5、车辆技术中的计算机视觉应用解析

车辆技术中的计算机视觉应用解析

1 高精度地图的挑战与思考

1.1 高精度地图的应用与问题

在车辆技术中，高精度地图对于确定车辆相对于地图的姿态至关重要。实际操作中，可通过对采样地图进行最近邻搜索来实现匹配，所得残差可用于驱动卡尔曼滤波器。在郊区，道路边界线常被路缘石替代，此时使用路缘石分类器辅助测量会很有帮助。

然而，高精度地图面临诸多挑战。首先，需要收集、处理、存储和持续更新这些地图。以德国和美国为例，德国街道网络总长约 650,000 公里，美国约 650 万公里。据相关研究，基于特征的定位方案平均每公里存储量接近 1GB，且未考虑描述符对光照和季节变化的敏感性。即便通过优化大幅减少数据量，存储整个国家的 3D 地图仍极具挑战。不过，若仅针对小区域进行地图绘制，如自动停车场景，该问题则不存在。

1.2 地图更新的难题与未来方向

另一个挑战是保持地图的实时更新，这需要在线检测变化并由提供者持续更新地图，但目前相关工具链尚不存在，还需进一步研究。

鉴于这些问题，人们不禁思考，如今众多团队使用的高精度地图方法是否适用于更大区域。人类仅依靠简单且几何精度不高的地图就能安全出行，因此有人主张开发更复杂的自动驾驶解决方案，采用精度较低的地图且无需精确的定位，这显然需要更强大的环境感知能力。例如，仅通过各种视觉线索就能确定十字路口的轮廓。未来，需要在地图质量和图像分析工作量之间找到最佳平衡。

2 基于立体视觉的 3D 感知

2.1 立体视觉的优势与不足

路径规划和行为控制需要精确感知三维环境并快速检测移动的交通参与者。许多研究项目曾使用或仍在使用昂贵的