知識文章
自駕車視覺定位技術
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。