自动驾驶地图领域,我们注意到一个有独特的概念是百度提出的驾驶知识图谱。驾驶知识图谱包含了一些人类驾驶的一些经验性知识,例如出匝道时不应该立刻减速,而应该缓慢减速保证舒适和安全。驾驶知识图谱的构建基于百度地图收集的数亿人类司机驾驶习惯,包括经验速度、变道时机等,从而帮助无人车做到更好的规划控制。从技术角度来看,有高精地图的加持,会让自动驾驶汽车拥有更好的驾驶表现。同时有自动驾驶和高精地图业务的百度这次在技术上的突破值得关注。
清华大学交叉信息研究院助理教授
博士生导师赵行博士
百度代表的自顶向下方案与Tesla最大的不同在于地图的运用上。我认为百度建图技术的核心竞争力主要有三点:
一、基于路网拓扑的多层次划分,并通过局部地图优化,保证每个子图块内的地图是连续精确的,再对优化后的局部地图进行关联匹配,进行合并,形成更大的地图,最终保证整个高精地图是相互关联且连续准确的,整个过程可以当作是运用一个分而治之的策略,在逐渐自底向上逐层合并的过程。
二、针对局部地图间的关联上,百度训练了场景分类器来识别不同的场景,再根据场景识别结果,使用差异化的匹配策略来更好的找到匹配关系,例如城市场景的匹配因为城市GPS多径效应可能不能过度依赖GPS位置先验信息,隧道场景横向约束比较容易找到,纵向则存在歧义,因此不同场景需要定制的策略来更好的获得正确的匹配和关联。
三、利用learning based方法来识别重叠区域,以及仅对重叠区域进行关联配对的预测,这样可以更有针对性的找到正确的匹配管系
知乎大V EatElephant
对于百度地图而言,在任何一条道路,任何一个道路场景,都有海量的交通驾驶数据,通过融合这些数据,就可以形成一个知识图谱,即在中国的任何一个道路场景,该地图都拥有一个最优驾驶行为的数据。
对于自动驾驶系统而言,有了Apollo自动驾驶地图,就意味着有一个实时在线的“副驾驶”提醒在这个场景怎么驾驶会更舒适、更合理。
建约车评创始人余建约,
视频
对于L4级自动驾驶而言,要达到99.99%以上的成功率,地图是不可或缺的底层能力。百度自动驾驶技术专家黄际洲发布了Apollo自动驾驶地图,强调其具有知识增强、分层多维、为自动驾驶而生的新一代地图优势。目前,在高精地图层面,AI是降本增效的核心驱动,百度高精地图构建自动化率已达到96%,大幅解决了应用成本高的问题。同时,为保障自动驾驶高安全性,Apollo 自动驾驶地图融合车端感知数据与多源地图,实时生成在线地图,满足自动驾驶过程中实时更新的需求,确保自动驾驶安全。此外,为提升自动驾驶舒适性,Apollo自动驾驶地图基于百度地图1200万公里的领先路网覆盖范围及海量时空数据,结合数亿司机的驾驶知识沉淀,构建全路网级别的驾驶知识图谱。学习人类司机经验,用驾驶知识图谱为自动驾驶搭建进步的阶梯。
关闭