无人区乱码一区二区三区,一区二区三区成人,国产美女在线免费观看

主頁 > 知識(shí)庫 > 地圖標(biāo)注成為無人駕駛汽車成敗的關(guān)鍵因素

地圖標(biāo)注成為無人駕駛汽車成敗的關(guān)鍵因素

1669 高精地圖是無人駕駛核心技術(shù)之一，精準(zhǔn)的地圖對(duì)無人車定位、導(dǎo)航與控制，以及安全至關(guān)重要，高精地圖與地圖標(biāo)注的區(qū)別，然后介紹其特點(diǎn)及制作過程。在了解高精地圖基礎(chǔ)知識(shí)后，探索其在無人駕駛場景中的應(yīng)用。我們?nèi)粘Ｊ褂玫挠糜趯?dǎo)航、查詢地理信息的地圖都屬于傳統(tǒng)電子地圖，其主要服務(wù)對(duì)象是人類駕駛員。而與傳統(tǒng)電子地圖不同，高精度電子地圖的主要服務(wù)對(duì)象是無人駕駛系統(tǒng)。本節(jié)討論兩者的不同。
傳統(tǒng)電子地圖
如圖1所示，我們?nèi)粘Ｊ褂玫挠糜趯?dǎo)航、查詢地理信息的地圖，如Google、百度、蘋果地圖等，都可以并入傳統(tǒng)電子地圖。盡管電子地圖出現(xiàn)還不到一百年，對(duì)傳統(tǒng)地圖的研究和開發(fā)已有幾千年歷史，并發(fā)展出制圖學(xué)這一門學(xué)科。在制圖學(xué)的基礎(chǔ)上，電子地圖的出現(xiàn)極大提高了檢索效率，并且能快速查找最優(yōu)路徑，極大方便了人們出行。
高精地圖：無人駕駛廠商的下一個(gè)角斗場
圖1傳統(tǒng)電子地圖
傳統(tǒng)電子地圖是對(duì)路網(wǎng)的一種抽象：都將路網(wǎng)抽象成有向圖的形式——圖的頂點(diǎn)代表路口，邊代表路口與路口的連接。路名、地標(biāo)以及道路骨架信息都可以被抽象成存儲(chǔ)于這些有向圖頂點(diǎn)或邊中的屬性。這種抽象的地圖表征形式能很好地適應(yīng)人類駕駛員需求，其原因在于人類生來就有很強(qiáng)的視覺識(shí)別及邏輯分析能力。在駕駛過程中，人類駕駛員一般都能有效判別如下信息：識(shí)別路面及路面標(biāo)示線，確定自己在路面的大致位置，尋找并辨認(rèn)路標(biāo)等。參照辨識(shí)出的信息，結(jié)合當(dāng)前GPS（一般精度在5-10米）在當(dāng)前電子地圖中的位置，人類駕駛員便大致知道自己在實(shí)際路網(wǎng)中的位置，并計(jì)劃下一步如何駕駛。
正是基于人類駕駛員的這些能力，傳統(tǒng)電子地圖可被極大精簡，比如一條彎曲的道路可以被精簡到用只有幾個(gè)點(diǎn)的線段來表示，只要大致輪廓符合現(xiàn)實(shí)路網(wǎng)結(jié)構(gòu)，人類駕駛員即可結(jié)合駕駛信息定位自己的當(dāng)前位置。
高精電子地圖
與傳統(tǒng)電子地圖不同，高精度電子地圖的主要服務(wù)對(duì)象是無人駕駛車，或者說是機(jī)器駕駛員。和人類駕駛員不同，機(jī)器駕駛員缺乏與生俱來的視覺識(shí)別、邏輯分析能力。比如，人可以很輕松、準(zhǔn)確地利用圖像、GPS定位自己，鑒別障礙物、人、交通信號(hào)燈等，但這對(duì)當(dāng)前的機(jī)器人來說都是非常困難的任務(wù)。因此，高精度電子地圖是當(dāng)前無人駕駛車技術(shù)中必不可少的一個(gè)組成部分。高精度電子地圖包含大量行車輔助信息，其中，最重要的是對(duì)路網(wǎng)精確的三維表征（厘米級(jí)精度）。比如，路面的幾何結(jié)構(gòu)，道路標(biāo)示線的位置，周邊道路環(huán)境的點(diǎn)云模型等。有了這些高精度的三維表征，車載機(jī)器人就可以通過比對(duì)車載GPS、IMU、LiDAR或攝像頭數(shù)據(jù)來精確確認(rèn)自己的當(dāng)前位置。此外，高精地圖還包含豐富的語義信息，比如交通信號(hào)燈的位置及類型，道路標(biāo)示線的類型，識(shí)別哪些路面可以行駛等。這些能極大提高車載機(jī)器人鑒別周圍環(huán)境的能力。此外，高精度地圖還能幫助無人車識(shí)別車輛、行人及未知障礙物。這是因?yàn)楦呔貓D一般會(huì)過濾掉車輛、行人等活動(dòng)障礙物。如果無人車在行駛過程中發(fā)現(xiàn)當(dāng)前高精地圖中沒有的物體，便有很大幾率是車輛、行人或障礙物。因此，高精地圖可以提高無人車發(fā)現(xiàn)并鑒別障礙物的速度和精度。
高精地圖特點(diǎn)
相比服務(wù)于GPS導(dǎo)航系統(tǒng)的傳統(tǒng)地圖而言，高精地圖最顯著的特點(diǎn)是其表征路面特征的精準(zhǔn)性。傳統(tǒng)地圖只需要做到米級(jí)精度即可實(shí)現(xiàn)GPS導(dǎo)航，但高精地圖需要達(dá)到厘米級(jí)精度才能保證無人車行駛安全。
此外，高精地圖還需要比傳統(tǒng)地圖有更高的實(shí)時(shí)性。由于路網(wǎng)每天都有變化，如整修、道路標(biāo)識(shí)線磨損及重漆、交通標(biāo)示改變等。這些變化需要及時(shí)反映在高精地圖上以確保無人車行駛安全。實(shí)時(shí)高精地圖有很高的難度，但隨著越來越多載有多種傳感器的無人車行駛在路網(wǎng)中，一旦有一輛或幾輛無人車發(fā)現(xiàn)了路網(wǎng)的變化，通過與云端通信，就可以把路網(wǎng)更新信息告訴其他無人車，使其他無人車更加聰明和安全。
數(shù)據(jù)特征類型
和傳統(tǒng)地圖相似，高精地圖也具有分層的數(shù)據(jù)結(jié)構(gòu)。如圖3所示，最底層是基于紅外線雷達(dá)傳感器所建立的精密二維網(wǎng)格。一般這個(gè)二維網(wǎng)格的精度保證在5×5厘米左右。可以行駛的路面、路面障礙物，以及路面在激光雷達(dá)下的反光強(qiáng)度都被存儲(chǔ)于相應(yīng)的網(wǎng)格當(dāng)中。無人車在行駛的過程中，通過比對(duì)其紅外線雷達(dá)搜集到的數(shù)據(jù)及其內(nèi)存中的高精二維網(wǎng)格，就能確定車輛在路面的具體位置。
高精地圖：無人駕駛廠商的下一個(gè)角斗場
圖3高精地圖二維網(wǎng)格表征。由于網(wǎng)格很細(xì)，我們可以從相應(yīng)的雷達(dá)反射上清楚識(shí)別出路面及路面標(biāo)識(shí)線的位置。綠色區(qū)域表示不可行駛的路面
除了底層的二維網(wǎng)格表征外，高精地圖還包含很多有關(guān)路面的語義信息。如圖4所示，在二維網(wǎng)格參照系的基礎(chǔ)上，高精地圖一般還包含道路標(biāo)識(shí)線的位置及特征信息，以及相應(yīng)的車道特征。由于車載傳感器可能會(huì)因?yàn)閻毫犹鞖狻⒄系K物，以及其他車輛的遮擋不能可靠分析車道信息，高精地圖中的車道信息特征能幫助無人車更準(zhǔn)確可靠地識(shí)別道路標(biāo)識(shí)線，并理解相鄰車道之間是否可以安全并道。
此外，高精地圖還會(huì)標(biāo)明道路標(biāo)示牌、交通信號(hào)等相對(duì)于二維網(wǎng)格的位置，這些信息起兩方面作用：
提前預(yù)備無人車，告知其在某些特定的位置檢測相應(yīng)的交通標(biāo)示牌或交通信號(hào)燈，提高無人車的檢測速度。
在無人車沒有成功檢測出交通標(biāo)示牌或信號(hào)燈的情況下，確保行車安全。
數(shù)據(jù)量估計(jì)
無人車使用的高精地圖是個(gè)2D網(wǎng)格，數(shù)據(jù)主要由激光雷達(dá)產(chǎn)生，由于激光雷達(dá)的精度大約是5厘米，所以地圖的最高精度可以達(dá)到每個(gè)網(wǎng)格5×5厘米。在如此高的精度下，如何有效管理數(shù)據(jù)是一大挑戰(zhàn)。首先，為了盡量讓地圖在內(nèi)存里中，我們要盡量去掉不需要的數(shù)據(jù)。一般激光雷達(dá)可覆蓋方圓100米范圍，假設(shè)每個(gè)反光強(qiáng)度可以用一個(gè)字節(jié)記錄，那么每次激光雷達(dá)掃描可產(chǎn)生4MB數(shù)據(jù)。掃描會(huì)包括公路旁邊的樹木及房屋，但無人車行駛并不需要這些數(shù)據(jù)，只需記錄公路表面的數(shù)據(jù)即可。假設(shè)路面的寬度為20米，就可以通過數(shù)據(jù)處理把非公路表面的數(shù)據(jù)過濾掉，這樣每次掃描的數(shù)據(jù)量會(huì)下降到0.8MB。在過濾數(shù)據(jù)的基礎(chǔ)上，還可以使用無損壓縮算法，如LASzip壓縮地圖數(shù)據(jù)，可以達(dá)到超過10倍的壓縮率。經(jīng)過這些處理后，1TB硬盤就可以存下全中國超過10萬公里的高精地圖數(shù)據(jù)。
高精地圖的生產(chǎn)
傳統(tǒng)電子地圖主要依靠衛(wèi)星圖片產(chǎn)生，然后由GPS定位，這種方法可以達(dá)到米級(jí)精度。而高精地圖需要達(dá)到厘米級(jí)精度，僅靠衛(wèi)星與GPS是不夠的。因此，其生產(chǎn)涉及多種傳感器, 由于產(chǎn)生的數(shù)據(jù)量龐大，通常會(huì)使用數(shù)據(jù)采集車（如圖6所示）收集，然后通過線下處理把各種數(shù)據(jù)融合產(chǎn)生高精地圖。
高精地圖：無人駕駛廠商的下一個(gè)角斗場圖6高精地圖數(shù)據(jù)采集車
所需要的傳感器種類
高精地圖的制作是個(gè)多傳感器融合的過程，包括了以下幾種：
陀螺儀（IMU）：一般使用6軸運(yùn)動(dòng)處理組件，包含了3軸加速度和3軸陀螺儀。加速度傳感器是力傳感器，用來檢查上下左右前后哪幾個(gè)面都受了多少力（包括重力），然后計(jì)算每個(gè)上的加速度。陀螺儀就是角速度檢測儀，檢測每個(gè)上的加速度。假設(shè)無人車以Z軸為軸心，在一秒鐘轉(zhuǎn)到了90度，那么它在Z軸上的角速度就是90度/秒。從加速度推算出運(yùn)動(dòng)距離需要經(jīng)過兩次積分，所以，但凡加速度測量上有任何不正確，在兩次積分后，位置錯(cuò)誤會(huì)積累然后導(dǎo)致位置預(yù)測錯(cuò)誤。所以單靠陀螺儀并不能精準(zhǔn)地預(yù)測無人車位置。
輪測距器（Wheel Odometer）：我們可以通過輪測距器推算出無人車的位置。汽車的前輪通常安裝了輪測距器，分別會(huì)記錄左輪與右輪的總轉(zhuǎn)數(shù)。通過分析每個(gè)時(shí)間段里左右輪的轉(zhuǎn)數(shù)，我們可以推算出車輛向前走了多遠(yuǎn)，向左右轉(zhuǎn)了多少度等?？墒怯捎谠诓煌孛娌馁|(zhì)（比如冰面與水泥地）上轉(zhuǎn)數(shù)對(duì)距離轉(zhuǎn)換的偏差，隨著時(shí)間推進(jìn)，測量偏差會(huì)越來越大。所以單靠輪測距器并不能精準(zhǔn)預(yù)測無人車位置。
GPS：任務(wù)是確定四顆或更多衛(wèi)星的位置，并計(jì)算出它與每顆衛(wèi)星之間的距離，然后用這些信息使用三維空間的三邊測量法推算出自己的位置。要使用距離信息進(jìn)行定位，接收機(jī)還必須知道衛(wèi)星的確切位置。GPS接收機(jī)儲(chǔ)存有星歷，其作用是告訴接收機(jī)每顆衛(wèi)星在各個(gè)時(shí)刻的位置。在無人車復(fù)雜的動(dòng)態(tài)環(huán)境，尤其在大城市中，由于各種高大建筑物的阻攔。GPS多路徑反射（Multi-Path）的問題會(huì)更加明顯。這樣得到的GPS定位信息很容易就有幾十厘米甚至幾米的誤差，所以單靠GPS不可以制作高精地圖。
激光雷達(dá)（LiDAR）：光學(xué)雷達(dá)通過首先向目標(biāo)物體發(fā)射一束激光，然后根據(jù)接收－反射的時(shí)間間隔來確定目標(biāo)物體的實(shí)際距離。然后根據(jù)距離及激光發(fā)射的角度，通過簡單的幾何變化可以推導(dǎo)出物體的位置信息。LiDAR系統(tǒng)一般分為三個(gè)部分：一是激光發(fā)射器，發(fā)出波長為600nm到1000nm的激光射線；二是掃描與光學(xué)部件，主要用于收集反射點(diǎn)距離與該點(diǎn)發(fā)生的時(shí)間和水平角度（Azimuth）；三是感光部件，主要檢測返回光的強(qiáng)度。因此我們檢測到的每一個(gè)點(diǎn)都包括了空間坐標(biāo)信息以及光強(qiáng)度信息＜i＞。光強(qiáng)度與物體的光反射度（reflectivity）直接相關(guān)，所以從檢測到的光強(qiáng)度也可以對(duì)檢測到的物體有初步判斷。
高精地圖計(jì)算模型
下圖展示了通用的高精地圖制作流程。首先陀螺儀（IMU）及輪測距器（Wheel Odometer）可以高頻率地給出當(dāng)前無人車的位置預(yù)測，但由于其精確度原因，位置可能會(huì)有一定程度偏差。為了糾正這些偏差，可以使用傳感器融合計(jì)技術(shù)（比如使用Kalman Filter) 結(jié)合GPS與激光雷達(dá)（LiDAR）的數(shù)據(jù)算出當(dāng)前無人車的準(zhǔn)確位置。然后根據(jù)當(dāng)前的準(zhǔn)確位置與激光雷達(dá)的掃描數(shù)據(jù)，把新數(shù)據(jù)加入地圖中。
高精地圖：無人駕駛廠商的下一個(gè)角斗場
圖7高精地圖計(jì)算架構(gòu)
公式1是個(gè)高度簡化的高精地圖計(jì)算模型, Q代表優(yōu)化方程，z代表激光雷達(dá)掃描出的點(diǎn)，h為方程預(yù)測最新掃描點(diǎn)的位置與反光度，m為掃描到的點(diǎn)在地圖中的位置，x代表無人車當(dāng)前位置。這個(gè)方程的目的是通過最小化J求出測量點(diǎn)在地圖中的準(zhǔn)確位置。在計(jì)算模型中，m與x開始都是未知的，可以先通過多傳感器融合求x，再求出測量點(diǎn)在地圖中的準(zhǔn)確位置m。
高精地圖：無人駕駛廠商的下一個(gè)角斗場
無人駕駛場景中的應(yīng)用
如上文所述，高精度電子地圖包含大量的行車輔助信息，包括路面的幾何結(jié)構(gòu)、標(biāo)示線位置、周邊道路環(huán)境的點(diǎn)云模型等。有了這些高精度的三維表征，無人駕駛系統(tǒng)就可以通過比對(duì)車載GPS、IMU、LiDAR或攝像頭的數(shù)據(jù)來精確確認(rèn)自己當(dāng)前的位置，并進(jìn)行實(shí)時(shí)導(dǎo)航。
定位
無人車對(duì)可靠性和安全性要求非常高，所以我們默認(rèn)已由高精度LiDAR和多種傳感器融合建好了地圖，在這個(gè)前提下，再談一談無人車的跟蹤和定位技術(shù)。
無人車定位主要通過粒子濾波進(jìn)行。所謂粒子濾波就是指：通過尋找一組在狀態(tài)空間中傳播的隨機(jī)樣本來近似表示概率密度函數(shù)，用樣本均值代替積分運(yùn)算，進(jìn)而獲得系統(tǒng)狀態(tài)的最小方差估計(jì)的過程，這些樣本被形象地稱為粒子，故而叫粒子濾波。比較常見的（如在Sebastian Thrun的經(jīng)典無人車論文中）是粒子濾波維護(hù)一個(gè)姿態(tài)向量（x, y, yaw），默認(rèn)roll/pitch相對(duì)足夠準(zhǔn)，運(yùn)動(dòng)預(yù)測可以從IMU中取得加速度和角速度。粒子濾波需要注意樣本貧化和其他可能的災(zāi)難定位錯(cuò)誤（catastrophic error），一小部分粒子可以持續(xù)從現(xiàn)在GPS的位置估計(jì)中獲得。正如前文所說，對(duì)樣本數(shù)量的自適應(yīng)控制也需要根據(jù)實(shí)際情況有效調(diào)整。
因?yàn)橐呀?jīng)有了高精度LiDAR點(diǎn)云地圖，所以很自然地就可以用實(shí)時(shí)點(diǎn)云數(shù)據(jù)和已經(jīng)建好的地圖進(jìn)行匹配。而3D點(diǎn)云匹配必然要說到Iterative Closest Point (ICP)，ICP的目標(biāo)是在給出兩組點(diǎn)云的情況下，假設(shè)場景不變，算出這兩組點(diǎn)云之間的pose。最早的ICP原理，就是第一組點(diǎn)云的每個(gè)點(diǎn)在第二組點(diǎn)云里找到一個(gè)最近的匹配，之后通過所有的匹配來計(jì)算均方誤差（MSE)，進(jìn)而調(diào)整估計(jì)的pose，這樣進(jìn)行多次迭代，最終算出兩組點(diǎn)云的相對(duì)pose。因此，預(yù)先有地圖的情況下，用實(shí)時(shí)的點(diǎn)云加上一個(gè)大概pose猜測就可以精準(zhǔn)算出無人車的當(dāng)前pose，且時(shí)間相鄰的兩幀點(diǎn)云也可以算出一個(gè)相對(duì)pose。
另一方面，因?yàn)闊o人車是個(gè)復(fù)雜的多系統(tǒng)融合，所以當(dāng)前標(biāo)配是LiDAR，Camera、IMU（六軸陀螺儀）都必須擁有。擁有了Camera和IMU，做各種VO (Visual Odometry)和最近的VIO （Visual Inertial Odometry）SLAM就是自然選擇。前面提到的粒子濾波，還有各種版本的卡爾曼濾波，加上Graph和關(guān)鍵幀概念，都屬于SLAM范疇。筆者之前曾詳細(xì)介紹了SLAM的各種應(yīng)用探討和相對(duì)應(yīng)的工程細(xì)節(jié) (參見《SLAM剛剛開始的未來》），在此不再一一討論，但值得注意的是，多傳感器多信息源融合只要算法正確并工程實(shí)現(xiàn)扎實(shí)，效果一定會(huì)比單一傳感器要好。舉兩個(gè)具體的例子：ICP雖然后來有了很多改進(jìn)(比如point-to-distance的測量改進(jìn)，又比如用kd-tree加速查找改進(jìn))，但需要很好的初始化pose，否則ICP很容易掉入局部最優(yōu)而搞不定全局最優(yōu)，這時(shí)非常需要圖像視覺補(bǔ)充。圖像的特征點(diǎn)提取描述計(jì)算可以讓匹配更精準(zhǔn)，速度也不慢，但距離太遠(yuǎn)精準(zhǔn)度會(huì)下降，而且有很多圖像視覺無法搞定的情況（比如無人車或者別的物體陰影，又比如光照變化，獲取illumination-invariant特征非常困難），所以筆者認(rèn)為，多傳感器多信息源融合不是讓它變好，而是沒你不行。更明顯的是，GPS在戶外已經(jīng)很可靠，沒有理由不用它先告訴無人車的大概位置。
導(dǎo)航與控制
跟蹤和定位技術(shù)還是被動(dòng)的感知方案，而真正意義的無人車也就是全自主駕駛而不是輔助駕駛需要無人車自己智能地來做路徑規(guī)劃，這里從技術(shù)層面略作探討。
路徑規(guī)劃是個(gè)范疇很大的話題，需要先做幾個(gè)限定：一是地圖已知，如果未知，就無規(guī)劃可言，機(jī)器人或無人車如果完全對(duì)世界未知，那么問題實(shí)際是SLAM+探索；二是對(duì)無人車領(lǐng)域來說，一般還是2D或2.5D地圖，而不是在3D地圖上六個(gè)自由度運(yùn)動(dòng)規(guī)劃（那是室內(nèi)全自主無人機(jī)飛行)；三是路徑規(guī)劃默認(rèn)無人車按照規(guī)劃的路徑每一步執(zhí)行后的pose準(zhǔn)確，也就是說，這里刻意把定位和路徑規(guī)劃分開，但實(shí)際工程中這兩者緊密聯(lián)系，因?yàn)槿绻ㄎ徊粶?zhǔn)，路徑規(guī)劃一定會(huì)受影響。
即使有了這幾個(gè)設(shè)定，路徑規(guī)劃本身有多個(gè)教科書版本。這里簡單談?dòng)写硇杂直粡V泛應(yīng)用的兩種。一是明確尋找最佳路徑的搜索A*算法，核心理念是：如果有最好的路徑便一定將其找到。如果單位路徑成本（cost）不一樣，最好的路徑不一定是最短的。A*是搜索了所有可能后，選擇了最好的，而且運(yùn)用了啟發(fā)式算法來決定。其數(shù)據(jù)結(jié)構(gòu)實(shí)現(xiàn)是priority queue，不停選取最小成本節(jié)點(diǎn)來擴(kuò)建路徑。
另一類是基于抽樣（sampling based）的路徑規(guī)劃——并不知道最優(yōu)路徑是什么，所以從起點(diǎn)開始隨機(jī)抽樣（怎么隨機(jī)很有講究）來擴(kuò)建可能的路徑集。有一個(gè)很重要的因素可以加速抽樣——障礙物的檢測。若遇到障礙物，在其方向再擴(kuò)建路徑便沒有意義。典型的算法是RRT (Rapidly-exploring Random Tree)。但需要注意，這種算法側(cè)重有效率地讓樹往大面積沒有搜索過的區(qū)域增長，實(shí)際運(yùn)用中（特別是在無人車應(yīng)用中），如果有了啟發(fā)式算法，實(shí)時(shí)的路徑規(guī)劃很注重效率，需根據(jù)實(shí)際情況優(yōu)化。這方面的研究包括RRT變種或兩類算法的結(jié)合（如A*-RRT）。
筆者想強(qiáng)調(diào)：在無人車工程實(shí)現(xiàn)中，路徑規(guī)劃一定要根據(jù)傳感器情況和地圖質(zhì)量來做實(shí)際算法選擇和調(diào)整。無論地圖有多準(zhǔn)，傳感器的數(shù)據(jù)質(zhì)量如何，優(yōu)化永遠(yuǎn)需要在安全的前提下進(jìn)行。
結(jié)論
高精度電子地圖的信息量與質(zhì)量直接決定了無人駕駛系統(tǒng)的安全性、可靠性，以及效率。與傳統(tǒng)電子地圖不同，高精地圖更精準(zhǔn)（厘米級(jí)），更新更快，并且包含了更多信息（語義信息）。由于這些特性，制作高精地圖并不容易，需要使用多種傳感器互相糾正。在初始圖制作完成后，還需要進(jìn)行過濾以降低數(shù)據(jù)量達(dá)到更好的實(shí)時(shí)性。在擁有了這些高精度地圖信息后，無人駕駛系統(tǒng)就可以通過比對(duì)車載GPS、IMU、LiDAR或攝像頭數(shù)據(jù)來確認(rèn)當(dāng)前的精確位置，并進(jìn)行實(shí)時(shí)導(dǎo)航。

標(biāo)簽：畢節(jié) 楊凌新鄉(xiāng) 德陽怒江柳州廈門綏化

巨人網(wǎng)絡(luò)通訊聲明：本文標(biāo)題《地圖標(biāo)注成為無人駕駛汽車成敗的關(guān)鍵因素》，本文關(guān)鍵詞地圖,標(biāo)注,成為,無人,駕駛,；如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問題，煩請(qǐng)?zhí)峁┫嚓P(guān)信息告之我們，我們將及時(shí)溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò)，涉及言論、版權(quán)與本站無關(guān)。

地圖標(biāo)注成為無人駕駛汽車成敗的關(guān)鍵因素

QQ咨詢

電話咨詢