访问量： 236 次浏览
无人驾驶汽车通过叠加数百万个传感器返回（每秒约27,000个光点）， 将其收集到极其精确的3D地图中，从而看到了世界。
汽车进行的每一次运动，都会基于该点云数据在地理空间中的位置进行计算。
GIS技术集成到无人驾驶汽车新领域的潜力是什么？
反之亦然，无人驾驶汽车世界将使GIS受益吗？
首先，让我们了解无人驾驶汽车的大脑。对于汽车进行的每个运动， 它都使用LiDAR，雷达，摄像机和位置估计器，可连续360°扫描。 结合SLAM（同步定位和地图绘制），汽车可根据传感器输入实时定位周围环境， 从而对其自身进行定位。这种观点远胜于人类所见。
即使人类可以轻松感知周围的环境，但对于计算机而言， 这是一个极其艰巨的挑战。例如，人类可以识别行人， 交通信号灯和人行横道。而且， 人类可以通过简单的手势来预测骑自行车的人和警察的运动。
这就是为什么无人驾驶汽车使用安装在车辆上的360°LiDAR传感器的原因， 从而可以全方位了解周围环境。随着点云数据不断输入机器学习（ML）算法， 无人驾驶汽车开始理解嘈杂的数据。这是车辆的底层大脑，可以从道路上提取特征。
取决于训练神经网络的标签，这决定了它在道路上检测物体的成功程度。 从本质上讲，在各种情况下进行的训练越多， 识别来自野生动物的行人的能力就越强。
日益增长的趋势是，由于无人驾驶汽车的不可靠性， 其将仅使用GPS为其提供粗略的位置。例如， 由于其设计原理，Google的自动驾驶汽车（Waymo）不能依赖GPS。
那么，无人驾驶汽车能否在没有外部信息的情况下仅依靠传感器数据运行？ 换句话说，它是否需要预加载的3D地图才能完全起作用？
有很多理由认为，出于安全考虑，自动驾驶汽车需要精确的地图。 例如，如果大雪或雨水覆盖了车道标记，则车辆需要路缘和车道尺寸作为依托。
实际上，像HERE Maps和TomTom这样的公司已经开始建立高清（HD）地图， 以描绘可行驶区域的车道标记。反过来， 无人驾驶汽车会使用它来精确地知道它们的位置和方向。
如果无人驾驶汽车要从A点行驶到B点，则需要满足以下三点要求：
出于导航目的，汽车必须计算时间最佳或最短路径。 当道路情况发生变化时，他们需要动态计算辅助路径。
他们需要地图形式的操作环境以与传感器输入进行交互。 毕竟，这是在后台运行的GIS，用于确定最佳路径。 但是有时最佳路线并不总是最短，是流量最少的那个。
随着数百万用户与 Waze 连接，在不知不觉中为社会带来重要利益。 也就是说，它们绘制了道路网络、转弯限制和交通堵塞图。
与以往不同的是，像HERE maps和Waze这样的公司通过众包 了解城市的交通拥堵情况。通过将GPS导航系统添加到位置数据中， 我们每天的通勤都可以在一张地图上进行，从而避免了交通延误。
随着时间的推移，GIS 可以通过了解历史流量模式和实时流量数据来优化路线。 对于任何给定的一天，它可以预测估计的流量时间，并改善整体驾驶员体验。
随着无人驾驶汽车开始在道路上巡逻， 我们基本上拥有不断建立地形图的测量设备。 它们非常详细地捕获了路边的物体，建筑物和城市景观。 智慧城市首先需要的是对自己拥有的一切进行清点。 因为我们可以获得准确的城市资产清单，所以这是改善基础设施协调的第一步。
随着越来越多的车辆在道路上行驶，这意味着它变得更加互联和高效。 现在，进入了物联网（IoT）领域。仅凭一种车辆的感觉， 它总是会被动的。我们无法进行任何形式的预先计划。 但是，车辆的互联网络在遇到网络障碍之前是积极主动的。
例如，物联网将了解交通拥堵发生的位置。这不仅将中继到您的车辆， 而且城市规划人员也将获得有关改善基础设施的信息。另外， 它将地理围栏纳入您的日常工作中。无论是用于安全性， 零售性还是交付性，地理围栏都能提供实时警报并提高知名度。
如今，人们依靠地图将其带到目的地。 由于其固有的空间特性，自动驾驶汽车也将如此。
但是他们将扫描其环境并将其覆盖在预先存在的地图中， 以确定要去的地方。
尽管SLAM技术取得了进步， 但目前的困境是获得精确的准确性并维护更新的地图。
由于无人驾驶汽车需要无误的地图，并且要以绝对的空间精度不断更新， 因此我们无法将其预加载的地图与它们捕获的外界分离。