那么如何实现这种自动驾驶呢?这个分为几个方面,一个首先要确定车辆位置,另外是周边环境,包括围绕车辆的动态物体、静态物体;最后,是针对这种具体情况汽车应当做出什么决策,即对车辆发出指令,到底是该刹车还是拐弯加速或是换线。而在确定车辆位置时,高精度地图的定位是必不可少的。
整个过程包括云服务和传感器的融合、地理感知和定位、以及智能导航、路线分化决策分析,以及最终对车辆的控制,此过程以人工智能、深度学习为核心。
从目前来看,自动驾驶的发展路径遵循局部辅助驾驶、半自动驾驶和完全的自动驾驶。在此过程中对地图的依赖也是不一样的。现在的情况下,对地图精度的要求是 20 米,但半自动驾驶阶段对地图的要求可能就是 5 米,到了完全自动驾驶的情况下,对高精度地图的要求会达到 10 到 20 厘米,而且对地图速度也变成需要实时更新。
整个高精度地图的演进是一个循序渐进的过程,如果现在要提供完全满足完全自动驾驶情况下的高精度地图也是一种浪费,因为没有车辆做到这一点,提供这样的产品也太超前了。
四维图新从 2014年 开始开发和高精度地图相关的产品,我们跟国外的三大主流车厂进行了联合研发。根据用户的反馈进行不断的调试,今年的第三、四季度可以做出覆盖全国路网的基于 ADAS 的高精度地图。到2017年年 终,我们可以支持至少 20 个城市的 L3 级别的高精度地图(对应上面的 5 米精度要求),2019年 可以完成 L3 级别的所有城市高精度地图的制作和采集。并在 2019年 开始完全自动驾驶 /L4 级别高精度地图的制作。这与车厂的需求节奏要保持一致。
定位方面有两大阵营激光雷达为主的定位、以及纯粹视觉的定位。这两种定位方式各有优劣——对于激光雷达来说,其定位的精度虽然非常高,但是实际上在整个的数据量处理上,每公里几个 G 的数据很难做到商业化;对于 ADAS(视觉定位)来说,目前它的市场占有率非常高,但是 ADAS 是相对封闭的技术,视觉处理和自家芯片要进行完整的融合,所以相当于类似于自动驾驶领域类的苹果,角色比较封闭。
四维图新则希望提供开放的途径,即先做基于高精度地图的道路和线路数据模型,再与雷达和传感器融合,以进行位置上的判定。
我们现在已经在 L2 基本上已经实现了,可以输入各种 L2 的实验图,我们的实验车在北京的三环已经可以跑了,现在正在研发基于 L3 阶段的高精度地图,即做到高速之间和城市道路之间的高精度导航,L4 级别则是需要更多方参与、协同才行。