@贺磊 老大提到一个非常有意思的话题,用一次“记忆路线”的方式,来实现点到点的领航辅助驾驶(一定范围内)有没有可能? 最近小鹏和宝骏云朵首发大疆的 “通勤模式”、“记忆行车”两大模式即将上线,这也将会是今年一个非常“热”的话题,相信也会有很多车企跟进。 1、通勤模式、记忆行车能带来什么? 最大的亮点是通过先记忆用户点到点行驶路线,保存路线后系统可以根据这条路线完成点到点的领航辅助驾驶,再自行完成一些规划变道、绕行、自动加减速等动作。 -可以释放高精地图,只需要基于普通导航地图,开放的城市基本无边界。(可以理解为带路线记忆的 LCC ,越开越丝滑)。 -路线可以多人随用随新,有“众包地图”的概念。 -点到点。可以满足公司到家等场景。 但它也会存在几种局限: -它的地图不是完整的地图,不是取代地图的概念。 -需要靠多次积累,开的越多体验才会越好。 -距离受限,比较合适的是公司到家这种点到点的距离。 2、它需要解决什么问题? 相信大家很容易看到,这就是记忆泊车的味道。逻辑都是相同的,可以记忆多条路线,并且相比泊车城市是开放道路,是记忆泊车算法一个非常好的复用场景。 所以它需要解决三个问题: -定位。如何解决“我在哪里”的问题? -建图。缺失高精地图下如何解决地图问题? -规划。没有高精地图的规划辅助,如何规划从起点 A 到终点 B ? 3、它会如何解决? (1)解决定位:视觉融合定位。 智能驾驶中我们都是通过 GPS 知道初始定位,然后用视觉做特征匹配。所以在缺图的情况下,我们就能否自己建一张地图,然后利用视觉重新定位,利用自身的位姿变化来计算物体的距离完成定位呢? 这就是我们所说的实时定位与建图技术。有点像: 从我们家到公司这段路,开多了就不需要导航一样,我们通过看到周边环境去得知你的定位和路线。 比如大疆的惯导立体双目,惯导(也叫 IMU,利用加速度来推算下一点的位置,可以连续测出当前位置)也是无人机多年的积累,小鹏在记忆泊车也是靠这个思路。 (2)解决地图:语义建图。 很多同学肯定会疑问,那建造得多难啊?车上的精度够吗?和地图采集车有什么区别? 诶,这是问题的重点。实际上和我们常见高精地图不同,记忆行车的模式更注重的是如何让地图变得更轻,而不是更精。只记住我们要记的东西。比如我们只需要记住道路的结构、路牌、标识等,让我们知道这些“参照物”从而知道怎么去走,这个我们就称为语义提取的过程。(图一、图二、图三)。 而这些地图往往数据很小、占据内存也很小,也利于云端上传更新。 (3)解决规划:更注重实时计算。 没了高精地图给我们规划信息,就需要根据导航地图以及实时规划计算能力。 导航地图来来解决我们“前方300米左转”的问题,实时规划计算则解决我们“前方被堵了,怎么绕”的问题。 这需要比较强的实时计算来解决复杂的预测、博弈问题,让能接近认为开车的体感。 记忆泊车一般时速比较低,所以场景也比较简单。而在城市开放道路后,利用记忆泊车的方法论+成熟的规控算法,也让记忆行车、通勤模式成为可能! @谢阗地 大疆车载的谢老板也提到,目前大疆将这种能力交付给车企后,最后形成的功能和交互,是由车企决定的。记忆行车功能记录的实际是轨迹,是一个单车功能,所以不涉及数据的问题。
最后编辑于 · 2023-06-08
  • 全部评论14 条
  • 只看作者
  • 最热
  • 最新
  • 最早

强了,跟大疆无人机低电量原路径返回一样

大疆自动返航不是原路径

原理很容易理解 但是实现还是很困难

记忆行车和记忆泊车的技术栈还是有所区别的。如楼主所言,高速/低速,实时在线感知的车道线/停车位/道路特征(路牌/停车场拐弯标识)……差异比较大,从用户体验出发的话,优化的侧重点是不一样的。 但是从来就不存在一种技术可以解决所有的场景,各种智能驾驶解决方案都是在不断追求更高效可靠的调用各种技术栈来完成现实复杂环境带来的挑战。从这个思路去理解各类场景,然后尽可能让消费者无感地把场景连续起来,这些体验似乎也没那么难做到了。

图5加塞 后方不让 会怎么样

技术原理上类似记忆泊车,担实际需要的计算和场景要复杂太多了。进入隧道怎么办,高架下GPS被遮挡的问题,车道语义的理解以及和SDMAP的匹配(记忆左转走第一车道,行走的时候要有灵活选择的能力)。重复完全地图信息的能力,因为堵车等各种场景,车道语义采集不完整的问题。还有在此基础上的规控和博弈。

不可能不可能,没这么简单

看不懂看不懂

最近小鹏和宝骏云朵首发大疆的 “通勤模式”、“记忆行车”两大模式即将上线。这句话有歧义

一条通勤路,千万次的走,机器学习这一条路,总归是要轻松很多吧,学会后让他开大部分,这个理论是说得通的。

新的软件技术让别人去尝鲜吧,我等成熟后再选择。

写评论
积分赞赏
点赞
评论区
  • 收藏
  • 举报
回到顶部