XLVII5G無人駕駛技術的未來發展方案分析綜述隨著自動駕駛理念的普及及相應技術的發展,各類新型傳感器應用于自動駕駛的實現當中。但是實現自動駕駛車在各種復雜環境下的安全行駛，高精地圖是必不可少的關鍵要素。因此，急需圍繞自動駕駛高精地圖的方方面面，包括生產技術、數據模型、數據傳輸、數據安全等領域制定出系統性的統一標準,為自動駕駛的實現提供有利支撐。而針對于5G時代的新式高精度地圖的發展方案如下所示：1.1方案架構隨著5G網絡、云邊計算節點的大規模建設與覆蓋，以及AI技術的不斷成熟，本文提出一種基于端邊云協同的利用多類型設備進行高精地圖采集與應用的方案以供參考，如圖5所示。該方案由端、邊、云三部分組成，借助5G、光纖等高速網絡完成地圖數據的急速上傳與分發。其中，端側設備也可以當作一種邊緣設備，因此該方案簡稱為邊云協同高精地圖采集與應用方案。1.1.1端側采集與應用方案中，端側設備包括地圖采集端與車載應用端。地圖采集端主要包括智能路側設備(激光雷達、高清攝像頭)、專用采集車、部分浮動車及商業運營車輛。通過對路側設備接入地圖采集網關，內置道路變化更新識別程序，通過對新舊路側數據的比對，完成設備采集范圍內道路環境變化的識別。當道路標線、路牌等元素有變化時，及時將變化后的圖像及數據上傳到邊緣計算節點進行后續地圖刷新及應用。對于地圖采集車及自動駕駛車輛，本身具備或部分具備地圖采集處理功能，通過車載電腦將GPS、點云、圖像等數據進行自動識別和融合，提取道路交通元素來完成地圖的自動化采集與上傳。當自動駕駛車傳感器檢測到現實環境信息與高精度地圖不匹配時也會將采集到的信息上傳給邊緣計算節點，由邊緣節點更新補充高精度地圖。車載電腦可安裝設備管理與應用容器引擎，接收云端或邊緣的管理、信息下發、應用更新，亦可進行信息上傳等，例如：有無人車發現路網變化，通過與云端通信，可以把路網更新信息告訴其他無人車，或者快速完成地圖的更新。對于浮動車及運營車輛，通過前裝或后裝5G地圖采集網關或通過在原車載智能設備中植入地圖采集應用容器，利用車載攝像頭，經過必要的圖像AI解析處理、過濾，結合圖像定位數據及車輛GPS/北斗定位數據，將融合后的數據回傳到邊緣節點，進行后續分析與應用，5G上行速率可達100Mb/s，保障了地圖圖片及其他數據的實時上傳。地圖采集網關可以看作是云端、邊端地圖服務能力的延伸。將設備注冊到智能邊緣管理平臺，部署容器引擎，智能云邊平臺可按需將各類應用部署到網關，例如地圖采集上傳、圖像處理過濾等。網關硬件可根據使用的環境及應用按需定制，從而降低地圖采集的成本。通過網關將采圖能力賦給各社會運營車輛，可進一步推動眾包采集模式的落地運營。自動駕駛車應用端向邊緣計算節點發送自身ID、位置、目標地理位置請求及地圖版本等信息，邊緣節點根據請求向車輛推送目標位置的高精度地圖。車輛應用端使用5G網絡下行可達1Gb/s的速率及10ms時延，完全可以滿足高精地圖的實時下載更新要求。圖1.基于云協同的高精度新式應用方案1.1.2邊緣節點與應用邊緣節點應用方案中邊緣節點主要提供了邊緣計算平臺環境與管理服務及地圖存儲、構建、分發服務?？蛇x擇與運營商5GUPF同機房部署對接，方便進行5G邊緣計算分流，以進一步降低地圖下載及更新時延。邊緣計算平臺能夠接入大量的邊緣設備，并對設備進行孿生管理，可將應用容器下發到地圖采集網關運行，并可對應用容器進行刪除、更新等操作。邊緣節點可自治，也可接受云端管理，在邊緣節點基礎環境資源有限的情況下，引入云原生技術。應用程序的每個部分都打包在自己的容器中，動態編排，以便被主動調度和管理，優化資源利用率，提高應用程序的整體靈活性和可維護性。邊緣節點一方面可從云平臺及其他車載路側終端獲取交通設施變化信息(例如交通指示燈的變化、車道屬性變化、交通信息、緊急事故車輛信息或突發出現的障礙信息等)，提供給自動駕駛車輛，自動駕駛車自行完成高精地圖的動態信息實時更新。另一方面，邊緣節點提供多源數據融合分析及視覺SLAM服務，利用端側采集的道路更新圖像、位置信息，實現對目標的類型識別、追蹤、速度等位置信息的對應與聚合，綜合運用AI和SLAM技術可實現道路場景的三維重建，創建矢量地圖，并可結合部分激光雷達點云數據進行地圖優化矯正。邊緣側還可將大量車輛采集的地圖片段數據經過AI地圖要素解析后，進行關聯匹配來修正地圖數據。地圖數據既可快速在邊緣節點發布來更新現有區域地圖要素，及時應對道路場景變化，供自動駕駛車輛使用，也可選擇加密后上傳到云端進一步的優化處理，構建更加精細的高精地圖。1.1.3云端應用云端主要提供計算存儲及管理平臺服務，并提供AI地圖構建服務。云端可以對所有邊緣節點及邊緣設備進行管理、監控和運維，并可對邊緣容器應用進行監測管理。邊緣節點管理主要包括注冊、納管、監控和刪除幾個方面。注冊節點之后可以對節點進行納管，可將安裝工具和配置文件安裝到相應的邊緣節點上，納管邊緣節點如圖2所示。納管成功后，云端管理平臺可查詢節點列表，查看每個節點的運行狀態和節點配置，以及每個節點綁定設備的情況。云端利用Kubernetes原生應用和工具可對邊緣容器應用進行高可靠高性能的管理服務，邊緣節點需部署云容器引擎。云端配備鏡像倉庫，地圖應用、地圖庫、AI融合分析模型、地圖構建服務等可封裝為容器應用，邊緣節點可按需請求應用，云端實現對邊緣應用的下發、部署和管理等。邊緣節點部署的邊緣應用能夠和云端平臺和邊緣設備進行通信，支持云邊應用協同。云端可實時收集各自動駕駛車的行駛數據、智能交通設施數據來進一步擴充道路情況信息的收集手段，增強收集數據密度，并將相關信息下發到邊緣節點。云端也提供了對圖像、雷達數據及定位數據的交通元素提取分析、融合分析原型的AI訓練服務以及大規模、多版本高精地圖數據的存儲、打包、分發服務。與傳統地圖相比，高精地圖的圖層內容精細、圖層數量多，需要更大的存儲空間；由圖像重建的局部地圖需要多方面的修正，AI原型需要不斷地迭代訓練與測試，這些都需要云端大算力、大空間的支持。邊緣節點上傳的局部地圖信息更新將會與全局地圖進行匹配與融合，最終完成局部地圖與全局地圖的更新，來滿足自動駕駛精確定位和導航的需求。1.2方案關鍵技術和特點該方案涉及交通元素圖像識別分類、圖像定位、視覺SLAM、云邊協同管理等多種技術，簡述如下。(1)圖像定位技術高精地圖需要能夠覆蓋出行所需的各種場景，定位是重中之重。利用圖像等信息進行眾包采集建圖，由于缺乏其他定位設備，利用圖像進行AI分析定位就非常重要。這個過程一般在邊緣節點完成，利用車輛GPS/北斗定位系統可確定采集車輛當前所處道路，根據系列圖像檢測車道線及道路邊緣，并與邊緣節點存儲的高精地圖提供的車道線及道路邊緣做比對，修正車輛的橫向定位；根據圖像路面標志、交通標志牌、紅綠燈等環境語義信息與高精地圖提供的要素做匹配，實現縱向定位的修正，確定車輛當前的位置信息及周邊環境。沿路多張圖片及分析出的交通要素與圖像定位信息結合，可生成直觀的道路信息模型，并與高精地圖該區域道路模型進行分析匹配即可進一步確認該新建地圖信息精度，以保障眾包地圖采集的有效性。(2)視覺SLAM技術,視覺SLAM主要是基于相機來完成環境的感知工作，眾包地圖采集模式中，在邊緣節點可以使用車輛連續采集的有效圖像進行局部地圖創建。視覺SLAM通過連續的相機幀，跟蹤設置關鍵點，以三角算法定位其3D位置，同時使用此信息來逼近推測相機自己的姿態，通過跟蹤視頻幀中足夠數量