點云地圖是一種常見的空間幾何結(jié)構(gòu)表現(xiàn)方式。在自動駕駛中，點云地圖與感知系統(tǒng)“協(xié)同作戰(zhàn)”，讓車輛獲取的自身與環(huán)境信息更加準確、高效，保障自動駕駛車輛能夠在道路上安全行駛。

傳感器硬件的技術(shù)提升、車規(guī)級量產(chǎn)的成本下行，促進了激光雷達在乘用車領(lǐng)域的量產(chǎn)上車，獲取點云數(shù)據(jù)變得越來越便利，對于點云數(shù)據(jù)的實時處理及其在場景中的利用變得尤為重要。

點云建圖與SLAM技術(shù)的發(fā)展

實時點云建圖主要依賴SLAM技術(shù)，即同時定位與地圖構(gòu)建。

SLAM技術(shù)包含了兩個主要任務(wù)：構(gòu)圖與定位。在自動駕駛中，車輛要精確移動就必須要有一個環(huán)境地圖，要構(gòu)建環(huán)境地圖，就需要指導(dǎo)車輛的位置。

簡單來說，SLAM包含兩個步驟，當目標物體從A點經(jīng)過C點到達B點時：

1.周圍環(huán)境的理解和構(gòu)建，形成左圖

2.回環(huán)閉合重建拓撲關(guān)系，形成右圖

在第1個過程中，世界會被理解成一個“無窮的走廊”，再經(jīng)過第2個過程時，還原成真實狀況。

至今，對SLAM的技術(shù)研究已有35年的歷史，經(jīng)歷三個時期，即“古典年代”、“算法分析年代”，再到現(xiàn)階段的“魯棒感知年代”。

“魯棒感知年代”強調(diào)的是魯棒的性能、高層次的理解能力以及對于資源的敏感性。即SLAM技術(shù)能夠在任意環(huán)境下以低失效率長期運行，具備自動調(diào)參的能力去適應(yīng)不同場景，同時能夠?qū)崿F(xiàn)基本的幾何重建，還能在更高層次上理解環(huán)境信息，且計算負載可以根據(jù)實際的傳感器和可用計算資源進行調(diào)整。

這樣的研究方向，也為SLAM技術(shù)提出了更多的約束和挑戰(zhàn)。

全道高度自動化的點云處理技術(shù)與服務(wù)

全道科技是激光點云建圖的先行者。早在2021年，全道科技就已率先實現(xiàn)了L4級別量產(chǎn)點云數(shù)據(jù)產(chǎn)線，并廣泛應(yīng)用于無人配送領(lǐng)域。

基于對激光點云的技術(shù)積累，全道科技搭建了一整套包含SLAM、質(zhì)量評估及人工干預(yù)的高精地圖建圖系統(tǒng)，提供深度定制化的數(shù)據(jù)技術(shù)解決方案，并且不斷吸收學(xué)術(shù)界領(lǐng)先的算法研究，在自研的系統(tǒng)中形成持續(xù)落地。

全道科技稠密激光點云成圖

在對整套系統(tǒng)的技術(shù)研發(fā)中，全道形成了極具競爭力的核心優(yōu)勢：

· 高精度標定及時間同步

全道科技自研了包括LiDAR/相機/IMU內(nèi)參、LiDAR/相機/IMU外參在內(nèi)的整套標定技術(shù)，其中對LiDAR內(nèi)參的修正，以及對量產(chǎn)環(huán)境中標定的可擴展性，在行業(yè)內(nèi)都極具亮點。

同時，全道自研兼容PPS與PTP的主時鐘板卡，支持在量產(chǎn)車場景實現(xiàn)對激光雷達和圖像傳感器的硬件同步，保證了融合算法需要的高精度時間同步需求。

· 高效點云配準算法

全道整合了NDT、FastGICP等算法，基于Voxel和概率進行點云配準，相比傳統(tǒng)的各種ICP、GICP能更好地適應(yīng)復(fù)雜場景，并且有更快的收斂速度。

· 快速回環(huán)檢測及自適應(yīng)剔除算法

基于scan-submap，全道構(gòu)建了一套快速回環(huán)檢測的方法，能夠極大地減少回環(huán)過程的資源占用，并且針對回環(huán)過程中不可避免會引入的一些錯誤問題，開發(fā)了自適應(yīng)的修正手段。

· 豐富的可配置項

可以通過修改配置，對系統(tǒng)進行擴展或裁剪，以適應(yīng)多種硬件及場景組合。

全道點云技術(shù)落地量產(chǎn)乘用車

實現(xiàn)“記憶泊車2.0”

當前在一線城市做大范圍的高精地圖建設(shè)還未到時機，在城市復(fù)雜的交通環(huán)境下，想要實現(xiàn)L3級別的整體輔助駕駛解決方案也不夠成熟，相比之下，停車場是個高頻且普適的場景。

AVP被稱為解決用戶“最后一公里自由”的L4級自動駕駛技術(shù)，為了盡可能地保障AVP技術(shù)的安全性，遠距、精準的感知能力成為“必備”，同時需要通過對用戶常去的停車場數(shù)據(jù)進行積累和建模，將這些數(shù)據(jù)形成車輛“大腦”的記憶。

在AVP解決方案中，傳統(tǒng)采用視覺SLAM的方式面臨諸多難點。首先停車場環(huán)境結(jié)構(gòu)單一，紋理重復(fù)，描述子的特異性很差。同時，傳統(tǒng)特征點對觀察視角有要求，當更換視角觀察時，會出現(xiàn)完全不同的特征點。泊車時，車輛角度不穩(wěn)定也會對特征點的識別造成不利。

為了解決這些難題，全道科技選擇車規(guī)級別的量產(chǎn)車固態(tài)激光雷達，通過車端實時生成途經(jīng)區(qū)域的點云圖，再經(jīng)過自動化的數(shù)據(jù)處理，生成車輛LiDAR定位依賴的點云特征圖，供后續(xù)記憶泊車使用。

全道也在點云定位的應(yīng)用上進行延展，通過此前在濾波方面積累的豐富經(jīng)驗，可自動針對各種傳感器失真或者失效的問題進行清洗。

在概率匹配的基礎(chǔ)上，全道還加入了搜索算法，以及傳統(tǒng)的ICP、GICP類的算法，可以根據(jù)所處場景以及當前的定位狀態(tài)，在多種定位算法之間靈活切換，以達到更優(yōu)的效果。

全道科技的“記憶泊車2.0”技術(shù)相較于傳統(tǒng)視覺方案，其優(yōu)勢集中體現(xiàn)在：

· 整套的建圖與定位技術(shù)全部基于量產(chǎn)車上的傳感器實現(xiàn)，相當于把L4級別高精地圖的高級建圖能力，降維利用到了量產(chǎn)乘用車上，以支持乘用車的AVP2.0服務(wù)，這將大幅提升乘用車智能化的駕乘體驗。

· 支持跨停車層，可靠性更強，同時可向更大范圍的停車場自主規(guī)劃迭代升級

作為自動駕駛產(chǎn)業(yè)全新的數(shù)據(jù)供應(yīng)商，全道科技希望通過向乘用車提供AVP2.0的點云建圖與定位技術(shù)，讓智能駕駛車形成精準的“記憶大腦”，使其成為點云數(shù)據(jù)在場景中可有效利用并落地的“第一步”，以此延展走進城市內(nèi)日常通勤的各類場景中。