厘米级实时定位!自动驾驶梦之队跃上云端

简介: 在高级别辅助驾驶领域,高精地图的重要性不言而喻。深耕高精地图市场,面向整车厂、物流公司和互联网出行服务商提供“持续赋能”的动态服务,DeepMap高深智图就是其中的佼佼者。

室外38度,知了在枝头无精打采地叫着。

此时,刚通宵工作完的济民正驾车行驶在见客户的高速路上。昏昏欲睡的他转头盯向显示屏上的地图,脑海中闪现出一个念头:这车要是能够自动驾驶该多好。

但是。。。。。

“没有高精地图,自动驾驶免谈”。


在高级别辅助驾驶领域,高精地图的重要性不言而喻。深耕高精地图市场,面向整车厂、物流公司和互联网出行服务商提供“持续赋能”的动态服务,DeepMap高深智图就是其中的佼佼者。

8

“日更高精地图”的幕后英雄

谈起云服务之于高深智图的地位和作用,中国区负责人刘澍泉毫不讳言:

“现在,我们已经能做到按日更新地图,未来的目标是实时更新。没有云服务这个'幕后英雄',这一切显然不现实。”

在刘澍泉看来,对于成图质量近乎严苛的标准和要求,正是高深智图在市场中脱颖而出的关键。

高深智图能够提供数量众多的关键feature,同时,面向不同应用场景的定制化适配能力也非常重要。比如,卡车更关注高度信息,普通机动车更看重非机动车道信息,低速无人车则对道路内的行人特征等信息更敏感......所有这些,都对模型和算力提出了非常高的要求。

640

高深智图正将生成高精地图过程中所有重计算的环节全面部署在阿里云,从相关模型训练、数据清洗到成图之前的校验,中间的计算过程将全部在云上完成。

9


高深智图云端部署架构

数据采集阶段——车载高精地图终端根据特征自动捕获增量数据,通过边缘节点快速上传到云端。数据处理阶段,通过规模庞大的EMR集群完成数据清洗、算法调度、运算(道路标线识别、交通信号灯识别、道路桥梁识别、物体识别……)等流程,生成点云地图。在此基础上,通过机器学习做特征信息提取,然后成矢量地图。

过程中,所有研发模型训练流程都在云端按版本号完成,结果存储到OSS/HDFS,生成并交付最终客户使用的定制高精地图文件。

阿里云上好风光

高深智图人工智能地图引擎的迁移工作目前正在稳步进行中,整体效果令人满意。与此同时,CI/CD也在逐步迁移至阿里云。

目前,高深智图主要使用的阿里云产品服务包括:ECS、GPU、对象存储OSS、边缘节点服务ENS、专有网络VPC、EMR计算集群、K8s API集群、Hbase存储集群等。

640_1_

使用过程中,高深智图总结了阿里云相比较其他云服务商的几大关键优势

| 计算、网络等基础资源丰富。比如,阿里云边缘节点众多,有利于从源头上提升整个数据处理流程的效率。未来,随着采集端数据可接入的边缘节点数量越来越多,数据上传过程会进一步加速。
| 产品服务齐全。拥有DNS域名解析,深度学习计算平台的服务,包括密钥管理的安全性也较其他平台强,可进一步提升云端应用的安全性。
| 整体服务稳定。产品服务种类能够满足高精地图核心业务框架的各方面要求,数据处理流程精简,效率高。

刘澍泉表示,阿里云为众包模式下的高精地图服务交付提供了高效、可靠的关键基础设施,让创新成为可能。

一方面,从源头上为整个数据处理和业务流程提供坚实保障;另一方面,在提高成图效率的同时有效兼顾成本,跨数据采集、预处理、运算等各个流程,提供高性价比的整体解决方案。同时,阿里云在产品服务种类和稳定性方面也令人满意,为后续云上业务的扩展奠定了牢靠的基础。

640_2_

从存储、运算到通信,云服务全方位加速了高深智图核心技术产品的发展和应用,帮助高深智图能够集中精力攻克高精度地图领域的技术难题。在此基础上,未来高深智图将有能力联合大型OEM合作伙伴,实现高精地图和车载自动驾驶平台的深度集成,搭建整体服务。

相信在不久的将来,我们可以看到高精地图技术的不断进步,赋能L4及以上级别的完全无人驾驶车辆,和整个行业一起见证无人驾驶技时代的来临。

如果你拥有自动驾驶的汽车,第一个目的地是哪里?

相关文章
|
5月前
|
监控 算法 安全
UWB定位技术源码:实现微米级精度的人员定位系统
UWB人员定位系统是一种基于超宽带技术的人员定位系统,它通过发送和接收超短脉冲信号,在测距方面可以达到微米级精度。这种系统通常需要具备高精度的定位能力,通常需要达到微米级别,这样可以在室内和室外的复杂环境中精确定位,为人员的个人安全提供更好地保障。
UWB定位技术源码:实现微米级精度的人员定位系统
|
9月前
|
监控 安全 数据可视化
uwb高精度定位系统:实现厘米级定位感知
1、工厂人员定位系统可实现物资/车辆实时定位,物资/车辆数量实时查询,全智能化的物资/车辆查找,提高工作效率,实现合理调度; 2、集人脸识别系统、智能考勤、工时统计、行为检测、历史轨迹回放、人员管理、电子围栏、应急救援等功能为一体,实现在岗人员及外来承包商的规范管理;
|
10月前
|
运维 监控 安全
工业领域定位系统源码—uwb定位技术
UWB定位方案中,提供实时位置信息监控、智能巡检、静态/动态电子围栏、行为监测、寻呼报警等功能,来确保企业生产工作的安全和运维工作的效率。
工业领域定位系统源码—uwb定位技术
|
传感器 机器学习/深度学习 编解码
盘一盘!实时自动驾驶车辆定位技术都有哪些?(视觉/Lidar/多传感器数据融合)(下)
与基于激光雷达的定位相比,基于视觉和数据融合的定位技术在提高精度方面的潜力约为2–5倍。基于激光雷达和视觉的定位可以通过提高图像配准方法的效率来降低计算复杂性。与基于激光雷达和视觉的定位相比,基于数据融合的定位可以实现更好的实时性能,因为每个独立传感器不需要开发复杂的算法来实现其最佳定位潜力。V2X技术可以提高定位鲁棒性。最后,讨论了基于定量比较结果的AVs定位的潜在解决方案和未来方向。
盘一盘!实时自动驾驶车辆定位技术都有哪些?(视觉/Lidar/多传感器数据融合)(下)
|
传感器 编解码 运维
盘一盘!实时自动驾驶车辆定位技术都有哪些?(视觉/Lidar/多传感器数据融合)(上)
与基于激光雷达的定位相比,基于视觉和数据融合的定位技术在提高精度方面的潜力约为2–5倍。基于激光雷达和视觉的定位可以通过提高图像配准方法的效率来降低计算复杂性。与基于激光雷达和视觉的定位相比,基于数据融合的定位可以实现更好的实时性能,因为每个独立传感器不需要开发复杂的算法来实现其最佳定位潜力。V2X技术可以提高定位鲁棒性。最后,讨论了基于定量比较结果的AVs定位的潜在解决方案和未来方向。
盘一盘!实时自动驾驶车辆定位技术都有哪些?(视觉/Lidar/多传感器数据融合)(上)
|
机器学习/深度学习 传感器 存储
一文尽览 | 全景/鱼眼相机低速自动驾驶的近距离感知(识别+重建+定位+工程化)(下)
本文的工作部分受到了Malik等人在[5]中的工作的启发。这项工作的作者提出,计算机视觉的核心问题是重建、识别和重组,他们称之为计算机视觉的3R。在此,论文建议将计算机视觉的3R扩展并专门化为自动驾驶计算机视觉的4R:重建、识别、重组和重新定位。
一文尽览 | 全景/鱼眼相机低速自动驾驶的近距离感知(识别+重建+定位+工程化)(下)
|
传感器 机器学习/深度学习 人工智能
一文尽览 | 全景/鱼眼相机低速自动驾驶的近距离感知(识别+重建+定位+工程化)(上)
本文的工作部分受到了Malik等人在[5]中的工作的启发。这项工作的作者提出,计算机视觉的核心问题是重建、识别和重组,他们称之为计算机视觉的3R。在此,论文建议将计算机视觉的3R扩展并专门化为自动驾驶计算机视觉的4R:重建、识别、重组和重新定位。
一文尽览 | 全景/鱼眼相机低速自动驾驶的近距离感知(识别+重建+定位+工程化)(上)
|
存储 监控 物联网
产品分享:Qt+Arm基于RV1126平台的内窥镜软硬整套解决方案(实时影像、冻结、拍照、录像、背光调整、硬件光源调整,其他产品也可使用该平台,如视频监控,物联网产品等等)
产品分享:Qt+Arm基于RV1126平台的内窥镜软硬整套解决方案(实时影像、冻结、拍照、录像、背光调整、硬件光源调整,其他产品也可使用该平台,如视频监控,物联网产品等等)
产品分享:Qt+Arm基于RV1126平台的内窥镜软硬整套解决方案(实时影像、冻结、拍照、录像、背光调整、硬件光源调整,其他产品也可使用该平台,如视频监控,物联网产品等等)
|
人工智能 物联网 网络架构
从智能家居的“屏幕冗余”来看,IoT是否正在偏离“宁静技术”?
上世纪,来自施乐帕克研究中心(Xerox PARC)的Mark Weiser 和John Seely Brown提出一个概念,即Calm Technology(宁静技术)。
从智能家居的“屏幕冗余”来看,IoT是否正在偏离“宁静技术”?
|
机器学习/深度学习 人工智能 监控
取代后视镜,ULSee发布3D全景行车监控影像系统
搭载着 ULSee 智能驾驶集成方案的汽车上,4 个摄像头分别安装在车身的前后左右,用于采集车辆在行车过程中四周的影像。
316 0
取代后视镜,ULSee发布3D全景行车监控影像系统