地图商户标注：用高精地图标示化解自动驾驭危险

本年 1 月，一年一度的世界核算机学会地舆信息系统世界会议 ACM SIGSPATIAL 按期举办。

会上，HERE 公司技术专家陈新（Xin Chen）教授宣布了名为《HD Live Maps for Automated Driving: An AI Approach》（意为自动驾驭高精实况地图标示：人工智能法）的主题讲演。会后，记者对陈新教授进行了专访，下文为采访实录编译如下，全文略有删减）：

问：陈新教授，最近您在 ACM SIGSPATIAL 大会上做了有关高清地图的主题讲演。我们希望您能向我们同享下自己在高清地图上的经历。首先，请您谈谈自己在 HERE 的作业。

陈新：我是高级自动驾驭部分的一名工程主管。我担任“高清感知”团队，这一团队的主要使命是自动化整个高清实况地图产品的制造进程，我们用的主要是机器学习和 3D 技术，这些技术都是业界最顶尖的。

地图标示

问：您在 HERE 公司，特别是高度自动驾驭部分有多少年的作业经历？

陈新：圣母大学（University of Notre Dame）博士毕业后我就进了 HERE，在这里作业现已超过 12 年了，刚来时这家公司还叫 NAVTEQ 。至于高度自动驾驭部分，几年前它树立后我就过来了。来这个部分前我在研发干了几年，随后转岗到途径以及中心地图部分作业了几年。

问：您在圣母大学学的什么专业？

陈新：我硕士和博士都在圣母大学学习，专攻核算机科学与工程专业。

问：那么，怎样准确界说高精地图？它和我们日常运用的导航地图有什么差别？

陈新：传统的导航地图包含路程拓扑、路程中心线几许形状和路程等级特色，一般我们称其为路程模型，在高精地图里这只能算三层中的一层罢了。

高精地图中还有一层是高清车到模型，它包含了车道拓扑数据、车道等级几许形状以及厘米级精度的特色。最终一层被称为高精定位模型，它由不同的功用组成，主要使命是为定位战略供应支撑，将自动驾驭轿车指向高清地图上的确切车道及纵向方位。

多了这两层，地图就能有更丰盛且更准确的内容。HERE 的高清实况地图便是一项依据云端的效力，它不但有多个高精度的映射层，还能继续晋级以支撑 ADAS、高度或全自动驾驭处理计划。

问：那么，自动驾驭轿车为何需求高精地图？AI 不是现已完虐人类了吗？比方在围棋上打遍天下无敌手的 Alpha Go 和图像识别上跨越人类的微软深度学习技术。假设人类驾驭员都能借着普通导航来到一个陌生的地方，自动驾驭轿车为什么还要高精地图呢？

陈新：高精地图能救命。传感器和 AI 永久都不会致臻完美，它们也会犯错，这价值我们可接受不起。有了高精地图，我们就能经过削减过失来化解危险。此外，高清地图还能辅佐道路规划作业的结束，完全跨越传感器的“视力”规模。

当然，高清地图还能增强传感器和 AI 的才干，帮忙它们理解周围环境，特别是在稀有及恶劣的环境下。眼下，大多数自动驾驭处理计划都将高清地图看作传感、感知和规划的要害组成部分，而想用上丰盛的高清地图信息，车辆有必要准确定位它在地图上的方位，现有的 GPS 定位计划在精度上却有些差强人意。想提高定位精度，就得把实时车辆感知与高清地图进行结合。

问：打造高精地图进程中会面对什么应战？

陈新：高精度、全覆盖、近实时刷新、量产可扩展性和地图互操作性都是我们面对的应战。此前，高精地图从未大规模布置过，所以我们也是该领域的先行者。HERE 致力于与客户及协作伙伴严密协作，不断进行产品迭代并结束高精地图与自动驾驭系统的整合。

问：能详细解说下什么是可扩展性和互操作性吗？

陈新：想在全球规模内制造厘米级精度的高清地图并保证实时数据更新在技术上难度很大并且本钱超高。没有哪家公司能承担数据收集、处理，软件、算法、东西、管道、工艺开发及运营的本钱。

因此，我们有必要拿出一个不拖垮公司还能轻松量产的处理计划。至于所谓的互操作性则指的是一套高精地图满意全部客户/协作伙伴的胃口，由于为每个客户定制不同的高清地图太不实践了。别忘了，我们的自动驾驭处理计划都处在研发阶段，软硬件上的改动太快了。

问：面对这些应战，你们都准备了哪些对策？

陈新：AI 是杀手锏，详细来说便是核算视觉、3D 数据分析和机器学习等技术。将这些技术进行合理整合便是高清地图制造自动化的最佳计划。

问：你说到的这些技术也是自动驾驭职业的国家栋梁吧？

陈新：当然。我们用来树立高精地图的技术与自动驾驭传感/感知技术其实是硬币的两个面。前者注重质量，后者则注重实时功用。制造地图用到的传感器比自动驾驭轿车搭载的更现金更杂乱，本钱也更高。

问：当下深度学习这个概念非常火爆，你们用了吗？

陈新：深度学习我们也用到了，它是机器学习技术下的一个分类。我们用它来自动进行特征提取，比方路程标线、路牌、障碍和路上的大坑等，数据则来自车载图像传感器和激光雷达等。

问：深度学习和核算视觉技术是怎样共存的？

陈新：深度学习能用来处理许多核算视觉问题，并且它有很强的可扩展性。与传统核算视觉算法比较，它能完成更高的准确度。当然，条件是有充足的操练数据和算力。假设操练数据不太够，核算视觉或机器学习也能搭把手。

问：HERE 会自行开发 AI 技术吗？

陈新：当然，我的团队就在开发核算视觉、深度神经网络、机器学习和 3D 数据分析等技术，并且它们都是业界最顶级的。

问：为什么 HERE 不干脆收购现有 AI 公司、自动驾驭新创公司或途径？将作业使命外包给它们也行。

陈新：我们的“秘方”便是自己的数据和对数据的开掘才干，HERE 的数据集可是业界绝无仅有的存在。可以说，不断进化以及与这些数据相关的特殊要求是我们数据开掘与开发上的优先级。

我的团队为 HERE 的数据集开发最先进的定制化技术并为高精地图供应优化支撑。凭仗 HERE 丰盛的操练数据，我们能直接将现成的深度神经网络架构准确度提高到 70%-80%。未来，凭仗专业技术和经历，这一数字还能再上浮 10%-20%。

我信任，AI 技术对地图公司也至关重要，它是 HERE 公司知识产权库的定海神针。光我自己就申请了 50 多份专利，而有的伙伴专利比我还多。HERE 的许多工程团队也用到了 AI 技术，我们团队开发的机器学习途径就要成为 HERE 内部的 AI 助手，不论有没有这方面的布景你都能用它操练、提高、布置及同享自己的机器学习模型。

问：真风趣，你们团队能人可真多。

陈新：是的。我手下主要有三类人：第一类是研发工程师，他们的算法需求不断应战极限。第二类是软件工程师，他们得用好这些算法并保护公共代码库。第三类则是出产工程师，他们要为 AI 软件在云端或边沿的作业树立基础设施和运用。HERE 有许多博士等级的研发工程师，他们来自麻省理工、普渡和卡耐基梅隆等名校。

问：为什么还要在边沿作业 AI 软件？

陈新：我在 Boulder 还有个团队专门做边沿感知和定位的作业。他们的使命便是运用高清地图为定位创造参看性实施计划。除了操控和规划，这个团队简直触及了自动驾驭的全部要害部分，并且由于装在消费级设备上，因此可生成 HERE Maplets 以晋级高清地图。

问：未来高清地图的生成能全自动化吗？一点手动操作都不需求了？

陈新：在不久的将来，手动作业仍然相当重要，由于没有核算视觉或机器学习是百分百完美的。我们需求手动审理并修正相关问题，让高清地图抵达应有标准。一起，机器学习算法很依靠操练数据，而它们的生成还得靠人，我们需求人类参加反应环路才干让自动化的准确性更高。

问：制造地图时你们用什么传感器？

陈新：我们有差分 GPS、惯性丈量单元（IMU）、多款工业级的高清摄像头以及激光雷达扫描设备。差分 GPS 和 IMU 会参看图像和激光雷达点云，一起我们也会从图像和激光雷达中提取高清地图特色。此外，我们还会运用其他数据来历，比方卫星、空中成像和众包的传感器数据。

问：我风闻，一些公司在自动驾驭处理计划中都没用到激光雷达，你们为什么要用这种传感器呢？它可比摄像头贵多了。

陈新：是的，激光雷达想大规模布置不容易，它太贵了。不过整体趋势它是在降价的，并且体积也在不断缩小。因此我认为想让高清地图抵达厘米级的精度，激光雷达必不可少。

眼下，核算视觉无法重构 3D 世界，因此其精度无法保证。举例来说，假设在 10 米内过失为 1 厘米，100 米开外过失就 1 米了，反观激光雷达传感器，数百米开外精度也能抵达 1-2 厘米的精度。

摄像头也很重要，由于它能供应激光雷达没有的五颜六色信息，广视角和较长的探测距离也是其优势。大多数机器学习算法都是为 2D 图像研发的，眼下 ADAS 和高度自动驾驭轿车都倾向摄像头，并且依据摄像头的实时功用探测验晋级地图的绝佳来历。

问：已然 AI 技术展开那么快，您怎样能保证 HERE 的技术便是业界最顶尖的？

陈新：教职作业让我不得不快速更新自己的技术。2010 年以来，我一直在伊利诺伊理工大学和西北大学教授两门 AI 课。跟着时间的推移，每门课的教育纲要都发生了巨大改动，由于每年我们都有新算法、新技术、新趋势和新软件。

问：能详细说说您的 AI 课程吗？

陈新：我有一门课程叫做“地舆空间视觉与可视化”，在这门课上学生会在地舆空间信息的上下文中学习核算视觉、大数据分析和机器学习。另一门课是计量生物学，这也是我博士论文的主题。这门课上学生经过面部、虹膜和指纹识别来学习 AI 技术。计量生物学是机器学习技术最成功的产品之一，并且它简直侵入了人类日子的方方面面，正推动机器学习走向规模化和高质量之路。不过，技术展开带来的道德和隐私问题也对社会造成了重大影响。

我的教育理念是让学生经过运用真实世界的数据来考虑实践世界的例子，并在课堂上处理实践世界的问题，从而在实践世界中学习机器学习。我想让学生掌握这个不断改动的职业所需的知识，经历和技术。

问：教职作业对你在 HERE 的作业有所帮忙吗？

陈新：当然。许多我的学生现在都成了 HERE 的伙伴。一起，教职作业也让我和当地大学树立了杰出联络，许多学员和博士生现在都在为 HERE 资助的研讨项目效能。

在自动驾驭职业，伊利诺伊理工大学是仅次于卡耐基梅隆、斯坦福和加大伯克利的第四大黄埔军校，我希望自己的课程能为自动驾驭职业的展开尽一份力。当然，这也是 HERE 的中心价值之一。据我核算，曩昔八年来有 1000 多名学生修过我的 AI 课程。

问：最终，我想问问，开发者社区是否能从你的作业中获益？

陈新：我们与开发者社区协作的方法多种多样。举例来说，我们供应过不少高精地图样本，一起还与一个有名的研发项目途径协作，将高精地图界面植入了它们的库。此外，与大学进行正式协作也是家常便饭，至于各种应战和比赛更是必不可少。我期待着能有更多人才参加我们这个世界级团队。