頭條楓林網
文章摘要： 而定位精度更小、可以提供更準確資訊的地圖就稱得上是高精地圖所以很多時候地圖資料供應商提供的資料並不滿足自動駕駛公司的需求
這是一個「微軟亞研系」創業組合。
「很可惜的是，微軟亞洲研究院在自動駕駛領域並沒有很多投入，而自動駕駛是行業發展的必然趨勢，我們想順應這個趨勢，就決定出來試一試。」蔡銳說道。 
深動科技聯合創始人兼 CEO 蔡銳
一年前，他和深動科技其他三位聯合創始人離開微軟亞洲研究院投身自動駕駛領域。
從技術層面考慮，自動駕駛可以看作是機器人的拓展，但卻能在本質上改變人類的出行方式和生活習慣。而公司的四位聯合創始人都具有計算機視覺、機器人技術相關的研究背景。
儘管此前在亞研院的主要工作成果沒有直接關聯性，但這十年自由的研究經歷讓他們「在把演算法做成產品以及通過產品的需求改善演算法方面，得到了很多積累和鍛鍊。」
同時，也更清晰認識到，「我們更喜歡讓技術轉化成產品，然後讓人真的把它用起來。」
在蔡銳看來，「人從駕校畢業後上路也難免遇到磕磕碰碰，要成為老司機，人要不斷開車上路，體驗更多的路況、應對更多的情況、看到更多的資料。相應地，自動駕駛的進化也有賴於資料的積累，而地圖是資料中最核心的一部分。」
由此，成立於 2017 年 7 月的深動科技確定了定位——地圖資料為核心切入點，並研究自動駕駛的感知和定位這兩件事。 
創業之初，團隊拿到了數百萬美元的天使輪投資。2018 年 3 月，深動科技獲得了紅點中國領投的千萬美元 A 輪投資，天使輪投資方原始碼資本繼續跟進。
感知、定位、地圖：你中有我、我中有你
高精地圖之於自動駕駛的重要性毋庸置疑。
「地圖、感知與定位一定不是分離割裂的，必須是緊密的、有很強互動關係的。」蔡銳說道。
具體理解起來，有了高精地圖，感知可以做的更快、更好，定位可以做的更準、對硬體的要求也可以適當降低。
舉個例子，自動駕駛汽車在到達路口的時候，感知模組會首先基於地圖資訊判斷紅綠燈的位置，從而掌握哪個紅綠燈的資訊有效，以便在特定區域收集資訊，提升了演算法的處理效率和精度。
同時，地圖的構建與感知模組在底層技術上有許多可以分享的部分，例如車道線的檢測等。在此基礎上，地圖還要恢復各種元素的空間位置。掌握更多汽車周圍的環境資料也對系統後續進行的決策環節更加有利。
深動科技的感知解決方案選擇以攝像頭為主，輔以低線速的鐳射雷達和毫米波雷達，利用演算法描繪出自動駕駛車輛周圍環境中物體的位置資訊。
而除了在地圖中構建如車道線、路牌、紅綠燈、路面施畫等基礎元件之外，深動科技還會根據客戶的需求為解決方案中增添路燈、不同材質的隔離護欄等各式內容。 
要做到這一點，迅速地收集訓練資料、標註資料、進而轉化為自動識別的能力尤為關鍵。
這不難理解，要實現感知、建圖的自動化也就是要提高數據處理的自動化程度。目前看來，AI 演算法間的差異並不大，效能的差異主要還是取決於訓練資料的規模以及質量。
只有機器看見了足夠多的樣本，適應了足夠多的場景，演算法才能真正成為一個老司機。
在最初機器什麼都不認識的情況下自然需要人工標註，而當資料的價值得到體現，機器可以識別資訊後，團隊會讓機器再次篩選樣本，把那些當下演算法無法處理的樣本拿給人工進行進一步加工，以保證合理的資源分配。
「資料的收集、標註涉及的是成本和開銷問題，肯定要把有限的資源放在機器還不能準確識別的部分。」蔡銳解釋道，深動科技會提供資料標註的演算法、平臺以及稽覈環節，具體的標註工作還是會眾包出去。
在定位方面，主要的定位資訊源一般來自 GPS 和慣導。其中，GPS 承擔絕對定位任務，慣導提供短時間內車輛位姿的相對變化。GPS 與慣導的組合也不能完全保證自動駕駛汽車在全工況的情況下具備魯棒性，比如較長的隧道等區域。
為此，深動科技新增了一個視覺訊號源，通過視覺與高精地圖元素的比對，有助於確定自動駕駛車輛的精確位置。用蔡銳的話說，就是「把眼睛睜開了」。
深動科技的眾包高精地圖解決方案以攝像頭為主，輔以消費級的 GPS 和慣導，並設計了一套名為 DM-100 的原型裝置。
這套方案的特別之處在於，用價格相對低廉的 GPS 和慣導代替專業級定位裝置，在完成釐米級精確定位任務的同時實現了成本的控制。
在與合作伙伴溝通的過程中，蔡銳也發現，業內普遍共識是自動駕駛是一個逐步變化的事情，所以對成本控制的願望很強烈。
目前，許多自動駕駛汽車上部署的定位裝置價格區間在上萬元至幾十萬元，而 DM-100 原 型裝置上的 GPS+慣導單元的成本在百元左右，整套裝置的價格控制在 1500 元以內。
「我們認為自動駕駛相關的演算法和硬體一定要有一定的耦合度，只有硬體與軟體的高度配合，才能在效能上有更好的提升，因此自己設計了整套採集裝置。」蔡銳說道。目前，這套 DM-100 原型裝置只是給合作伙伴的一個參考設計方案，而非一款銷售產品。
希望我們的下游是一個湖面
「我們本身是一個處於相對上游的演算法提供商，但希望我們的下游不是一個很窄的河道，而 是一個湖面。」蔡銳解釋道，地圖資料供應商、車廠、tier1，還有自動駕駛創業公司，都可以成為深動科技的合作伙伴。
「這是一個分工合作的行業，一家公司很難把一整套全做下來。」蔡銳說道，「所以現在這個 階段我們更願意提合作，不願意提競爭。」
眼下，高精地圖領域還沒有現成的行業標準，每家的定位技術也不盡相同，所以很多時候地圖資料供應商提供的資料並不滿足自動駕駛公司的需求，使得一些公司不得不在與圖商尋求合作的同時嘗試自主繪製高精地圖。
一般來說，現在普通的地圖誤差在 10 米左右，而定位精度更小、可以提供更準確資訊的地圖就稱得上是高精地圖。儘管米級精度的地圖仍無法滿足 L4 級別自動駕駛的需求，但已經可以在 HUD 的增強顯示等功能上發揮作用了。
在蔡銳看來，如果地圖已經能帶來一些更好的使用者體驗了，那麼這個地圖是不是叫高精地圖也不那麼重要。目前，深動科技的定位精度可以達到 10 到 20 釐米。
除了標準和政策限制，在高精地圖領域，高昂的建圖成本限制了地圖的更新頻度和活性，也是所有專注高精地圖的公司面臨的難題之一。
在主動採集的模式下，地圖的更新往往按月或是按季度，更新頻率最高的通常是景點、商場、飯店等 POI（電子地圖上的資訊點），其次是地面的標線施畫，最後纔是路網結構。
蔡銳介紹，通過比對行車環境資訊與現有地圖中的資料，雲端可以整合判斷來自不通車輛上傳的資料，排除誤報，完成更新。在數平方公里的測試規模下，深動科技的解決方案從車端提交資訊到雲端完成整合的時間是分鐘級。
爲了實現高頻更新，必須保證裝置具備可部署性。首先，在演算法設計上要採用一些消費級的感測器以降低整個裝置的成本；同時還要提升演算法的自動化程度，減少技術人員的介入。
「這裏的門檻還是很高的，要朝著量產和可部署去的話，就不能用很多高成本的硬體。」蔡銳說，「要基於消費級的硬體實現高精度的效能，需要在演算法層面將深度學習與立體視覺等技術用到極致。」
當然，蔡銳口中的量產並非傳統意義上的量產。「這個事情不會一口吃個胖子，肯定有一個很長的迭代過程。其他行業的量產在自動駕駛行業不是那麼的恰當。」
在蔡銳看來，哪怕只有幾十臺車輛投入生產和運營，就算是技術成功的落地。「所以我更願意講落地。」