千寻位置自动驾驶布局全态观:精准定位、智能模组、场景地图、车路协同......
高精度定位是“众望所归”。
目前,国内外主流车厂都已使用或正在规划使用高精度定位,通用凯迪拉克、戴姆勒、奥迪、宝马、福特、一汽、上汽等车厂都已在测试验证亦或是推进量产的路上。
面对车厂、图商等对高精度定位的“刚需”,千寻位置将自身定位为产业的一个推动者,从芯片到终端,加速整条产业链往高精度定位融合。
千寻位置智能驾驶事业部总经理年劲飞认为,真正靠近量产的定位方案,基本趋势就是融合定位方向。
所以,9月26日的云栖大会上,千寻位置发布业内首个车规级的「双频高精度卫星及惯性导航融合定位模组」,就是他们和意法半导体、移远通信共同打造的。前者负责芯片,后者是全球领先的物联网通讯模组供应商。
相比创业公司的“速度与激情”,成立4年的千寻位置自动驾驶商业化落地步伐更显稳健。但在千寻位置眼中,这并不为困。一则,他们做的是 B to B 业务,不会直接触达 C 端用户;二则,千寻位置选择了一条更务实的道路,将自己定位于“自动驾驶赋能者”,即更注重自动驾驶技术,为车企和自动驾驶运营商提供高精定位技术方案助其完成测试落地。
对于商业化落地,千寻位置有自己的态度。在年劲飞看来,目前大家对自动驾驶的认知逐渐清晰和统一,千寻位置不止面向汽车领域提供位置服务,也已经深入到汽车底层基础硬件领域,和芯片厂商、设备商合作,推出车用的高精定位模组。这是比「提供自动驾驶所需的位置服务」更容易实现商业化落地。
高精度定位“量产”进行时:千寻位置推出融合定位模组
随着L3自动驾驶量产进入关键时刻,为车辆提供精准定位的需求也正在进入最后的攻坚阶段。
此次,三方合作发布的这款车规级双频高精度卫星及惯性导航融合定位模组,能够为智能汽车提供精准定位服务。其中,千寻位置提供高精度定位服务和智能终端算法,意法半导体提供高精度定位芯片和惯性测量单元,移远通信进行封装。
据雷锋网了解,LG69T模组主要应用于L3级及以上自动驾驶车辆,集成该模组的车辆在开阔环境下可以获得精度10厘米的定位数据,准确判断自身所处的车道。据雷锋网了解,该模组将于2020年年中具备交付能力,并有望最早在2021年量产的车型中投用。
此外,如果当车辆卫星导航定位信号不可用时,LG69T模组可切换至惯性导航,保证精准定位的连续性。
“这些要求比航空GNSS的要求严格得多。”千寻位置方面表示, “为了达到要求的高性能,该模组还将提供GNSS完好性检测和紧组合完好性检测,从而使得固定率、收敛时间、精度等得到全方位提升。”
同时,针对自动驾驶车辆需要什么样的高精定位,年劲飞总结为如下三点:
首先是精准。不是在一个地方或者某一个区域精准,而是为了服务于汽车级量产应用,同时覆盖全场景、全天候,以及全国各地的精准服务能力。
其次是可靠性。可靠性又可以拆分为:服务的可用性、连续性、完好性。
第三是安全。安全也分为功能安全、信息安全,信息安全又包括链路安全、数据安全等多方面。
由此可见,安全可靠的厘米级高精度定位“上车”,是自动驾驶实现大规模落地的前提。
基于自动驾驶车辆量产的要求,此次推出的移远LG69T模组为汽车提供了现阶段最高水平的定位能力,在开阔环境下可以输出精度10厘米的定位数据,准确判断自身所处的车道,在高架下、隧道等在卫星信号被遮挡的区域,也可以保持连续的高精度定位能力。
这一结果主要通过千寻位置终端智能算法,基于意法半导体最新车规级双频高精度定位芯片STA8100GA和惯性测量单元ASM330的原始数据,结合千寻位置智能驾驶专有服务FindAUTO数据进行解算而实现的。
据雷锋网 (公众号:雷锋网) 了解,LG69T模组基于ST第五代定位芯片研制而成,符合 AEC-Q100 汽车电子系统标准要求,可利用所有可用的 GNSS 信号,同时从多个 GNSS 星座(GPS、 BeiDou、Galileo、NAVIC/IRNSS 和 QZSS)接收信号。
不同于传统单一高精度定位模组或者单一惯性导航产品,LG69T融合这两者,降低了研发成本,让自动驾驶汽车更快上路。更重要的是,从技术上来看,当车辆卫星导航定位信号不可用时,LG69T可无缝切换到惯性导航,实现精准定位的连续性。
“对此,千寻位置智能驾驶事业部总经理年劲飞表示:“卫星导航系统定位结果虽然大部分时候是可信的,但一旦出错,将严重威胁自动驾驶安全。”
千寻位置智能驾驶专有服务(FindAUTO)能够实时对卫星定位结果进行判断,从而避免给出错误的定位信息,保障自动驾驶车辆安全。
年劲飞称,FindAUTO服务可提供的完好性风险达到10-7/h,意味着服务对定位结果可用的判断,一千万小时,约合1140多年才会出错一次。
此外, 和现在大多数自动驾驶测试车使用外置天线及定位模块不同,对于量产车而言,高度集成化是趋势。
正如在年劲飞所总结的那样,对于量产车而言,厘米级精度、秒级收敛速度、集成化、支持不同车型的可扩展性以及低成本是必须要满足量产的指标。
以高精定位为基础,助推自动驾驶汽车走向量产
“千寻位置在自动驾驶车辆变得不可或缺。”
年劲飞自豪的说道,对自动驾驶汽车而言,千寻位置时空智能服务优势在于:
第一:车规级。硬件、算法服务满足于所有智能驾驶的高标准要求;
第二:集成化。硬件集成,硬件+算法集成,硬件+算法+服务集成;
第三:基于大数据、云计算的人工智能算法确保性能最优。
在成本方面,更 易获取的厘米级定位,为汽车的自动驾驶功能,提供了更可靠的感知依据,减少了自动驾驶功能对于传感器的依赖,进而降低了量产汽车配置、维护设备的成本。
按照年劲飞的说法,千寻位置时空智能主要具备 绝对定位和相对定位 两种能力,一方面 在汽车行业上,千寻位置在全国已建立2400多个地基增强站, 在基准站加卫星的基础上,可以把定位能力提升到厘米级、毫米级;另一方面时空智能服务 已经处理了500多万公里数据,全国道路的总里程接近480万公里。
具体使用上,年劲飞举例道, 大家熟悉 汽车三大件:底盘、发动机、变速箱,而智能驾驶所需要的时空智能也可以类比汽车的三大件:硬件、算法和服务。 硬件相当于底盘,这是基础。服务相当于发动机,服务在高精度定位中是最大的变量,使得定位能力从几米提升到厘米级别。光有发动机也不行,还要和变速箱匹配使用,才能源源不断地输出动力。
除此以外,在限定区域的测试区、园区,可以提供地图的采集制作的服务,这是千寻位置在时空方面的能力的概括。
其实, 千寻位置一直在为低速自动驾驶项目赋能。通过接入千寻位置提供的厘米级高精准定位服务,低速自动驾驶终端可及时获取自身位置、速度、姿态信息,为中控系统规划路线、控制航向、精准停靠提供更准确的决策依据。在未来,还可通过与高精度地图融合,实现各终端的高效互联,加快V2X技术推广。
早在今年6月份, 千寻位置就发布了全国首款支持低速自动驾驶车辆规模化商用的高精度定位解决方案。该方案集“服务、硬件、算法”于一体,率先运用于无人物流、无人清扫、无人零售及无人货运等场景下,从而推动了低速自动驾驶车的技术落地与量产。
年劲飞表示,随着低速自动驾驶向无人驾驶进阶,千寻位置的高精度技术方案也会随之升级,最终成为无人驾驶感知系统的必备能力;其次,低速自动驾驶车辆在运营中沉淀的时空数据,将会为更多无人车提供感知依据,成为支撑更多应用场景的重要资源。
基于对自动驾驶高精定位方案的不断完善和应用场景的积累, 千寻位置还与中国一汽签订战略合作协议,主要涉及高精定位技术在车路协同以及自动驾驶方面。 包括为一汽红旗品牌2020年的量产车型提供高精度定位服务,助力其V2X与自动驾驶的实现。据雷锋网了解,基于车道级定位和精准授时服务,红旗的V2X技术可以获得车与车、车与人、车与路侧单元等各类信息交互的统一时空体系。
这意味着,千寻位置的低成本高精度定位方案得到了主机厂的认可。经过在产业链路上的持续努力,千寻位置已为上汽、广汽、长安汽车、一汽、蔚来汽车等40余家整车厂商提供了高精度定位解决方案。
同时,千寻位置在汽车领域也是广结好友,在芯片模组层,千寻位置与高通、u-blox、ST、华为、移远等企业,合作推出定位芯片产品;在方案融合层,千寻位置已经与博世、恒润、德赛、斑马、高德等企业建立合作。
此外,与星云互联合作,推出具备高精度定位能力的智能路侧单元,服务于“车路协同”的V2X应用。除此之外,千寻位置还与中电昆辰联合推出了室内外一体高精度定位终端,解决自动驾驶车辆在“露天环境+室内环境”下的全场景定位问题。
首推自动驾驶产品战略:“路+车+场”起步
时空智能专有服务已经成为整个千寻位置自动驾驶布局重要一环,联同精准定位、智能模组、场景地图、车路协同,千寻位置的“野心”是自动驾驶高精定位。
按照年劲飞的说法,由于商用车和智能机器的应用比乘用车不可预判的场景更少一些,智能机器和商用车的自动驾驶功能实现也会比乘用车更早一些,所以他宣布高精定位主要面向三个市场,包括乘用车、商用车和智能机器场景。
也就是说,千寻位置目前已形成“路+车+场”的业务矩阵,并覆盖乘用车、商用车、智能机器的全场景服务。
路端: 给高精度地图做地图数据纠偏,目前累计的大量数据可以帮助大家做一个全国范围内的定位质量分析,以及整体智能网联大规模路测。
车端: 包括乘用车,商用车以及智能机器,智能机器定义为现在已经实现了无人驾驶的智能小车,例如可以做巡逻、清扫、物流配送等。
场端: 类似红绿灯等场端设备数据精确传输到平台上,并且能够匹配到动态的高精度地图数据当中去,高精度卫星定位也能起到非常重要的作用。
相比于速度与激情,千寻位置似乎更注重全而精。此次千寻位置发布的首款车规级双频高精度卫星及惯性导航融合定位模组,迭代了针对不同级别自动驾驶产品。这也意味着,对于千寻位置来说,自动驾驶高精定位已是非常重要的业务,亦能窥探出其布局 精准定位+智能模组+场景地图+车路协同 的“野心”。
。