四维图新副总裁孟庆昕:自动驾驶时代到来,未来地图要素是什么?

雷锋网  •  扫码分享
我是创始人李岩:很抱歉!给自己产品做个广告,点击进来看看。  

四维图新副总裁孟庆昕:自动驾驶时代到来,未来地图要素是什么?

*四维图新高级副总裁孟庆昕

雷锋网新智驾按:10月26日至27日,2019第二届全球智能驾驶峰会暨长三角G60科创走廊智能驾驶产业峰会在苏州高铁新城正式举行。峰会主要聚焦“自动驾驶的量产时代、单车智能和车路协同的共演之路、新型的车内交互探索”三大主题,共同探讨了智能驾驶的未来发展方向。

本次峰会由苏州市相城区人民政府主办,苏州高铁新城管理委员会、雷锋网新智驾承办,江苏省智能网联汽车产业创新联盟、江苏省人工智能学会智能驾驶技术专业委员会、清华大学苏州汽车研究院、中国移动通信集团等单位协办。来自主机厂、国内外一级供应商、自动驾驶解决方案商、自动驾驶核心零部件、出行运营商等智能驾驶上下游企业,车路协同专家学者、代表企业等1500余位业内人士莅临现场。

虽然各家方案对高精度地图的态度不一,但进入更高级别自动驾驶后,高精度地图的重要性不容忽视。四维图新作为面向B端的图商,在自动驾驶高精度地图领域进展颇为迅速。

近日,四维图新高级副总裁孟庆昕表示,当前地图行业还没有统一标准,各个行业对地图的需求也不尽相同。而且,行业生态未成型,没有形成真正有效的产业链条。基于这些问题,孟庆昕认为,由于高精度地图是基础数据,无论是车厂、车路协同技术服务商,还是公路建设部门等,都可以依托智能地图进行测试,早日实现面向未来的自动驾驶。

随后,孟庆昕介绍了四维图新的制图流程和标准。并表示,智能驾驶对地图的要求是精度高、要素全、协同全和更新快。基于这一特点,四维图新通过车载雷达,对路面要素和点云进行采集,再通过自动化提取的算法将所有要素反映出来,然后进行分类。

据孟庆昕介绍,四维图新面向高精度自动驾驶的地图现在已经可以达到20厘米精度,成为传统导航电子地图、ADAS地图后的又一重要产品。除了用于应用于车端场景,高精度地图还可以应用于云平台和仿真测试。

以下为孟庆昕的演讲速记整理,雷锋网 (公众号:雷锋网) 新智驾进行了不改变原意的编辑:

在组建至今的近20年内,四维图新一直在做智能位置出行业务。目前,四维图新的业务布局涵盖了导航、车联网、自动驾驶等领域,还在芯片、大数据和计算综合能力有所涉足。今年年初,我们拿下了宝马在中国面向L3级自动驾驶地图订单,这也是中国第一张订单,这意味着自动驾驶时代已经到来了。

未来的地图要素会是什么样?基于不同视角,3G到来后,诞生了微信,实现了语音交互的功能,4G到来,诞生了抖音,实现了视频交互。面向5G时代,一定是AR与VR交互的地图呈现。面对To B视角,地图将成为基于全面感知重和决策的需求的三维实景和全面感知系统。

智能地图要素库不断更新

随着5G的到来,四维图新基于现有的传统地图开发能力,和对车的理解,开发了真正的自动驾驶地图,以路为基,以车为本。

智能地图是什么样呢?可以对比一下,传统导航电子地图的精度是1:10000。ADAS地图,也就是大家日常用到的智能辅助驾驶地图的精度目前能够做到0.5米。面向高精度自动驾驶的地图四维图新目前已经做到了20厘米精度。

四维图新副总裁孟庆昕:自动驾驶时代到来,未来地图要素是什么?

我们的智能地图采集已经覆盖了全国范围内的高速公路和部分城市,智能驾驶的特点是精度高、要素全、协同全和更新快。自动驾驶地图是如何采集呢?首先是通过车载雷达对路面要素、点云进行采集,通过自动化提取算法,把所有的要素反映出来,在这个基础上增加属性,然后进行分类,主要分为道路、车道、以及附属设施三大类,在这下面还要进行细分,要素达到100多种,随着自动化对要素增加,我们也在不断更新这个要素库,这些要素构成了智能地图内容。

四维图新副总裁孟庆昕:自动驾驶时代到来,未来地图要素是什么?

在服务方面,四维图新主要做输入和分发。在网络方面,我们针对管理端和车端进行服务和开发。高精度地图呈现的无非是点线面,但这些点线面和传统地图的区别在于,它是给车辆看的,并且能够告诉车辆在哪一条路、哪一条车道行驶,接下来到哪一个路口,如何识别红绿灯,如何完成执行和转向等操作。

应用于车端和仿真测试

未来,自动驾驶地图会应用在哪些场景呢?

首先是车端。通过我们的HD、MS,把生成自动驾驶地图传送到车端,车端通过SDK进行解算,然后发送到自动驾驶引擎上,通过车辆传感器,执行有效的决策,到最后发指令,形成一个闭环。

由于车辆传感器看到变化时才会传输感知数据,所以我们引入了车路协同。因为,大量路侧设备的布设节点距离比较短,也极大地解决了数据传输、数据稳定、数据包大小等问题,有效地保证了自动驾驶地图的更新。

四维图新和车厂达成的协议是,打通车厂服务器,全面感知、实时更新动态数据,然后回传到我们的平台上。这和路侧数据设备一样,都是为了保证自动驾驶的有效更新。

未来要具备实时更新、确保安全的能力,必须要统一地图的规格、服务接口和坐标基准,这是一个基准前提。

前段时间,国务院提出了交通强国纲要。目前交通部、道路建设部门正在大力建设它的交通管控,这里面涉及到很多公路要面临的智慧公路改造工作。

四维图新副总裁孟庆昕:自动驾驶时代到来,未来地图要素是什么? | 附问答

地图是上车、上云、上平台,路侧设备是感知,计算分发一体化则可以全域感知数据回馈。我们认为,智能地图离不开三大应用支撑,首先是基础设施一张图,要打通所有数据车联网的关联,最后通过全域感知进行重构,也就是对所有交通动态数据和场景进行全方位的分析,给决策提供重要支撑。

自动驾驶地图还会应用在仿真测试领域。大家知道,自动驾驶L5级自动驾驶汽车想要上路,据专家称一定要经过110亿英里测试这需要要100辆车24小时不间地测试,测试时间需要500年。由此,模拟测试一定是必不可缺的。

四维图新副总裁孟庆昕:自动驾驶时代到来,未来地图要素是什么? | 附问答

在仿真测试方面,四维图新主要做的是静态数据支撑。我们把静态数据分为四大品类:高速、快速路、城市道路和部分特殊道路。

面向自动驾驶,现在地图已经具备量产能力了,但是还面临一些问题。能够看到,目前我们的地图还没有统一标准。各行各业对地图的需求也不尽相同。而且,行业生态未成型,没有形成真正有效的产业链条。希望大家共同努力,快速推进自动驾驶量产落地。

附新智驾与孟庆昕对话实录:

新智驾:目前四维图新的布局主要集中在国内,国外的布局是怎样的?

孟庆昕: 在第三方的评测和能力验证上,目前四维图新自动驾驶地图处在全球领先的水平.主要是指车身传感器必须交互的AI能力,包括基本采集要素如何传递给传感器,大致包括40个构成要素,四维图新能够达到30个。

新智驾:前段时间四维图新和宝马达成了有关于L3级的地图合作订单,能详细透露下吗?

孟庆昕: 跟宝马基于高精度地图的合作在三年前就达成,今年二月份实现落地,是中国首张面向L3级的自动驾驶订单,量产时间是2021年。此前也有企业认为使传感器或纯视觉方式就可以实现自动驾驶,但四维图新的L3订单证明了,高精度地图是自动驾驶一个不可或缺的重要因素,与传感器密不可分。

第二,国内自动驾驶量产的时间表是在2021年,这也表明,无论是自动驾驶的标准还是四维图新采集的数据,一定要在2021年实现L3级高速公路场景、封闭园区的数据覆盖。

新智驾:最初的导航使用主体是驾驶员,而高精度地图是面向自动驾驶。从四维图新的角度来说,高精度地图的研发,需要什么技术条件才算是成熟?

孟庆昕: 一直以来,国际国内知名的中高端汽车都是四维图新的客户,因此,在产品上一定要符合国际车厂客户的要求,需要对未来的五年、八年有一个前瞻性的战略布局,在技术的评判上一定要远超目前市面上成熟的技术。 

从2005年开始,我们就开始布局与自动驾驶地图相关的业务部门,从采集到数据编译,到最终的地图呈现,可以看到,是跟传统地图完全不同的产品线。 

这也意味着,四维图新必须了解车厂完整的自动驾驶方案,四维图新的有效数据如何给汽车的硬件、传感器一个决策指令,进行有效地传输。此外,为了验证我们的产品,四维图新也成立了自动驾驶完整解决方案部门,验证我们地图提供的精度、要素、覆盖的场景丰富度。我们今年也拿到了自动驾驶的T3牌照。

新智驾:目前,部分自动驾驶方案提供商提出,自动驾驶不需要依赖激光雷达、高精度地图的辅助,依赖视觉加毫米波雷达就能实现自动驾驶,你们怎么看待这些方案?

孟庆昕: 自动驾驶是分等级的,对L3级自动驾驶来说,高精度地图已经成为不可或缺的辅助手段。当然也有像特斯拉这种企业,用颠覆性思维、靠视觉去挑战自动驾驶完整方案。但特斯拉全系依赖L2.5级自动驾驶地图,叠加视觉技术基础来实现。如果面向L4城市级的方案会更复杂,因为城市道路更复杂,而且中国的路况跟国外的路况还是有很大的差异。

至于刚刚提到的颠覆式思维,究竟能走多远,具备不具备量产能力,需不需要安全冗余?自动驾驶最关键的要求就是安全,出了事故就是人毁车亡。我们认为,从国际重量级的车厂或是像华为这么严谨的企业角度来看,一定会用高精度地图。

新智驾:从成本来看,高精度地图方案的成本大概是什么样的量级?

孟庆昕: 目前谈自动驾驶的成本还为时尚早。目前,我们的地图在国际车厂的一台车定价是原来传统地图的3-5倍,如果叠加每年的服务费,就是五千块钱左右。 

新智驾:如何看待智能网联和自动驾驶这两大趋势? 

孟庆昕: 其实智能网联是自动驾驶的一个综合体,未来会把自动驾驶实现万物互联了。V2X的基础就是先打通路侧设备,其中5G开通是一个重要的前提。车身的数据打通之后,任何一台车实现自动驾驶的安全能力会更高。

随意打赏

提交建议
微信扫一扫,分享给好友吧。