高精度地圖是無人駕駛發(fā)展成熟標(biāo)志之一，在橫向／縱向精確定位、基于車道模型的避讓等都離不了高精度地圖。然而，在一些偏遠(yuǎn)的鄉(xiāng)村道路環(huán)境中，繪制高精度地圖有很大的難度。MIT最近曝光了他們近期的研究成果，利用拓?fù)涞貓D、開放式街道地圖（OSM）和本地局部感知系統(tǒng)，無需3D地圖，在鄉(xiāng)村道路實(shí)現(xiàn)了自動駕駛。
目前，最先進(jìn)的自動駕駛系統(tǒng)一般都依靠詳細(xì)、精確的高精度地圖來完成定位。高精度地圖包含大量的行車輔助信息，其中有一些必要的道路數(shù)據(jù)和道路周圍固定對象的信息。通過這些數(shù)據(jù)，導(dǎo)航系統(tǒng)可以準(zhǔn)確定位地形、道路輪廓等引導(dǎo)車輛行駛，車載機(jī)器人可以將精確的路網(wǎng)三維表征信息與本地傳感器數(shù)據(jù)比對實(shí)現(xiàn)定位。
這是目前高精度地圖在自動駕駛中主要發(fā)揮的作用。迄今為止，絕大多數(shù)自動駕駛車輛都集中在以下兩個情況：1）在標(biāo)記清晰的高速公路上行駛 2）基于極其精確和手動注釋的詳細(xì)全球地圖進(jìn)行城市導(dǎo)航。
然而，無論是在美國還是在中國，仍有大面積的鄉(xiāng)村道路。這對于自動駕駛來說具有很大挑戰(zhàn)。因?yàn)檫@些道路，稀疏地連接著廣闊的土地。地圖采集工作量大，同時車道標(biāo)記和道路路網(wǎng)幾何形狀經(jīng)常不可靠，建立詳細(xì)的高精地圖的方法顯得并不切實(shí)際。
麻省理工學(xué)院的CSAIL團(tuán)隊近日分享了他們正在研究的方案。研究人員在豐田汽車的幫助下，開發(fā)了一個新的MapLite框架，可以在沒有任何3D地圖的情況下，在鄉(xiāng)村道路實(shí)現(xiàn)自動駕駛。
MapLite將Google地圖上可以找到的簡單GPS數(shù)據(jù)與一系列觀察路況的傳感器結(jié)合在一起，在馬薩諸塞州Devens的多條鄉(xiāng)村道路上自主駕駛，并且可以提前100英尺以上可靠地探測到前方道路。
該論文將于5月份在澳大利亞布里斯班召開的機(jī)器人與自動化國際會議（ICRA）上發(fā)布，由麻省理工學(xué)院教授丹尼拉羅斯和博士畢業(yè)生Liam Paull共同撰寫。
它是如何實(shí)現(xiàn)的？
Maplite是一種新型的無網(wǎng)格驅(qū)動框架，它結(jié)合了稀疏拓?fù)涞貓D的GPS和基于傳感器的本地感知系統(tǒng)進(jìn)行導(dǎo)航。首先，該系統(tǒng)設(shè)置最終目的地以及研究人員稱之為“本地導(dǎo)航目標(biāo)”（車內(nèi)）等內(nèi)容，接著，感知傳感器生成一條通往終點(diǎn)的路徑，使用LIDAR來估計道路邊緣的位置，同時遵守路段橫穿道路的規(guī)則。同時，結(jié)合車輛的測距法和相關(guān)方法更新這些軌跡以保持車輛行駛。利用基于最小二乘殘差和遞歸濾波方法的不確定性，使車輛能夠可靠地、高速地導(dǎo)航道路網(wǎng)絡(luò)，而無需詳細(xì)的先驗(yàn)地圖。
論文中提到了用開發(fā)道路分割算法以獲得車輛的傳感器中的道路邊界點(diǎn)。然后使用RANSAC ／最小二乘法對這些點(diǎn)進(jìn)行擬合以獲得最優(yōu)道路邊界點(diǎn)內(nèi)的軌跡。重要的是，擬合的質(zhì)量也是從最小二乘最小化的殘差輸出中獲得的。這允許軌道估計在下一次迭代期間被概率地融合。車輛還配備有測距傳感器，用于在車輛移動之后將先前的軌跡估計傳到當(dāng)?shù)剀囕v框架中。
“我們極簡主義的測繪方法，能夠使用當(dāng)?shù)赝庥^建筑和語義特征（如停車位或小路），在鄉(xiāng)村道路上完成自動駕駛。”羅斯教授說。
MapLite與其他無地圖駕駛方法有所不同，它更多地依靠機(jī)器學(xué)習(xí)對一組道路的數(shù)據(jù)進(jìn)行訓(xùn)練，然后再在其他道路上進(jìn)行測試。然而，它在很多方面仍然很有限，對于山路而言，還不夠可靠，因?yàn)樗荒軐０纹鸱^大的路況做出很多的處理。下一步，MIT車隊希望增加車輛可以處理的道路種類。最終，他們希望該系統(tǒng)能達(dá)到與高精地圖采集方案相當(dāng)?shù)男阅芎涂煽啃运健?br /> 論文作者羅斯教授說：“我想未來的自動駕駛汽車總會在城市地區(qū)使用3D地圖，但是當(dāng)這些車輛要在從未見過的陌生的道路上行駛時，就能體現(xiàn)我們研究更大的意義。”