宽凳科技CES2019发布全新高精地图产品矩阵

美国时间1月8日,一年一度的CES如期举行,来自全球130个国家和地区的17万名观众和4.4万多家参展商齐聚拉斯维加斯。中国创新科技企业宽凳科技现场发布了全新高精地图产品矩阵,并展出了厘米级高精地图采集与定位方案,以及自主研发的高精地图采集设备。

CES一向被看作国际消费电子领域的“风向标”,覆盖科技领域内最热门和最前沿的产品和技术,本届展会上5G、人工智能自动驾驶最受关注。在过去的2018年,自动驾驶领域可谓风起云涌,牵动的产业链玩家最多,产生的影响也最深远。高精地图是自动驾驶的刚需,自动驾驶是未来智能网联车的核心,而实时更新的地图更是促使智能联网的流量入口。宽凳科技作为中国第一家专注于高精地图研发的创新科技公司,今年首次亮相CES,为整个自动驾驶生态链提供完整的数据服务。

全新高精地图产品矩阵齐亮相

普通导航地图是开车都会用的应用,人眼瞄一下屏幕上显示的路名、行车方向,再看看面前的道路,就知道该怎么开 。但自动驾驶车辆想要做到同样的事情,必须要依赖高精度地图。在今年的 CES展会上,宽凳科技带来了包括厘米级别的高精度前装地图方案、高精度定位、众包地图云解决方案,吸引大批观众驻足询问。

其中,高精度前装地图方案除了基础地图的道路形状、坡度、曲率、铺设、方向等数据外,还包括车道线类型、车道宽度、路边地标、防护栏、道路边缘类型等数据,其精度已经达到了厘米级别,并且已经突破了量产瓶颈。而高精定位模块,通过摄像头获取图像并通过感知模块抽取地图元素,和高精地图做比较,再结合GPS, IMU和轮速信号,得到车辆在高精地图中的精确位置和姿态。最后,众包模块分为车端和云端两部分,车端采集矢量化地图、位姿等信息传回云端,通过智能化区域分割、层级空间聚类等,输出高精地图,解决了采集成本、更新频次等问题。

宽凳吸取各方经验积极创新,以视觉为主的技术路线在实现高精度的同时,自动化程度有了极大的突破。据了解,一方面,宽凳科技用重视觉的采集模式,解决高精度和低成本之间的矛盾,使众包和实时更新成为可能,攻克自动驾驶领域的行业痛点;另一方面,基于人工智能的全新地图加工工艺,颠覆了传统地图生产模式,解决了规模化地图生产的瓶颈问题。

首先,技术方面,宽凳科技基于深度学习、三维视觉、图像识别等AI技术,无需大规模人力标注,能够快速实现高精度地图的构建。其次,地图是一个技术和经验相互结合的领域,需要大量的行业积累,高质量的高精地图的建设离不开地图行业专业人员,宽凳科技吸引了大批具有地图背景的世界顶尖名校毕业生,为自动驾驶精确制导。最后,我们都知道高精度地图用户为主机厂,认证周期长,更换供应商成本高,宽凳表示它们已经率先布局各大主机厂及一级供应商的深度合作,有先发优势。

自主研发高精地图采集设备测量更精确

本次展会上,宽凳科技还展示了全新的高精地图采集设备。相比于其它地图厂商,宽凳科技的采集设备是创始人兼CEO刘骏亲自设计,具备完整的自主知识产权,技术的开发迭代更加灵活迅速,规模化扩展配置和快速采集制作的能力更强、实现地图数据更新更新快。

并且,宽凳科技的采集设备的数量还在不断增加,覆盖范围也会逐渐往更具体、复杂的道路覆盖。到目前为止,宽凳已经拥有20多辆采集车在中国大规模采集,预计到2019年第一季度,采集车数量将达到50辆以上。宽凳科技已经是拥有从采集设备到数据制作全流程自主技术研发能力的高精地图数据提供商。

据介绍,宽凳科技已经完成了中国大部分重点省市高速公路和城市快速路的测绘工作,将成为第一个真正能够实现量产化的高精地图的公司。凭借着这些优势,宽凳科技目前已经与数十家车厂达成合作,用高精度地图进一步改进和完善其致力于本地化的自动驾驶技术。

产业产品创业公司高精地图宽凳科技CES 2019
相关数据
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

自动驾驶技术技术

从 20 世纪 80 年代首次成功演示以来(Dickmanns & Mysliwetz (1992); Dickmanns & Graefe (1988); Thorpe et al. (1988)),自动驾驶汽车领域已经取得了巨大进展。尽管有了这些进展,但在任意复杂环境中实现完全自动驾驶导航仍被认为还需要数十年的发展。原因有两个:首先,在复杂的动态环境中运行的自动驾驶系统需要人工智能归纳不可预测的情境,从而进行实时推论。第二,信息性决策需要准确的感知,目前大部分已有的计算机视觉系统有一定的错误率,这是自动驾驶导航所无法接受的。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

聚类技术

将物理或抽象对象的集合分成由类似的对象组成的多个类的过程被称为聚类。由聚类所生成的簇是一组数据对象的集合,这些对象与同一个簇中的对象彼此相似,与其他簇中的对象相异。“物以类聚,人以群分”,在自然科学和社会科学中,存在着大量的分类问题。聚类分析又称群分析,它是研究(样品或指标)分类问题的一种统计分析方法。聚类分析起源于分类学,但是聚类不等于分类。聚类与分类的不同在于,聚类所要求划分的类是未知的。聚类分析内容非常丰富,有系统聚类法、有序样品聚类法、动态聚类法、模糊聚类法、图论聚类法、聚类预报法等。

推荐文章
暂无评论
暂无评论~