소개 : 둘러보기, 운전자 지원, 자동 운전과지도 기타 기술 고도화의 개발은 더 높은 요구 사항을 제시. 지능형 교통 시스템의 많은 결함에 대한 기존의 레벨 로드맵, 자동 조종 장치 애플리케이션에 대한 수요가, 우리는 고정밀 관성 항법 시각적 인지도를 생산하는 기술을 사용하는 방법을 제안한다.
이 문서는 최초의 시각 및 관성 항법 장비, 영상 INS 통합 프레임 워크와 핵심 기술의 주류를 소개합니다, 높은 독일어 시각적 인 방법의 요소를 식별하기 위해 지상에 기반 솔루션을 계산 고정밀지도와 도로 표지를 생성, 고의 기술을 체결 좋은지도의 정확성과 향후 방향이 직면 한 도전.
비주얼 관성 항법 기술은 폭 넓은 전망을 가지고
고정밀지도는 핵심 기술의 자동 조종 장치, 무인 차량 위치, 탐색 및 제어, 보안의 정확한지도 중 하나입니다. 지속적인 개발 자동 조종 장치로, 점점 더 많은 기업은 자동차와지도 공급 업체를 선택합니다. 고정밀지도는 문제의 크기와 높은 독일 첨단와 고정밀지도 업계에서 다른 브랜드의 대규모 서비스 지향 데이터 모델을 제공 할 수있는 실시간 고려해야합니다.
현재, 높은 독일어 국가 이상 완료 (32) 완 Gongli 레이저 레이더 수집, 두 가지의 이미지를 시각적 INS 융합의 사용과 고정밀지도 데이터의 고급 도로.
관성 항법 결합에 의해 수집 된 카메라 영상 데이터가 하나의 큰 비용을 줄일 수있다. 시각적 이미지의 고정밀지도를 기반으로 다른 한편으로는, 식별의 특정 장점을 가지고에서 작업의 차선 수준 요소의 효율성을 향상시킬 수 있습니다. 따라서이 기술은 고정밀 대형지도 제작의 폭 넓은 전망을 가지고있다.
고정밀지도를 가진 요소 정보를 취득 고정밀 구성 요소 벡터와 맵 정보에 의해 고정밀지도 한지도 요소 타겟 한편, 식별함으로써 시각적으로 화상을 얻을 수있는 위치 및 고정밀 관성 네비게이션 정보와 자세에 의해 취득 된 차량 두 대응하는 벡터지도 요소에 융합.
INS 시각적 도구 하드웨어 기사
시청각 장비
가공의 다른 방법에 따라 주류 영상 기기는 카메라가 단안 카메라 (들로 분할 될 수 단안 ), 이안 카메라 ( 보기 스테레오 요금 지불 ) 및 깊이 카메라 ( RGB-D )의 세 가지 범주.
단안 카메라 간단한 구조, 저렴한 비용, 단점은 그림이 입체지도 평면에 2 차원이다, 깊이 정보의 부족,하지로 계산 개별 사진을 통해 우리와 함께 현장에있는 개체 사이의 거리, 깊이를 추정하기 위해에서만 동작.
단안 카메라에 의한 양안 카메라는 2의 구성이지만, 서로 간의 거리 (기준)가 알려져있다. 우리는 각 화소의 공간적인 위치를 기준으로 결정되는 것으로 추정된다. 베이스 라인에 관련된 깊이의 범위를 측정하는 양안 카메라가 기준 거리보다 멀게 측정 할 수있다.
쌍안 카메라는 일반적으로 큰 사람이다와 그래서 어떤 자동차가 장착되지 않습니다. 단점은 구성 및 교정이보다 복잡하다는 것이다, 그 정확도는 깊이 범위 양안 기본 해상도 한계에 의해 제한되며, 매우 많은 계산 시차를 산출한다.
깊이 카메라 원리는 레이저 센서 유사한 외광 구조에 유효 발광하며 빛이 물체와 카메라 사이에, 물체로부터 측정 된 거리를 반환 받는다. 이 부분은 해결하기 위해 소프트웨어에 의해 계산 된, 쌍안 카메라로 아니지만, 물리적 측정에 의해, 쌍안 카메라에 비해 계산을 많이 절약 할 수 있습니다.
단점은 좁은 범위, 소음, 뷰의 작은 필드 광선의 간섭에 취약 송신을 측정 할 수없는 재료 등 많은 문제, 실외 장면 어려운 응용 측정 깊이 카메라가있을 수 있다는 것이다.
높은 정밀도를 들어지도는 대규모 생산 요구 사항 때문에 저렴한 비용의 단안 카메라 기능을 쉽게 설치가 주류 고정밀지도 영상 장비입니다 필요합니다.
관성 항법 장비
관성 항법 시스템 (INS)은 외부 정보에 의존하거나 외부 방사선 에너지 자율 주행 시스템에 없습니다. 작업 환경은 공기, 땅, 또한 수중뿐만 아니라이 포함되어 있습니다.
기본적인 동작 원리는 역학 INS 단위 뉴턴의 법칙에 기초 관성 기준 시스템의 가속도 벡터를 측정하여,이 좌표계를 시간에 걸쳐 적분 한 탐색으로 변환 될 것이며, 이는 내비게이션 좌표 시스템을 얻을 수있다 정보의 속도, 요 각도와 위치 등이 널리 군사, 매핑, 자원 탐사, 로봇 공학, 자동 조종 장치 및 기타 분야에 사용됩니다.
간섭 독립적 강한 고주파 데이터, 좋은 안정성과 관성 항법 장치. 이 레벨 이동, 전술, 산업, 자동차 및 소비자 수준으로 나눌 수 있습니다 큰에 작은에서 드리프트 속도를 누릅니다. 현재 자동 조종 장치 및 고정밀지도는 고정밀 위치에 대한 수요를 충족하기 위해 관성 항법 장비의 전술 필드의 많은 활용.
또한, 관성 항법 장치는가요 INS, INS 섬유 레이저 관성 항법은, MEMS INS 원하는 다양한 방법을 개발했다. MEMS (식 마이크로 전자 기계 시스템의 MEMS 작은 크기 등 경량, 저소비 전력, 저가격, 내 충격성을 갖는)가 널리 사용되며, 이는 전술 응용 분야 낮은 정밀도로 확장되었다.
멀티의 실제 응용 프로그램과 함께, 단독으로 사용 관성 항법 시스템 오류를 통합 GPS 및 나침반 GNSS 대표 ( 무료 위성 항법 시스템의 GNSS 가입 시스템과 캐리어의 글로벌 위치를 얻기 위해, 상기 조성물을 구성하는 다른 보조 시스템).
위성 신호가 손실되면, 당신은 INS 통합하여 추정보다 정확한 실시간 위치와 방향을 얻을 수 있습니다. 즉 높은 위치 정확도를 달성 할 수있는 스무딩 알고리즘에 의해, 실시간 매핑 응용 프로그램을 필요로하지 않습니다.
모바일 매핑 기능과 레이저 외부 센서와 카메라의 또 다른 역할의 분야에서. 함으로써 GNSS 센서 사이에 외부 조정을 고정밀 자세 화상 제스처 발광 레이저 펄스의 고주파 위치를 제공하는 결과 결합 포즈 글로벌 세 차원 좌표계에 대응하는 투영 정보.
다른 구성은 조합 관성 시각 오도 (결합 시각 센서 인 INS 비주얼 관성 오도 , 을 VIO ). 풍부한 질감 장면에서 비전 센서는 SLAM 더 나은,하지만 그들은 물체의 움직임을 취하거나 장면 사진 제목을 제공하는 경우, 비전 센서는 실패합니다.
관성 항법 데이터 퓨전 전체 위치 정밀도가 향상 및 연속성 할 수 있습니다. MEMS 관성 항법 장치가 스마트 폰에 널리 존재, 애플의 ARkit 과 구글은 출시 ARcore의 프레임 워크가 적절한 제공 VIO의 증강 현실 애플리케이션을 지원하기 위해 구현.
다중 센서 융합 네비게이션 프로그램은 트렌드되었다 관성 항법 장치 제 GNSS의 이미지 센서로 이루어지는 통합 네비게이션 시스템과 함께 결합, 레이저 레이더 현재 고정밀의 분야에서 연구의 초점 자동 조정 및 맵 메이커 개발의 방향이다.
INS 시각적 프레임 워크와 핵심 기술
프런트 엔드와 백 엔드 : 주류 영상 프레임의 관성 융합은 두 부분으로 나누어진다. 모델 상태 추정을 구축하기 위해 센서 데이터를 추출하는 선단이 후단의 선단부가 데이터 제공 최적화 카메라 위치, 자세, 글로벌 맵의 최종 출력도 아키텍처와 같이
시각 예술 관성 항법 프레임 초기화으로 순수한 시각적 고려하지 슬라이딩 윈도우 모드 INS 대하여 최적화 현지 시각 통합의 사용 본 명세서에 기재된 전단 및 후단 키 최적화 기술들을이다 SFM 플러스 INS 정렬 방식 초기화가 상대적으로 최적화 된 이후 글로벌 최적화, 그리고 마지막으로 전체 맵의 절대 최적화를 할 것입니다.
고지 독일어 고정밀 생산 기술 솔루션 맵
주로 등등 도로 안내 표지판, 신호등과 같은 도로 표지판의 클래스의 요소의 두 가지 유형의 고정밀지도 제작 하나는 차선 분할 선, 화살표 및 기타 가이드로, 땅을 식별하는 것입니다. 지도 요소의 두 가지 범주 먼저 요소와도 연결 게이트웨이 정보 및 도형 정보 엘리먼트 속성받을 위치를 계산한다.
지도 기능의 생산은 수동 작업 및 추출물의 조화를 자동화 할 수 있습니다. 우선, 화상 및 산업 솔버 밖에서 수집 된 데이터의 궤적은, INS 시각 정보 필요한 자동화 획득 기술의 통합이 INS에 따른 시각적지도 요소를 생성하고,지도 상에 자동화에 기초하여 수행 인공 사용 웹 모델 편집 지도 요소의 정확성을 향상하고, 마지막으로 해당 데이터베이스에 저장된다.
인식 결과 예 :
생성 된지도의 예 :
시야
基于惯导视觉的高精地图生产方案有很多，国内外公司像Moment、宽凳科技，lvl5等都在研究，但是从目前市面上看，由于设备成本限制，基于视觉的高精地图精度极限在10cm。
后续，基于视觉的高精地图发展可能是朝着多源数据融合的方向，即同一道路多次采集，不同设备多次采集获取的数据源融合在一起，提高精度的同时提高地图更新的时效。
高德扎根于地图行业，有丰富的地图数据源，有行业领先的自动化生产技术和成熟的工艺流程，为未来基于多元视觉惯导融合的高精地图生产打下了坚实的基础，这些都会进一步推动自动驾驶的发展。
<center>关注高德技术，找到更多出行技术领域专业内容</center>