1. 什么是高精数据散发引擎

1.1 高精地图概述

高精地图(High Definitation Map,HD MAP)，和一般导航电子地图的次要区别是精度更高、信息更丰盛。精度更高次要体现在高精地图的相对坐标精度更高(指的是地图上某个指标和内部的真实世界事物所在位置之间的精度)，能够准确到厘米级别；信息更丰盛次要体现在高精地图不仅蕴含了路线信息，还涵盖了简直所有与交通相干的四周动态信息。

相比于一般导航电子地图，高精度地图所蕴含的道路交通信息更丰盛和精确。除此以外，在利用场景方面，一般导航地图次要供驾驶员应用，而高精度地图是面向机器的、供主动驾驶汽车应用的地图。

精度是高精度地图与一般导航电子地图的最大区别。一般车载电子导航地图的精度个别在10米左右，高精度地图利用在主动驾驶畛域，须要精确定位到具体某条车道上，还须要晓得四周所有可能参加主动驾驶决策的路线和交通信息，精度须要达到10~20厘米，这样的精度基本上和一个车道边线的宽度差不多，能力保障智能驾驶的汽车不会逾越到其余车道，防止与其余车辆产生侧面碰撞的危险。

一般导航电子地图要描绘出路线（link），而高精度地图不仅要描述路线，还会描绘出一条路线上有多少条车道（lane），实在地反映出路线的理论款式。

高精度地图信息更丰盛次要体现在以下几个方面：

精确的路线形态：每条车道的坡度、曲率、航向、高程，侧倾的数据。

具体的车道线信息：车道之间的车道线是虚线、实线还是双黄线，线的色彩，路线隔离带，隔离带的材质都会有形容。

此外，人行横道，路线沿线看板，限速标记，红绿灯，路边电话亭等等，这类通常统称为LandMark Object的相对地理坐标，物理尺寸以及他们的特质个性等也都会呈现在高精度数据中。

1.2 高精数据散发引擎

ADAS(Advanced Driver Assistant System,高级驾驶辅助零碎)利用须要用车辆后方路网及属性数据信息用于决策控制及判断，一般数字地图数据通常仅供导航系统应用，但高精地图数据可供车辆内的其余ADAS利用应用，因而须要依赖高精数据及用于高精数据播发的高精数据散发引擎。

ADASIS(ADAS接口标准)定义了“ADAS电子地平线”的概念，“ADAS电子地平线”表白了车辆后方的路网及路网属性信息。为了实现这种表达方式，咱们须要构建车辆的地位模型以及车辆后方路网的各个可能行驶的路线模型，能够通过一个树状的层次结构来表白可通行的路线。此外，路线的几何形态及相干属性也会建设相干的属性模型来表白。“ADAS电子地平线”数据通过车载以太网络来序列化及传输。

1.3 名词解释

ADAS(Advanced DriverAssistance System)

即高级驾驶辅助零碎，利用车载传感器感知车辆环境，并交融计算，事后让驾驶者觉察可能产生的危险，无效晋升车辆驾驶的安全性、经济性和舒适性。

ADASIS(Advanced DriverAssistance System Interface Specification)

ADAS论坛制订的行业国际标准，用于标准地图数据和车辆ADAS利用之间替换地图数据的规范接口协议。

AHP(ADAS Horizon Provider)

即高精数据散发引擎，为ADAS利用提供超视距的后方路线和数据信息。

AHR(ADAS Horizon Reconstructor)

用于解析AHP收回的音讯并重建地图数据，供终端ADAS利用模块应用。

2. 为什么须要高精数据的散发引擎

高精数据散发引擎作为高精数据及ADAS利用的桥梁，其价值总结下来有以下几个方面：

  • 主动驾驶近程视距的须要，高精地图作为主动驾驶的地图传感器，能够提供更牢靠的超视距范畴，反对更牢靠的决策判断。
  • 精度进步的须要，由导人到导车的转变使得对精度要求进步了。
  • 高精地图数据散发的接口标准化。

3. 高精数据散发引擎的建设

3.1 高精数据散发引擎与ADAS利用的关系

数据散发引擎波及到以下几个局部组成及交互：

  • AHP
  • AHR
  • ADASIS V3 Protocol
  • ADAS利用，详见上图的终端利用部

3.2 高精数据散发引擎架构

高精数据散发引擎由多个层级组成，包含引擎层、协定组织层、零碎适配层，相干的平台及工具撑持如下图所示：

  • 引擎层：高精数据的加载，解析及车道路网数据的组织。
  • 协定层：次要将引擎层提供的数据组装协定音讯，并向适配层传递散发。
  • 适配层：次要负责和零碎对接及交互，并将组织的协定数据分发给ADAS利用。

3.4 高精数据散发引擎的模型表白

3.4.1 路网模型的形象及表白

数据散发引擎的路网模型蕴含三层的模型形象，首先经由事实世界模型形象成高精路网模型，再由高精路网模型进一步组织及划分形象为Path及Offset表白的树状模型。

  • 事实世界的形象模型的表白

  • 数字化地图模型及用户设置的导航门路，地图因素的表白

  • 在数据化地图模型的车辆地位及路网表白

  • 在车辆地位左近的路网模型通过links来表白路网之间的连贯关系。在数字地图数据库中，道路网示意为一组连贯和定义链接之间的节点组成。

  • 从ADAS利用角度来看，对车辆前方的路网并不关怀，因而数据散发引擎由车辆后方的路网组成。

  • 将车辆后方路网按Path来组织，每个Path是一组link的汇合。车后方的路网数据能够通过两种算法来表白。

简略Path形式，从车所在link开始，每个能够通行的门路都独立表白为Path.

优化门路组织形式，这种形式缩小了数据冗余，也能够残缺表白车辆后方的路网数据。

因而，数据散发引擎依据车辆后方及其周围环境的路网形态形容为不同门路和地图数据属性的汇合，组成预测树。这个预测树由多条门路连贯而成，每一条门路代表一部分路线，及路线与路线之间的交叉点。

一旦车辆挪动更改其地位时，预测视图也会更改，一些车前方的的门路可能会被删除，或车后方的门路可能会增加新的。门路的特色表白为一组属性，如高速及城快路网自身包含的车道数、几何形态、曲率等。属性在门路上的地位用一组偏移值示意，偏移值是一种间隔标记，通过定义沿门路自身的相对间隔，以厘米示意。一条门路的原点是零偏移值点，属性的偏移值示意属性自身和门路原点之间的间隔。如果门路是新开始的并且没有父门路，则偏移值0点为车辆所在的起始地位。

3.4.2 高精数据散发引擎的属性模型

数据散发引擎的属性模型数据来源于高精路网上的属性信息，定义为沿着Path表白，并定义在Path上的地位，通过Offset来表白。例如，速度限制属性为门路上的点提供速度限制值。

属性模型依据插值类型能够分为以下三种不同的类型，即Spot, Step, Linear类型

Spot类型的属性只有在Path内某一给定的Offset地位无效，属性的不同由不同的Offset地位来表白。例如交通灯能够定义为Spot类型的属性，因为能够被表白为Path内某一地位存在这个点属性

Step类型的属性定义为到下一属性的Offset地位处始终无效。属性表白为Path上的Offset到EndOffset区间范畴内的值。

如上图所示例子中，Path长度为200。速度限制80是整体无效，从Offset 0点到200。从偏移量50和100开始有两个限速值。因而整个图上属性散布如下：

  • 偏移量0：开始限速值80。
  • 偏移量50：引入雨天限速值60，限速80的属性持续。
  • 偏移量100：反复速度限制80，新增雾天限度50，雨天的限速60完结。
  • 偏移量150：反复速度限制80，雾天的速度限制50完结。

Linear类型的属性定义为在给定的地位间进行线性差值表白。

线性插值型属性不是间断表白的，在同一个Offset处，右边的值和左边的值是不同的，属性模型用以下形式来表白这种不间断的属性值。

  • 在Offset处，存储一个属性，值存储右边的属性值，EndOffset为0。
  • 在同一个Offset存储一个属性，值存储左边的属性值，但EndOffset > Offset

3.4.3 车的地位信息模型

在数据散发引擎中，车的地位信息能够通过Path, Offset来表白。在不确定状况下，车的地位可能存在于多个Path上，因而须要用一个汇合来形容车的地位信息。通过车地位信息能够表白以下信息：

  • 车信息是否脱离了数据区域。
  • 车信息是否匹配到了Path的数据范畴。
  • 车信息是否匹配到了个多个Path上。
  • 车信息是否进入及来到了数据区域范畴。

车地位信息的TimeStamp值表白了接管到传感器信息的工夫时刻值。

车的地位信息还能够表白后方更可能抉择的Path门路。

如上图中右边可能抉择的门路是P1, 右图为P3。

3.4.4 高精数据散发引擎与接收端的同步机制

数据散发引擎通过pathControl音讯来同步AHP及AHR之间的路网Path数据。

  • 当pathControl音讯不蕴含某一Path时，AHR收到音讯后删除路网中的Path。
  • 当pathControl音讯和上次维持不变时，AHR收到音讯后维持以后路网不变。
  • 当pathControl音讯减少了某一Path时，AHR收到音讯后减少Path信息

通过profileControl同步属性数据。

3.4.5 高精数据散发引擎与接收端的交互机制

数据散发引擎(AHP)与接收端（AHR）有以下几种交互机制：

  • 播送形式
  • 申请/提供形式
  • 订阅/公布模式

目前高精数据散发引擎建设时采纳的是“申请/提供”形式，AHP向AHR发送 ADAS message, AHR能够申请及反馈信息。

3.4.6 辅助AHP及ADAS利用交融

3.4.6.1 主AHP及辅助AHP

ADASIS协定中并不是所有的数据都由数据散发引擎提供，也能够减少辅助的AHP引擎。辅助的AHP引擎能够发送传感器信息或传感器的交融信息。

造成的主数据散发引擎及辅助的AHP引擎。

3.4.6.2 ADAS利用的两种交融形式

依据主AHP及辅助AHP引擎，能够实现2种ADAS利用的交融形式，即上游交融及上游交融。

上游交融

在AHP端不做交融解决，通过通信形式把各个传感器数据及高精地图数据传给AHR端，进行交融的解决，而后再传给ADAS性能利用。

上游交融

在AHP端做交融解决，将交融后果通过协定传给AHR解决，间接作用于ADAS性能。

4. 品质建设

为了保障软件品质，高精数据散发引擎建设中采纳了如下技术手段：

  • 单元测试
  • 功能测试
  • 质检工具

可视化工具

  • 可视化工具截图

5. 典型架构利用状态

依据高精数据散发引擎构架能够分为以下的几种集成状态：

5.1 数据散发引擎（即EHP引擎）集成在地图盒子内

地图盒子概念

用于承载“地图数据+高精定位”能力的车规级软硬一体化产品，有别于纯软件的产品状态。(以下名称都指高精地图盒子：定位盒子/MAP ECU/MAP BOX/HDLM...其中L:Localization M:Module)

蕴含内容

  • 地图及相干利用：HD数据、AHP、定位、OTA...
  • 根底软件：零碎、底层驱动、诊断...
  • 根底硬件：零碎级芯片（SoC）、内存、存储、IMU(可选)，爱护壳体...
  • 网络及通信接口：CAN/以太输出、以太输入、USB接口...

计划特点

工作分工清晰：车企能将以这种架构将性能拆解为小模块，别离提出产品要求进行管控，防止全黑盒计划无从下手。遇到交付危险时能够替换供应商。

性能平安方面的思考：芯片选型、硬件设计、网络安全、系统诊断等细节工作能够交给业余的供应商；地图品质、在线更新以及回传等性能平安层级存在不确定性、须要与AD ECU隔离开，以使AD ECU满足性能平安要求。

便于高配低配等产品治理：可选用供应商的不同配置的产品。

加重域控制器的算力累赘：便于寻找满足算力要求的性能平安硬件。

5.2 集成在IHU内

计划特点

降低成本：不须要额定洽购硬件模块。

集成V2计划、升高不确定性：AHP V2大多在车机端，计划已跑通，所以将地图和V3采纳类似的形式能够躲避新架构的不确定性。

车企外部起因容易推动：局部车企，高精地图业务布局导航地图部门，若自下而上推动盒子计划，对整体架构改变较大，很难推动。

5.3 集成在域控制器内

计划特点

缩小跨域通信对车载网络带宽的占用：用于感知的传感器大多与域控制器相连，如果将地图及定位放在域控制器，后端利用不须要跨域通信就能够间接或间接应用地图，缩小对于车载网络带宽的占用。

更实用于走自研路线及选用整体计划的车企：对于走自研路线的车企，以及选用繁多计划商提供残缺计划，没有必要将功能模块离开部署。

6. 场景利用举例

6.1 高精定位利用

联合高精数据辅助进行横向定位及纵向定位。

纵向定位多联合路牌obj、车道几何等相干信息，横向定位多联合车道线、护栏等相干信息。

被动平安利用多联合传感器(毫米波雷达、摄像头)信息和地图数据进行匹配纠偏，从而晋升定位精度。

6.2 高速主动驾驶(HWP)

性能激活

驾驶环境次要依赖地图判断：(1)高速城快；(2)车道线清晰；(3)曲率坡度；(4)无引发报警或制动的物体或事件：蕴含动静路线环境；(5)非夜晚，天气状况良好(能见度200米以上)。

实现性能

以本车道巡航横向管制及异样场景本车道自主停车为例：

  • 车道类型：主动驾驶依附车道类型来划分可行驶区域，如果类型谬误会导致车辆行驶在非行驶区域，会给自车带来安全隐患；同时在自主平安停车的场景中，如果车道类型谬误会间接导致自主平安停 车的的自主性和安全性。
  • 车道线类型：辅助摄像头进行车道线线型辨认；和摄像头进行比照查看，进而进行车道放弃。

6.3 基于导航路线主动巡航

性能激活

工况环境依赖地图判断：

  • 路线等级：高速/城块。
  • PartOfcalculateRoute(导航门路标识)是否间断无断开。
  • 天气类型:晴天/小雨/阴天等天气状况下，容许性能激活。

实现性能

  • 上/下JCT，会依据导航门路标识和车辆后方路网判断是否上/下JCT，并提前对变道匝道侧进行揭示。
  • 主动变道进入JCT/合入高速，会依据车道线线型辅助摄像头进行车道线线型辨认，并和摄像头进行检测比照，线型的虚实判断车辆变道的机会。

7. 将来演进

一方面，思考进一步交融AHP V2,V3的架构设计，更好的辅助主动驾驶。此外，作为数据闭环的一部分，丰盛数据提供及回收能力等。