SLAM技术在自动驾驶领域的应用及挑战-智行者高翔

简介：
该演讲由智行者的高翔带来，主要探讨了SLAM（即时定位与地图构建）技术如何应用于自动驾驶领域及其面临的各种挑战。演讲结合实际案例深入浅出地分析了这一技术的发展趋势和未来方向。 SLAM（即时定位与地图构建）技术在自动驾驶中的应用及面临的挑战是目前该领域的热门话题之一。高翔博士作为清华大学自动化系的博士、慕尼黑工业大学的博士后，以及百度自动驾驶L4定位组的研发工程师和智行者科技定位组负责人，在分享他对自动驾驶中定位技术的看法时提出了许多见解。 首先探讨一个问题：为什么自动驾驶需要高精度的位置信息与地图？人类驾驶汽车并不依赖于这种级别的精确度。对于不熟悉的路线，驾驶员可以依靠电子导航系统及GPS进行指引；而对于熟悉的地方，则可能完全不需要借助这些工具，仅凭记忆即可驾车行驶。然而，在实现全自动化无人驾驶的过程中，厘米级的定位和制图精度是必不可少的条件之一，因为自动驾驶汽车高度依赖于多线激光雷达以及高精地图等技术手段来确保安全与效率。 回顾一下自动驾驶的发展历程：2002年DARPA发起了沙漠挑战赛；随后在2013年至2015年间，包括通用、福特在内的多家传统车企及国内的初创公司纷纷加入到这一领域的研发竞赛中。到了2017年百度推出了Apollo开放平台，并且现在已更新至第五个版本。 自动驾驶技术涵盖多个层面：从车辆与行人的检测识别（感知）、高精度地图制作和维护，再到定位、路径规划以及障碍物规避等任务；还有决策制定与控制策略的实施。此外还包括硬件设备如传感器及计算芯片的设计制造，软件平台的研发部署等等一系列工作内容。 自动驾驶技术在原理上区别于人类驾驶方式：前者更侧重于实时且广泛适用性极强的数据感知能力，并辅以较低频率但米级精度级别的定位服务；后者则更加依赖于分米级别精确度的高频次位置判断以及灵活机动性的操控技巧。比如，人类驾驶员仅通过视觉信息就能准确把握车辆与路面的关系并进行有效控制。 然而，在当前的技术条件下，自动驾驶汽车仍需依靠高精地图和精准的位置确定技术才能实现其功能目标。定位任务旨在明确车载系统在世界坐标系或特定参考图中的具体位置及其姿态；而制图环节则为后续的路径规划及导航算法提供所需的数据支持与规则框架。 对于乘用车而言，大部分控制器要求车辆具备30厘米以内的精确定位能力。通常认为，在达到L4级及以上高度自动化水平之前必须攻克高精度定位和地图绘制的技术难关；而在较低等级（如L2至L3）的应用场景中，则更多依赖于局部范围内的感知与决策机制来完成任务。 SLAM技术在自动驾驶中的应用及其面临的挑战是一个复杂多面的问题，需要从多个维度进行深入研究才能找到有效的解决方案。