Apollo 2.5推基於動態的實時相對地圖解決方案

【PConline資訊】高精地圖對於開發者及測試者來說並不是可以輕易獲得的，製作高精地圖需要大量的成本，週轉時間長，在此背景下Apollo2．5推出了基於動態的實時相對地圖（Real－timeRelativeMap）的解決方案。

在Apollo1．5和2．0中，規劃模塊和控制模塊依靠的是全球定位和高精地圖。高精地圖中有豐富的地圖元素，可以幫助車輛規劃，實現複雜路況下的自動駕駛，衆所周知，高精地圖在自動駕駛中的價值所在，它們不僅有着較高的精準度，而且適用於任何路況，更重要的是高精地圖對於路測有着重要意義，但高精地圖對於開發者及測試者來說並不是可以輕易獲得的，製作高精地圖需要大量的成本，週轉時間長，在此背景下Apollo2．5推出了基於動態的實時相對地圖（Real－timeRelativeMap）的解決方案。

該地圖基於車輛座標系，其原點位於車輛本身。衆所周知，車道線是地圖中的重要元素，以確保自動駕駛車輛做出合理的決策並進行安全的軌跡規劃。在相對地圖中，車道線數據是通過基於攝像頭的車道感知而生成的，並且包含基於雲端的導航線（NavigationLine）。

下圖闡釋了導航線是如何生成的。

導航線在自動駕駛中扮演着多種角色。第一，導航線作爲出發點與目的地點的連接線，提供車道級別導航；第二，導航線可以生成Referenceline用於駕駛決策；第三，爲高精地圖提供載體；第四，導航線是相對地圖的重要組成部分。

導航線有以下特點：

1．導航線是按照駕駛員駕駛路徑設計，所以安全性和舒適性是有保障的；

2．更重要的是，基於駕駛數據，導航線可以自動生成，大大降低了開發成本；

3．可以與視覺感知系統配合生成基本的地圖信息，可以適用於比較簡單的駕駛場景，比如高速公路、鄉村道路等；

4．導航線可以與高精地圖結合，生成複雜的駕駛場景，例如城市道路。

下面我們舉例說明，相對地圖和導航線在自動駕駛場景中是如何工作的。

1．在如下圖highlight區域部署自動駕駛場景；

2．在實現真正的自動駕駛之前，我們需要採集導航線，經過對駕駛員駕駛路徑的採集，後期可以轉換成爲（如下圖綠色線條）；

3．需求：實現從A→B的自動行駛；

4．按照傳統地圖（百度地圖or谷歌地圖）導航，生成的軌跡1（藍色線條）；

5．在接到導航需求時，系統會選擇一條最匹配的導航線（黃色標線）用來導航；

6．系統爲決策模塊提供多條導航線，可以實現變道功能。

通過使用這種方法，我們可以創建一個與高精地圖的數據格式相匹配的相對地圖（RelativeMap），並基於事先錄製好的人工駕駛軌跡和攝像頭實時檢測到的車道線。有的開發者會有疑問：相對地圖與SLAM有什麼區別呢？其實SLAM問題可以描述爲：汽車在未知環境中從一個未知位置開始移動，在移動過程中根據位置估計和地圖進行自身定位，同時在自身定位的基礎上建造增量式地圖，實現汽車的自主定位和導航。RelativeMap在基於指引線錄製模式時，會依賴錄製的指引線與實時攝像頭信息生成RelativeMap，同時，依靠GPS定位；在基於純攝像頭模式時，並不進行自身定位和建造增量式地圖，只依賴實時攝像頭生成的車道線信息行駛。

在行駛過程中，相對地圖數據的計算和更新頻率10Hz，相對地圖數據來源一是基於視覺感知的車道標識，二是基於雲端的導航線，而且相對地圖支持以下三種自動駕駛場景：

相對地圖模式1，僅依靠視覺感知的車道標識

適用場景：

1、定位缺失；

2、只有來自感知系統的車道線識別；

3、車道保持與自適應巡航。

在基於指引線錄製模式時，會依賴錄製的指引線與實時攝像頭信息生成的RelativeMap行駛，此時需要GPS定位。當GPS失效時（比如通過某個隧道），系統將自動切換爲基於純攝像頭模式，此時只依賴實時攝像頭生成的車道線信息行駛。只要有車線可以辨別，車會沿着車道中心線一直開（LaneKeeping）。如果車道線不可辨別，需要人來接管。