0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

高精地图之3D栅格地图的应用

MVlJ_sapdaily 来源:YXQ 2019-07-24 10:58 次阅读

什么是3D栅格地图

3D栅格地图的定义认为一个真实的三维世界可以用一个概率模型来表示。

比如像今天这个会场,我们可以将它离散化成一个个立体方格,每个方格里会存储一个概率,这个概率即方格空间不为空的概率。

上图是一个 3D 栅格地图,从数学的角度讲,它并不是一个连续的描述,而是离散化后的地图,只会保留一些概率值和属性。这里展示的是一张厘米级精度的栅格地图,我们可以很清楚看到周围的环境,包括树、建筑等等。

SLAM与自动驾驶

那么,如何制作高精地图呢?传统上有一种地图制作方法叫SLAM(即时定位与地图构建)。它指运动物体根据传感器信息,一边计算自身位置,一边构建环境地图的过程。目前,SLAM的应用领域主要有机器人、虚拟现实和增强现实。其用途包括传感器自身的定位,以及后续的路径规划、场景理解。

传统SLAM与自动驾驶SLAM的区别

传统 SLAM:

2D;

视觉传感器,单靠摄像头,在某个空间转来转去,最终通过算法来建模;

没有 GPS 信息,很多室内场景是收集不到 GPS 信息的;

生成地图和定位同时进行。

自动驾驶SLAM:

3D,描绘的是一个三维环境;

激光传感器,需要达到比较高的精度;

GPS 信息,室外场景的优势就是可以接收 GPS 信息;

离线处理,数据不需要在线处理,前面介绍过,如果选择在线,某些场景算法无法得到良好的处理,所以需要抽取一些信息来做离线的验证。

3D栅格地图的挑战

相比于传统 SLAM,我们来看下有哪些问题是3D栅格地图需要解决的:

全局 GPS 信息并不总是好的。上图左下角是3D栅格地图的底图,里面包含一条当时车辆的行驶轨迹。你会发现依据 GPS 的这条行驶轨迹,这辆车已经开到马路牙子(路肩)上了,但实际情况并非如此。因此,当拿到这样一份地图数据时,我们需要从算法层做出优化,并且做好细节。

不同时间段的数据如何align(校准)。一般来说,地图的采集不可能一次完成,因此,从算法层面上看,3D栅格地图需要处理把不同时间段的数据校准到一起的问题。

去除非静态的物体。我们所建立的是一个概率的模型,3D栅格地图只需要保留一些静态的物体以辅助感知系统,许多非静态的物体都需要从地图中去除。

应对挑战:位姿图 Pose Graph

位姿图其实是一个优化问题

整体上我们认为位姿图(Pose Graph)是一个优化问题。假设将路线采集以时间去划分——比如每隔4分钟采一个点,最后能得到不同的位置的环境。举个例子:在一个大厅里,我现在站在某点,一分钟后我可能站在另一处,再绕一圈的话后站在门口,通过把整个GPS获得的位置信息离散化之后,将我在每一点所看到的周围的环境直接拼起来,就可能得到一个三维的地图,因为每个点看到的角度都是不一样的。

但因为原始位置可能跟真实位置有偏差,直接拼起来常常导致很多问题。所以我们把这些点离散化之后,希望能够把所有点都对齐调整到准确的位置。那怎么确保最终的结果是正确的?

对整个图来说, 除了顶点之外,还有边。我们希望通过边的约束将点调好,边的约束你可以认为是个相对约束,假设我知道下个点的准确位置,那么便可倒推另一个点的准确位置。也就是说,在有准确的相对位置的基础上,辅以一些比较少的绝对位置,就可以得到一个全局的准确位置。

总的来说,位姿图的优化目标是把整个图离散化到一个个点之后,通过建立一些边的约束,最终通过优化某些点的位置来满足边的约束。位姿图也就成为了一个优化问题。

位姿图的挑战

位姿图整体的数学模型看似简单,但是存在许多细节问题需要做优化:

◆ 如何选择顶点。比如需要考虑是不是毫秒的点都要加进去,GPS 信号不好时的点要不要加进去。

◆ 如何保证边的准确性。一个顶点到另一个顶点的相对位置,需要通过什么方式去建立。

◆ 如何求解非线性优化。图建好之后如何去做非线性的优化。

◆ 如何评估优化效果。图是否和真实的环境一致,以及如何评估结果满足要求。

◆ 效率和资源。对于工程来讲,数据量这么大,你需要考虑怎么设计工程算法以保证效率和资源。比如说,考虑是不是需要在算法基础上进行定制优化,如何用 GPU 或者分布式的计算方式。

我想通过上图右边的例子解释位姿图——左侧原始的图展示的是有一个物体来回在球面上运动旋转,通过在边与边之间建立相对约束,进行优化后,你会发现整个环境的重建成了右侧一个比较理想、完整的球体,概括来说,我们的工作就是需要把左侧的图来变成右侧的图。

迭代最近点算法:保证边的约束

我们前面提到位姿图需要保证边的约束,为了计算出这个约束,业界用的比较多的传统经典算法叫做 ICP(Iterative Closest Point algorithm)——迭代最近点算法。

举个例子:左边是只红色的兔子,右边是只蓝色的兔子,现实中这两只兔子的位置是一样的,但在图片里两只兔子位置不一样,说明位置存在偏差。也就是说,输入是两组点云 A 和 B,输出是两组点云之间在空间上的旋转和平移。

具体算法的思路大致是:找到点云集合 A 中的每个点在集合 B 中的对应点,通过求解最佳的刚体变换,不断的迭代优化,最终得到一个收敛解。

应对挑战:去除非静态障碍物体

去除非静态障碍体的方法大致有三类:

◆ 通过概率模型去除。

◆ 点云处理,单纯的概率模型是不够的,例如有时候小区路边经常停着车,而某些时候车是被开走的。数据采集时,恰好车停在路边,后续那就需要依赖离线点云处理。

机器学习,即利用机器学习算法去把非静态的物体从地图里面抠出来。

上图是一个简单的去除非静态障碍物前后对比图,处理之前,你会发现右侧道路有一些车的轮廓,当从空间上去除之后,地图变得清晰许多

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 机器学习
    +关注

    关注

    66

    文章

    8061

    浏览量

    130441
  • 高精度地图
    +关注

    关注

    1

    文章

    17

    浏览量

    3011

原文标题:在8月的上海,有一场有趣的新能源汽车行业研讨会,你要不要来玩?

文章出处:【微信号:sapdaily,微信公众号:SAP天天事】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    美团取得构建高精地图专利

    美团取得构建高精地图专利 美团日前取得“一种构建高精地图的方法及装置“的专利,这种构建高精地图的方法可以使得高精度与低精度的点云数据可以合并至同一坐标系下;以提高局部高精地图的生成效率
    的头像 发表于 02-26 16:20 195次阅读

    百度地图联合新京报贝壳财经发布“春节迁徙地图

    2024年,春节假期迎来“8+1”超长模式,很多人选择了前期探亲、后期旅游的过节方式。依托百度地图交通出行大数据平台与迁徙大数据平台,百度地图联合新京报贝壳财经发布“2024春节迁徙地图”,深入分析了春节假期的人口流动、交通枢纽
    的头像 发表于 02-22 10:18 338次阅读

    【鸿蒙千帆起】地图携手HarmonyOS NEXT,开启智能出行新篇章

    活动。会上,地图鸿蒙化负责人宋浩波发表了题为\"地图鸿蒙化进展与实践分享\"的主题演讲,他详细介绍了
    发表于 02-02 11:09

    自动驾驶地图研究:SD pro MAP快速上车,助力城市NOA轻地图智驾方案

    从自动驾驶的发展进程看,一段时间内将持续处于人机共驾阶段,这个阶段对地图的需求并不一定是要高精度地图,针对不同地图互补特性整合的多源地图可能更适合该阶段的自动驾驶需求。
    的头像 发表于 01-04 16:09 392次阅读
    自动驾驶<b class='flag-5'>地图</b>研究:SD pro MAP快速上车,助力城市NOA轻<b class='flag-5'>地图</b>智驾方案

    【鸿蒙生态千帆起】HarmonyOS系统级地图与位置服务,赋能广大开发者

    ,同时地图能力可跟随系统迭代升级。通过采用真实色彩及视觉设计,融合人文特性及几何美学,空间上通过场景精细化渲染,打造真实感UX设计;支持海量信息数据化呈现,覆盖运动、出行等众多场景;真实的3D地形图
    发表于 11-22 10:37

    基于高度感知的鸟瞰图分割和神经地图的重定位

    本方案的完整算法是在SD地图中定位一组环视图像。它从环视图像生成本地BEV表示,并从给定粗略3D位置先验的SD地图tile中生成神经地图编码(例如来自航海设备的嘈杂GPS信号和指南针)
    的头像 发表于 11-08 15:59 226次阅读
    基于高度感知的鸟瞰图分割和神经<b class='flag-5'>地图</b>的重定位

    什么是高精度地图

    等级。 L0:依靠人识别行使路径,纯人工驾驶。 L1-L2:米级精度的ADAS地图就足以满足功能需要了,而且车辆是否配备地图也只是一个功能选项不做强制要求。 L3:需要ADAS地图
    发表于 10-07 14:24

    30省134城,百度地图率先获准全国高级辅助驾驶地图

    近日,百度地图134个城市的高级辅助驾驶地图获国家自然资源部地图技术审查中心审批,成为首批快速通过全国高级辅助驾驶地图审核的图商。 继5月份首个集齐6个试点城市高级辅助驾驶
    的头像 发表于 08-18 12:35 325次阅读

    让机器人懂得人类“常识”,3D语义地图能做到吗?

    机器人需要一张保姆级地图
    的头像 发表于 08-11 11:20 469次阅读

    机器人如何构建3D语义地图

    器人为例,一个清扫餐桌底部的任务便要求它需要知道目标的类别和位置。然而目前主流的传统2D栅格地图、拓扑地图虽然能够描述环境中存在的障碍物几何特征及其环境结构信息,但却缺乏机器人用于理解环境、人机/物机交互
    发表于 08-11 11:01 328次阅读

    直播预告丨何为拥有“连续体验感”的高阶智驾地图?

    重感知、轻地图提了一段时间 城市NOA究竟需要什么样的智驾地图? 7月20日20:00 一起来听听 百度智驾地图业务部主任架构师万聪怎么说 一键预约直播 何为拥有“连续体验感”的高阶智驾地图
    的头像 发表于 07-19 17:45 303次阅读
    直播预告丨何为拥有“连续体验感”的高阶智驾<b class='flag-5'>地图</b>?

    一种全新的视角去理解和处理地图矢量化的任务

        黑芝麻智能的科研团队在最新公开的论文中提出两点创新:一是建立了一种更加准确和合理的基于栅格化的“矢量化高精地图构建”的评价指标;二是推出了 MapVR,一个受益于栅格化视角的更精准的“矢量化
    的头像 发表于 06-27 16:05 352次阅读
    一种全新的视角去理解和处理<b class='flag-5'>地图</b>矢量化的任务

    为什么需要去除高精地图

    所以城市 NOA 短期小范围推送尚且可以使用高精地图, 但是长期来看,想要更快推广,或者降低成本从智能驾驶部分获得正向现金流的话,去除高精地图势在必行。
    的头像 发表于 06-19 15:49 603次阅读
    为什么需要去除高精<b class='flag-5'>地图</b>?

    关于即时定位与地图构建的三个基本问题

    即时定位与地图构建(Simultaneous LocalizationAnd Mapping)指的是机器人在自身位置不确定的条件下,在完全未知环境中创建地图,同时利用地图进行自主定位和导航。
    的头像 发表于 05-17 09:49 671次阅读
    关于即时定位与<b class='flag-5'>地图</b>构建的三个基本问题

    基于GIS地图风场人车精确定位

    人员定位 位置监控 系统基于GIS地图实时显示现场作业人员的位置及详细信息。通过人员位置实时跟踪与区域作业人员统计,随时随地掌握人员动态,助力人员作业规范管理: 定位地图:基于GIS地图,显示
    的头像 发表于 04-18 09:25 358次阅读