《5G無人駕駛技術(shù)的未來發(fā)展方案分析》3100字

XLVII5G無人駕駛技術(shù)的未來發(fā)展方案分析綜述隨著自動駕駛理念的普及及相應(yīng)技術(shù)的發(fā)展,各類新型傳感器應(yīng)用于自動駕駛的實現(xiàn)當(dāng)中。但是實現(xiàn)自動駕駛車在各種復(fù)雜環(huán)境下的安全行駛，高精地圖是必不可少的關(guān)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(chǎn)技術(shù)、數(shù)據(jù)模型、數(shù)據(jù)傳輸、數(shù)據(jù)安全等領(lǐng)域制定出系統(tǒng)性的統(tǒng)一標(biāo)準(zhǔn),為自動駕駛的實現(xiàn)提供有利支撐。而針對于5G時代的新式高精度地圖的發(fā)展方案如下所示：1.1方案架構(gòu)隨著5G網(wǎng)絡(luò)、云邊計算節(jié)點的大規(guī)模建設(shè)與覆蓋，以及AI技術(shù)的不斷成熟，本文提出一種基于端邊云協(xié)同的利用多類型設(shè)備進(jìn)行高精地圖采集與應(yīng)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(wǎng)絡(luò)完成地圖數(shù)據(jù)的急速上傳與分發(fā)。其中，端側(cè)設(shè)備也可以當(dāng)作一種邊緣設(shè)備，因此該方案簡稱為邊云協(xié)同高精地圖采集與應(yīng)用方案。1.1.1端側(cè)采集與應(yīng)用方案中，端側(cè)設(shè)備包括地圖采集端與車載應(yīng)用端。地圖采集端主要包括智能路側(cè)設(shè)備(激光雷達(dá)、高清攝像頭)、專用采集車、部分浮動車及商業(yè)運營車輛。通過對路側(cè)設(shè)備接入地圖采集網(wǎng)關(guān)，內(nèi)置道路變化更新識別程序，通過對新舊路側(cè)數(shù)據(jù)的比對，完成設(shè)備采集范圍內(nèi)道路環(huán)境變化的識別。當(dāng)?shù)缆窐?biāo)線、路牌等元素有變化時，及時將變化后的圖像及數(shù)據(jù)上傳到邊緣計算節(jié)點進(jìn)行后續(xù)地圖刷新及應(yīng)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(shù)據(jù)進(jìn)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(dāng)自動駕駛車傳感器檢測到現(xiàn)實環(huán)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(jié)點，由邊緣節(jié)點更新補充高精度地圖。車載電腦可安裝設(shè)備管理與應(yīng)用容器引擎，接收云端或邊緣的管理、信息下發(fā)、應(yīng)用更新，亦可進(jìn)行信息上傳等，例如：有無人車發(fā)現(xiàn)路網(wǎng)變化，通過與云端通信，可以把路網(wǎng)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(wǎng)關(guān)或通過在原車載智能設(shè)備中植入地圖采集應(yīng)用容器，利用車載攝像頭，經(jīng)過必要的圖像AI解析處理、過濾，結(jié)合圖像定位數(shù)據(jù)及車輛GPS/北斗定位數(shù)據(jù)，將融合后的數(shù)據(jù)回傳到邊緣節(jié)點，進(jìn)行后續(xù)分析與應(yīng)用，5G上行速率可達(dá)100Mb/s，保障了地圖圖片及其他數(shù)據(jù)的實時上傳。地圖采集網(wǎng)關(guān)可以看作是云端、邊端地圖服務(wù)能力的延伸。將設(shè)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(yīng)用部署到網(wǎng)關(guān)，例如地圖采集上傳、圖像處理過濾等。網(wǎng)關(guān)硬件可根據(jù)使用的環(huán)境及應(yīng)用按需定制，從而降低地圖采集的成本。通過網(wǎng)關(guān)將采圖能力賦給各社會運營車輛，可進(jìn)一步推動眾包采集模式的落地運營。自動駕駛車應(yīng)用端向邊緣計算節(jié)點發(fā)送自身ID、位置、目標(biāo)地理位置請求及地圖版本等信息，邊緣節(jié)點根據(jù)請求向車輛推送目標(biāo)位置的高精度地圖。車輛應(yīng)用端使用5G網(wǎng)絡(luò)下行可達(dá)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(xié)同的高精度新式應(yīng)用方案1.1.2邊緣節(jié)點與應(yīng)用邊緣節(jié)點應(yīng)用方案中邊緣節(jié)點主要提供了邊緣計算平臺環(huán)境與管理服務(wù)及地圖存儲、構(gòu)建、分發(fā)服務(wù)?？蛇x擇與運營商5GUPF同機(jī)房部署對接，方便進(jìn)行5G邊緣計算分流，以進(jìn)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(shè)備，并對設(shè)備進(jìn)行孿生管理，可將應(yīng)用容器下發(fā)到地圖采集網(wǎng)關(guān)運行，并可對應(yīng)用容器進(jìn)行刪除、更新等操作。邊緣節(jié)點可自治，也可接受云端管理，在邊緣節(jié)點基礎(chǔ)環(huán)境資源有限的情況下，引入云原生技術(shù)。應(yīng)用程序的每個部分都打包在自己的容器中，動態(tài)編排，以便被主動調(diào)度和管理，優(yōu)化資源利用率，提高應(yīng)用程序的整體靈活性和可維護(hù)性。邊緣節(jié)點一方面可從云平臺及其他車載路側(cè)終端獲取交通設(shè)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(fā)出現(xiàn)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(tài)信息實時更新。另一方面，邊緣節(jié)點提供多源數(shù)據(jù)融合分析及視覺SLAM服務(wù)，利用端側(cè)采集的道路更新圖像、位置信息，實現(xiàn)對目標(biāo)的類型識別、追蹤、速度等位置信息的對應(yīng)與聚合，綜合運用AI和SLAM技術(shù)可實現(xiàn)道路場景的三維重建，創(chuàng)建矢量地圖，并可結(jié)合部分激光雷達(dá)點云數(shù)據(jù)進(jìn)行地圖優(yōu)化矯正。邊緣側(cè)還可將大量車輛采集的地圖片段數(shù)據(jù)經(jīng)過AI地圖要素解析后，進(jìn)行關(guān)聯(lián)匹配來修正地圖數(shù)據(jù)。地圖數(shù)據(jù)既可快速在邊緣節(jié)點發(fā)布來更新現(xiàn)有區(qū)域地圖要素，及時應(yīng)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(jìn)一步的優(yōu)化處理，構(gòu)建更加精細(xì)的高精地圖。1.1.3云端應(yīng)用云端主要提供計算存儲及管理平臺服務(wù)，并提供AI地圖構(gòu)建服務(wù)。云端可以對所有邊緣節(jié)點及邊緣設(shè)備進(jìn)行管理、監(jiān)控和運維，并可對邊緣容器應(yīng)用進(jìn)行監(jiān)測管理。邊緣節(jié)點管理主要包括注冊、納管、監(jiān)控和刪除幾個方面。注冊節(jié)點之后可以對節(jié)點進(jìn)行納管，可將安裝工具和配置文件安裝到相應(yīng)的邊緣節(jié)點上，納管邊緣節(jié)點如圖2所示。納管成功后，云端管理平臺可查詢節(jié)點列表，查看每個節(jié)點的運行狀態(tài)和節(jié)點配置，以及每個節(jié)點綁定設(shè)備的情況。云端利用Kubernetes原生應(yīng)用和工具可對邊緣容器應(yīng)用進(jìn)行高可靠高性能的管理服務(wù)，邊緣節(jié)點需部署云容器引擎。云端配備鏡像倉庫，地圖應(yīng)用、地圖庫、AI融合分析模型、地圖構(gòu)建服務(wù)等可封裝為容器應(yīng)用，邊緣節(jié)點可按需請求應(yīng)用，云端實現(xiàn)對邊緣應(yīng)用的下發(fā)、部署和管理等。邊緣節(jié)點部署的邊緣應(yīng)用能夠和云端平臺和邊緣設(shè)備進(jìn)行通信，支持云邊應(yīng)用協(xié)同。云端可實時收集各自動駕駛車的行駛數(shù)據(jù)、智能交通設(shè)施數(shù)據(jù)來進(jìn)一步擴(kuò)充道路情況信息的收集手段，增強(qiáng)收集數(shù)據(jù)密度，并將相關(guān)信息下發(fā)到邊緣節(jié)點。云端也提供了對圖像、雷達(dá)數(shù)據(jù)及定位數(shù)據(jù)的交通元素提取分析、融合分析原型的AI訓(xùn)練服務(wù)以及大規(guī)模、多版本高精地圖數(shù)據(jù)的存儲、打包、分發(fā)服務(wù)。與傳統(tǒng)地圖相比，高精地圖的圖層內(nèi)容精細(xì)、圖層數(shù)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(xùn)練與測試，這些都需要云端大算力、大空間的支持。邊緣節(jié)點上傳的局部地圖信息更新將會與全局地圖進(jìn)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(dǎo)航的需求。1.2方案關(guān)鍵技術(shù)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(xié)同管理等多種技術(shù)，簡述如下。(1)圖像定位技術(shù)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(jìn)行眾包采集建圖，由于缺乏其他定位設(shè)備，利用圖像進(jìn)行AI分析定位就非常重要。這個過程一般在邊緣節(jié)點完成，利用車輛GPS/北斗定位系統(tǒng)可確定采集車輛當(dāng)前所處道路，根據(jù)系列圖像檢測車道線及道路邊緣，并與邊緣節(jié)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(jù)圖像路面標(biāo)志、交通標(biāo)志牌、紅綠燈等環(huán)境語義信息與高精地圖提供的要素做匹配，實現(xiàn)縱向定位的修正，確定車輛當(dāng)前的位置信息及周邊環(huán)境。沿路多張圖片及分析出的交通要素與圖像定位信息結(jié)合，可生成直觀的道路信息模型，并與高精地圖該區(qū)域道路模型進(jìn)行分析匹配即可進(jìn)一步確認(rèn)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(shù),視覺SLAM主要是基于相機(jī)來完成環(huán)境的感知工作，眾包地圖采集模式中，在邊緣節(jié)點可以使用車輛連續(xù)采集的有效圖像進(jìn)行局部地圖創(chuàng)建。視覺SLAM通過連續(xù)的相機(jī)幀，跟蹤設(shè)置關(guān)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(jī)自己的姿態(tài)，通過跟蹤視頻幀中足夠數(shù)量