中文av岛国无码免费播放,日本黄色片日本黄色片,五月开心婷婷六月丁香婷

主頁 > 知識庫 > 眾包模式下的高精地圖標注測繪技術該何去何從？

眾包模式下的高精地圖標注測繪技術該何去何從？

1768 今日跟咱們溝通的是眾包形式下高新技能的測繪技能。首要環繞四個方面來論述，榜首：高精地圖標注的技能開展趨勢；第二：眾包更新的理論根底和施行現狀；第三：眾包更新的關鍵技能和施行途徑；第四：存在的一些問題。
首要咱們來看一下主動駕馭。在主動駕馭年代最中心的觀點是要完結零磕碰的抱負交通社會，車輛可以安全移動、環保節能，一起人類可以舒適愉快地移動，這兒包含了三個維度：安全、環境和舒適。為了完結這個抱負的交通社會，從上世紀90年代開端，轎車企業不斷開展，包含倒車雷達、360度環視、車道保持以及主動巡航等功用，終究的技能形狀就是主動駕馭。
關于主動駕馭的實踐，在業界比較公認有價值的實踐途徑，就是SAE的分級界說：從輔佐駕馭到部分主動駕馭再到高度主動駕馭以及徹底主動駕馭。業界廣泛預判2020年將是一個重要的時刻節點，在這個時刻節點會完結部分主動駕馭的量產，一起高度主動駕馭開端進入市場，這是一條主線，可是在部分上可能還會完結分場景的施行，比方場景優先的高檔主動駕馭功用。貫穿主動駕馭實踐的技能中心是感知、認知和操控，不同等級的主動駕馭，對這三個中心技能的需求是不一樣的。環繞著主動駕馭，可以看到主動駕馭對時空的感知需求催生了高精地圖的面世。高精地圖一般具有以下四個特色。
榜首，它供給了先驗的常識，它的感知規劃比現有的傳感器感知規劃要遠許多。視覺和激光最多能達200米，但更遠的當地以及視距規劃外的情況，傳感器是無法取得的，而地圖具有無限遠的數據感知。
第二，地圖可消除傳感器的一些差錯。有些傳感器會判別錯，盡管現在這種情況越來越少了，但還存在。當傳感器無法辨認像金屬這些情況時，經過地圖可以處理，一起地圖可以奉告該區域差錯規劃可能是多大，經過一系列AI算法，可消除傳感器的一些差錯。
第三，地圖不受惡劣氣候的影響，在雨雪氣候的情況下，簡直任何傳感器都失效。但只要有方位信息和地圖，徹底不可視的環境中，也能完結一些主動駕馭功用。
第四，地圖可以表達傳感器無法取得的部分常識，經過數據堆集、發掘取得部分駕馭閱歷的載體，可集成在地圖中作為一種相應的常識傳達給每一個主動駕馭終端，補償其他傳感器的一些功用。
前面講了主動駕馭和地圖，信任業界朋友都很清楚，這兒再多談一下地圖的開展趨勢，地圖的發作有必要閱歷從實踐國際到搜集加工處理、數據發布多種表達形式、用戶運用，再到數據發作改變，終究回到實踐國際，構成地圖的在實踐國際的一個閉環。跟著軟硬件的不斷開展，在地圖的各個環節中，地圖的搜集、加工、存儲、表達和運用這幾個環節都不斷會有技能引進和更新。
技能不斷的改變可以使每個環節不斷演化，進而導致新地圖發作改變。在搜集端，從最開端人眼獲取數據，經過各種搜集終端、搜集設備、傳感器體系來獲取數據，一起從根底測繪和遙感技能變成社會化大眾化搜集；在加工環節，從開端純人工處理，到AI做多元主動化的處理；在數據存儲和表達上，從開端紙質載體到各種多媒體載體，從二維到三維，從靜態到實時動態，從圖紙記錄到本地數據庫，再到云端，技能在不斷演化。在運用端，除了根本的導航、主動駕馭的決議計劃規劃，還會擴展到才智城市的更多其他運用。
上面講了地圖開展趨勢，高精度地圖開展趨勢會從專業測繪向眾包更新開展。上圖有幾個的搜集辦法，最上面是專業測繪車，這是咱們幾個圖商依照功用制造，它的本錢和精度都很高，可是可以做到這種專業測繪車的很少，它經過自主搜集半主動化以及全主動化出產的辦法取得了高精度的矢量地圖，矢量地圖包含車道級拓樸、車道邊線、路途區間以及ADAS數據信息，它可以滿意車道級的導航功用的主動駕馭，精度和可信度高，問題是本錢十分高。
在這些專業的測繪車搜集高新技能根底上，咱們以為可以出現一種Low Cost搜集車，它的本錢和精度比較低，它的數量可以多一些，它會經過搜集一些精度稍低的數據，經過人工檢驗、數據的差分交融等技能手段來不斷地更新高精度的矢量地圖。最下面是眾包車，本錢最低，精度也很低，我信任未來主動駕馭車許多會選用相同的設備來去做主動駕馭，優勢在于數量十分大。
經過數量大補償單個數據質量精度低的問題，可經過大數據剖析取得動態交通情報。對地圖比較了解的人會知道，高精地圖實踐上分靜態地圖、動態地圖，許多動態信息是來自于眾包車輛的數據獲取，包含擁堵、交通事故、氣候等，還可經過多視幾許、拍照丈量、深度強化學習以及云霧核算等辦法生成語義地圖和特征地圖，別的也經過許多數據同享、發掘、剖析和交融來進步精度和可信度。
眾包車輛生成的數據，除了生成動態的信息可以更新一部分高清地圖外，還生成了一些感知地圖，用于主動駕馭輔佐定位。
簡略小結眾包更新的創新和優勢，首要眾包更新是完結實時更新的低本錢和可量產化的計劃，具有一些十分顯著的優勢，我國大約600多萬公里的路途數據，假如依照專業測繪的辦法搜集，將是個天文數字，因而假如有一個根底的高精度地圖網，經過眾包的辦法來更新地圖取得城市細路途數據，它將是低本錢可量產的計劃。
第二，在商業形式上也有新的吸引力，數據的運用者一起也是數據的供給者，在未來商業形式上可能會發作一些改變，跟著區塊鏈技能的開展，可能會看到新的商業形式出現。在技能上，它的難度在于精度和可信度都比較低，可是跟著大數據技能的開展以及AI技能的打破，這些技能門檻會逐漸下降，一起精度和可信度將逐漸進步。
第二部分講一下眾包更新的理論根底。實踐上，眾包的概念很早就已提出，講三種形狀，榜首是UGC，用戶原創內容，這個概念來自于互聯網，用戶就是網絡內容閱讀者，也是網絡內容的發明者，也得到了十分廣泛的運用，比方維基百科、豆瓣、知乎以及抖音，每個人都可以上傳和共享自己的著作，都可以作為自媒體在網上活潑起來。
第二是劉經南院士提出的泛在測繪的概念，傳統測繪是運用丈量的儀器測定地球表面形狀的地輿要素以及地表人工設備形狀、巨細以及空間方位等特點。依據觀測到的數據，經過地圖制圖辦法，向地上的天然形狀人工規劃繪制成地圖，而泛在測繪是在任何地址、任何時刻為認知環境和人而運用和發明地圖的活動，可以了解為所見即所測繪，運用即測繪。
第三個是群智感知，是將普通用戶的移動設備作為根本感知單元，經過通訊的辦法構成群智感知網絡，然后完結感知任務分發和感知數據搜集，完結大規劃雜亂的社會感知任務。
接下來咱們講眾包更新的數據來歷和分類，可以分為四大類。榜首是軌道數據，眾包、主動駕馭或其他的輔佐安全駕馭有相通的功用，首要定位有必要是一個高精度的定位來歷，一般來自于GNSS+慣導的方位感知數據以及經過SLAM或相關技能把視覺定位、高精度定位、激光雷達定位、毫米波雷達定位等定位辦法進行交融得到一個交融定位的高精度軌道數據。但在軌道數據中，單一的軌道信息價值十分低，有必要構成規劃效應。咱們要構成的產品首要是拓撲網和拓撲網的更新，一起還包含一些動態的交通信息。
第二是圖畫數據，圖畫數據包含的信息量是十分大的，大部分對錯結構化的數據。實踐上，這些非結構化數據要處理成結構化數據，是要經過標定和AI算法把圖畫數據變成矢量化數據。
第三是雷達數據，雷達包含激光雷達、毫米波雷達、一些超聲波雷達。激光雷達的精度十分高的，本錢也十分高，這是最大的缺陷。而毫米波雷達也可以掩蓋一切運用，在一些場景重構方面，對數據精度的進步很有價值。一般，激光雷達精度是滿意的，假如運用毫米波雷達，需求跟圖畫數據等其他的數據進行交融才干得到比較好且能運用的數據。
第四是CAN數據，包含車內各個零部件在毫秒級層面上輸出的數據，這些數據的發掘對做無人駕馭的決議計劃算法有十分好的效果。
環繞方才的眾包數據分類，現在國內外出現了不同計劃的眾包公司，這些草創企業都做得十分不錯，首要有兩大計劃，榜首是以視覺為主，比方有Mobileeye、IvI5以及國內的寬帶科技等企業。以IvI5為例，左上角是IvI5的制圖樣例，制造視頻APP運用，向方針確定到Uber等渠道的司機用戶上，運用者可以將手機固定在轎車儀表盤上方，下載該運用并在駕馭室的啟動，會開端錄制視頻，一起搜集加速度GPS數據，駕馭員每駕馭十英里大約可得到幾美分酬勞，這些數據終究將協助IvI5團隊創立高精地圖。
另一種計劃是以雷達為主，比方DeepMap和Civil Map等公司，首要是將激光雷達獲取的點云數據運用AI辨認路途特征，把路途邊線、車道線以及一些看板的特征辨認出來，樹立起地圖更新或直接構建感知圖層。因為激光雷達價格遠高視覺傳感器，所以它在數據規劃上是不及以視覺為主的傳感器的規劃，但它精度更高，因而這兩種計劃各有利弊。現在假如能把這兩個計劃交融在一起進行揚長避短，可能會是比較好的計劃。
這張表展現了對激光和視覺兩大主流眾包計劃的比較。激光為主的計劃有本錢高、精度高的特色，中心傳感器是不同線數的激光雷達，眾包數據源包含激光點云數據或許一些數據相片等數據，中心處理算法包含三維建模、核算機視覺等方面，輸出效果有三維模型、車道模型和地上相關要素。在以視覺為主的計劃中，本錢低，精度也相對低，中心傳感器有全景相機、單目相機、雙目相機等，甚至手機相機和行駛記錄儀都有可能作為它的輸入，它的眾包數據源是相片、視頻、軌道數據，中心算法包含多視幾許、深度學習、多元語義切割等，輸出效果具有高精度的拓撲聯系及能辨認出的交通標志牌。
實踐上，眾包是未來地圖更新的必經之路，所以在各個領域都有不同的廠商在發力。從技能途徑上講，有激光和視覺兩大方向。榜首，有許多整車廠以及OEM廠商現已開端在做；第二，互聯網巨頭如Google、百度、阿里現已在重視并開端發力；第三，許多出行和物流效勞商也在做，Uber、滴滴、京東等；第四，典型的圖商，如here、四維、百度、高德，包含咱們在內及新式草創公司，許多的新草創的技能，都奉獻不少，包含civilmap、deepmap、lvl5等等。
咱們來看一下眾包更新的關鍵技能和完結途徑。咱們以為依據端、管、云構建的數據生態體系，終端首要是傳感器、本地的核算才干以及高精度定位。通訊首要是管，擔任數據傳輸和信息安全；云端需求有AI大數據處理、地圖生成和構建。高精地圖的眾包首要是分為兩個部分：智能感知終端，即端的感知才干，還有高精度地圖云，在云端做高精度的交融和更新處理。
在終端層面上會有哪些作業呢？這幅圖首要展現了轎車所能運用的絕大部分傳感器，激光雷達、差分GPS、慣性導航、一些其他的傳感器，包含路側單元傳感器、身體生理傳感器（如檢測疲勞駕馭）及溫度、濕度、風向傳感器等，這些傳感器能完好地獲取人體以及車輛的本身情況，不只可以發掘自車情況的數據，也能用于主動駕馭，仍是未來動態地圖眾包更新的一個來歷。比方經過丈量車輛雨刮的運用情況以及頻率，可以直接了解該區域氣候情況。在終端方面，咱們的首要任務首要是高精度的交融定位，假如咱們需求軌道數據，那么咱們期望這個軌道數據至少是分米級的定位精度，經過差分GPS和慣導可以取得一些方位，再經過交融定位的辦法，去生成精準的軌道。
傳感器除了獲取軌道數據和相關的車輛數據之外，算力也十分重要。它要將傳感器所取得的數據進行核算或辨認成咱們經過眾包云端可以運用的一些語義地圖，傳感器實時發作的數據量十分大，在現在的通訊情況下，把這些數據傳給云端，通訊壓力很大，一起許多的數據在云端將會被糟蹋。因而終端需求必定的核算才干進行開始的數據對齊和處理，例如感知特征辨認和地圖要素矢量化，這些處理需求同步傳感器的時刻以及合理的調度和優化資源。現在國際上比較好的終端開發渠道是NVIDIA的Jetson TX2，搭載代號Parker的Tegra處理器、6核CPU架構、256核Pascal架構GPU中心，全體模塊功耗低于7.5W。
終端最開端中心是定位，還需求感常辨認，它首要需求圖畫數據的感知，最好的辦法是運用AI深度學習的處理辦法，本質就是將非結構化圖畫數據轉化為結構化數據，包含辨認的特征、物體的品種、方位和姿勢等等。非結構化數據，比方行車記錄儀的視頻數據，包含數據搜集、數據壓縮和數據存儲；而終究的結構化數據，包含了開始辨認的效果，如交通標志的辨認效果、車道線等。
關于轉化的進程，都是深度學習來做的。咱們所需求樣本的練習進程以及針對性的樣本模型，信任咱們都比較了解這些作業了，我就不展開講了。
這兒也簡略地闡明一下，在做深度學習時，首要需求標示，需求一些標示的數據來進行終究的推理和運用。這些標示的作業是由許多的人工和半主動化的辦法來完結的，有的可以運用開源的數據集來練習，也有模型可以主動地生成部分的數據，包含人工的挑選用來表明對錯的一些標識。這些作業在業界也有專門的公司會幫咱們來做。
一起，標示的類型咱們可以分為物體等級標定、物體特點標定以及物體像素等級的標定，可以依據實踐的需求來進行挑選。
接下來咱們看一下管端，眾包數據不可能都在終端完結，因而它需求把數據傳到云端，在管端首要是通訊，通訊方面咱們可以看幾個數據,首要是原始感知數據，假如要把原始數據全部傳到云端，在高速公路經過SLAM或其他特征提取后大約是50兆/公里，假如要將十分完好的激光點云往上傳，一公里大約都需求一個G的數據，而整個全國高速估量得要TB級了,因而云端是不需求這么龐大的數據的，咱們只需求將矢量化的數據往上傳，矢量化的數據在高速公路根本上每公里可以做到10KB的數據量。
在管端，除了通訊，還需求重視數據傳輸的協議。現在首要盛行的協議是ADASIS協議，一起還需求重視它的信息安全，未來的5G和V2X的開展也會給通訊帶來革命性的改變。
上圖的下面有兩幅小圖，可以看到車跟車之間的通訊、車和路以及車和人之間的交互的數據，這些都會成為咱們未來新眾包數據的來歷，可以用于實時交通信息的數據獲取。
接下來咱們要看看云端要。在云端，首要運用AI機器學習以及大數據處理等技能，從海量眾包數據中取得有用的信息，為高精度地圖的生成和構建做準備。對不同類型的眾包數據，處理辦法會不一樣。對軌道數據咱們要遵照經典的數據發掘的辦法，包含數據清洗、配準、發掘等進程。發掘的算法也有許多，在左面咱們也寫了許多算法，咱們可以去了解一下，包含類似界說算法、以時刻聚焦的軌道聚類。
在進行機器學習和大數據清洗處理之后，就可以進行構建地圖了。上圖是地圖生成和構建的根本流程。咱們將得到辨認出的路途邊線的形狀以及地物類的方位特點，這是咱們的輸入，可是這并不是咱們所說的高精度地圖，咱們還要進行專業化的地圖生成和構建，其間包含點線交融、形狀點一次構建、拓撲構建，在這個根底上，再進行形狀點二次構建，增強它的幾許形狀，使二階愈加潤滑，并核算出它的斜度曲率，然后再構建出車道的模型以及靜態標志交融等多個進程。
其間拓撲構建指的是路途和車道間的連通性聯系。車道模型構建中需求依據形狀的信息生成高精度的斜度、曲率和ADAS數據。
接下來咱們談一下眾包測繪存在的一些問題。首要是以下幾點：
榜首是傳感器數據來歷和規范；
第二個是眾包測圖與更新的行政許可，也就是方針門檻；
第三是眾包數據的質量和精度。
首要，傳感器數據交融還存在著許多問題，傳感器的品種許多，功用的差異十分大，傳感器的數據格式不一致，多傳感器數據交融技能仍存在著一些技能壁壘。而在技能壁壘方面，可以有以下幾個問題。榜首，還沒有樹立起一致的交融理論和有用廣義交融模型及算法；第二，對數據交融的具體辦法，現在的研討還在開始階段，盡管有一些比較好的效果，但我覺得它還有很大的開展空間；第三，還沒有很好地處理交融體系的容錯性和魯棒性的問題，盡管大數據交融包含深度學習是概率性的問題，可是咱們還無法量化它的魯棒性。
第四，相關的二義性是數據交融的首要妨礙以及數據交融體系中的規劃也還存在著許多實踐的問題。第五，在上傳協議方面，現在會針對已有的車聯網車輛數據上傳協議，首要用于車輛間動態信息的交互，需求針對眾包制圖方面擴展協議內容。盡管here在國際上也有一個Sensoris是相關的協議，可是這并不是一個一致的規范，國內也在做一些規范化作業，在規范化安排方面，咱們幾個圖商在國家的指導下，將會構成一些規范化的作業。
別的一個問題是方針問題。實踐上，眾包數據的搜集是有一些方針的。盡管沒有清晰的行政許可，可是依據測繪法對策行為的界說：企業性質的大規劃帶GPS和不帶GPS的地輿數據搜集都歸于測繪行為，數據需求由甲級導航電子地圖資質的圖商來搜集處理。
可以看到，經過界說，對眾包數據的搜集有著極大的約束。導航或主動駕馭轎車搜集車端帶GPS數據都歸于測繪行為，假如GPS數據需求加工成圖，需求有資質的企業來進行數據的搜集和加工；假如GPS數據用于對接監管渠道，需求經過有資質的圖商對數據進行辦理和監管。關于不帶GPS的數據，比方印象、視頻等，假如是大規劃的、企業性質的搜集也歸于測繪行為，因而這并不是一切的人、圖商或許車廠可以搜集的領域。
還有愈加嚴格的方針監管，包含根底地圖出產、地圖數據存儲、地圖更新、地圖出書出售等等各個環節都需求有資質的約束。經過資質可以看到，對眾包更新會有很大的約束，可是這對未來的主動駕馭以及眾包更新來說是一個大的趨勢，國家將主動駕馭作為一個戰略開展方向，我信任在未來的方針約束方面，國家會有必定的考慮的。
終究來看眾包更新存在的一些技能上的瓶頸，首要在于眾包的制圖才干，它是不是真的可以到達咱們所期待的眾包更新。榜首，數據質量與掩蓋規劃終端設備數量是密切相關的，咱們要想取得眾包更新的數據，條件是有許多的、可以徹底跑的相關眾包車輛。從搜集端來看，為了確保精度，每條車道上最好可以有必定的掩蓋，一般情況下10遍左右，當然有更多是最好的，因而在眾包地圖中，它必定要有滿意大的用戶量，這可能就會出現雞生蛋和蛋生雞的進程。
在數據內容上，咱們需求一個完好的車道體系網絡，不但僅僅一個車道邊線和中心線，還需求得到它的拓撲聯系，包含虛擬連接線；眾包數據在精度特點上還有點短缺，在右下角的圖上，咱們可以看到有些當地的虛實線有開裂、有些地物的標識不精準以及路口內虛擬連接線有穿插等等，這些問題都會導致在精度方面的問題。
盡管未來咱們會取得一些精度和特點上有點短缺的數據，但咱們期望可以像之前說的，以專業的搜集數據為基準，與眾包數據經過在精度方面的交融以及貝葉斯過濾算法等等技能去進步精度。跟著技能的開展，精度也會逐漸進步，在未來，經過這種辦法肯定可以滿意咱們數據更新需求。
以上就是跟咱們共享的內容，咱們有什么相關的問題，咱們可以一起來評論。謝謝咱們。
發問環節
問題一
宋河海-上海卡達克-高檔研討員
1、眾包測繪的高精地圖精度等級在多少厘米？
2、與裝有激光雷達的專業測繪車比較，存在的優勢和劣勢？
：1.眾包數據來歷有許多種，不同傳感器觸及的眾包數據精度也會不同，算法也會影響終究精度。現在咱們的眾包更新還在POC的階段，咱們會依據需求挑選不同的交融計劃，一起也在研討一些更好的傳感器，在本錢和精度方面可以平衡的傳感器中進行選用，經過深度學習、多視幾許的辦法，終究得到的精度可以滿意咱們對主動駕馭的需求，具體的數據會依據終究選型來定。
2.眾包的優勢在前面的PPT現已講過，跟專業的激光雷達丈量車比，本錢較低，數據來歷十分豐富，一起本質性十分好；劣勢是精度比較低，處理睬愈加雜亂。
問題二
趙鑫-高德-產品專家
高精地圖對現勢性的要求
：高精地圖對現勢性的要求，其實就是主動駕馭對高精地圖現勢性的要求。當然，要求是現勢越高越好，這樣高精地圖就可以作為主動駕馭中置信度最高的傳感器，但這個要求一般很難到達，特別是大規劃區域內，因而為了完結眾包更新的方針，需求咱們經過眾包的辦法來顯現，業界對現勢性方面有相應的分類，有靜態地圖和動態地圖，依據不同的數據品種區分，比方動態的數據包含在路口的人和車之間的動態信息，需求經過V2X的辦法以秒級展現在地圖上。
在交通事情上，以一分鐘為單位；而路途的變更會以一小時或一天為單位來進行更新數據。總歸，依據數據情況以及數據內容的不同，更新的現勢性要求也會有不同。
問題三
王維-高德-測驗開發工程師
眾包測繪也歸于測繪行為，是否契合當時測繪法的要求？假如不符，出路在哪里？
：這個問題我在PPT有講過，眾包測繪在我國也歸于測繪行為。現在有兩種辦法，榜首是以圖商為根底來躲避對資質的需求；第二是要等國家開放方針。
問題四
鄧慶明-武漢大學-地輿信息體系
怎樣讓私家車供給眾包數據，眾包數據規范怎樣擬定?
：私家車可以供給眾包數據，方才咱們談到國外的IvI5公司選用的獎勵形式，手機錄下視頻上傳，依據拍照的底層來付費。別的一個可能是咱們未來的一種協作形式，咱們供給數據然后享用更多人供給數據后的效勞，然后取得效勞，這是在互聯網上的一種形式。在規范化這一塊方才也說到，眾包數據的規范現在在國際上會以歐洲為主導，包含ADASIS等和Sensoris一些規范。在我國，一些智能網聯轎車聯盟以及剛成立的主動駕馭地圖作業組也即將開端一些規范化的作業。
問題五
simon-北斗星通-體系業務總監
眾包地圖現在大都計劃將其作為高精度地圖的日常更新和補償，只要這一種效果？
：現在，高精度地圖在主動駕馭的運用中，仍是以面向機器為主，但在往后的一些仿真環境樹立，城市的精細化辦理方面仍是可以運用的，運用這些高精度地圖展現合作VR、HUD、全息投影等各種新的出現辦法，可以給咱們帶來很好的體會。在一些不發達的區域也會有很好的運用，比方在肯尼亞、蘇丹、南非等，當地人還用短信、視頻或語音的辦法來搜集和修改GPS，然后完結地輿信息的搜集。
總歸，眾包數據可以在才智城市或許在政府或在城市土地辦理、城市環境監控、生物多樣性等方面都會起到很好的效果。而現在咱們咱們首要談的仍是用于高清地圖以及用于主動駕馭領域。
問題六
吳強-高德-前端開發工程師
眾包測繪如何處理設備精度帶來的肯定精度缺乏的問題？今后地圖數據標準是面向人仍是面向機器？
：眾包測繪的肯定精度是會有缺乏，眾包測繪的原理是依據海量數據的發掘，它是以數量來補償肯定精度的缺乏，實踐上在PPT里面也講到，經過數據發掘以及差異感知，假如主動化程度或許算法還不行，可能還需求人工修正等辦法來進行數據的更新。可是跟著高精度傳感器技能和數據發掘技能以及AI技能的開展，是可以處理精度方面的一些問題的。咱們以為，地圖首要是面向機器的，是用于不同程度等級的主動駕馭，可是在未來，除了機器去了解地圖之外，咱們還期望地圖可以給人一些進行交互的界面，作為人機交互的界面之一，因而我覺得，地圖現在是給機器看的，未來會逐漸讓人也可以運用。
發問七
任-郵政研討院-研討員
請問怎樣才干參與眾包，有什么要求。大型物流車隊可以嗎？
：假如能有大型的物流車隊來參與眾包，當然是最好的了。要求是它需求一些高精度的傳感器，包含定位設備，單目或許雙目視覺設備，現在比較好的是Mobileye的EyeQ4，假如可以有高精度的激光雷達是最好的，實踐上，這些設備對物流車隊來說，也是一個比較大的投入，更好的挑選是它經過這些設備能取得一些它所需求的功用，比方輔佐駕馭、節能安全等相關的功用，這樣對物流車隊來說會有比較好的投入。
發問八
王雷-春風雷諾-ADAS工程師
當時市場上，眾包形式處于什么階段？現已上路搜集了嗎？
：前面也說過了，現在眾包形式咱們還在POC階段，都是在實驗的階段，咱們會在部分的路途上用自己拼裝的眾包車輛進行數據的搜集。

標簽：臨夏濟寧嘉峪關清遠淮北綏化中衛自貢

巨人網絡通訊聲明：本文標題《眾包模式下的高精地圖標注測繪技術該何去何從？》，本文關鍵詞眾包,模式,下,的,高精,地圖,；如發現本文內容存在版權問題，煩請提供相關信息告之我們，我們將及時溝通與處理。本站內容系統采集于網絡，涉及言論、版權與本站無關。