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
|
2月前
|
传感器 自动驾驶 算法
《C++:自动驾驶车辆环境感知与决策控制的核心引擎》
在自动驾驶领域,C++凭借其卓越的性能和高效的资源管理,成为实现环境感知和决策控制的关键技术。C++能够高效处理激光雷达、摄像头、毫米波雷达等传感器数据,快速生成精准的环境模型。在决策控制方面,C++支持高效的路径规划、速度控制和紧急应对策略,确保车辆在复杂环境中安全、高效地行驶。C++的实时性和可靠性使其成为自动驾驶技术的重要支柱,推动未来交通的创新与变革。
89 20
|
5月前
|
安全 数据挖掘 定位技术
工厂内部导航系统:高精度定位与智能路径规划的技术实现
工厂内部导航系统其核心功能包括实时定位、智能路径规划、车辆警告及数据分析,显著提升了物流效率和管理水平。系统具备高精度定位、灵活部署及跨平台兼容等技术优势,并已在实际项目中取得显著成效。
175 11
工厂内部导航系统:高精度定位与智能路径规划的技术实现
|
9月前
|
传感器 数据采集 存储
LabVIEW水下温盐深数据一体化采集与分析
LabVIEW水下温盐深数据一体化采集与分析
55 1
|
传感器 机器学习/深度学习 编解码
自动驾驶 | 毫米波雷达视觉融合方案综述(数据级/决策级/特征级融合)
自动驾驶在复杂场景下的目标检测任务至关重要,而毫米波雷达和视觉融合是确保障碍物精准检测的主流解决方案。本论文详细介绍了基于毫米波雷达和视觉融合的障碍物检测方法,从任务介绍、评估标准和数据集三方面展开。
自动驾驶 | 毫米波雷达视觉融合方案综述(数据级/决策级/特征级融合)
|
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。
181 0
UWB定位技术源码:实现微米级精度的人员定位系统
|
传感器 数据采集 算法
UWB高精度定位技术原理与实现
**UWB的定义** UWB(Ultra Wide Band,超宽带)技术是一种新型的无线通信技术,其与传统通信技术有很大的差异。 在传统通信体制中,数据传输一般都需要使用载波来承载,UWB则不需要,取而代之的是通过发送和接收具有纳秒甚至亚纳秒级的极窄脉冲来传输数据,一个信息比特可映射为数百个这样的脉冲。
336 0
UWB高精度定位技术原理与实现
|
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)
|
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 数据采集 编解码
工业级高精度电磁流量计解决方案
工业级高精度电磁流量计解决方案
工业级高精度电磁流量计解决方案
|
机器学习/深度学习 人工智能 监控
工业安防监控目标检测背景介绍
随着人们生活水平的日益提高,人们对生活的便利性和安全性有了更高的需求。近年来人工智能的飞速发展,让人们看到了未来更多的可能性。而计算机视觉一直以来都是人工智能的重要发展方向,它赋予了人工智能系统感知世界的眼睛。计算机视觉被广泛的应用于无人驾驶、智能监控、安全生产等领域。其中,目标检测和多目标跟踪算法,是计算机视觉领域的重要研究方向。在过去几十年的发展中,目标检测算法和多目标跟踪算法,从传统机器学习和人工特征算子(HOG、SIFT、卡尔曼滤波器等)阶段,逐步发展为基于深度学习的自主学习阶段,检测和跟踪的准确性和速度都有了大幅度的提升。
467 0