高德AR及车道级导航技术的演进与实践

运用导航开车时，明明已然抵达路口，可却不清楚该朝着哪条道路行进，屏幕上所显示的箭头与实际情况始终无法契合，这般错位之感，是否曾令你陷入抓狂状态呢？在2020云栖大会之际，高德地图的王前卫团队予以披露，依据AR以及车道级导航技术，他们正将这种“大致差不多”的体验，提升至“所见到的便是实际能得到的”精准时期。在此背后，是一整套强硬核心技术施行落地的实践，全都是满满的实用内容了。

视觉感知如何低成本看懂世界

要是想达成AR导航，首先就得使得手机摄像头跟人一样能够看懂道路。高德并未选取昂贵的激光雷达，而是着重于视觉技术，运用深度学习算法去理解环境。核心面临的挑战在于，算法模型一定要足够“轻”，才能够在市面上主流的手机上实时运行，同时还得确保识别准确。

基于解决这一矛盾的目的，团队实现了在数据方面的优化，在算法方面的优化，以及在性能方面的优化，此三者构成了三重优化。于数据层面，团队运用海量多源数据展开训练，以此确保模型接触过形形色色、稀奇古怪的路况情形。在算法层面，团队借助优化网络结构以及特征共享的方式，致力于提升精度。而在最为关键的性能层面，团队采用了知识蒸馏以及模型量化的手段，达成了让模型于低算力手机上也能够流畅运行的效果。

云端一体让定位精度升维

常有的情况是，GPS于城市峡谷之中漂移，信号一旦漂移，导航便会“犯晕”。高德提升定位精度至一个数量级所依靠的，乃是云端一体的视觉定位技术。手机端拍下图像后，将其传到云端与街景大数据进行比对，神经网络据此直接算出你的绝对位置。

这尚未结束，将其呈上，与此同时，借助对车道线的识别、对路沿的识别来开展相对定位。把这两者予以结合之后，再凭借时空一致性算法实施融合，如此一来，便能够在信号欠佳的区域稳住局面。这种打法成功地将定位误差从米的级别拉至厘米的级别，为车道级导航奠定了基础。

无网环境下如何保持精准

假如进入了隧道，或者进入了地下车库，网络没了该如何处理呢？高德设计了一系列多源紧耦合SLAM技术，简称为MT-SLAM。它将低成本的GPS、手机惯导以及摄像头数据深度捆绑融合起来，即便没有信号，也能够依靠算法推算出你的精确位置以及姿态。

这个系统的巧妙之处在于，它在于进行分层融合以及效率优化，它依据GPS不同信息的精度特性，进行分层处理，并且还会考虑车辆的运动约束，进而为了能够算得快，它会依据场景动态缩减优化对象，采用增量递归的方式快速恢复位置数据，以此为高精地图的众包采集以及AR导航持续提供能量。

一体化融合定位应对复杂场景

在现实情形里，用户所处场景存在极大差异，其中部分场景需求高精度定位，而另外部分满足标准精度便足矣。假若是每套方案都配备一套硬件设施，那么所产生的成本将会过高。高德所施行的做法乃是设计出一套高精度/高标准一体化融合定位引擎，这引擎如同一个具备广泛适用性的万能插座，能够满足各种各样的需求。

这一套引擎，集成了成熟的差分卫星定位，以及环境语义信息，能依据场景自动切换或者联合输出定位结果，高精与标精，既独立又存在关联，确保你于城市峡谷、开阔地，或者地下停车场时，定位永远不会掉线，为车道级预警以及自动驾驶功能，提供了连续不断的保障。

低成本构建高精道路模型

随着高精定位以及环境感知的具备，地图数据其自身同样需要进行升级 ，径直推行厘米级高精数据 ，将全国予以覆盖的成本是非常高的 ，高德采取了另寻途径的方式 ，运用标准精度数据以及车道属性信息 ，借助算法反向构建出高精道路模型。

他们主要着手于两个维度，其一为道路三维模型，借助SD形点数据并结合车道属性，经由路口切分以及还原算法来进行建模；其二是引导线模型，将规划路径、引导信息与实时道路图像特征相融合。这一整套算法已然实现落地，以低成本的形式使三维模型趋近于真实世界。

AR渲染让引导线与现实贴合

数据已就位，定位也已就位，最后需要渲染呈现那一步。在 AR 导航当中，有一条虚拟铺路线，它是用来指引你前进的，这条虚拟铺路线必须紧紧贴在现实路面之上，绝对不可以跟着车晃动。要做到这一点，还需要把刚才计算出来的车道级三维模型，与实时提取的道路特征信息精准叠加起来。

王前卫讲，当下，高德的引导线模型于绝大多数情形中，已然能够达成跟实景道路的精妙契合。路口变道提示不再单单是一种语音，而是于画面之上直接借由大箭头覆盖于准确的车道处，红绿灯前还能够提示你前车已然起步前行，切实实现了导航信息跟现实世界的毫无缝隙地融合。

从能够看懂道路，到可以确定准确位置，再到实现低成本建模以及精准渲染，这样一套AR导航的技术演进路径，实际上给我们自身做事也带来了启发：面对瓶颈之时，不妨尝试运用算法以及融合的思路，去以低成本的方式解决复杂问题。你于开车之际遭遇过最为离谱的导航“翻车”经历是怎样的呢？欢迎在评论区进行分享，并且也不要忘记点赞转发，以使更多朋友能够看到导航背后的技术门道。