盖世汽车 Vivi2023-09-18
作为自动驾驶演进的关键基础,高精度定位随着各种ADAS功能在终端市场的快速普及,尤其是以高速NOA和城市NOA等为代表的复杂智驾功能的逐步落地,已然进入“爆发前夜”。
过去一段时间,包括蔚来、小鹏、理想、广汽埃安、上汽飞凡、长安深蓝等在内的主流汽车品牌,纷纷在旗下重磅新车上搭载了高精度定位系统,以实现更加安全、可靠的自动驾驶体验。
自动驾驶催熟高精度定位的同时,背后也离不开相关技术提供商的支持,大有时空便是其中之一。
自2021年成立,大有时空一直致力于为智能网联汽车提供精准位置服务和地理数据服务。依托第四代PPP-RTK定位技术,大有时空在卫导、惯导、卫惯组合、车端BEV、融合定位、自动建图与更新、地理信息可视化等领域均拥有自主可控的核心技术,并据此打造了覆盖全球的厘米级高精度定位网络。
不仅如此,考虑到高阶自动驾驶演进,离不开数据驱动,基于高精度定位与地图的融合,大有时空还打造了涵盖数据采集和处理、轻量化高精地图生产与更新、算法训练、数据合规等在内的“数据飞轮”,实现数据驱动地图更新以及数据驱动算法训练,多维度赋能自动驾驶发展。
据大有时空联合创始人、CTO李庆建近日接受盖世汽车采访时透露,目前在高精度定位以及地图数据服务方面,大有时空已和众多产业链上下游企业达成了紧密合作,共同开展相关的研发及测试验证,相关成果接下来将陆续量产上车。
大有时空联合创始人、CTO李庆建,图片来源:大有时空
专注算法,做高精定位的“最大公约数”
自动驾驶落地,高精度定位是关键基础设施。
透过自动驾驶汽车的运行逻辑,一个根本前提是只有清楚地知道“我在哪”,才能解决好下一步的“去哪儿”和“怎么去”的问题,否则后续安全、可靠的智驾体验将无从谈起。
在高精度定位方面,目前有多种不同的“解法”,包括卫星定位、环境特征匹配、惯性定位。不过,如同摄像头、毫米波雷达以及激光雷达在进行环境感知时各有优劣,上述几种方案在用于高精度定位时,也均有各自的优势和不足。
卫星定位的优势在于能够为车辆提供绝对位置信息,结合卫导差分服务精度可以达到厘米级,但在地库、高架、隧道等场景中,会造成信号遮挡;环境特征匹配则会受传感器可靠性影响,且需要预先采集高精地图基准数据;而惯导,由于是通过测量自身运动信息,并利用积分算法计算出载体的位置和姿态,定位误差会随着时间增加而持续增大。
而高精度、高可靠和广覆盖,恰恰是自动驾驶对于高精度定位的三大核心诉求,并且随着自动驾驶级别越高,应用场景越复杂,要求会随之提升。
“这还只是性能层面,从产品层面来看,各家车企在量产过程中,对卫星定位的精度要求也各不相同,这带动卫导定位终端在智能汽车上的产品形态也会不断发生变化。“谈及当前自动驾驶对高精度定位的需求,李庆建表示。
正是基于对这一趋势的精准预判,大有时空在战略上选择了做高精度定位赛道的“最大公约数”,即专注于卫星定位服务和算法,通过和板卡、模组甚至域控厂商等开展不同层级的合作,共同赋能整车厂自动驾驶研发。
“因为从算法、服务到终端,这个过程本身就有很多优秀的行业伙伴,我们互相结合,发挥优势,将研发核心放在对定位的算法优化、精度以及性能的提升上,更高效的完成整体方案的闭环开发。”李庆建指出。
为此,大有时空对PPP-RTK、N-RTK、卫惯组合、车端BEV、多源融合定位等高精度定位关键算法进行了全栈自研。
卫星定位技术路线演进历程,图片来源:大有时空
特别值得一提的是PPP-RTK,作为第四代差分技术,不仅从算法层面统一了RTK与PPP,同时克服了传统RTK技术互联网无线通信的局限以及PPP收敛时间过长的障碍,具备符合车规、利于位置数据隐私和安全保护、全球覆盖、低带宽和低功耗等多重优势,正成为越来越多车企和Tier1在定位上的新技术首选。
在此基础上,大有时空相继开发了GNSS SPE、卫惯SPE、多源融合SPE、GNSS模组、卫惯模组等多种智能驾驶车端方案,以灵活兼容配置不同的硬件设备,充分满足下游客户的多元化需求。
其中大有时空的卫惯SPE,通过采用GNSS与INS紧耦合算法,在GNSS信号干扰、丢失等环境下,可利用INS获取短时的连续、高精度位置和姿态信息,显著提升组合导航的鲁棒性。
融合定位解决方案,图片来源:大有时空
而通过进一步融合毫米波雷达、激光雷达和摄像头等车端传感器采集到的环境特征数据,大有时空还研发了多源融合定位引擎,基于多源传感器数据融合,实现更高的置信度,尤其是在隧道、地库、峡谷、立交桥等复杂场景中的高精度定位能力。
考虑到全球化背景下,国外车企进入中国、中国车企走出去将是确定的趋势。今年初,大有时空还与海克斯康签署了战略合作协议,通过账号互通、播发协议互操作以及鉴权管理等方式,联合为国内外车企提供全球通定位服务,这也是首个能提供全球高精度定位的服务。
全球高精度定位服务, 图片来源:大有时空
据李庆建介绍,在该项合作中,海克斯康主要负责北美和欧洲的CORS站网建设,以及数据中心的独立运维,包括解算和播发,而大有时空则主要负责中国的CORS站网建设和数据中心的独立运维。三大数据中心互相隔离,以充分保障基站的数据安全,但解算、播发的数据格式高度统一。
“这意味着,今后整车厂在开展跨国业务时,在高精度定位方面,只需在国内进行一次联调,在终端协议账号不变的情况下,即可在欧洲直接接入差分服务,类似于漫游。”李庆建指出。据他透露,目前大有时空在国内以及欧洲均已经在联合国内外车企开展相关的测试,并进行小范围的运营示范。
定位赋能,给出“轻地图”新解法
对于自动驾驶汽车而言,高精度定位最直接的应用,无疑是提供车辆精准的位置信息。但如果对这些时空数据进一步挖掘,会发现其价值远不止于此。
赋能自动驾驶地图生成,是大有时空为智驾行业提供的第二重能力支撑。
由于应用场景的复杂多变,以及车端传感器本身的局限,在过去几年里,高精度地图一直被认为是高阶智能驾驶的“标配”。早期落地的高速NOA,除了特斯拉,大部分都是基于高精地图实现的。
然而,高精度地图虽然可以提供丰富的道路元素信息,同时也意味着更高的制图门槛。相较于普通的导航地图,高精度地图的绘制不仅需要专门的测绘资质,还需要专业的采集车,由此导致高精地图一直面临着制图成本高、覆盖率低、更新慢等多重痛点,难以很好地满足智能驾驶的快速大规模上车需求。正因为如此,过去一段时间主要车企及自动驾驶技术公司都在规划丢掉这根“拐杖”。
不过,在李庆建看来,所谓“重感知、轻地图”,本质上并不是完全不用地图,而是不使用预先采集制作的地图,取而代之的是自动驾驶汽车通过实时采集数据更新生成的地图。
“这类地图与传统高精地图相比,有两大区别:第一,在要素以及精度上相较于传统图商采集的高精地图会略微降低;第二,不依赖于专业的图商和采集车去采集,而是通过自动驾驶方案商众源众包的方式采集获取,并且形成实时更新能力。”其中实时更新能力的构建,在李庆建看来,是“轻地图”的重要一环,否则不能称为“轻地图”。
高精地图解决方案,图片来源:大有时空
正是洞见这一点,在定位能力基础上,大有时空同时还研发了高精度地图引擎以及车端建图引擎,通过集成先进的传感器和感知算法,可以从实时数据采集到车端基于BEV的局部建图,再到云端的实时全局建图,为整车厂提供面向量产场景的L2++轻地图众源更新数据闭环。
众所周知,自动驾驶地图的制作与更新,地理信息数据的丰富度是重中之重,过去专业的采集车往往需要搭载专业的采集设备。而基于大有时空多源融合定位引擎,可以在不改变车辆原本设计的基础上,依靠车端传感器实时采集数据,众包绘制高精地图。
据李庆建介绍,大有时空可以为整车厂提供三种“轻地图”方案,分别是:基于普通导航电子地图,实时生成轻地图;使用服务商或者某个基础数据,在此基础上进行实时的地图更新;没有地图,完全依靠车端实时感知建图。
“这意味着,我们不仅仅是一家高精度定位服务商,也是一家时空信息服务商。”李庆建表示。值得一提的是,大有时空也是当前智驾赛道少有的同时具备高精度定位和地图服务能力的企业,由于基准的统一,这使得大有时空可以更好地实现定位与地图的协同融合。
在地图方面,目前大有时空已经摆脱了对数据和导航地图的依赖,通过激光点云和视觉特征提取,初步打通了从车端局部建图到云端全局建图的链路。
“围绕区域建图,我们在相关园区以及示范区,已经在和整车厂开展联合测试,下一步争取更多车辆、更大范围的覆盖。”谈及当前的进展,李庆建表示。
高阶智驾,要靠训练而非研发
如果说高精度定位和高精地图,解决的是量产自动驾驶当下的安全性和可靠性问题,那么数据闭环,则是通往高阶自动驾驶的必由之路。
一方面从自动驾驶系统的演进逻辑来看,要实现L2向L3甚至更高阶的L4跃升,必须通过量产收集海量的场景数据,进行训练以及测试,驱动算法不断成熟;另一方面,也只有通过源源不断的场景数据采集,进行测试验证,才能更好地解决长尾场景。“所以我们经常说,L3、L4不是研发出来的,而是训练出来的。”李庆建表示。
在训练自动驾驶算法成熟方面,大有时空也有着自己的“见解”——以定位赋能数据采集,构筑飞轮闭环。
目前来看,一个完整的自动驾驶数据闭环,必须具备海量场景数据作为支撑。而多源融合定位,基于车端所搭载的传感器,本身就是一个获取海量时空数据的过程,这一问题也就迎刃而解。
“不仅如此,我们还可以把自己的基础测绘数据,以及后装车联网运营数据进行训练后提供给车企,助力解决整车厂数据量不足的问题。”在后装市场,大有时空的定位解决方案已经安装在很多运营车辆上,据李庆建透露,未来这些普通的定位均会升级为高精度定位,成为一路新的数据获取来源,赋能整车厂快速扩大数据规模,提升算法验证以及迭代升级效率。
“我们正在和多家合作伙伴进行技术链路的打通,在他们的硬件上接入我们的定位服务。而围绕数据中心,我们也在和相关的整车厂开展联合研发和工具链的适配。”李庆建表示。
解决了数据来源问题,接下来就是怎么用的问题。
为充分发挥众源采集的数据价值,更好地赋能自动驾驶研发,围绕数据合规及管理应用,大有时空同步开发了一系列的制图、标注与仿真工具链,以及数据合规服务,用于开展智能驾驶仿真和算法训练,在数据闭环基础上进一步形成算法更新的软件闭环,以及安全合规的服务闭环。
飞轮闭环解决方案,图片来源:大有时空
特别值得关注的是数据合规,按照目前的趋势,通过量产车众源众包进行高精地图的生成,有望成为行业主流。这意味着,未来每一辆自动驾驶汽车都将是数据采集车。而一旦自动驾驶汽车打上“测绘车”的标签,在量产运营过程中必然会面临数据合规的监管,这不仅仅指数据的采集和传输需要合规,还包括数据中心本身的数据安全,比如研发阶段的数据脱敏,地图更新的安全合规,以及运营的合规性。
针对这些需求,大有时空构建了从数据采集、数据传输到脱敏脱密处理、数据管理和数据监管的一站式软件能力。
“我们会将这些能力和上述工具链统一部署在整车厂的数据中心。这样带来的好处是,由于车辆本身来源于车企,所有的数据也会直接回归到整车厂的数据中心,充分保障了车企对数据的控制权,以及数据中心的合规安全。”李庆建指出。
目前,围绕数据闭环大有时空也已经和多家企业达成了合作,就“飞轮闭环”全链条开展相关的测试。加上在高精度定位和地图服务方面的合作项目,大有时空整体业务已经进入了多点开花的阶段。
不过,考虑到自动驾驶的真正爆发还需要一段时间,李庆建认为,高精度定位的大规模应用也有待时日。据盖世汽车研究院统计数据显示,今年上半年,国内L0-L2级ADAS整体渗透率已超过56%,L2的渗透率接近40%,行业正处于L2向L3过渡阶段。
“到2025年,我们认为L2、L2++在新车中的整体渗透率有望达到80%,甚至100%,普及速度会非常快。”谈及对接下来自动驾驶发展的预测,李庆建表示。而最终,当众包数据的边际成本成为固定成本时,他认为智驾赛道的拐点将会真正到来。
全球视野,中国声音,快来体验吧