車輛在復(fù)雜交通場景下的穩(wěn)定、高精度的定位是自動駕駛中的關(guān)鍵技術(shù)，同時也是基于眾包方案的高精地圖實時更新的基礎(chǔ)。目前主流的定位方案依賴高成本激光雷達和組合慣導(dǎo)，其成本是智能汽車商業(yè)落地的難點。
近日，超星未來聯(lián)合創(chuàng)始人、清華大學(xué)車輛與運載學(xué)院楊殿閣教授與團隊成員肖中陽、溫拓樸博士及江昆、嚴(yán)瑞東老師在JCR感知領(lǐng)域Q1區(qū)期刊SENSORS發(fā)表了文章，提出一種基于商用高精度地圖及量產(chǎn)車型單目相機即可實現(xiàn)車輛20cm+精度的定位方法，是目前同類研究中公開報道的最高精度。
這項研究是楊殿閣教授課題組高精度定位及地圖更新的代表性工作，利用該技術(shù)有望為高精度定位算法提供低成本的解決方案。這篇論文也成為同期354篇文章中唯一被選為作為封面的文章。
原文鏈接：https://www.mdpi.com/1424-8220/20/7/1870
圖1
如圖1所示，論文定位的原理為：從單目相機中提取定位特征，與輕量化的商用矢量高精度地圖進行匹配，通過光束平差進行6-自由度相機位置、姿態(tài)的解算，得到相機在絕對地理坐標(biāo)系下的定位結(jié)果。
圖2
在該方案中，如圖2所示，燈桿、車道線、建筑物邊緣、交通指示牌等商用地圖中包含的定位特征均可用作為與相機進行匹配定位的特征，算法具有廣泛的適用場景。
圖3
為進一步提升算法在定位特征極端稀疏場景中的性能，如圖3所示，文章基于多視圖幾何構(gòu)建相機幀間運動約束，將SLAM的局部定位與地圖匹配全局定位進行松耦合。松耦合模塊提升了定位算法的整體精度和穩(wěn)定性，同時使得定位模塊輸出頻率不受視覺檢測任務(wù)約束，確保定位算法的實時性。
與現(xiàn)有主流地圖匹配定位算法相比，文章算法取得當(dāng)前公開科研成果中的最高精度。另外，其系統(tǒng)方案所使用的地圖及傳感器為量產(chǎn)智能車的常見配置，具有更好的商業(yè)落地前景。
楊殿閣教授所在的自動駕駛實驗室一直圍繞AI+HD Map，對自動駕駛汽車感知、決策和控制技術(shù)進行深入研究，助力智能汽車的商業(yè)落地。
