GIS將在無人駕駛汽車世界中蓬勃發展嗎？
無人駕駛汽車通過疊加數百萬個傳感器返回（每秒約27,000個光點），將其收集到極其精確的3D地圖中，從而看到了世界。
汽車進行的每一次運動，都會基于該點云數據在地理空間中的位置進行計算。
GIS技術集成到無人駕駛汽車新領域的潛力是什么？
反之亦然，無人駕駛汽車世界將使GIS受益嗎？
使用LiDAR和SLAM感知環境
首先，讓我們了解無人駕駛汽車的大腦。對于汽車進行的每個運動，它都使用LiDAR，雷達，攝像機和位置估計器，可連續360°掃描。結合SLAM（同步定位和地圖繪制），汽車可根據傳感器輸入實時定位周圍環境，從而對其自身進行定位。這種觀點遠勝于人類所見。
添加微信好友, 獲取更多信息
復制微信號
即使人類可以輕松感知周圍的環境，但對于計算機而言，這是一個極其艱巨的挑戰。例如，人類可以識別行人，交通信號燈和人行橫道。而且，人類可以通過簡單的手勢來預測騎自行車的人和警察的運動。
這就是為什么無人駕駛汽車使用安裝在車輛上的360°LiDAR傳感器的原因，從而可以全方位了解周圍環境。隨著點云數據不斷輸入機器學習（ML）算法，無人駕駛汽車開始理解嘈雜的數據。這是車輛的底層大腦，可以從道路上提取特征。
取決于訓練神經 *** 的標簽，這決定了它在道路上檢測物體的成功程度。從本質上講，在各種情況下進行的訓練越多，識別來自野生動物的行人的能力就越強。
精確的幾何高清道路 *** 地圖
日益增長的趨勢是，由于無人駕駛汽車的不可靠性，其將僅使用GPS為其提供粗略的位置。例如，由于其設計原理，Google的自動駕駛汽車（Waymo）不能依賴GPS。
那么，無人駕駛汽車能否在沒有外部信息的情況下僅依靠傳感器數據運行？換句話說，它是否需要預加載的3D地圖才能完全起作用？
有很多理由認為，出于安全考慮，自動駕駛汽車需要精確的地圖。例如，如果大雪或雨水覆蓋了車道標記，則車輛需要路緣和車道尺寸作為依托。
實際上，像HERE Maps和TomTom這樣的公司已經開始建立高清（HD）地圖，以描繪可行駛區域的車道標記。反過來，無人駕駛汽車會使用它來精確地知道它們的位置和方向。
任何情況下的動態路線
如果無人駕駛汽車要從A點行駛到B點，則需要滿足以下三點要求：
- 現有道路 *** 限制了他們的行進路線。
- 其中的準確地理編碼地址可以知道它們的去向。
- 強大的路由算法可將您從A帶到B。
出于導航目的，汽車必須計算時間更佳或最短路徑。當道路情況發生變化時，他們需要動態計算輔助路徑。
他們需要地圖形式的操作環境以與傳感器輸入進行交互。畢竟，這是在后臺運行的GIS，用于確定更佳路徑。但是有時更佳路線并不總是最短，是流量最少的那個。
避免交通擁堵并遵守道路規則
隨著數百萬用戶與 Waze 連接，在不知不覺中為社會帶來重要利益。也就是說，它們繪制了道路 *** 、轉彎限制和交通堵塞圖。
與以往不同的是，像HERE maps和Waze這樣的公司通過眾包 了解城市的交通擁堵情況。通過將GPS導航系統添加到位置數據中，我們每天的通勤都可以在一張地圖上進行，從而避免了交通延誤。
隨著時間的推移，GIS 可以通過了解歷史流量模式和實時流量數據來優化路線。對于任何給定的一天，它可以預測估計的流量時間，并改善整體駕駛員體驗。
借助物聯網（IoT）打造更智慧的城市
隨著無人駕駛汽車開始在道路上巡邏，我們基本上擁有不斷建立地形圖的測量設備。它們非常詳細地捕獲了路邊的物體，建筑物和城市景觀。智慧城市首先需要的是對自己擁有的一切進行清點。因為我們可以獲得準確的城市資產清單，所以這是改善基礎設施協調的之一步。
隨著越來越多的車輛在道路上行駛，這意味著它變得更加互聯和高效。現在，進入了物聯網（IoT）領域。僅憑一種車輛的感覺，它總是會被動的。我們無法進行任何形式的預先計劃。但是，車輛的互聯 *** 在遇到 *** 障礙之前是積極主動的。
例如，物聯網將了解交通擁堵發生的位置。這不僅將中繼到您的車輛，而且城市規劃人員也將獲得有關改善基礎設施的信息。另外，它將地理圍欄納入您的日常工作中。無論是用于安全性，零售性還是交付性，地理圍欄都能提供實時警報并提高知名度。
GIS真的在自動駕駛汽車的引擎蓋下嗎？
如今，人們依靠地圖將其帶到目的地。由于其固有的空間特性，自動駕駛汽車也將如此。
但是他們將掃描其環境并將其覆蓋在預先存在的地圖中，以確定要去的地方。
盡管SLAM技術取得了進步，但目前的困境是獲得精確的準確性并維護更新的地圖。
由于無人駕駛汽車需要無誤的地圖，并且要以絕對的空間精度不斷更新，因此我們無法將其預加載的地圖與它們捕獲的外界分離。
來源：開源地理空間基金會中文分會
來源鏈接：https://www.osgeo.cn/post/1dbf3
本站聲明:網站內容來源于 *** ,如有侵權,請聯系我們,我們將及時處理。
