車輛中心 研究發展處 王正楷

定位技術為自駕車核心發展項目之一，為實現車輛自駕，車輛必須知道其本身之位置和航向，系統才能依循規劃之軌跡駕駛。以目前的定位技術，主要分為實時動態技術（Real Time Kinematic，RTK）衛星定位、車輛的同步定位與地圖構建技術 (Simultaneous Localization And Mapping，SLAM)等方式；RTK的定位精度高，但須在透空環境佳的場所使用，於室內則無法使用為其主要缺點；SLAM定位又可分為LiDAR SLAM和Visual SLAM，其差異是以感測器為光達(LiDAR)或攝影機(Camera)來做區分，LiDAR SLAM相比Visual SLAM，具備定位精度高的優點，但缺點為LiDAR成本較Camera昂貴；Visual SLAM雖定位精度不如LiDAR，但現階段的技術，應用在室內環境下已可達1公尺以下之等級，在低速(<15kph)環境下之智慧駕駛應用，其具有廣泛的發展潛力。

市場SLAM定位技術概述
SLAM市場可應用在機器人、無人機、AR/VR、車用等領域，依據BIS Research的市場調查，全球SLAM技術市場在2020年～2030年預計將以49.41％的年複合成長率大幅成長。可見SLAM在未來將會持續快速的發展，而其中，Visual SLAM (VSLAM) 的定位技術在近幾年的快速突破，乃成為SLAM市場增長快速的主要原因之一。 解析應用於車輛上之SLAM定位技術，國內外的作法，皆須預先獲取地圖，並以RTK或慣性測量單元（Inertial measurement unit，IMU）來協助SLAM，室外定位通常使用LiDAR SLAM為主；而在室內的定位應用上，透過單獨使用Camera來進行定位的方式也逐漸普及，國外已有車電系統廠/車廠以Camera來完成SLAM定位功能，並運用於自動停車或行車軌跡自動記憶等功能。

車輛中心視覺定位技術發展
有鑑於VSLAM低成本及可使用於室內場域之應用價值，車輛中心(ARTC)於2020年開始投入Visual SLAM技術之研發，採用具有高精度和穩定性的ORB-SLAM2演算法作為VSLAM基礎，同時採用立體相機感測，以此獲得深度資訊，計算真實尺度的三維空間位置和距離。另外，ARTC將辨識系統與定位系統整合，在僅使用單一立體攝影機條件下，即可獲取載體在地圖上之位置，同時偵測辨識出周圍環境的障礙物，並標示出其在地圖中之位置。 相關的流程如圖1所示，在欲進行視覺定位的區域中，首先以一立體相機作為輸入源，透過VSLAM模組中製圖功能製作環境底圖，在有底圖的條件下，可再利用立體相機與底圖進行重新定位，如此，即可獲得車輛在此地圖中之位置和航向，另外，輸入的影像亦可經過影像辨識功能來進行障礙物之辨識，ARTC目前採用AI深度學習之方法來進行；偵測成果再結合立體影像之深度即可獲取障礙物之三維資訊，最後將車輛定位資訊和偵測辨識成果輸出至車輛決策系統，提供車輛自駕使用；目前ARTC的VSLAM定位成果，在室內約200公尺長的地下停車場環境內，透過與LiDAR SLAM的比較，VSLAM的定位精度可小於0.8公尺，遠優於車輛之輪速計和方向盤轉角所獲取之室內定位技術。圖2為執行ARTC研發的VSLAM定位與偵測技術之視覺化成果。

圖1.ARTC之VSLAM定位系統結合辨識模組之流程圖
 

圖2.VSLAM定位與偵測技術之視覺化成果，右邊白色為點雲地圖、立體方框為障礙物偵測成果、十字軸為車輛位置，左圖則為影像及特徵點實景偵測結果
 

結論
VSLAM定位模使用攝影機模組具備低成本、好安裝、易調校之特性，且可於嵌入式平台上計算，使得定位模組體積縮小並與中小型載體或車輛進行結合，提升既有市售產品之功能，ARTC已建立視覺定位相關技術能量，在室內環境下可達低定位誤差，並持續進行演算法的開發和優化，目前本技術能搭配業界嵌入式硬體平台，發展出低成本、高效能的視覺定位系統，並逐步朝向商品化和普及化的目標邁進。