高精度地圖是無(wú)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(chē)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(kāi)放式街道地圖（OSM）和本地局部感知系統(tǒng)，無(wú)需3D地圖，在鄉(xiāng)村道路實(shí)現(xiàn)了自動(dòng)駕駛。

目前，最先進(jìn)的自動(dòng)駕駛系統(tǒng)一般都依靠詳細(xì)、精確的高精度地圖來(lái)完成定位。高精度地圖包含大量的行車(chē)輔助信息，其中有一些必要的道路數(shù)據(jù)和道路周?chē)潭▽?duì)象的信息。通過(guò)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(chē)輛行駛，車(chē)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(duì)實(shí)現(xiàn)定位。

這是目前高精度地圖在自動(dòng)駕駛中主要發(fā)揮的作用。迄今為止，絕大多數(shù)自動(dòng)駕駛車(chē)輛都集中在以下兩個(gè)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(dòng)注釋的詳細(xì)全球地圖進(jìn)行城市導(dǎo)航。

然而，無(wú)論是在美國(guó)還是在中國(guó)，仍有大面積的鄉(xiāng)村道路。這對(duì)于自動(dòng)駕駛來(lái)說(shuō)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(shí)車(chē)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(duì)近日分享了他們正在研究的方案。研究人員在豐田汽車(chē)的幫助下，開(kāi)發(fā)了一個(gè)新的MapLite框架，可以在沒(méi)有任何3D地圖的情況下，在鄉(xiāng)村道路實(shí)現(xiàn)自動(dòng)駕駛。

MapLite將Google地圖上可以找到的簡(jiǎn)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(cè)到前方道路。

該論文將于5月份在澳大利亞布里斯班召開(kāi)的機(jī)器人與自動(dòng)化國(guó)際會(huì)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(xiě)。（智車(chē)科技第一時(shí)間拿到了該論文，后臺(tái)回復(fù)：Maplite，下載論文。）

它是如何實(shí)現(xiàn)的？

Maplite是一種新型的無(wú)網(wǎng)格驅(qū)動(dòng)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(chēng)之為“本地導(dǎo)航目標(biāo)”（車(chē)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(lái)估計(jì)道路邊緣的位置，同時(shí)遵守路段橫穿道路的規(guī)則。同時(shí)，結(jié)合車(chē)輛的測(cè)距法和相關(guān)方法更新這些軌跡以保持車(chē)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(chē)輛能夠可靠地、高速地導(dǎo)航道路網(wǎng)絡(luò)，而無(wú)需詳細(xì)的先驗(yàn)地圖。

論文中提到了用開(kāi)發(fā)道路分割算法以獲得車(chē)輛的傳感器中的道路邊界點(diǎn)。然后使用RANSAC /最小二乘法對(duì)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(jì)在下一次迭代期間被概率地融合。車(chē)輛還配備有測(cè)距傳感器，用于在車(chē)輛移動(dòng)之后將先前的軌跡估計(jì)傳到當(dāng)?shù)剀?chē)輛框架中。

圖1：使用稀疏拓?fù)溆成涞臒o(wú)縫導(dǎo)航。

上方：來(lái)自openstreetmap.org眾包拓?fù)鋱D顯示為黃色頂點(diǎn)貫穿在紅色區(qū)段內(nèi)。從Velodyne HDL-64激光掃描儀獲得的點(diǎn)云顯示了車(chē)輛傳感器可見(jiàn)的全局地圖區(qū)域。下方：完整的端到端無(wú)瑕疵自動(dòng)控制系統(tǒng)在鄉(xiāng)村道路進(jìn)行的演示。

“我們極簡(jiǎn)主義的測(cè)繪方法，能夠使用當(dāng)?shù)赝庥^建筑和語(yǔ)義特征（如停車(chē)位或小路），在鄉(xiāng)村道路上完成自動(dòng)駕駛?！绷_斯教授說(shuō)。

MapLite與其他無(wú)地圖駕駛方法有所不同，它更多地依靠機(jī)器學(xué)習(xí)對(duì)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(cè)試。然而，它在很多方面仍然很有限，對(duì)于山路而言，還不夠可靠，因?yàn)樗荒軐?duì)海拔起伏較大的路況做出很多的處理。下一步，MIT車(chē)隊(duì)希望增加車(chē)輛可以處理的道路種類(lèi)。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?/p>

論文作者羅斯教授說(shuō)：“我想未來(lái)的自動(dòng)駕駛汽車(chē)總會(huì)在城市地區(qū)使用3D地圖，但是當(dāng)這些車(chē)輛要在從未見(jiàn)過(guò)的陌生的道路上行駛時(shí)，就能體現(xiàn)我們研究更大的意義。