MIT最新研究：無需3D地圖，利用GPS和LiDAR在鄉(xiāng)村道路上，實現(xiàn)自動駕駛

　　高精度地圖是無人駕駛發(fā)展成熟標志之一，在橫向/縱向精確定位、基于車道模型的避讓等都離不了高精度地圖。然而，在一些偏遠的鄉(xiāng)村道路環(huán)境中，繪制高精度地圖有很大的難度。MIT最近曝光了他們近期的研究成果，利用拓撲地圖、開放式街道地圖(OSM)和本地局部感知系統(tǒng)，無需3D地圖，在鄉(xiāng)村道路實現(xiàn)了自動駕駛。

　　目前，最先進的自動駕駛系統(tǒng)一般都依靠詳細、精確的高精度地圖來完成定位。高精度地圖包含大量的行車輔助信息，其中有一些必要的道路數(shù)據(jù)和道路周圍固定對象的信息。通過這些數(shù)據(jù)，導航系統(tǒng)可以準確定位地形、道路輪廓等引導車輛行駛，車載機器人可以將精確的路網三維表征信息與本地傳感器數(shù)據(jù)比對實現(xiàn)定位。

　　這是目前高精度地圖在自動駕駛中主要發(fā)揮的作用。迄今為止，絕大多數(shù)自動駕駛車輛都集中在以下兩個情況：1)在標記清晰的高速公路上行駛 2)基于極其精確和手動注釋的詳細全球地圖進行城市導航。

　　然而，無論是在美國還是在中國，仍有大面積的鄉(xiāng)村道路。這對于自動駕駛來說具有很大挑戰(zhàn)。因為這些道路，稀疏地連接著廣闊的土地。地圖采集工作量大，同時車道標記和道路路網幾何形狀經常不可靠，建立詳細的高精地圖的方法顯得并不切實際。

　　麻省理工學院的CSAIL團隊近日分享了他們正在研究的方案。研究人員在豐田汽車的幫助下，開發(fā)了一個新的MapLite框架，可以在沒有任何3D地圖的情況下，在鄉(xiāng)村道路實現(xiàn)自動駕駛。

　　MapLite將Google地圖上可以找到的簡單GPS數(shù)據(jù)與一系列觀察路況的傳感器結合在一起，在馬薩諸塞州Devens的多條鄉(xiāng)村道路上自主駕駛，并且可以提前100英尺以上可靠地探測到前方道路。

　　該論文將于5月份在澳大利亞布里斯班召開的機器人與自動化國際會議(ICRA)上發(fā)布，由麻省理工學院教授丹尼拉羅斯和博士畢業(yè)生Liam Paull共同撰寫。

　　它是如何實現(xiàn)的?

　　Maplite是一種新型的無網格驅動框架，它結合了稀疏拓撲地圖的GPS和基于傳感器的本地感知系統(tǒng)進行導航。首先，該系統(tǒng)設置最終目的地以及研究人員稱之為“本地導航目標”(車內)等內容，接著，感知傳感器生成一條通往終點的路徑，使用LIDAR來估計道路邊緣的位置，同時遵守路段橫穿道路的規(guī)則。同時，結合車輛的測距法和相關方法更新這些軌跡以保持車輛行駛。利用基于最小二乘殘差和遞歸濾波方法的不確定性，使車輛能夠可靠地、高速地導航道路網絡，而無需詳細的先驗地圖。

　　論文中提到了用開發(fā)道路分割算法以獲得車輛的傳感器中的道路邊界點。然后使用RANSAC /最小二乘法對這些點進行擬合以獲得最優(yōu)道路邊界點內的軌跡。重要的是，擬合的質量也是從最小二乘最小化的殘差輸出中獲得的。這允許軌道估計在下一次迭代期間被概率地融合。車輛還配備有測距傳感器，用于在車輛移動之后將先前的軌跡估計傳到當?shù)剀囕v框架中。

　　“我們極簡主義的測繪方法，能夠使用當?shù)赝庥^建筑和語義特征(如停車位或小路)，在鄉(xiāng)村道路上完成自動駕駛。”羅斯教授說。

　　MapLite與其他無地圖駕駛方法有所不同，它更多地依靠機器學習對一組道路的數(shù)據(jù)進行訓練，然后再在其他道路上進行測試。然而，它在很多方面仍然很有限，對于山路而言，還不夠可靠，因為它不能對海拔起伏較大的路況做出很多的處理。下一步，MIT車隊希望增加車輛可以處理的道路種類。最終，他們希望該系統(tǒng)能達到與高精地圖采集方案相當?shù)男阅芎涂煽啃运健?/p>

　　論文作者羅斯教授說：“我想未來的自動駕駛汽車總會在城市地區(qū)使用3D地圖，但是當這些車輛要在從未見過的陌生的道路上行駛時，就能體現(xiàn)我們研究更大的意義。”