【高精地图和5G技术在自动驾驶中的应用研究13000字】

高精地图和5G技术在自动驾驶中的应用研究目录摘要 4第1章绪论 61.1.引言 61.2高精地图对未来5G无人驾驶技术发展的影响 61.2.1国内外发展现状. 61.3.高精地图 81.3.1高精地图数据组织 81.3.2高精地图采集设备 9第2章高精度地图在自动驾驶中的应用 132.1高精度地图在自动驾驶中的应用 132.1.1自动驾驶关键技术点 132.1.2高精度地图之关键作用 132.2高精度地图在交通监管中的应用 132.3高精度地图在V2X中的应用 14第3章自动驾驶对于高精地图的要求分析 153.1自动驾驶对于高精地图的要求分析 153.1.1对于高精地图的生产技术要求 153.1.2对于高精地图的要素和精度要求 153.2自动驾驶对于高精地图的数据模型要求 16第4章无人驾驶技术5G时代存在的问题 174.1安全及法律问题 174.2造价问题 174.35G技术的要求问题 17第5章5G无人驾驶技术的未来发展方案分析 185.1方案架构 185.1.1端侧采集与应用 185.1.2边缘节点与应用 195.1.3云端应用 205.2方案关键技术和特点 20第6章结束语 21参考文献 22

摘要高精度地图作为无人驾驶应用中辅助驾驶的重要手段,高精地图也成为众多企业关注的领域。在高精度定位、环境感知、控制决策等方面发挥着重要作用。本文主要结合国内外导航电子地图的发展，高精地图在自动驾驶中技术的关键点进行阐述。随着5G技术的发展,高精地图在交通监管中与在V2X中的应用。同时,本文简述了自动驾驶对高精地图在技术上生产技术要求,要素和精度要求。随着科技的发展,无人驾驶的普及,只有实时更新数据,才可以保证无人驾驶的安全问题,本文提出一种基于端边云协同的利用多类型设备进行高精地图采集与应用的方案,利用智能道路设备、部分浮动及商业运营车辆自带视频雷达等传感器来采集道路信息并进行AI处理，作为地图更新数据的众包模式。关键词：高精地图无人驾驶5G第1章绪论1.1.引言随着智能交通与智慧城市的发展水平不断提升，越来越多带有高级辅助驾驶功能的智能网联汽车面世，无人驾驶出租车、矿区港区专用的自动驾驶工程车等示范运营项目也不断涌现。自2009年谷歌提出希望以自动驾驶技术解决愈发严重的交通安全问题、提升社会整体交通通行效率和降低全球能源消耗的战略规划并启动此项目的技术研究开始，这一行业方向已经吸引了国内外各大整车厂、造车新势力、零部件供应商、互联网科技企业、自动驾驶解决方案公司、出行与地图服务公司、非汽车行业巨头等多方参与，并一直被资本市场高度关注。一旦《标准道路机动车驾驶自动化系统分类与定义》中完全驾驶自动化被应用至智能车辆，对于不限制设计运行范围的全部动态驾驶任务(DDT)，可通过自动驾驶系统自主完成，无需用户介入DDT的回滚应变，这将引发新一轮交通领域的行业全方位革新。但不同国家及地区的法律法规体系亦影响实际辅助驾驶与自动驾驶的研发测试、商业运营和日常使用;另外，自动驾驶的核心智能算法研发和工程化应用的难度大，投入人力物力成本高且难以在短期内获得商业回报，特别是对于国内人口基数庞大的现实状况而言，交通参与者的数量、形式和行为模式相比发达国家更加多样，城市开放道路长尾场景更为复杂，进而加剧了自动驾驶技术和高级辅助驾驶技术在国内落地的难度。1.2高精地图对未来5G无人驾驶技术发展的影响1.2.1国内外发展现状.1.导航电子地图的发展从1985年之后，正式的开始发展电子式导航，当时美国公司NAVTEQ开始正式的发展电子式地图，后续荷兰公司TeleAtlas也开始为主要代表参与到导航电子地图的研究队伍中。随着时代的发展和进步，社会各种科学技术也开始迅速的更新和发展，电子导航地图的发展促进经济市场开始出现新的需求。第一点是地图内的数据收集方式开始从原本专业的采集方式开始朝着众包结合的方式出现转变，最开始进行数据采集的方式是专业人员的采集，后续随着发展开始朝着专业与众包结合进行结合的采集方式进行转变。同时出现改变的还存在生产方式的改变，从专业人员采用地图的编辑工具的绘制方式进行了过渡，逐渐的更新成自动化处理的编辑方式，专业人员的数量也开始随之减少。最后变成了目前阶段的完全自动编辑的方式，也就是能够自动进行采集和编辑，最后实现自动化成图。另一种表现的主要形式开始从二维、三维的方式逐渐过渡成为了高精度的电子地图。随着更新和发展逐渐的发展成为自动驾驶领域内应用最广泛的高精度电子地图。2.高精地图行业发展现状高精度地图是人,车辆和道路交通的主要联系方式，国内多数的车辆制造企业、技术的推进厂商以及地图的创建公司等等都开始针对于高精地图开展了新式的研究和合作，推动了国内高精地图的整体进步。而对于高精地图公司，他们大多会专注于某一领域，充分发挥自己的资源或技术优势，例如：提供某一场景的高精地图服务（如高速公路、市区、景区或自主泊车场景等），提供数据采集服务，提供设备、技术和工具支持，提供高精度定位技术和服务等。一直到2019年的后期，我国已经有20家相关企业能够进行导航电子地图测绘资质制作。美国在智能网联汽车领域的研究处于世界领先地位，同样,美国智能驾驶相关公司很早就开始研发高精地图，并在各细分领域有所擅长。3.高精度地图技术发展现状目前，我国高精度地图征集包括三个不同环节，分别是采集、自动融合、自动识别以及人工验证的三项环节:(1)高精度地图数据采集涉及两种不同的形式:第一种利用激光雷达以及能够实时摄像的摄像头进行数据收集，同时配合GPS进行工作。第二种是利用摄像头和GPS进行结合，计算实际的距离，采用更加先进的算法去进行数据采集，在采集的过程中摄像头等相关设备的车辆能够以70-80km\h速度在道路上行驶，另外采集人员需要按照监控的采集工作状态来适当的调节工作参数，改变工作系统的设置。(2)进行数据的自动融合和识别的环节中，通过传感器获得的传感器数据可用于后续融合，也就是说，采集的GPS和图像数据可以进行融合和叠加，后续道路的标线以及人行横道等特征可以通过设置进行识别，获得到的重复性数据在这个环节内能够进行整合。在实际的操作过程中，专业人员会在电脑上输入大量的数据并进行AI训练，目前这些工作已经实现高度自动化，同时精度会控制在20cm之内。(3)最后一个环节是人工验证发布环节，如图1,这个环节需要大量的工作人员每天进行数据的对比，根据电动的处理之后的数据结果机型对比，判断正确性。最后根据修正后的数据安排后续工作，得到更详细的道路信息,我做的工作主要是这个阶段的工作。图14.高精度地图生产现状高精度地图的具体生产需要按照国际化标准执行，通常需要按照自动驾驶的具体用户情况和相关需求，制定更加明确的生产计划。然后按照计划开展数据的分析、采集以及融合和处理等过程，获取数据之后需要对数据进行转译以及编辑，最后进行检查，保证地图数据的准确。为了数据生产的准确性和节省数据生产的成本，数据采集一般采用专业队伍进行规模化采集与众包采集相结合，这样的形式不仅可以提高数据生产的速度，还可以节省人力成本。(1)专业队伍规模化采集:一个专业数据采集小队会配备一台采集车和多个差分基站，一般专业采集车都配有惯性导航系统、摄像头和激光雷达设备等，这些设备会经过专业的参数标定，以确保数据的准确性。采集的数据主要包括高精度图像、轨迹等数据。轨迹涉及到精度以及仰角等等，获得采集之后的数据需要利用AI智能进行后续的检验和解算，按照要素进行提取，实现数据的矢量化。(2)众包采集模式:考虑到金钱和时间成本，目前市场上大部分企业采用的都是众包采集制图模式。众包采集技术也就是在进行采集的多数数据之中，可以计算出数据出现变化的实际情况以及可能出现的范围，然后按照数据变化的情况再派遣专业的采集车辆去进行核实和专业化测量。1.3.高精地图一般来说，高精度地图是一种精度更高、数据维数更大的电子地图。高精度是指厘米级的定位精度，数据维度不仅更多地体现在道路信息上，还体现在与交通相关的周边静态信息上。高精度地图将大量驾驶辅助信息存储为结构化数据，并通过云端实时更新高精度动态地图数据。这些信息可分为两类。第一种类型是道路数据，例如车道信息，例如车道线的位置、类型、宽度、坡度和曲率。第二类是车道周围的固定对象信息，如交通标志、红绿灯等信息、车道限高、排污口、障碍物等道路详细信息，以及高架物体、护栏、道路边缘类型、路边地标等基础设施信息。并对这些信息进行地理编码，使导航系统能够准确定位地形、物体、道路几何结构、道路标线的位置，从而指导车辆行驶。1.3.1高精地图数据组织图2与普通电子导航地图相比，高精度地图具有更高的坐标精度和更丰富的交通信息元素。高精度地图分为高精度拓扑图和高精度点云图。图2为高精度拓扑图。可以看出，它包含了车道线中心和车道线边线的几何形状。综上所述，高精度地图是：车道级、厘米级精度路网及交通信息图；下面这张地图是高精点云地图，它通过稠密的点云来模拟现实车道环境，并使用标签来标记特殊点云，反映特殊道路标识等。图31.3.2高精地图采集设备高精地图采集所需要的设备包括以下几种。LiDAR（激光雷达）:激光雷达首先向目标物体产生激光束，然后根据接收反射时间间隔确定目标物体的实际距离。根据激光发射的距离和角度，通过简单的几何变换可以计算出物体的位置信息。通过环境点云实现汽车环境的结构化存储。激光雷达通过测量光脉冲的飞行时间来判断距离。在测量过程中，激光雷达需要生成汽车周围的环境点云，这一过程需要通过采样来完成。一种典型的采样方法是在短时间内在单个发射器和接收器上发射更多的激光脉冲，例如在一秒钟内发射万级到十万级个激光脉冲。脉冲发射后，它接触到被控制的物体并反射回接收器。每次反射和接收都可以获得一个点的特定地理坐标。然而，当进行足够的发射和反射时，就可以形成环境点云来量化汽车周围的环境。IMU（惯性测量单元，陀螺仪）:用于测量物体三轴姿态角(或角速率)以及加速度的装置。一般情况下，一个IMU包含了三个单轴的加速度计和三个单轴的陀螺仪，加速度计检测物体在载体坐标系统独立三轴的加速度信号，而陀螺仪检测载体相对于导航坐标系的角速度信号，测量物体在三维空间中的角速度和加速度，并以此解算出物体的姿态。GPS（全球定位系统）。GPS接收机的任务就是确定四颗或者更多卫星的位置，并计算出它与每颗卫星之间的距离，然后利用这些信息使用三维空间的三边测量法推算出自己的位置。要使用距离信息进行定位，接收机还必须知道卫星的确切位置。GPS接收机存储，其作用是高速接收机每颗卫星在各个时刻的位置。在大城市中由于高大建筑物的阻拦，GPS多路径发射问题比较明显，这样得到的GPS定位信息容易产生从几十厘米到几米的误差，因此靠GPS并不能实现精准定位。轮测距器:通过轮测距器可以推算无人车的位置。在汽车的前轮通常安装了轮测距器，会分别记录左轮与右轮的总转数。通过分析每个时间段左右轮的转数，我们可以推算出车辆向前行驶的距离，以及向左右转了多少度。高精度地图采集车:高精度地图采集车的装备较为复杂，包括了我们以上提到的多种传感器，来进行道路和静态交通环境数据的采集。下面我们分别介绍ADAS高精度地图采集车和HAD高精度地图采集车的配置情况。以下内容只是一般采集车的配置情况，不同图商的具体设备配置情况可能略有差别。ADAS地图采集车:ADAS级别高精度地图精度大约在50cm级别。车顶安装有6个CCD摄像头。其中5个摄像头以圆形环绕，顶部一个单独的摄像头，每个像素都是500万，总计3000万像素。车内副驾驶的位置有用于采集数据的显示屏，机箱在后备箱位置，用于储存和处理数据。图6：ADAS地图采集摄像头HAD高精度地图采集车:HAD及以上高精度地图精度大约在10cm级别。顶部则是通过装配2个激光雷达（位于后方）和4个摄像头（两前两后）的方式来满足所需要的10cm级别精度。两种方案搭配，能够完成标牌、障碍物、车道线等道路信息的三维模型搭建。图7：HAD采集传感器另外，我们看到百度的高精度地图采集车的传感器配置情况为：（1）最顶部的32线激光雷达、三个360°全景摄像头、一个前置的工业摄像头、一个包含IMU（惯性测量单元，是测量物体三轴姿态角(或角速率)以及加速度的装置）和GPS装置的组合式导航系统以及一个GPS天线。（2）从具体分工来看，激光雷达负责采集点云数据，摄像头负责采集图片，天线负责接受卫星定位信号，导航系统负责采集GPS轨迹。图8:导航系统图9:GPS天线第2章高精度地图在自动驾驶中的应用2.1高精度地图在自动驾驶中的应用在自动驾驶的应用条件下，电子地图对导航有着更为严格的要求，它要求车辆每一车道的实际细节，并根据可行区域内的对象参考来采集细节信息。因此，高精度地图能够满足自动驾驶技术实际情况的需要。高精度地图可确保驾驶区域处于稳定安全的环境中。根据驾驶技术的需要，可以提供多种道路选择，如车道曲率值、路边交通标志等。高精度地图可以为自动驾驶提供大量的实用参考，也可以在各种数据中提供最佳选择决策。在当前交通的社会环境下，车辆数量的快速增加往往导致道路交通拥堵，因此从驾驶中摆脱困境是最重要的目标。随着人工智能技术的不断更新和发展以及深度学习技术的不断优化，算法开始能够对需要更详细识别的对象属性做出更接近人类的决策。面对自动驾驶的整体需求，高精度地图是未来驾驶方向最重要的技术手段。2.1.1自动驾驶关键技术点自动驾驶的重要技术主要包括对环境的感知、对数据进行分析后的车辆位置定位、后续行驶的决策和规划等等。环境感知所代表的是自动驾驶过程中车辆安装的多种传感器，比如说激光雷达、毫米雷达以及摄像头等，获取到的数据需要进行归纳和融合，后续进行处理和解析，然后根据获取到的信息进行驾驶环境的判定，最后一步便是进行车辆的精准定位以及行驶的路途规划。车辆实现精准定位主要能够给决策的规划层提供良好的数据基础，自动驾驶类汽车的重要基础便是能够实现精准无误的导航，尽可能的降低误差，实现最佳化的路线规划。需要车辆和外界环境进行位置信息的呼唤，加强车辆的状态获取，加强姿态信息的归纳和整理，当前无人驾驶的最佳方式便是利用GPS实现惯导组合，这种方式能够实现误差极低的定位，加强自动驾驶的准确性。路径规划。对于提前规划好的最优路径，由于实时更新的交通信息，最优路径可能也在随时会发生变化。此时高精度地图在云计算的辅助下，能有效地为无人车提供最新的路况，帮助无人车重新制定最优路径。2.1.2高精度地图之关键作用高精度地图对于车辆的定位非常重要，车辆获取到传感器的数据信息，然后和高精度地图的数据库进行对比，获取到自动驾驶车辆的最佳位置，能够后续进行重要的路线规划。进行路线规划是自动驾驶的最主要的化解，进行路径规划的首要内容便是进行更加准确的定位，同时实现环境的感知。除辅助精准定位外,高精度地图还具备更加准确的交通信息，能够辅助自动驾驶汽车进行规划和决策，高精度地图可以配备传感器完成复杂的方案制定。高精度地图能够实现准确的匹配和定位，绝对坐标的精度非常高，传感器能够获取到汽车的信息验证，提供更加准确的水平位置以及方向的参考，精准的实现车辆驾驶的GPS定位。2.2高精度地图在交通监管中的应用城市化道路的逐渐更新，让智慧交通的发展开始越来越被重视，智慧交通平台的建设需要结合视频和平台的计算，同时还需要高精度的数据进行解析和定位，利用多种智能技术，在城市内以及乡村内的道路建设公交车以及私家车的不同行驶车辆，完善自由流、拥堵的交通事故等等场景内，搭建更加准确的有利于交通监控部门工作的实际规划。2.3高精度地图在V2X中的应用在智能化的汽车系统中，V2X是实现物联网的功能基础，车辆利用路测的设施情况来判断道路的基础设置情况，获取环境信息，同时利用设施完成精准度非常高的实际定位。但对于不能发射信号的基础设施来说，高精度地图就可以用于感知环境和车道规划。另外高精度地图的运算能够利用设施的边缘进行网格化通信，获取到信息的收集，可以提前的计算导致路程出现的事件进行决策的制定。

第3章自动驾驶对于高精地图的要求分析3.1自动驾驶对于高精地图的要求分析自动驾驶对于高精地图存在一定的技术需求，特别是精度需求，由于自动驾驶级别的不同，对于高精地图的要素和精度的要求也不同。3.1.1对于高精地图的生产技术要求高精地图生产技术的标准制定主要在于高精地图生产流程和数据质检的标准化。数据生产流程应包括数据采集、数据处理、数据制作、数据提交。数据质检环节应包括外业数据质检、内业数据质检。数据采集中应规定采集方式、采集内容、采集源数据和采集要求。数据处理是道路高精地图数据制作前的重要环节，包含采集数据处理和制作数据处理两个关键步骤。数据制作分为内容制作和内容制作要求，都应符合相关高清地图数据标准的规定。数据提交应将数据成果检查并整理，最后进行归档。数据质检是贯穿整个生产流程的关键步骤，可分为外业数据质检和内业数据质检。其中，外业数据质检内容主要围绕采集成果时间信息、空间信息、属性信息开展。而内业数据质检内容主要围绕数据的完整性、一致性开展。1.要素和精度的要求：自动驾驶级别不同，要素和精度要求不同。不安装加密插件的需求：用于传统车辆的导航电子地图需进行加密处理，地图加密会引起相对误差，导致自动驾驶系统误判，增加安全风险，制约自动驾驶开发与应用。对于高程、坡度和曲率等地理信息的需求：按照《测绘管理工作国家秘密范围管理规定》等文件，公开地图数据产品不允许表达道路的最大纵坡、最大（小）曲率半径等信息，导致自动驾驶地图只是二维平面，致使自动驾驶车辆无法准确判断自身所在的道路，高精地图信息欠缺会增加对传感器需求，增加自动驾驶车辆成本。2.对于高精定位的技术需求：定位精度不够，会影响精度要求。对于众包模式的地图采集和数据传输的需求：高精地图采集生产成本高，初创公司难以承受，且面临资质问题，众包模式对于动态地图信息的实时更新相比专业采集更具优势，但是需解决数据和数据传输的标准化问题。高精地图信息安全的需求：目前我国主要企业的自动驾驶路径，均需高精地图的介入，其信息安全问题日益凸显3.功能安全需求:高精地图和高精度定位直接进入自动驾驶域控制器，与感知信息一起作为输入，决定了自动驾驶控制器的输出结果。高精地图中的偏转插件、定位模块与地图数据作为关键部分，功能安全需求必须加紧规范。4.在线OTA需求：自动驾驶通常是车道级的路径规划，快速更新能力不可或缺，否则会影响自动驾驶系统的稳定性和可靠性。5.自动驾驶同步定位与地图构建：在自动驾驶自身位置不确定的条件下，在完全未知的环境中创建地图，利用地图进行自主定位与导航。3.1.2对于高精地图的要素和精度要求按照行业分级，自动驾驶共分为驾驶辅助、部分自动化、有条件自动化、高度自动化、完全自动化5个层级，也就是业内俗称的L1至L5。而高精地图按用途也可以分为车道级路网、定位和动态地图等三个图层。由于自动驾驶级别的不同，对于高精地图的要素和精度的要求也不同。高精地图要素和精度的要求，会随着地图采集和定位精度等相关技术的进步发生改变。3.2自动驾驶对于高精地图的数据模型要求高精地图数据模型标准是高精地图数据标准化组织的基础，其目的在于通过一定方式与规则对地图数据进行归并、存储与管理。高精地图数据模型的标准制定主要在于对高精地图数据的基本规定、框架数据模型与数据表达的规定。基本规定应说明高精地图的坐标系统、时间基准、几何精度以及高精地图与传统导航电子地图的协同应用关系等。框架数据模型应主要包括高精地图的数据组织方式与数据组织内容：数据组织方式方面，应在水平方向采用分区的方式，按行政区划与图幅进行分区管理，以支持高效的数据存储与管理。在垂直方向应采用分层方式，按多个维度对地图数据进行抽象，这种层次结构能有效支持灵活的版本迭代更新并有助于反映出数据的逻辑组织与物理存储之间的映射关系。数据组织内容方面，应采用类似于NDS构建块的模块化数据组织策略，每个模块对应一个特定的子功能，便于地图数据的维护管理，如测绘地理信息行业标准《道路高精度电子导航地图数据规范》中，将地图数据组织为道路网图层组、车道网图层组、道路标线图层组、道路设施图层组和其他图层组五大模块。数据表达应包括图形符号表达以及符号库的构建，以满足人类识图与机器理解的要求，进一步扩大高精地图的应用领域。

第4章无人驾驶技术5G时代存在的问题驾驶汽车的发展欣欣向荣，但是在这个过程中也暴露出来了很多问题，例如存在安全隐患、造价高、无健全的法律法规等等无人驾驶的目标始终是需要做到“绝对安全”，这也是人工智能深度学习的一个方向。其实，无人驾驶的安全性是通过“训练”得来的，首先汽车通过传感器对周围的物品、场景进行标记，让车辆“记住”哪些场景、物品是安全的，哪些是危险的，通过反复的“训练”，让汽车对危险的场景实现自动识别，执行避让和刹车指令，但是系统命令的执行，却容易受到周围环境的干扰，导致汽车“大脑”判断错误。4.1安全及法律问题安全问题是制约自动驾驶发展的一个瓶颈问题。即使高精地图做的再精确，也无法保证实时更新数据，所以很可能造成安全问题。没有健全的法律也是影响无人驾驶的因素，一旦发意外别情况，这些情况有可能导致自动驾驶车辆出现事故，那么最终的安全责任问题如何认定？这种问题目前的法律法规并不明确，也没有相应的社会保险制度作为保障，这也制约了自动驾驶和高精地图的发展。4.2造价问题高精地图的造价高也是限制5G无人驾驶发展的重要因素，对于当前无人驾驶汽车的传感器类型而言，高分辨率、高精度的激光雷达毫无疑问是最佳的选择，但是其成本过高，例如谷歌无人驾驶车用的激光雷达单个价格高达50～70万元。4.35G技术的要求问题对于大范围内进行自动驾驶的车辆，一方面要求不停车进行高精地图的高频率实时下载更新，对移动网络、地图应用、车载系统都提出了挑战；另一方面，如果道路情况发生变化，那么快速发现、快速构建高精地图，更新地图库便成为一个新的挑战。路网每天都有变化，如整修、道路标识线磨损及重漆、交通标示改变等，这些变化需要及时反映在高精地图上以确保无人车行驶安全。传统方式一般是发现道路变化后，去进行专业的地图采集、处理和补充地图数据，做成图后再为用户端发送更新。这种周期较长，无法随道路变化而快速做出反应。除了后端生产高精地图有一定周期外，无法进行大规模的实时道路数据采集发现也是一个大的问题。因此，本文提出了利用智能道路设备、部分浮动及商业运营车辆自带视频雷达等传感器来采集道路信息并进行AI处理，作为地图更新数据的众包模式。地图构成精准复杂，数据量大。高精地图需要对路网进行精确的三维表征，包括路面的几何结构、道路标识线的位置、周边道路环境模型等，此外还包含丰富的语义信息，如交通信号灯的位置及类型、道路标示线的类型、识别哪些路面可以行驶等。高精地图信息是通过采集车上多个设备采集数据融合计算后产生，据业内统计，数据量一般在一公里1GB左右，这些给地图的终端存储带来了很大的不便。

第5章5G无人驾驶技术的未来发展方案分析随着自动驾驶理念的普及及相应技术的发展,各类新型传感器应用于自动驾驶的实现当中。但是实现自动驾驶车在各种复杂环境下的安全行驶，高精地图是必不可少的关键要素。因此，急需围绕自动驾驶高精地图的方方面面，包括生产技术、数据模型、数据传输、数据安全等领域制定出系统性的统一标准,为自动驾驶的实现提供有利支撑。而针对于5G时代的新式高精度地图的发展方案如下所示：5.1方案架构随着5G网络、云边计算节点的大规模建设与覆盖，以及AI技术的不断成熟，本文提出一种基于端边云协同的利用多类型设备进行高精地图采集与应用的方案以供参考，如图5所示。该方案由端、边、云三部分组成，借助5G、光纤等高速网络完成地图数据的急速上传与分发。其中，端侧设备也可以当作一种边缘设备，因此该方案简称为边云协同高精地图采集与应用方案。5.1.1端侧采集与应用方案中，端侧设备包括地图采集端与车载应用端。地图采集端主要包括智能路侧设备(激光雷达、高清摄像头)、专用采集车、部分浮动车及商业运营车辆。通过对路侧设备接入地图采集网关，内置道路变化更新识别程序，通过对新旧路侧数据的比对，完成设备采集范围内道路环境变化的识别。当道路标线、路牌等元素有变化时，及时将变化后的图像及数据上传到边缘计算节点进行后续地图刷新及应用。对于地图采集车及自动驾驶车辆，本身具备或部分具备地图采集处理功能，通过车载电脑将GPS、点云、图像等数据进行自动识别和融合，提取道路交通元素来完成地图的自动化采集与上传。当自动驾驶车传感器检测到现实环境信息与高精度地图不匹配时也会将采集到的信息上传给边缘计算节点，由边缘节点更新补充高精度地图。车载电脑可安装设备管理与应用容器引擎，接收云端或边缘的管理、信息下发、应用更新，亦可进行信息上传等，例如：有无人车发现路网变化，通过与云端通信，可以把路网更新信息告诉其他无人车，或者快速完成地图的更新。对于浮动车及运营车辆，通过前装或后装5G地图采集网关或通过在原车载智能设备中植入地图采集应用容器，利用车载摄像头，经过必要的图像AI解析处理、过滤，结合图像定位数据及车辆GPS/北斗定位数据，将融合后的数据回传到边缘节点，进行后续分析与应用，5G上行速率可达100Mb/s，保障了地图图片及其他数据的实时上传。地图采集网关可以看作是云端、边端地图服务能力的延伸。将设备注册到智能边缘管理平台，部署容器引擎，智能云边平台可按需将各类应用部署到网关，例如地图采集上传、图像处理过滤等。网关硬件可根据使用的环境及应用按需定制，从而降低地图采集的成本。通过网关将采图能力赋给各社会运营车辆，可进一步推动众包采集模式的落地运营。自动驾驶车应用端向边缘计算节点发送自身ID、位置、目标地理位置请求及地图版本等信息，边缘节点根据请求向车辆推送目标位置的高精度地图。车辆应用端使用5G网络下行可达1Gb/s的速率及10ms时延，完全可以满足高精地图的实时下载更新要求。图5.基于云协同的高精度新式应用方案5.1.2边缘节点与应用边缘节点应用方案中边缘节点主要提供了边缘计算平台环境与管理服务及地图存储、构建、分发服务。可选择与运营商5GUPF同机房部署对接，方便进行5G边缘计算分流，以进一步降低地图下载及更新时延。边缘计算平台能够接入大量的边缘设备，并对设备进行孪生管理，可将应用容器下发到地图采集网关运行，并可对应用容器进行删除、更新等操作。边缘节点可自治，也可接受云端管理，在边缘节点基础环境资源有限的情况下，引入云原生技术。应用程序的每个部分都打包在自己的容器中，动态编排，以便被主动调度和管理，优化资源利用率，提高应用程序的整体灵活性和可维护性。边缘节点一方面可从云平台及其他车载路侧终端获取交通设施变化信息(例如交通指示灯的变化、车道属性变化、交通信息、紧急事故车辆信息或突发出现的障碍信息等)，提供给自动驾驶车辆，自动驾驶车自行完成高精地图的动态信息实时更新。另一方面，边缘节点提供多源数据融合分析及视觉SLAM服务，利用端侧采集的道路更新图像、位置信息，实现对目标的类型识别、追踪、速度等位置信息的对应与聚合，综合运用AI和SLAM技术可实现道路场景的三维重建，创建矢量地图，并可结合部分激光雷达点云数据进行地图优化矫正。边缘侧还可将大量车辆采集的地图片段数据经过AI地图要素解析后，进行关联匹配来修正地图数据。地图数据既可快速在边缘节点发布来更新现有区域地图要素，及时应对道路场景变化，供自动驾驶车辆使用，也可选择加密后上传到云端进一步的优化处理，构建更加精细的高精地图。5.1.3云端应用云端主要提供计算存储及管理平台服务，并提供AI地图构建服务。云端可以对所有边缘节点及边缘设备进行管理、监控和运维，并可对边缘容器应用进行监测管理。边缘节点管理主要包括注册、纳管、监控和删除几个方面。注册节点之后可以对节点进行纳管，可将安装工具和配置文件安装到相应的边缘节点上，纳管边缘节点如图2所示。纳管成功后，云端管理平台可查询节点列表，查看每个节点的运行状态和节点配置，以及每个节点绑定设备的情况。云端利用Kubernetes原生应用和工具可对边缘容器应用进行高可靠高性能的管理服务，边缘节点需部署云容器引擎。云端配备镜像仓库，地图应用、地图库、AI融合分析模型、地图构建服务等可封装为容器应用，边缘节点可按需请求应用，云端实现对边缘应用的下发、部署和管理等。边缘节点部署的边缘应用能够和云端平台和边缘设备进行通信，支持云边应用协同。云端可实时收集各自动驾驶车的行驶数据、智能交通设施数据来进一步扩充道路情况信息的收集手段，增强收集数据密度，并将相关信息下发到边缘节点。云端也提供了对图像、雷达数据及定位数据的交通元素提取分析、融合分析原型的AI训练服务以及大规模、多版本高精地图数据的存储、打包、分发服务。与传统地图相比，高精地图的图层内容精细、图层数量多，需要更大的存储空间；由图像重建的局部地图需要多方面的修正，AI原型需要不断地迭代训练与测试，这些都需要云端大算力、大空间的支持。边缘节点上传的局部地图信息更新将会与全局地图进行匹配与融合，最终完成局部地图与全局地图的更新，来满足自动驾驶精确定位和导航的需求。5.2方案关键技术和特点该方案涉及交通元素图像识别分类、图像定位、视觉SLAM、云边协同管理等多种技术，简述如下。(1)图像定位技术高精地图需要能够覆盖出行所需的各种场景，定位是重中之重。利用图像等信息进行众包采集建图，由于缺乏其他定位设备，利用图像进行AI分析定位就非常重要。这个过程一般在边缘节点完成，利用车辆GPS/北斗定位系统可确定采集车辆当前所处道路，根据系列图像检测车道线及道路边缘，并与边缘节点存储的高精地图提供的车道线及道路边缘做比对，修正车辆的横向定位；根据图像路面标志、交通标志牌、红绿灯等环境语义信息与高精地图提供的要素做匹配，实现纵向定位的修正，确定车辆当前的位置信息及周边环境。沿路多张图片及分析出的交通要素与图像定位信息结合，可生成直观的道路信息模型，并与高精地图该区域道路模型进行分析匹配即可进一步确认该新建地图信息精度，以保障众包地图采集的有效性。(2)视觉SLAM技术,视觉SLAM主要是基于相机来完成环境的感知工作，众包地图采集模式中，在边缘节点可以使用车辆连续采集的有效图像进行局部地图创建。视觉SLAM通过连续的相机帧，跟踪设置关键点，以三角算法定位其3D位置，同时使用此信息来逼近推测相机自己的姿态，通过跟踪视频帧中足够数量的关键点来快速获取传感器的方向和周围物理环境的结构。视觉SLAM需要持续地实时迭代计算以使投影点与实际点之间的差异最小化，根据每一时刻的相机位置，计算出各像素对应的空间点的位置，就得到了地图。视觉SLAM还涉及回环检测、噪声优化等算法技术，大量用到了计算机视觉算法及非线性优化算法，需要较大的计算能力，并根据实际场景进行优化。第6章结束语作为自动驾驶产业链中重要的一环,高精度地图的作用十分关键。高精度地图可为自动驾驶汽车提供精准的定位、辅助环境感知,并实现决策规划,同时提高自动驾驶安全性。高精度地图服务于自动驾驶,包含有大量的行车辅助信息、道路交通信息元素丰富精细、地图的绝对坐标精度更高,可为自动驾驶提供完备的周边环境信息,为定位和路径规划提供重要依据。高精度地图配合传感器是目前自动驾驶应对复杂交通环境最有效的方案。5G时代的到来，给无人驾驶产业带来了新的技术突破，在此之前，制约无人驾驶落地商用的最大因素之一，就是信号传输的延时过长，导致汽车时常出现“反应慢”的现象，然而在5G技术的应用下，传输延时仅有不到0.5毫秒，帮助无人驾驶汽车能够及时应对危