HD-kaart: de digitale ondergrond voor zelfrijdende auto's
Wie met een gewone navigatie-app van A naar B rijdt, vertrouwt op een kaart die op een paar meter nauwkeurig is. Voor een mens achter het stuur is dat ruim voldoende: je ziet zelf waar de rijstrook loopt, waar een verkeersbord staat en waar de stoeprand begint. Een zelfrijdende auto heeft die menselijke blik niet en heeft daarom een veel preciezer hulpmiddel nodig: de HD-kaart, waarbij HD staat voor high definition, oftewel hoge resolutie.
Een HD-kaart is in feite een digitale kopie van de weg, maar dan tot op de centimeter nauwkeurig en boordevol details die een gewone kaart niet heeft: de exacte breedte van elke rijstrook, de hoogte van een stoeprand, de positie van elk verkeersbord en elke verkeerslicht. Vergelijk het met het verschil tussen een plattegrond van een stad en een gedetailleerde bouwtekening van datzelfde stuk stad: beide tonen dezelfde plek, maar alleen de tweede is precies genoeg om er blind op te varen.
Wat is het precies?
Het belangrijkste verschil met een gewone navigatiekaart zit in de nauwkeurigheid. Een normale gps-kaart is nauwkeurig tot enkele meters: genoeg om te weten dat je op de A2 rijdt, niet genoeg om te weten in welke van de drie rijstroken. Een HD-kaart is nauwkeurig tot op een paar centimeter, en bevat bovendien veel meer lagen informatie boven op de wegvorm zelf: rijstrookmarkeringen, de locatie en betekenis van verkeersborden, stoepranden, hoogteverschillen in het wegdek, en de positie van verkeerslichten.
Zulke kaarten worden op twee manieren gemaakt. De eerste manier is met speciale meetauto's die zijn uitgerust met lidar (een soort laserscanner die met lichtpulsen de omgeving in 3D inmeet) en meerdere camera's. Deze auto's rijden systematisch wegennetten af en leggen zo een zeer gedetailleerd 3D-beeld van de omgeving vast. De tweede, goedkopere manier is crowdsourcing: gewone auto's die al met camera's zijn uitgerust, sturen kleine beetjes data terug naar een centrale server, die deze data van duizenden auto's combineert tot een steeds actuelere kaart. Mobileye noemt deze aanpak Road Experience Management (REM).
Om al die informatie eenduidig op te slaan, gebruikt de sector standaardformaten. Het bekendste is OpenDRIVE, een formaat dat is ontwikkeld onder de vlag van ASAM, een Duitse standaardisatieorganisatie voor meet- en automatiseringssystemen in de auto-industrie. Dankzij zo'n gedeelde standaard kunnen verschillende bedrijven en voertuigen in theorie met dezelfde soort kaartdata werken.
Een HD-kaart is echter nutteloos als een auto niet weet waar hij zichzelf op die kaart moet plaatsen. Daarvoor is lokalisatie nodig: het voertuig vergelijkt wat zijn eigen sensoren (camera's, lidar, radar) op dit moment zien met de patronen die in de HD-kaart staan, en berekent daaruit zijn positie tot op enkele centimeters nauwkeurig. Dit werkt vaak beter dan alleen op gps vertrouwen, omdat gps-signalen kunnen wegvallen of afwijken, bijvoorbeeld tussen hoge gebouwen of in tunnels.
Wat wil men ermee bereiken?
Het doel van HD-kaarten is om een zelfrijdend systeem vooraf te laten "weten" wat het onderweg gaat tegenkomen, in plaats van dat alles pas op het laatste moment met sensoren ontdekt moet worden. Als een auto vooraf al weet dat een bocht verderop scherper is dan de wegvorm op het eerste gezicht doet vermoeden, of dat er een extra afslagstrook aankomt, kan hij daar tijdig op anticiperen in plaats van pas te reageren zodra de camera het ziet.
Daarnaast bieden HD-kaarten een vorm van redundantie: een extra, onafhankelijke informatiebron naast camera's, radar en lidar. Bij mist, fel tegenlicht, hevige regen of een tijdelijk onleesbare wegmarkering kan de kaart helpen om toch te weten waar de rijstrook hoort te lopen. Voor bedrijven die volledig zelfrijdende voertuigen zonder chauffeur willen inzetten, is die extra zekerheid vaak een belangrijk onderdeel van de veiligheidsstrategie.
Voorbeelden uit de praktijk
HERE Technologies, van oorsprong een kaartendienst van Nokia, ontwikkelde een van de eerste commerciële HD-kaartproducten, HD Live Map. Het belang dat de Duitse auto-industrie aan deze technologie hechtte, bleek in 2015, toen een consortium van BMW, Audi en Daimler HERE overnam van Nokia, juist met het oog op onafhankelijke, actuele kaartdata voor toekomstige zelfrijdende systemen.
Mobileye, een Israëlisch bedrijf dat sinds 2017 onderdeel is van Intel, ontwikkelde het eerdergenoemde REM-systeem. Auto's van partnermerken die met Mobileye-camera's zijn uitgerust, sturen doorlopend kleine hoeveelheden geanonimiseerde wegdata terug, waarmee de kaart continu wordt bijgewerkt.
TomTom, van oorsprong bekend van navigatieapparaten, levert eveneens HD- en ADAS-kaarten aan autofabrikanten voor rijhulpsystemen en zelfrijdende toepassingen.
Waymo, voortgekomen uit een zelfrijdend-autoproject van Google en nu onderdeel van moederbedrijf Alphabet, kiest voor een andere aanpak: het bedrijf maakt voor zijn robotaxidienst zelf zeer gedetailleerde lidar-kaarten van specifieke steden, zoals Phoenix en San Francisco, voordat het daar een dienst opstart. Dit verklaart mede waarom Waymo's dienstverlening beperkt blijft tot vooraf zorgvuldig in kaart gebrachte gebieden in plaats van overal te kunnen rijden.
In China ontwikkelen partijen als Baidu, via zijn Apollo-platform voor zelfrijdende techniek, en kaartenbedrijf NavInfo eigen HD-kaarten voor de Chinese markt, mede doordat lokale regelgeving eigen spelregels stelt aan wie dit soort gedetailleerde geografische data mag verzamelen.
Hoe ver is de techniek?
HD-kaarten bestaan al en worden op dit moment daadwerkelijk gebruikt, onder meer in robotaxidiensten en in geavanceerde rijhulpsystemen op snelwegen. Toch is de techniek niet "af". Een belangrijk obstakel is dat de werkelijke weg voortdurend verandert: wegwerkzaamheden, tijdelijke omleidingen en nieuwe verkeersborden ontstaan sneller dan een kaart bijgewerkt kan worden. Een kaart die een paar maanden oud is, kan op sommige plekken al achterhaald zijn.
Ook de kosten spelen een rol. Het inmeten en, belangrijker nog, actueel houden van een landelijk of zelfs continentaal dekkend wegennet met centimeterprecisie is een kostbare, doorlopende operatie. Dat is een van de redenen waarom crowdsourcing-technieken zoals Mobileye's REM aantrekkelijk zijn: zij verspreiden de kosten over veel voertuigen in plaats van dat één bedrijf alle meetauto's zelf moet inzetten.
Regelgeving verschilt bovendien sterk per land. In China is het wettelijk verplicht om over een surveying- of mapping-licentie te beschikken om dit soort gedetailleerde geografische data te mogen verzamelen. Buitenlandse bedrijven werken daar daarom vaak via een joint venture met een lokale partner die wel over zo'n licentie beschikt.
Mede door deze combinatie van kosten en actualiteitsproblemen blijven zelfrijdende diensten vaak beperkt tot vooraf zorgvuldig in kaart gebrachte gebieden, soms aangeduid als geofencing of het operational design domain van een voertuig: het gebied waarbinnen het systeem is getest en waarvoor de kaart up-to-date wordt gehouden. Buiten dat gebied schakelen veel systemen simpelweg niet in.
Er is bovendien geen consensus in de sector over hoe onmisbaar HD-kaarten op de lange termijn zijn. Sommige bedrijven, met name Tesla, proberen juist met minimale afhankelijkheid van vooraf ingemeten HD-kaarten te werken en vertrouwen primair op camera's en kunstmatige intelligentie die de weg "live" interpreteren, vergelijkbaar met hoe een mens dat doet. Of die aanpak op termijn net zo veilig en schaalbaar blijkt als de kaart-gestuurde aanpak van bedrijven als Waymo, is nog niet definitief beantwoord.
Wie werken eraan?
Aan de kaartkant van dit veld zijn HERE Technologies en TomTom in Europa toonaangevende namen, met HERE nog altijd deels in handen van Duitse autofabrikanten. Mobileye, onderdeel van het Amerikaanse Intel, is een belangrijke speler dankzij zijn crowdsourced REM-aanpak en zijn camerachips die in veel personenauto's zitten. Waymo, onderdeel van het Amerikaanse Alphabet (het moederbedrijf van Google), ontwikkelt zijn eigen lidar-gebaseerde kaarten voor zijn robotaxidienst.
In China vormen Baidu en NavInfo de kern van een grotendeels apart ecosysteem, mede gevoed door specifieke Chinese regelgeving rond het verzamelen van geografische data.
Op het gebied van standaardisatie speelt ASAM (Association for Standardization of Automation and Measuring Systems), gevestigd in Duitsland, een centrale rol met de OpenDRIVE-standaard voor het beschrijven van wegdata. Daarnaast definieert het Amerikaanse SAE International de bekende automatiseringsniveaus 0 tot en met 5 die aangeven hoeveel een voertuig zelf kan doen zonder chauffeur, een classificatie waar HD-kaarten vooral voor de hogere niveaus relevant worden.
Geografisch gezien is er dus een duidelijke driedeling: Europa en de Verenigde Staten met een sterke rol voor gevestigde auto- en kaartbedrijven en gedeelde standaarden, en China met een grotendeels eigen ecosysteem dat mede door nationale regelgeving is ontstaan.