無人車業(yè)務(wù)中的視覺三維重建

業(yè)務(wù)背景

1.1 自動(dòng)駕駛與高精度地圖

高精地圖也稱為高分辨率地圖（High Definition Map, HDMap）或者高度自動(dòng)駕駛地圖（Highly Automated Driving Map, HAD Map）。近些年，隨著自動(dòng)駕駛技術(shù)以及業(yè)務(wù)的蓬勃發(fā)展，高精地圖成為了實(shí)現(xiàn)高等級(jí)自動(dòng)駕駛必不可少的數(shù)據(jù)。

高精地圖是一類擁有精確的地理位置信息和豐富的道路元素語(yǔ)義信息的地圖數(shù)據(jù)，能起到構(gòu)建類似于人腦對(duì)于空間的整體記憶與認(rèn)知功能，可以幫助自動(dòng)駕駛車輛預(yù)知路面復(fù)雜信息，如坡度、曲率、航向等，更好的規(guī)避潛在的風(fēng)險(xiǎn)。是實(shí)現(xiàn)自動(dòng)駕駛的關(guān)鍵所在。

高精地圖以精細(xì)描述道路及其車道線、路沿、護(hù)欄、交通燈、交通標(biāo)志牌、動(dòng)態(tài)信息為主要內(nèi)容，具有精度高、數(shù)據(jù)維度多、時(shí)效性高等特點(diǎn)。為自動(dòng)駕駛汽車的規(guī)劃、決策、控制、定位、感知等應(yīng)用提供支撐，是自動(dòng)駕駛解決方案的基礎(chǔ)及核心。

高精地圖與普通的導(dǎo)航地圖不同，主要面向自動(dòng)駕駛汽車，通過車輛自身特有的定位導(dǎo)航體系，協(xié)助自動(dòng)駕駛系統(tǒng)完成規(guī)劃、決策、控制等功能，以及解決自動(dòng)駕駛車輛計(jì)算性能限制問題，拓展傳感器檢測(cè)范圍。

通俗來講，高精地圖是比普通導(dǎo)航地圖精度更高，數(shù)據(jù)維度更廣的地圖。其精度更高體現(xiàn)在地圖精度精確到厘米級(jí)，數(shù)據(jù)維度更廣則體現(xiàn)在地圖數(shù)據(jù)除了道路信息以外還包括與交通相關(guān)的周圍靜態(tài)、動(dòng)態(tài)信息。

普通導(dǎo)航地圖（左）vs高精地圖（右）

1.2 高精地圖對(duì)自動(dòng)駕駛的價(jià)值

高精地圖作為自動(dòng)駕駛的稀缺資源和必備構(gòu)件，能夠滿足自動(dòng)駕駛車輛在行駛過程中地圖精確計(jì)算匹配、實(shí)時(shí)路徑規(guī)劃導(dǎo)航、輔助環(huán)境感知、駕駛決策輔助和智能汽車控制的需要，并在每個(gè)環(huán)節(jié)都發(fā)揮著至關(guān)重要的作用。主要有以下幾個(gè)方面： 輔助環(huán)境感知 傳感器作為自動(dòng)駕駛的感官，有其局限性，如易受惡劣環(huán)境影響，性能受限或者算法魯棒性不足等。高精地圖可以對(duì)傳感器無法探測(cè)或者探測(cè)精度不夠的部分進(jìn)行補(bǔ)充，實(shí)現(xiàn)實(shí)時(shí)狀況的檢測(cè)以及外部信息的反饋，進(jìn)而獲取當(dāng)前位置精準(zhǔn)的交通狀況。

通過對(duì)高精地圖的解析，可以將當(dāng)前自動(dòng)駕駛車輛周邊的道路、交通設(shè)施、基礎(chǔ)設(shè)施等元素和元素質(zhì)檢的拓?fù)溥B接關(guān)系提取出來。如果自動(dòng)駕駛汽車在行駛過程中檢測(cè)到高精地圖不存在的元素，則在一定程度上可將這些元素視為障礙物。通過該方式，可以幫助感知系統(tǒng)識(shí)別周圍環(huán)境，提高檢測(cè)精度和檢測(cè)速度，并節(jié)約計(jì)算資源。

輔助定位 由于定位系統(tǒng)可能因環(huán)境關(guān)系或者系統(tǒng)穩(wěn)定性問題存在定位誤差，無人駕駛車輛并不能與周圍環(huán)境始終保持正確的位置關(guān)系，在無人駕駛車輛行駛過程中，利用高精地圖元素匹配可精確定位車輛在車道上的具體位置，從而提高無人駕駛車輛的定位精度。

相比更多的依賴于GNSS（Global Navigation Satellite System，全球?qū)Ш叫l(wèi)星系統(tǒng)）提供定位信息的普通導(dǎo)航地圖，高精地圖更多依靠其準(zhǔn)確且豐富的先驗(yàn)信息（如車道形狀、曲率、路面導(dǎo)向箭頭、交通標(biāo)志牌等），通過結(jié)合高維度數(shù)據(jù)與高效率的匹配算法，能夠?qū)崿F(xiàn)符合自動(dòng)駕駛車輛所需的高精度定位功能。

輔助路徑規(guī)劃決策 普通導(dǎo)航地圖僅能給出道路級(jí)的路徑規(guī)劃，而高精地圖的路徑規(guī)劃導(dǎo)航能力則提高到了車道級(jí)，例如高精地圖可以確定車道的中心線，可以保證無人駕駛車輛盡可能地靠近車道中心行駛。在人行橫道、低速限制或減速帶等區(qū)域，高精地圖可使無人駕駛車輛能夠提前查看并預(yù)先減速。對(duì)于汽車行駛附近的障礙物，高精地圖可以幫助自動(dòng)駕駛汽車縮小路徑選擇范圍，以便選擇最佳避障方案。

輔助控制 高精地圖是對(duì)物理環(huán)境道路信息的精準(zhǔn)還原，可為無人駕駛車輛加減速、并道和轉(zhuǎn)彎等駕駛決策控制提供關(guān)鍵道路信息。而且，高精地圖能給無人駕駛車輛提供超視距的信息，并與其他傳感器形成互補(bǔ)，輔助系統(tǒng)對(duì)無人駕駛車輛進(jìn)行控制。

高精地圖為無人駕駛車輛提供了精準(zhǔn)的預(yù)判信息，具有提前輔助其控制系統(tǒng)選擇合適的行駛策略功能，有利于減少車載計(jì)算平臺(tái)的壓力以及對(duì)計(jì)算性能瓶頸的突破，使控制系統(tǒng)更多關(guān)注突發(fā)狀況，為自動(dòng)駕駛提供輔助控制能力。因此，高精地圖在提升汽車安全性的同時(shí)，有效降低了車載傳感器和控制系統(tǒng)的成本。

1.3 高精地圖生產(chǎn)的路線

精度與成本的平衡

與傳統(tǒng)的標(biāo)精地圖生產(chǎn)相比，衛(wèi)星影像已經(jīng)無法滿足高精地圖的精度需求，地圖制作需要在地面進(jìn)行實(shí)際道路采集。為了滿足高精地圖的精度需求，業(yè)界的各家公司分別給出了不同的數(shù)據(jù)采集方案。主要可以分為以激光雷達(dá)（LiDAR）+ 組合慣導(dǎo) + RTK的高精度自采方案，以及有RTK+視覺的眾包采集方案。

簡(jiǎn)單的講，這兩種方案主要是在精度與成本兩個(gè)因素中進(jìn)行取舍的結(jié)果。兩者都經(jīng)歷了長(zhǎng)期的演進(jìn)，孰優(yōu)孰劣無法一概而論。或者說，方案的選擇更多的要看具體的業(yè)務(wù)需求與場(chǎng)景條件。接下來本文對(duì)兩種采集方案進(jìn)行簡(jiǎn)要的介紹。

“高富帥”的高精自采方案：LiDAR+慣導(dǎo)+RTK

很多自動(dòng)駕駛廠商目前上線使用的高精地圖的原始數(shù)據(jù)都采集自高規(guī)格的多傳感器（LiDAR+慣導(dǎo)+RTK）采集設(shè)備。這種數(shù)據(jù)可重建出具備厘米級(jí)精度的道路地圖，但其采用的各種“頂配傳感器”動(dòng)輒幾十萬元。業(yè)界常見的裝備齊全的高精地圖采集車通常都需要幾百萬元一輛。加上其背后的巨大的數(shù)據(jù)處理及運(yùn)維成本，真可謂是“高富帥”的建圖方案。

“LiDAR+慣導(dǎo)+RTK” 采集方案的采集車12

在這種方案下，建圖主要過程是以慣導(dǎo)+RTK融合的位姿作為先驗(yàn)，之后基于LiDAR點(diǎn)云進(jìn)行三維場(chǎng)景的高精重建。得到精確的位姿和點(diǎn)云后，再通過LiDAR在地面上的反射率圖恢復(fù)出路面標(biāo)識(shí)，并進(jìn)一步進(jìn)行矢量化，最終完成高精地圖的生產(chǎn)。通常而言，這種以LiDAR+慣導(dǎo)為主的建圖方法所獲得的高精地圖可以達(dá)到厘米級(jí)別的地圖精度，以滿足自動(dòng)駕駛中實(shí)時(shí)精準(zhǔn)定位的需求。

經(jīng)濟(jì)實(shí)惠的視覺眾包方案：GNSS+視覺

對(duì)于高精地圖生產(chǎn)而言，最大的成本不在于完成一次全路網(wǎng)的地圖構(gòu)建，而在于如何解決高精地圖的隨時(shí)更新。如何用較低的成本維持一個(gè)城市級(jí)別乃至國(guó)家級(jí)別路網(wǎng)的鮮度，才是各大地圖廠商面臨的最大挑戰(zhàn)。

隨著傳感器芯片的不斷發(fā)展，集成了GNSS、IMU(Inertial measurementunit,慣性測(cè)量單元)模塊與攝像頭的模塊的一體式設(shè)備成本已經(jīng)到達(dá)百元級(jí)別。事實(shí)上，這一傳感器組合采集的數(shù)據(jù)在很多路況下已經(jīng)可以勝任高精地圖重建任務(wù)。目前道路上有大量乘用車已經(jīng)安裝了帶有GNSS功能的行車記錄儀。一方面，行車記錄儀可以保證日常的行車安全需要。另一方面，記錄儀采集的原始數(shù)據(jù)可以通過網(wǎng)絡(luò)回傳到服務(wù)器，經(jīng)過數(shù)據(jù)清洗工作后形成建圖數(shù)據(jù)集，并進(jìn)一步通過地圖重建算法形成高精地圖。

由于傳感器成本較低，這樣的采集數(shù)據(jù)較之上文的“高富帥”方案精度較低，同時(shí)受路況和天氣的影響較大。因此在這種方案下，需要有很好的算法能力以及數(shù)據(jù)清洗能力，才能完成相應(yīng)的高精地圖生產(chǎn)與更新。

GNSS+視覺解決方案13 對(duì)于這種性價(jià)比極高的眾包方案，技術(shù)上有很多難關(guān)要攻克。例如如何高效合理的對(duì)原始采集數(shù)據(jù)進(jìn)行回傳與篩選，如何指定特定的區(qū)域進(jìn)行更新，如何克服低價(jià)傳感器帶來的各種誤差，如何解決設(shè)備多樣性帶來的誤差等等。同時(shí)，如果真的將這種方式投入到規(guī)模化的高精地圖生產(chǎn)，還需要解決好法律上的測(cè)繪合規(guī)的問題。 本文要介紹的視覺重建算法，正是這種高性價(jià)比重建方案中的核心技術(shù)。接下來，將基于這種GNSS+視覺的采集方式，介紹一下幾類可行的視覺重建系統(tǒng)設(shè)計(jì)方案。

視覺重建的系統(tǒng)設(shè)計(jì)

基于不同業(yè)務(wù)場(chǎng)景，數(shù)據(jù)特點(diǎn)，研發(fā)人員可以為視覺重建設(shè)計(jì)不同的算法流程。這里簡(jiǎn)單介紹三類：基于Structure-from-Motion的重建、基于深度網(wǎng)絡(luò)的視覺重建、基于語(yǔ)義的矢量化視覺重建。下面將一一進(jìn)行介紹。 2.1 基于Structure-from-Motion的重建 在視覺高精地圖重建方面，Structure-form-Motion (SfM) 方案是非常常見的選擇。從業(yè)務(wù)需求上講，建圖大多無實(shí)時(shí)性要求，而對(duì)精度的要求較為嚴(yán)格。相比之下，各種VO或SLAM方案要追求實(shí)時(shí)性，同時(shí)其最終的目的更傾向于定位，而非建圖。SfM方案更強(qiáng)調(diào)建圖的精度，方案中并無時(shí)序性要求。這為地圖的長(zhǎng)期維護(hù)提供了便利。典型的SfM重建流程大致可以分為特征提取、稀疏重建，稠密重建三個(gè)步驟。

Colmap中的SfM重建流程1? 特征與匹配 在SfM中，首先要進(jìn)行的就是特征點(diǎn)的提取與匹配工作。這一部分中，最經(jīng)典的莫過于SIFT特征子1。如果不限制具體的應(yīng)用場(chǎng)景（室內(nèi) vs. 室外，自然景觀 vs. 人造物體等等），那么SIFT特征子可以在各類場(chǎng)景中均有比較穩(wěn)定的特征提取與匹配結(jié)果。 隨著近些年深度學(xué)習(xí)網(wǎng)絡(luò)的發(fā)展，很多研究者提出了基于深度學(xué)習(xí)的特征提取與匹配方案。其中最著名的當(dāng)屬M(fèi)agicLeap團(tuán)隊(duì)提出的SuperPoint（CVPR2018）2+ SuperGlue（CVPR2020）3方案。 SuperPoint作為一種特征點(diǎn)提取算法，采用了自監(jiān)督的方式進(jìn)行訓(xùn)練，并采用了Homographic Adaptation技術(shù)大大加強(qiáng)了提取特征點(diǎn)的場(chǎng)景適應(yīng)性。相比于傳統(tǒng)的SIFT，提取的特征點(diǎn)可信度更強(qiáng)。 SuperGlue作為一種特征匹配算法，引入了注意力機(jī)制來強(qiáng)化網(wǎng)絡(luò)對(duì)特征的表達(dá)能力，從而使得在視差較大的兩幅圖像之間仍然可以很好的找到特征點(diǎn)間的匹配關(guān)系。在CVPR2020/ECCV2020的indoor/outdoor localization challenges中，使用了SuperPoint以及SuperGlue的方案名列前茅，充分展現(xiàn)了這兩種方法在特征提取與匹配方面的優(yōu)勢(shì)。

基于SuperPoint+SuperGlue的特征提取與匹配效果1? 在今年的CVPR2021上，商湯團(tuán)隊(duì)發(fā)表了LofTR?。該工作基于Transformer構(gòu)建了一個(gè)端到端的特征匹配模型，對(duì)于弱紋理區(qū)域可以給出較為準(zhǔn)確的匹配結(jié)果。由于Transformer提供了較大的感受野，使之可以更好的利用全局信息去對(duì)局部特征進(jìn)行描述。相較SuperPoint+SuperGlue，該方法在室內(nèi)的弱紋理場(chǎng)景有著更為穩(wěn)定可信的匹配結(jié)果。

LofTR的特征匹配結(jié)果1?稀疏重建 完成了特征點(diǎn)的提取與匹配后，便可以開始增量式的稀疏重建。算法會(huì)基于一定的篩選條件，選擇兩幀作為初始幀，利用雙視幾何（two-view-geometry）的方法計(jì)算兩幀的相對(duì)位姿，并基于其中的一幀構(gòu)建本次重建的坐標(biāo)系。當(dāng)位姿確認(rèn)后，就可以基于特征點(diǎn)的匹配關(guān)系，三角化出空間中的3D地圖點(diǎn)。初始化完成后，便可以繼續(xù)選擇尚未注冊(cè)的新圖像注冊(cè)到模型中。注冊(cè)時(shí)可以用雙視幾何計(jì)算其與已有幀的相對(duì)位姿，也可以用3D-2D的方法（例如PnP, pespective-n-point）計(jì)算位姿，甚至可以使用精度較高的先驗(yàn)位姿直接注冊(cè)。注冊(cè)后要再次進(jìn)行三角化，計(jì)算出更多的3D地圖點(diǎn)。同時(shí)，在注冊(cè)一定數(shù)量的新幀后，需要進(jìn)行BA（bundle adjustment）優(yōu)化，進(jìn)一步優(yōu)化位姿與地圖點(diǎn)的精度。上述注冊(cè)新幀，三角化，BA優(yōu)化的過程將循環(huán)進(jìn)行，直到完成所有圖像的重建。最終，就獲得了所有圖像的位姿以及一個(gè)由稀疏地圖點(diǎn)構(gòu)成的稀疏重建結(jié)果。

長(zhǎng)距離稀疏重建結(jié)果

稠密重建

完成稀疏重建后，需要進(jìn)行稠密化建圖。這個(gè)過程中，首先要解決深度估計(jì)問題。得到了深度圖之后，結(jié)合深度圖與相機(jī)位姿，就可以進(jìn)行物體表面紋理的稠密重建。

以Colmap?中的稠密重建過程為例。首先要進(jìn)行深度估計(jì)。這個(gè)模塊大致可分為匹配代價(jià)構(gòu)造，代價(jià)累積，深度估計(jì)，深度圖優(yōu)化這四個(gè)部分。Colmap中使用了NCC來構(gòu)造匹配代價(jià)，之后使用Patch Match作為信息傳遞的策略。通過這個(gè)過程，深度估計(jì)問題轉(zhuǎn)化為針對(duì)每個(gè)特征，尋找其最優(yōu)的深度和法向量。整個(gè)過程利用GEM算法進(jìn)行優(yōu)化。Colmap中的方案對(duì)于弱紋理的區(qū)域無法很好的給出較好的深度估計(jì)。

在得到深度估計(jì)結(jié)果（深度圖）后，各幀的深度圖會(huì)進(jìn)行融合。在融合后RGB圖像上的像素就可以投影到三維空間中，得到稠密點(diǎn)云，完成最終的稠密重建。

對(duì)于道路場(chǎng)景而言，由于路面的特征點(diǎn)非常稀少（典型的弱紋理），所以使用經(jīng)典的算法恢復(fù)路面紋理具有較大的挑戰(zhàn)。于是，很多研究者開始嘗試?yán)蒙疃?a href="http://www.ttokpm.com/tags/神經(jīng)網(wǎng)絡(luò)/" target="_blank">神經(jīng)網(wǎng)絡(luò)去解決這一難題。

2.2 基于深度網(wǎng)絡(luò)的視覺重建 在SfM中，當(dāng)在稀疏重建中獲得了相機(jī)的位姿之后，還需要稠密的深度圖來準(zhǔn)確的恢復(fù)出路面的DOM（Digital Orthophoto Map，數(shù)字正射影像圖）以及各種交通標(biāo)識(shí)。而基于特征點(diǎn)的SfM僅能提供一些稀疏的路面點(diǎn)，這對(duì)于恢復(fù)路面平面是遠(yuǎn)遠(yuǎn)不夠的。因此需要借助其他方法來進(jìn)行稠密的深度恢復(fù)。 近些年，隨著深度學(xué)習(xí)的迅猛發(fā)展，越來越多的工作實(shí)現(xiàn)了基于RGB圖像的深度預(yù)測(cè)。按照工作發(fā)表的前后順序，大致可以將這一研究方向分為四類，分別是：基于單幀圖像的深度估計(jì)，基于多幀圖像的深度估計(jì)，同時(shí)估計(jì)相機(jī)運(yùn)動(dòng)與深度，基于自監(jiān)督訓(xùn)練的運(yùn)動(dòng)與深度估計(jì)。 基于單幀的深度估計(jì) 對(duì)于神經(jīng)網(wǎng)絡(luò)深度估計(jì)，最簡(jiǎn)單的方式要算基于單幀的深度估計(jì)。這一領(lǐng)域比較經(jīng)典的工作有MonoDepth?及MonoDepth2?這兩個(gè)工作基于雙目的約束進(jìn)行無監(jiān)督訓(xùn)練，獲得的模型可以基于單幀RGB圖像輸出深度圖。 此種方法雖然可以很好的預(yù)測(cè)出稠密的深度圖，但由于在預(yù)測(cè)過程中缺乏幾何約束，因此模型存在泛化性的問題。一旦相機(jī)參數(shù)或者場(chǎng)景類型發(fā)生了變化，模型很難保證可以給出正確的深度預(yù)測(cè)。同時(shí)，幀間的深度連續(xù)性也是這種方法難以解決的問題。因此，單幀的深度預(yù)測(cè)很難應(yīng)用到高精地圖的重建過程中。

單目深度預(yù)測(cè)：MonoDepth21?

基于多幀圖像的深度估計(jì)

考慮到實(shí)際場(chǎng)景中我們的輸入是一個(gè)圖像序列，因此利用多視幾何（Multiview Video Stereo， MVS）進(jìn)行多幀的深度估計(jì)可以很好的解決單幀深度估計(jì)中多幀之間的深度連續(xù)性問題，同時(shí)由于可以利用幀間的幾何約束，模型能預(yù)測(cè)更準(zhǔn)確的深度值。

近些年很多工作圍繞這個(gè)問題展開。一個(gè)比較經(jīng)典的工作是MVSNet?，作者利用多幀構(gòu)建cost volume，對(duì)深度進(jìn)行估計(jì)。獲得初步的深度估計(jì)結(jié)果后，再通過一個(gè)優(yōu)化網(wǎng)絡(luò)，對(duì)深度圖做進(jìn)一步的優(yōu)化，最終可以得到比較理想的深度信息。對(duì)于視覺高精重建任務(wù)而言，由于位姿存在著一定的誤差。因此一旦某一幀的位姿計(jì)算錯(cuò)誤，將會(huì)直接影響相鄰幀的深度預(yù)測(cè)。因此這種方案在道路重建任務(wù)中存在著一定的局限性。

同時(shí)估計(jì)相機(jī)運(yùn)動(dòng)與深度

解決多幀圖像深度估計(jì)問題時(shí)，可以借鑒經(jīng)典SfM算法中“預(yù)測(cè)新幀的位姿-三角化獲得地圖點(diǎn)”這樣迭代的思路，讓網(wǎng)絡(luò)交替預(yù)測(cè)位姿與深度，并進(jìn)行多輪迭代。這樣能保證深度與位姿之間可以有很好的幾何匹配，同時(shí)也可以獲得較高的預(yù)測(cè)精度。

在這一方面，DeepV2D?是一個(gè)比較有代表性的工作。DeepV2D中引入了深度估計(jì)和運(yùn)動(dòng)估計(jì)兩個(gè)子網(wǎng)絡(luò)。網(wǎng)絡(luò)會(huì)選取一個(gè)長(zhǎng)度為5-8幀的滑窗，滑窗內(nèi)的圖像會(huì)輸入到兩個(gè)子網(wǎng)絡(luò)中，推理得到的深度和位姿會(huì)相互更新。經(jīng)過幾輪更新之后，最終就可以得到連續(xù)性好，精度高的深度預(yù)測(cè)結(jié)果。這種網(wǎng)絡(luò)設(shè)計(jì)充分的利用了圖像的運(yùn)動(dòng)特性與幾何約束，可以很好的利用相鄰的多幀信息的對(duì)深度進(jìn)行預(yù)測(cè)。在兩個(gè)子網(wǎng)迭代結(jié)果的過程中，預(yù)測(cè)精度會(huì)逐漸收斂，得到的深度也會(huì)有比較好的連續(xù)性。

同時(shí)預(yù)測(cè)深度與相機(jī)運(yùn)動(dòng)的網(wǎng)絡(luò)：DeepV2D1?

下圖展示了使用LiDAR數(shù)據(jù)訓(xùn)練而得的深度估計(jì)網(wǎng)絡(luò)模型，在實(shí)際道路上預(yù)測(cè)深度的結(jié)果?？梢娫谶@種典型的弱紋理場(chǎng)景下，網(wǎng)絡(luò)一方面可以較好的預(yù)測(cè)出平整的路面，同時(shí)也可以對(duì)物體邊緣（路沿，樹木）有較好的描述。

輸入RGB圖像（上）深度預(yù)測(cè)結(jié)果（下）

基于自監(jiān)督訓(xùn)練的運(yùn)動(dòng)與深度估計(jì)

在上一類工作中，為了訓(xùn)練運(yùn)動(dòng)估計(jì)網(wǎng)絡(luò)與深度估計(jì)網(wǎng)絡(luò)，需要大量高精度的深度圖作為訓(xùn)練數(shù)據(jù)。為了解決一些業(yè)務(wù)上缺乏訓(xùn)練數(shù)據(jù)的問題，有一些研究者提出了無監(jiān)督的訓(xùn)練方法去進(jìn)行單目深度估計(jì)訓(xùn)練。例如最近在CVPR2021上發(fā)表的ManyDepth1?。類似于Monodepth，此方法利用了cost volume進(jìn)行深度估計(jì)。對(duì)于相鄰幀，其預(yù)測(cè)了幀間的相對(duì)位置，以便于多幀之前構(gòu)建cost volume。同時(shí)也使用提取局部特征的方法，將特征圖輸入到最終的深度預(yù)測(cè)中，提高深度預(yù)測(cè)的穩(wěn)定性。對(duì)于道路場(chǎng)景深度預(yù)測(cè)中最難解決的動(dòng)態(tài)物體問題，該工作也給出了基于置信度預(yù)測(cè)的解決方案。

自監(jiān)督的單目深度估計(jì)網(wǎng)絡(luò)：ManyDepth1?

2.3 基于語(yǔ)義的矢量化視覺重建

端側(cè)實(shí)時(shí)重建

在業(yè)界一些廠商的實(shí)踐中，有些公司提出了“通過語(yǔ)義分割檢測(cè)+語(yǔ)義重建來創(chuàng)建矢量地圖”（地平線NavNet方案11）。該方案僅需一顆前視攝像頭，運(yùn)用深度學(xué)習(xí)和SLAM技術(shù)實(shí)現(xiàn)了道路場(chǎng)景的語(yǔ)義三維重建，將建圖與定位的過程全部在車端實(shí)時(shí)進(jìn)行。車輛通過前視攝像頭捕捉即時(shí)交通信息，然后抽象出道路場(chǎng)景的特征（即實(shí)現(xiàn)場(chǎng)景語(yǔ)義三維重建），并直接在車端完成地圖“繪制”與定位。 在數(shù)據(jù)采集過程中，路況信息的采集通過幾項(xiàng)相關(guān)的傳感器來實(shí)現(xiàn)——攝像頭，GNSS和IMU。在這之后，輸入的圖像數(shù)據(jù)會(huì)進(jìn)行基于神經(jīng)網(wǎng)絡(luò)的語(yǔ)義分析，以獲得主要的道路要素信息。 在建圖過程中，方案通過語(yǔ)義SLAM的方式來實(shí)現(xiàn)高精度地圖的創(chuàng)建。具體來說，方案使用語(yǔ)義分割檢測(cè)+語(yǔ)義重建來創(chuàng)建矢量地圖，將后端優(yōu)化、語(yǔ)義識(shí)別和參數(shù)化等方面和鏈路，融合成為一條優(yōu)化模塊——聯(lián)合優(yōu)化模塊，既簡(jiǎn)化了工作的流程，節(jié)約時(shí)間和運(yùn)算能耗，又可以實(shí)現(xiàn)同樣的功能。 如果在同一路段有多次采集的數(shù)據(jù)，在云端可以將大量車輛采集的地圖片段數(shù)據(jù)進(jìn)行關(guān)聯(lián)匹配，以矢量地圖要素的屬性參數(shù)為變量，根據(jù)屬性的相似度約束建立統(tǒng)一的目標(biāo)函數(shù)，優(yōu)化求解以獲得融合地圖結(jié)果。這一融合優(yōu)化過程既可以定時(shí)全量執(zhí)行，也可以根據(jù)地圖更新的結(jié)論，經(jīng)過事件觸發(fā)進(jìn)行高效融合之后，提供更新、更精準(zhǔn)的地圖信息，即可快速地發(fā)布到車端供車輛定位導(dǎo)航使用。

離線重建

由于實(shí)時(shí)性的要求，端側(cè)實(shí)時(shí)重建方案需要偏定制化的硬件方案來提供足夠的算力支撐。另一方面，如果不需要實(shí)時(shí)的建圖，也可以使用前文提到的SfM方式先進(jìn)行稀疏重建并使用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)深度圖，之后結(jié)合語(yǔ)義分割結(jié)果進(jìn)行后續(xù)的要素跟蹤與矢量化。

具體而言，在獲得相機(jī)位姿和深度信息后，可以將路面像素投影到世界坐標(biāo)系中。之后，使用了語(yǔ)義跟蹤的技術(shù)來對(duì)反投影出的路面進(jìn)行融合。也就是利用幀間特征點(diǎn)的匹配關(guān)系，將每一幀投影的路面切片進(jìn)行對(duì)齊與融合，就可以得到相對(duì)平整清晰的路面DOM。同時(shí)在圖像上進(jìn)行路面標(biāo)識(shí)的檢測(cè)，基于檢測(cè)結(jié)果提取矢量關(guān)鍵點(diǎn)，并把這些關(guān)鍵點(diǎn)投到路面，就獲得了矢量化的路面標(biāo)識(shí)。在長(zhǎng)距離的重建過程中，在多次經(jīng)過或者掉頭的場(chǎng)景，會(huì)出現(xiàn)已經(jīng)矢量化的車道線或路面標(biāo)識(shí)重影。可以對(duì)已經(jīng)恢復(fù)出的矢量標(biāo)識(shí)進(jìn)行回環(huán)檢測(cè)，并對(duì)其進(jìn)行與融合，進(jìn)一步消弭位姿與深度誤差帶來的影響。

基于語(yǔ)義分割及檢測(cè)進(jìn)行路面標(biāo)識(shí)矢量化（上）車道線矢量化的結(jié)果（下）

業(yè)務(wù)實(shí)踐中的探索

上文介紹了業(yè)界常見的幾種視覺建圖方案路線。在實(shí)際應(yīng)用的過程中，可以基于業(yè)務(wù)場(chǎng)景、數(shù)據(jù)特點(diǎn)、成本限制、硬件條件等實(shí)際因素，對(duì)其中的一些步驟進(jìn)行改造或組合。在這種改造中，只有對(duì)每種建圖路線的優(yōu)劣、限制條件有著比較深入的理解，才能真正設(shè)計(jì)出貼合業(yè)務(wù)需求的好算法方案。在無人車的地圖生產(chǎn)過程中，我們結(jié)合實(shí)際運(yùn)營(yíng)的業(yè)務(wù)需求與場(chǎng)景條件，也進(jìn)行了一些積極的探索。

在SfM重建過程中，目前稀疏重建算法只能處理短距離場(chǎng)景（2公里左右），而這距離實(shí)際業(yè)務(wù)需求有著指數(shù)級(jí)的差距。我們?cè)O(shè)計(jì)了分段重建、多段拼接以及聯(lián)合優(yōu)化的策略，把稀疏重建算法真正的應(yīng)用于實(shí)際業(yè)務(wù)，不僅保證了重建精度，絕對(duì)誤差控制在0.5米以內(nèi)，而且極大的縮短了重建耗時(shí)。

在特征點(diǎn)提取以及深度估計(jì)的網(wǎng)絡(luò)訓(xùn)練過程中，目前的公開數(shù)據(jù)集和實(shí)際業(yè)務(wù)場(chǎng)景之間存在較大的domain gap。因此我們采用了transfer learning的算法進(jìn)行了初步的探索，取得了不錯(cuò)的成果，最終重建的精度和穩(wěn)定性都獲得了顯著的提升。

總結(jié)與展望

在高精建圖重建任務(wù)中，相比于激光建圖路線，視覺建圖路線具備精度略低，成本極低，算力消耗較低等特點(diǎn)。因此，視覺建圖更適合進(jìn)行大范圍實(shí)時(shí)的更新。 在業(yè)務(wù)實(shí)踐中，激光建圖和視覺建圖的優(yōu)勢(shì)被很好的融合在了一起。在視覺重建方案中，利用了激光建圖生成的點(diǎn)云數(shù)據(jù)進(jìn)行訓(xùn)練數(shù)據(jù)集的構(gòu)建，得到了貼合實(shí)際場(chǎng)景的深度預(yù)測(cè)模型。通過視覺重建獲得的DOM和道路元素矢量結(jié)果可以對(duì)激光建圖結(jié)果形成很好的補(bǔ)充，提高了建圖生產(chǎn)的魯棒性。 在后續(xù)的迭代過程中，我們會(huì)持續(xù)的基于業(yè)務(wù)的需要和運(yùn)營(yíng)場(chǎng)景的特點(diǎn)進(jìn)行技術(shù)優(yōu)化。除了提升既有的方案性能，還將對(duì)一些新的方向進(jìn)行探索，包括：

全路況全天候的更新發(fā)現(xiàn)技術(shù)

全國(guó)范圍內(nèi)全等級(jí)道路的更新維護(hù)能力

端云結(jié)合的建圖計(jì)算架構(gòu)

希望通過我們的努力，為無人車配送業(yè)務(wù)提供新鮮而高質(zhì)量的高精地圖，保證業(yè)務(wù)的健康發(fā)展，把生活的便利帶給每一位消費(fèi)者。

審核編輯 ：李倩