高精地圖和定位一直是自動(dòng)駕駛的難點(diǎn)。用傳統(tǒng)激光雷達(dá)收集地圖的方式，不單單傳感器成本高，并且數(shù)據(jù)量龐大，很難實(shí)現(xiàn)地圖的實(shí)時(shí)更新。

從 2017 年開(kāi)始，業(yè)內(nèi)陸續(xù)出現(xiàn)了一些基于低成本傳感器的眾包地圖方案，其中包括：

1.Mobileye 的 REM(Rod Experience Mngement)：眾包地圖概念的先驅(qū)，基于前視攝像頭方案，捕捉道路上的車(chē)道線(xiàn)、交通標(biāo)識(shí)等重要信息上傳到云端，通過(guò)多車(chē)眾包形成可更新的圖層，從而輔助傳統(tǒng)高精度地圖定位。

2. 博世的 Bosch Rod Signture 以及大陸的 E-Horizon：概念與 REM 類(lèi)似，但是在傳感器端加入了毫米波雷達(dá)。

去年 CES，國(guó)內(nèi)的邊緣計(jì)算公司地平線(xiàn)向 GeekCr 展示了基于其「征程」第二代芯片架構(gòu)的自動(dòng)駕駛計(jì)算平臺(tái) Mtrix（這個(gè)平臺(tái)今年獲得了 CES 2019 的創(chuàng)新獎(jiǎng)）。

當(dāng)時(shí)他們就向我們透露，也會(huì)基于「征程」二代芯片架構(gòu)做自己的眾包地圖方案，今年的 CES，他們兌現(xiàn)了這個(gè)承諾，正式發(fā)布了 NvNet。

NvNet 是什么？

地平線(xiàn)官方將 NvNet 稱(chēng)為「眾包高精地圖采集與定位平臺(tái)」。它所采集的數(shù)據(jù)效果如下圖。

當(dāng)?shù)谝淮慰吹叫Ч麍D時(shí)，你可能會(huì)產(chǎn)生一個(gè)錯(cuò)覺(jué)：「這不是激光雷達(dá)所產(chǎn)生的點(diǎn)云圖嗎？怎么感覺(jué)密度有些稀疏？」

事實(shí)上 NvNet 與 REM 一樣，也是僅僅依靠一個(gè)單目攝像頭來(lái)收集數(shù)據(jù)的，只不過(guò)他們依靠自己的視覺(jué)算法計(jì)算出了各個(gè)像素點(diǎn)的距離。其具體原理可以概括為：

1. 單目攝像頭捕捉前方的 2D 畫(huà)面。
2. 通過(guò)感知算法對(duì) 2D 畫(huà)面進(jìn)行分析及語(yǔ)義分割，找出需要重點(diǎn)標(biāo)注的道路信息像素點(diǎn)，包括車(chē)道線(xiàn)，馬路邊緣，道路標(biāo)示，路邊的電線(xiàn)桿和樹(shù)木等。
3. 視覺(jué)算法進(jìn)一步計(jì)算出這些標(biāo)注像素點(diǎn)的距離，并上傳至云端生成 3D 點(diǎn)云的效果圖。

相較于 Mobileye REM 之前展示的 2D 效果圖，地平線(xiàn) NvNet 給出的 3D 點(diǎn)云圖明顯有著更高的信息密度。因?yàn)槭褂脝文繑z像頭，地平線(xiàn)的 NvNet 系統(tǒng)的成本和維護(hù)費(fèi)用會(huì)遠(yuǎn)低于現(xiàn)有的激光雷達(dá)方案，在量產(chǎn)上有更大的優(yōu)勢(shì)，形成大規(guī)模眾包地圖的采集和更新能力。

在 CES 的展館外，我體驗(yàn)了地平線(xiàn)搭載 NvNet 方案的測(cè)試實(shí)車(chē)——一輛奧迪 Q7。

在車(chē)頂上地平線(xiàn)加裝了一個(gè)單目攝像頭，橫縱向視角分別為 90 度和 50 度。攝像頭通過(guò)一根鏈接線(xiàn)接入車(chē)內(nèi)的芯片系統(tǒng)板。

我坐在車(chē)內(nèi)后排，手中通過(guò)他們提供的一臺(tái)平臺(tái)電腦來(lái)查看 NvNet 實(shí)時(shí)生成的點(diǎn)云圖。下面是演示過(guò)程中，平板電腦上的效果視頻：

可以看到，NvNet 在實(shí)際道路上生成的實(shí)時(shí)點(diǎn)云圖還是很穩(wěn)定的，道路旁的標(biāo)志物（白色）樹(shù)木（綠色）以及馬路邊緣（紫色）等都通過(guò)點(diǎn)云圖顯示了出來(lái)。甚至當(dāng)我們路過(guò)一個(gè)大型停車(chē)樓時(shí)，NvNet 也把它清晰的標(biāo)注了出來(lái)。（上面視頻中 2 分 20 秒處）

地平線(xiàn)的余軼南博士告訴我，由于 NvNet 捕捉的地圖信息密度高于一般的眾包方案，他們通過(guò) SLAM 技術(shù)，利用單目攝像頭的感知再結(jié)合從車(chē)輛本身的部分信息，就可以實(shí)現(xiàn)車(chē)輛在 NvNet 地圖中的定位。

NvNet 的商業(yè)模式

現(xiàn)今的高精地圖領(lǐng)域可謂是商業(yè)結(jié)構(gòu)非常復(fù)雜，除了傳統(tǒng)的圖商之外，主機(jī)廠、Tier1、芯片供應(yīng)商以及算法公司等等都有所涉及。

在自動(dòng)駕駛領(lǐng)域，地平線(xiàn)定位于 Tier2，提供核心芯片和算法方案。在 NvNet 的落地上，余軼南透露地平線(xiàn)會(huì)和圖商以及車(chē)輛運(yùn)營(yíng)企業(yè)合作，通過(guò)眾包方案進(jìn)行地圖數(shù)據(jù)的采集工作，并通過(guò)局部地圖和云端地圖的比較，將地圖差異上傳到云端，對(duì)云端的全局地圖進(jìn)行更新。此外，地平線(xiàn)計(jì)劃在前裝的 ADAS 系統(tǒng)上整合 NvNet 系統(tǒng)，并提供數(shù)據(jù)給需要地圖數(shù)據(jù)的客戶(hù)，地平線(xiàn)本身不涉及運(yùn)營(yíng)和數(shù)據(jù)業(yè)務(wù)。

視客戶(hù)的不同需求，地平線(xiàn)還可以將 NvNet 的原始點(diǎn)云數(shù)據(jù)做進(jìn)一步的結(jié)構(gòu)化處理，形成 2D 的道路環(huán)境圖層，這樣更便于輔助傳統(tǒng)的高精度地圖。下圖便是 NvNet 在中關(guān)村收集的數(shù)據(jù)在結(jié)構(gòu)化之后產(chǎn)出的效果圖。

對(duì)于地平線(xiàn)這樣的 Tier2 來(lái)說(shuō)，推出眾包地圖方案可以說(shuō)是出于發(fā)展戰(zhàn)略的一種必然選擇。因?yàn)樗瓤梢哉故咀陨硇酒?算法的感知處理能力，同時(shí)也拓展了在自動(dòng)駕駛行業(yè)中的落地領(lǐng)域。不過(guò)，所有基于眾包概念的方案，都要依賴(lài)龐大的裝車(chē)量來(lái)提供效果，這就意味著地平線(xiàn)必將以進(jìn)入前裝市場(chǎng)作為最終目標(biāo)。

此次在 CES 見(jiàn)到地平線(xiàn)的 CEO 余凱博士時(shí)，他對(duì)我說(shuō)了一句意味深長(zhǎng)的話(huà)：「做前裝是一件困難、復(fù)雜且研發(fā)周期很長(zhǎng)的事，我們一定要耐得住寂寞，不去跟所謂的熱點(diǎn)。」相信這句話(huà)也會(huì)幫助他們走得更遠(yuǎn)。

原創(chuàng)聲明： 本文為 GeekCr 原創(chuàng)作品，歡迎轉(zhuǎn)載。轉(zhuǎn)載時(shí)請(qǐng)?jiān)谖恼麻_(kāi)頭注明作者和「來(lái)源自 GeekCr」，并附上原文鏈接，不得修改原文內(nèi)容，謝謝合作！

歡迎關(guān)注 GeekCr 微信公眾號(hào)：?GeekCr 極客汽車(chē)（微信號(hào)：GeekCr）∓ 極市（微信號(hào)：geeket）。

返回第一電動(dòng)網(wǎng)首頁(yè) >