編者語：后臺回復“入群”，加入「智駕最前沿」微信交流群

現(xiàn)在無圖/輕地圖的智駕方案比較火，主要就是因為依靠高精地圖來為感知兜底的方式成本太高，那么為什么現(xiàn)在大家都齊刷刷地轉(zhuǎn)向bev/occ+transformer的方案呢？這種方案相比于用SLAM方法實時建立一定時間范圍內(nèi)的局部語義地圖，再在此地圖上做規(guī)劃的方案優(yōu)勢在哪兒？以SLAM為基礎做局部導航的缺陷在哪兒？

回答1

作為SLAM算法方向的研究生來發(fā)表一下自己的看法。

首先我認為題主是混淆了一些概念，SLAM主要是解決定位問題，而BEV/Occ+Transforme主要解決感知任務（局部語義地圖），感知是以定位為前提的，只不過這個定位可以不是SLAM定位。

一般SLAM算法的使用方法分為兩步，先建圖，后定位。在機器人應用中，這里第一步建好的地圖 主要有兩個作用，一個作用是用來進行全局的路徑規(guī)劃，另外一個作用是進行第二步的定位。

在自動駕駛場景中道路環(huán)境經(jīng)常變化，高精地圖的維護成本較高，因此自駕采用了重感知輕地圖的方案，其中輕地圖并不是無地圖，自駕中全局的路徑規(guī)劃問題可以依靠百度地圖等來進行，定位問題可以使用輪速計、IMU、衛(wèi)星導航組合的方式來替代。然后在這種定位方法的基礎上進行局部語義地圖的創(chuàng)建。

而題主說的為啥不采用SLAM的方式進行局部語義地圖的創(chuàng)建，我的理解是自駕中還是使用了SLAM中幀間位姿估計的方法，只不過沒有采用基于先驗地圖的SLAM定位方法而已，所以這種多傳感器組合定位的方法只是沒有被叫做SLAM定位而已。

此外，雖然自駕中大多采用輕地圖重感知的方案，但是室內(nèi)機器人像是掃地機器人、人形機器人、倉運機器人等等還是采用的SLAM+局部語義地圖的方法，因為室內(nèi)機器人要求更高的精度，而且GPS等傳感器在室內(nèi)也無法使用，所以目前來說SLAM+感知的方案對于室內(nèi)機器人來說還是主流。

最后，其實我感覺容易讓題主產(chǎn)生疑惑的點更多的在于名稱的叫法上面，只不過搞深度學習的人把定位+局部語義地圖這一塊工作叫做感知任務而已，其實跟SLAM+局部語義地圖的叫法區(qū)別不大，局部語義地圖的創(chuàng)建方法可以是一樣的，區(qū)別只在于定位上面而已。

回答2

這個問題很好，借此澄清幾個概念：

1 無“圖”智駕，也需要有圖，無“圖”其實是偷換概念，因為商業(yè)和監(jiān)管的原因。

2 不管無圖有圖，自動駕駛感知都有出帶語義的OD，這個感知和BEV與否沒關系，和Transformer與否也沒關系。所以題目里，“無圖方案都用xxx”并沒有邏輯，其實是 無圖方案也可以不用xxx，有圖方案也可以用xxx。

3 無圖方案，都會使用SLAM技術建圖。SLAM技術是一個建圖和定位的技術的打包集合。不管有圖無圖，都會使用SLAM技術做融合定位或者叫定位配準。所以，這個提問，連續(xù)犯了三個邏輯錯誤。

4 倒數(shù)第二問，又來到了 規(guī)劃 問題，規(guī)劃和SLAM也并沒有什么相關性。所以我也沒看懂這個問題：“為什么用感知xxx，做定位xxx，比規(guī)劃xxx好在哪兒”。自動駕駛都有先驗地圖的，不會像掃地機器人先探索一遍才知道怎么走的，除非先撞一圈墻。

5 關于最后一問，大家都會“以SLAM為基礎做局部導航”，這句話等同于“以定位技術為基礎做定位”。

回答3

首先第一“無圖”并不是沒有高精地圖，是不要外部提供的高精地圖，內(nèi)部是需要自建圖；

第二：SLAM建圖可以作為無圖智駕一種方式，叫記憶行車，業(yè)內(nèi)也有就是大疆，小鵬的通勤模式，這種模式是可以只用導航地圖，但是SLAM一次并不能得到全部道路元素與結(jié)構(gòu)，需要跑重復的道路幾次，所以智駕系統(tǒng)會表現(xiàn)出一回生二回熟，一次比一次開的好，但這也就意味著它需要你跑同樣的路線，SLAM建圖是能適用于你經(jīng)常上下班或者同一路線的通勤模式；

第三：bev/occ + transformer 不是一個方案，SLAM也是可以使用bev生成的道路拓撲自建地圖的，另外有SLAM也并不意味著不需要occ，occ對于沒有激光雷達方案，道路異形障礙物檢測是必須的；

第四個：一定時間范圍內(nèi)的局部語義地圖，如果簡單依賴視覺bev+occ，是沒有超視距信息的，也能用，但是你要接受它可能變道到匯入車道以及在遮擋時出現(xiàn)一些意想不到的問題，這種模式上限也就是有圖；

回答4

首先就是高速場景，基于高精地圖建立的先驗地圖信息更新比較慢，圖商的地圖車造價很高，都是季度更新的，最多是按照月去更新，所以如果在他們建圖歪了一些的話，進行SLAM匹配時結(jié)果就會歪，因此這個技術路線就不是很成功的。

BEV可以實時感知周圍前后20m甚至更遠的距離，足夠規(guī)劃去使用。

-- END --

聲明：內(nèi)容源自3D視覺之心，文中觀點僅供分享交流，不代表本公眾號立場，如涉及版權(quán)等問題，請您告知，將及時處理！