深度解读｜李必军教授出版《现代测绘技术与智能驾驶》专著

2021-08-25



李必军教授带领团队撰写出版《现代测绘技术与智能驾驶》专著，该本书籍被中国测绘学会倾力推荐！

李必军教授个人介绍

李必军教授是武汉大学测绘遥感国家重点实验室教授，博士生导师，湖北无人驾驶的开拓者，是中国智能驾驶地图技术的提出者和倡导者，率先在2010年提出以“地图”为基础来提高车辆的感知能力，解决无人驾驶的问题，并获得当年“中国智能车未来挑战赛”第一名的好成绩。2015年创立众向科技有限公司。

现节选部分内容如下：

序1   
（节选）
   
李必军教授作为测绘学科青年领军人才，曾是武汉大学于新千年之初世纪交会之际组建的学校首个从事智能交通领域有关智能驾驶技术研究团队的主要负责人，在这个研究方向坚持至今，深耕已有20余年。李必军教授带领的科研团队及时敏锐地抓住了智能交通领域的智能驾驶这个新问题，开展了现代测绘新技术与智能驾驶的融合研究。该团队在20世纪末车载激光扫描移动三维测量研究的基础上，进一步拓展为多项现代测绘新技术服务智能驾驶的研究、应用示范和产业转移。

作者从2014年开始策划《现代测绘技术与智能驾驶》这一专著，组织团队成员参加撰写，几易其稿并不时补充最新研究成果，历经6年多终于成稿。应作者之邀，要我为该书作序，由于我自己也是从20世纪90年代中期开始一直关注测绘与智能交通不同领域的交叉融合研究，于是欣然领命，认为这也是一次难得的学习机会。在浏览全书几遍后，重点阅读了本人最感兴趣的涉及智能驾驶的感知层、决策层、控制层及实现人、车、路、环境之间信息交互与协同的有关章节。读后，深感本书的撰写体现作者精心汇集了多年承担的国家级项目和产业化项目研究成果和经验思考。作者围绕智能驾驶的安全、便捷、舒适和环保实用需求，阐述了智能驾驶的概念和国内外发展动态；以解决智能驾驶中有关环境感知、规划决策，运行控制和车路协同等难点技术问题为中心，重点论述了智能驾驶中涉及的测绘新技术基本原理、硬件集成、软件构架、数据处理、应用难点和解决方案；放眼全球智能驾驶前沿研究动态、挑战和未来发展趋势及目标追求，从上述三个维度较为全面系统地探讨了智能驾驶。该书称得上是融通测绘新技术与满足智能驾驶需求目标于一体的一部开山力作。称其为开山力作是因为该书所定义的智能驾驶符合中国政府提出的“交通强国”战略中的智能网联汽车概念，也是当前智能交通发展方向正在形成的全球共识。未来的智能交通至少必定包括三大基础设施：一是同时拥有单车智能和网联智能的智能网联汽车，二是实现车辆、人、路、环境及运管机构信息互通共享和协同管控的车联网，三是高度精准的既有静态环境交通地理信息又有随机变化的实时交通环境地理信息，能实现车端、路边、云端协同决策管控的行车电子地图。而该书是首次从测绘新技术与新一代信息网络技术的融合层面论述清楚了这些新型基础设施是如何为智能驾驶提供技术支持和行驶服务的。

综上所述，我相信该书的出版将会在智能驾驶研究中发挥重要的引领和推动作用，对有心跨界从事智能驾驶研发和应用的测绘科技人员和机构来说，是一本能发挥并拓展其专业优势的探索智能驾驶相关技术的专著；对想转型从事智能驾驶研发的传统汽车制造业人员和机构而言，更是一本系统而又实用的涉及智能驾驶的参考书和有关测绘新技术的入门教材。

相信该书还一定能吸引更多有兴趣的人参与智能驾驶方面的研究，进一步提升测绘技术在智能驾驶中的应用水平，助力智能驾驶的发展。

中国工程院院士
2021年6月20日


序2
（节选）
   
现代测绘技术是智能驾驶技术的重要基础，相关技术和知识的更新也非常快。《现代测绘技术与智能驾驶》一方面汇聚该领域的基础性、科学性和普遍性的知识，保持相关基础内容的相对稳定性；另一方面又紧跟当前科技的发展，及时地调整和更新该学科的相关内容，以达到保持先进性的要求。该书是典型的最新理论知识和应用实践相结合的成果。

该书的作者们都是我熟悉的教授、博士和相关专业的工作人员，其中的几位作者也是我的学生，是我把他们带进智能驾驶这一前沿领域。他们也是长期工作在一线的教学和科研人员，不仅具备丰富的教学经验和科研实践经验，还与国内国际学术同行持续保持着广泛的交流与合作，对相关领域的科技发展前沿有着深刻的认识和理解，他们的教学和研究成果同样深受广大学生的欢迎。正是由于该书的作者们具备了如此厚实的知识储备和前沿的科研经验，才有了这本高质量的著作出版。

该书是他们长期辛勤工作的成果和智慧的结晶，将作者们十几年来的研究成果和先进技术汇集成册，内容丰富、结构安排严谨、概念描述准确、内容叙述科学规范、易学易懂，适用于测绘、机器人、计算机、车辆工程、人工智能等专业的本科生和研究生学习，也可供相关科技工作者参阅，希望能受到广大读者的欢迎。

随着全球化的不断推进，我们还需要进一步扩大国际先进技术交流，增强对国外先进技术和经验的学习。在目前国际形势下，撰写出符合我国国情的具有自主著作权的高质量学术著作也具有重大学术意义和社会价值。希望该书的出版能有效促进相关学科、领域的教学、研究和发展。


深圳大学
校长2021年6月20日

前言
（节选）
   

信息化测绘以地理空间信息的快速获取和更新、智能化处理和一体化管理、网络化生产与分发服务为主体，以人工智能、大数据和物联网为基础，正在成为现代测绘技术的主要力量。与此同时，北斗导航、空-天-地一体化测绘、众包测绘与GIS系统的发展和应用也成为现代测绘技术的主要助力。智能驾驶技术是未来出行革命的技术核心。智能驾驶指的是利用先进的车载传感器、控制器、执行器等装置，融合人工智能、计算机视觉、现代通信与网络技术，使“人、车、路、端、云”等道路交通参与者进行智能信息交换和共享，使汽车具备复杂环境感知、智能决策和自主控制等功能，最终实现以更安全、更高效、更舒适、更节能的形式替代人类操控机动车辆的新一代信息技术。随着新一代信息技术、新一代人工智能等技术的飞速发展，全球汽车产业也正处于深度变革期，在政策和资本的推动下智能汽车发展迅速，智能化、网联化、共享化成为汽车产业新的战略制高点。


现代测绘技术的发展，为智能驾驶精准定位、快速场景测绘与建模、空间路径规划与分析等提供了必不可少的技术手段。特别是涉及智能驾驶的低成本、高可靠定位和高精度地图相关技术，得到了测绘行业、汽车行业、互联网行业、通信行业等的跨界联合协作攻关；反过来，这一跨界合作也大大促进了测绘技术及其应用的快速发展，可谓相得益彰。充分发挥地理信息与自动控制、电子信息、计算机等学科的交叉与融合，不仅可以形成学科新的研究思路和技术路线，而且对于实现跨领域的技术突破和新知识的产生及形成学科竞争优势也是非常有意义的。


本书的内容取自于本研究团队自2006年以来的研究成果，在撰写本书时，研究团队成员阅读了大量国内外的相关文献，力求做到内容新颖、通俗易懂。


全书共9章，力求从不同角度系统展示研究团队最新成果。第1章主要介绍智能驾驶的一般理解与意义、发展现状及现代测绘技术发展与智能驾驶；第2章介绍智能驾驶系统构成，主要包括系统结构、配置等；第3～4章分别介绍智能驾驶领域现有的基于视觉和激光点云的目标探测方法；第5章介绍面向智能驾驶的高精度地图，主要包括传统导航地图的产生和发展、高精度地图的表达和生成及地图辅助智能驾驶应用；第6章介绍智能驾驶自主定位技术，包括传统导航定位方法及智能驾驶领域基于视觉、激光及地图的定位技术；第7章主要介绍现有的路径规划算法及路径跟踪控制方法；第8章主要介绍车路协同智能驾驶，包括智能路侧系统、智能网联汽车及基于5G的车路协同智能驾驶系统；第9章为智能驾驶未来发展展望。



李必军

2021年6月




从20世纪70年代开始，智能汽车相关研究率先在欧美等发达国家和地区启动，针对军事方面用途、面向城区环境和面向高速公路的条件环境等不同的方向展开了一系列的研究。针对军事方面的用途，从80年代开始，美国国防部加大了在自动陆地车辆（autonomous land vehicle，ALV）项目上的研发投入。在此后的10多年间，国外的科研机构和学者们对智能车辆系统展开了一系列广泛的系统的深度研究，同时还开发出了相应的智能实验车样车。其中，美国、英国、德国、荷兰、法国、韩国等国家的研究最具有代表性。


▲国外部分智能车代表

我国智能驾驶技术的研究起步较晚，总体与国外存在一定的技术差距，但是我国的智能驾驶研究发展速度很快，我国对智能网联汽车的政策支持也使得目前国内的智能驾驶研究获得极大助力。与美国相似，国内智能驾驶的飞速发展同样离不开相关赛事的促进。依托国家自然科学基金委员会于2008年启动的重大研究计划“视听觉信息的认知计算”，旨在从实时场景的视觉认知计算、驾驶场景建模、多传感器融合等方面出发，构建适应于智能驾驶环境的高质量认知地图的方式，实现智能驾驶相关技术的突破。在该重大研究计划启动的第二年，国内举办首届“中国智能车未来挑战赛”；2009～2019年，该赛事连续举办了十届，是目前世界上延续时间最长的智能驾驶赛事。相对于DARPA举办的智能驾驶挑战赛，国内举办的“中国智能车未来挑战赛”着重考察智能驾驶车辆的复杂交通场景识别能力及不同道路环境的4S性能——安全性   （safety）、 舒适性（smoothness）、敏捷性（sharpness）和智能性（smartness）。



▲ 武汉大学第三代无人车“途联号”



智能驾驶汽车硬件平台经历了较长时间的发展，汽车领域很早就开始了关于汽车无人化或智能化的研究，直到2005年DARPA智能驾驶挑战赛中，斯坦福大学“Stanley”成功通过了长达212 km的野外赛地，才真正引起了公众层面的广泛关注。斯坦福大学“Stanley”无人车，以一辆大众汽车途锐R5为车辆平台，通过自定义接口直接利用电子驱动控制油门和刹车，将直流电动机附在转向柱提供电子转向控制。下图为“Stanley”软件系统架构，软件部分大致分为六大功能组：传感器界面、感知、规划与控制、全局服务、用户界面和车辆界面。

▲“Stanley”软件系统架构



作为智能驾驶汽车的“眼睛”，传感器是智能驾驶汽车与外界交互的根本信息来源。常见的智能驾驶平台的传感器类型选择方案越来越相近，主要分为环境感知传感器和高精度定位传感器两大类。武汉大学智能驾驶汽车“途联号”传感器选择使用长焦、短焦与广角镜头互补的方式极大地扩大了视觉感知的有效范围。利用相机+毫米波雷达实现远距离感知，利用相机+激光雷达实现中近距离感知，利用相机+超声波雷达实现近距离探测。

▲武汉大学智能驾驶汽车“途联号”传感器安装示意图



高精度地图已是发展智能交通和普及智能驾驶必不可少的核心因素。德国信息技术研究中心（FZI Research Center for Information Technology）在2014年提出了一种用于智能驾驶的地图库 Liblanelet。该框架可以在网上进行公开下载，并且在奔驰智能车MERCEDES BENZ S500 INTELLIGENT DRIVE上进行了测试和验证。

▲高速环境下的Liblanelet2结构示意图



对于智能驾驶汽车，连续可靠的高精度定位至关重要。在利用特征来表征环境的高精度地图中，为了辅助无人车完成定位，必须从感知数据中提取到像地标一样具有辨识度的全局特征。根据地图的数据来源不同，可将全局特征大致分为激光点云中的全局特征、图像中的全局特征和混合模型中的全局特征。图像特征基于其检测目的可分为两大类，特征点、特征区域。特征点是寻找目标区域内具有代表性的关键点并使用局部图像结构为该点赋值，如尺度不变特征变换（scale-invariant feature transform，SIFT）特征、加速鲁棒特征（speed up robust feature，SURF）、ORB（oriented FAST and rotated BRIEF）特征等；特征区域指通过计算和统计目标区域内的像素变化并使用多维向量进行描述，如HOG特征、Haar特征、LBP特征等。

▲HOG特征与ORB特征



智能驾驶的规划与控制技术可直接输出对车辆转向和油门、刹车的控制而成为整个框架中最直接影响车辆安全的模块。规划模块与决策模块相互影响，根据决策模块的输出，规划模块可实时输出局部安全运行轨迹，更新全局任务规划。在智能驾驶车辆的控制系统中，横向控制器对智能驾驶的性能影响是最大的，决定了无人车的安全性和舒适性。本书利用武汉大学第一代智能驾驶车辆“途智I”无人车进行室外道路试验，验证了设计的横向控制器的实际性能。

▲“途智I”无人车



智能网联汽车是网联汽车和智能驾驶的结合，根据环境感知和通信交互的结果实现多车辆有序安全行驶。智能网联汽车融合了车联网技术，在车路协同环境下实现了车与车、车与路、车与人、车与服务平台的全域网络交互，可以有效提升汽车和交通的智能化水平。但是，网联环境下的信息共享为智能网联汽车增加了安全威胁，例如，智能网联汽车的传感器终端、车载智能终端、云端服务、移动终端等都可能带来安全风险。仅仅依赖单点防护难以彻底解决智能网联汽车的网络安全问题，需要结合不同的安全防护技术，全面考虑每个层面的安全威胁，打造闭环安全防护生态体系，为新一代智能网联汽车提供有效安全可靠的防护。

▲智能网联汽车的安全防护框架

智能驾驶技术是未来出行革命的技术核心，然而智能驾驶行业还有很多困难需要克服。智能驾驶在感知层、决策层与控制层上都存在许多的问题，例如感知层和决策层中的定位与地图、数据与决策安全等。近年来，智能车事故导致了多名驾驶人或行人死亡，从而将智能驾驶技术的安全性推到舆论的风口浪尖。人工智能技术主要依托于互联网，然而现阶段经常会出现网络攻击事件，给不法分子提供了机会；在真实物理世界，往往存在着针对环境传感器的感知攻击，如交通标识的“贴图”干扰、GNSS或雷达信号的电磁干扰等，这些物理攻击会严重破坏智能驾驶系统的功能安全。

▲智能驾驶系统存在的安全问题



基于此，当前在发展智能驾驶汽车时，怎样能够确保人工智能技术在其中应用的安全性及可靠性，是需要认真思考的一个问题；现阶段在法律层面上没有明确的法规来约束智能驾驶汽车，尤其是发生事故之后，无法认定责任，这也成为其发展的一个重要挑战。总之，研究各类环境感知传感器的失效模式，提出新的对抗方法应对环境感知传感器的物理攻击，有效实施智能驾驶系统的安全防护技术，对于智能车功能安全至关重要。

本文摘自《现代测绘技术与智能驾驶》（李必军等 著. 北京: 科学出版社, 2021. 7）一书，有删减

分享