不同。 两者的新闻交流时，必须统一时空基准。 这里不仅有通信问题，还有基于统一卫星信号的基准是否明确。

目前我们是怎么处理的？ 第一，增加数据量，构建大数据。 现在，数据是许多企业的核心竞争力。 第二，数据质量问题。 第三，整合多个来源的数据。 这与技术问题和管理问题有关。 这是因为许多数据来自不同的部门。 虽然视觉传感器可以比较准确地定位车道，但是这个成本很低，如果进行卫星定位和惯性制导定位的话成本会很高。 这样，大数据通过算法的迭代可以找到定位的基本规律，知道里面的定位规律后，就不那么需要计算力了。

这是我们和东风现在在做的事，是深度融合，这是感知和定位的快速发展方向，现在必须突破。 深度融合后，不会隔离。 我们看路标就知道大概在哪个位置，看入口就知道大概在哪个位置，要在哪里转弯。 自动驾驶在十字路口最重要。 链接不重要。 只能决定到十字路口。 要不要转弯，要不要加速。

现在数据量太大了，如果制作高精度的地图，数据量会非常大。 这个数据怎么简化？ 不仅要构建全国高精度地图来处理自动驾驶，还要对数学模型进行一点优化，找出要点，处理最核心的问题，不现实，成本太大，也赶不上数据的增长速度。

接下来，向大家报告我们团队所做的事情。 自动驾驶中地图是必不可少的，但是否需要高精度的地图这两种说法。 如果有高精度的地图，肯定有利于自动驾驶。 有人认为地图是传感器，但我觉得这个表达不太清楚。 地图就像基础设施，在数字双胞胎和并行系统中，高精地图和高精地图应该是新闻基础设施，所有的新闻都聚集在这里，指导着机器人和自动驾驶。

高精地图获取手段有3个。 1、激光雷达+全景。 这是典型的专业设备。 2、ai+视觉，是如何通过人工智能手段和视觉手段形成高精度采集的。 3、基于轨迹众包高精地图方案，tesla在中国也在收集地图，很多车也是基于简单的设备收集地图。 自动驾驶车本身也是收集车，自动驾驶车也是移动测量车，能否使用自动驾驶车作为地图收集器，这个应该可以应对。

目前，众包地图存在一些问题。 1、什么样的设备能够实现众包？ 这是我们团队建立的瑶歌定位系统。 2、众包地图数据如何整合？ 根据精度的不同，语义表达可能会有差异。 3、众包地图如何评价其可信度？ 如果数据不准确的话，可以用于自动驾驶吗？ 可信度有多少？ 多少不行。 4、众包地图的新闻安全等非技术问题。

让我们来总结和展望一下。 首先，作为我的基本想法，我们不能单纯地谈论高精度地图.有专家认为自动驾驶时高精度地图是不可缺少的，但我认为这个故事并不一定正确. 虽然不像高速公路那样需要高精度地图，但是一定需要精细化地图。 地图能提供什么？ 第一，在地图上知道怎么走。 而且，那是事前知识。 第二，我们决定在地图上知道信号灯在什么位置，十字路口在哪里，十字路口那些传感器在工作，那些传感器没有在工作。 第三，交通标志和信号灯等新闻在地图上是已知的新闻，因此地图可以降低感知难度，提高感知能力。

因为有知觉，所以车道线是知道的。 因为这条车道在应该左转还是右转的地图上，所以这里需要充分融合，确认是否可以用高精地图、导航地图、甚至开源地图进行处理。

最后有一个观点。 智能驾驶首先落地于包括矿卡、室内、小区、特定环境的小特长慢速行业。 这里有人和东风合作，也有人和移动合作。 也就是说，在很多复杂的场面，例如室内外，东风和导航项目也进行了很多研究。

谢谢大家！