高精地圖與自動駕駛（下）

二、高精地圖與自動駕駛

談到高精地圖對自動駕駛的作用，可以對比自動駕駛和人類駕駛的流程的相通性。

人駕駛的時候以眼睛為主，耳朵輔助觀察測量環境；自動駕駛車用多種傳感器包括攝像頭、毫米波雷達、激光雷達等來構建駕駛環境。

人可以通過觀察環境或用觀察的環境對比記憶完成自定位；自動駕駛汽車通過傳感器感知到的環境和高精地圖對比完成定位。

人類完成駕駛決策主要依靠大腦思考和判斷；自動駕駛車通過人工智能和規則完成決策，高精地圖在其協助進行路徑規劃。

最后在控制環節，人是通過小腦運動神經來操控車輛；自動駕駛汽車則需要自動化控制的系統來完成，在這一環節中高精地圖的坡度、曲率、橫坡等也發揮作用。

通過以上的分析，高精地圖對于自動駕駛的作用也就非常清晰了。

最重要的當然是高精定位，然后是環境感知輔助（比如把道路上的紅綠燈位置做進高精地圖中），當然行車路徑規劃則牽涉到自動駕駛汽車的規劃和決策。

此外，在云服務方面，很多時候有一些超視距的路況需要通過云服務來告知自動駕駛汽車，這其實也是可以通過高精地圖來發揮作用。

1、高精定位方法

具體到高精定位的方法上，其實是將自動駕駛汽車的環境感知結果與高精地圖進行對比，得到車輛在高精地圖中的精確位置和姿態。實現高精定位是自動駕駛汽車路徑規劃的前提條件。

一類是基于矢量Object的定位：

一類是基于各種傳感器探測到的特征和預制的feature map（特征圖）對比來定位。如道路指紋：

上圖實例中可以看到右側畫面中的紅線是用GNSS+IMU定出來的軌跡，與車輛行駛的綠色軌跡相比存在較大的誤差。

另一個實例是基于RTK級絕對定位:

較高的絕對定位精度除了可以提高地圖匹配的搜索效率，在傳感器被遮擋的時候也可能提供一定的備份功能。

2、路徑規劃

在駕駛決策規劃方面，高精地圖主要還是解決了自動駕駛汽車的路徑規劃問題。車輛獲得自己在高精地圖中的位置后，通過高精地圖的車道級拓撲關系，可以計算出車道級導航路徑，車道級導航路徑則可以為后續自動駕駛汽車避障和后續車輛控制（加速、減速、方向盤控制）提供路徑輸入。

上圖說明了導航路徑規劃和用于自動駕駛的車道級路徑規劃，以及車輛避障之間的關系。車道級路徑規劃的依據是高精地圖，避障部分涉及大量的車輛動力參數，是車企專精的部分。

另外，還與戴姆勒合作，利用千尋的絕對定位服務完成了施工區域、施工人員、車輛的道路安全預警應用DEMO，在基于高精地圖的云服務方向做了探索。

三、如何生產高精度地圖

1、采集

數據采集需要依靠采集車，采集的設備有幾個比較核心的部件，包括激光鐳達、IMU（慣導系統）、GNSS、高精度輪速儀以及相機等。

國外一套成熟的移動激光測量設備，這個設備上有兩個高頻單線激光鐳達、6個攝像頭（工業相機）以及一個GNSS天線，還有IMU。

激光鐳達是有兩個360度激光掃描儀交叉掃描，大大降低了漏掃的可能。

2、生產流程

第一步是戶外作業（簡稱“外業”），也就是使用采集設備對外部環境、道路的數據進行采集。采集設備中IMU（慣導系統）的作用也是非常重要的，它可以告訴你設備當前的姿態。

所有的部件都向IMU標定，當車輛向左晃的時候，所有設備向左晃；當車輛向右晃的時候，所有設備也向右晃。數據拿回來以后，通過IMU的解算，就能把每一個設備采到的東西很準確地對應到激光點云上去。

外業采回來的數據輸出的結果包含高精軌跡、點云、圖像。點云采回來以后，會首先做全自動的識別，這個過程采用了深度學習技術。經過全自動識別后，還會有人工的檢查和交互式識別補充。

識別工作和編輯工作做完以后，就會進入到質檢環節。質檢環節通過工具檢查、人工檢查后，最后還會有路測驗證。

全自動的識別有重要的意義，因為高精地圖主要的數據源是激光點云，體積非常大，處理難度大。自動識別讓生產效率大幅度提升，否則高精地圖的成本也非常高，而這個成本最終會轉移到用戶身上。自動識別是機器識別，表現更加穩定可靠。

有意思的一點是，大家經常會提自動識別的識別率問題。實際上，對于地圖生產廠商來講，更重要的是識別的準確度和可靠度。

而車道線的識別其實也是類似，車道線的識別占整個地圖生產量的70%

左右，所以在生產高精地圖的第一天就用上了交互式的車道線識別。

使用深度神經網絡，現在也遷移到點云識別上來。

大量高質量的訓練數據對深度神經網絡至關重要。對于深度神經網絡的技術本身沒有多大差距。

如果你采集了大量的數據去訓練神經網絡，那么這個網絡就會變得越來越聰明。高精地圖和圖像、點云疊加后即可生成非常好的神經網絡訓練數據，之后補充標定一些特殊的地物即可。

目前，基于通過攝像頭傳感器和深度神經網絡訓練出來的識別系統，車輛行進過程中可以對路邊新增的標牌很好地識別（如上圖），系統可以更新地圖、重新繪制地圖，下一步就是要對傳感器采集到的數據進行融合。

四、高精地圖的挑戰

高精地圖的發展本身也是有很多挑戰的。

1、高精地圖到底長什么樣？

現階段依然取決于車輛傳感器，除非真的開發出了不依賴于傳感器的高精地圖，無論車輛用的什么傳感器都能用。未來會有什么變化，現在還未可知。

2、高精地圖到底應該更新多快？

取決于車端的智能程度以及車的承受能力，根據自動駕駛方案的不同，很可能對更新頻率的要求也不同。

3、高精地圖的絕對精度究竟應該多高？

絕對精度是多少？是否一定要做到亞米級？

4、高精地圖的更新手段？

目前建立的導航地圖的更新體系已經非常高效。

有UGC、來自政府的數據、來自行業的數據、自身強大的眾包隊伍以及專業的采集隊伍。現在的更新已經是組合的形式，并且大量使用云計算、大數據去做數據更新的體系。這套體系在自動駕駛階段會變得更強，圖商需要去加強建設這樣的體系。

在自動駕駛階段，高精地圖更新的終極方案應該是UGC。

因為在車端裝配著各種各樣的傳感器，也會越來越多地裝配高精地圖，通過建立駕駛模型，能知道在現場到底什么東西發生了變化，把這些變化傳至云端做融合、校正。

可以交由高精地圖生產線進行補充采集和生產。經過不斷循環這一過程，使高精地圖新鮮度越來越高、使UGC得來的高精地圖越來越精準。

當然，這樣的生態環境需要車廠、各級供應商、圖商等自動駕駛相關技術的提供者不斷共同研究測試，僅有圖商自己測是遠遠不夠的。

5、測繪政策的挑戰

對于圖商來說，高精地圖的一個繞不開的挑戰就是測繪政策。

大家都知道，中國的地圖是偏轉后的地圖，對地圖本身的偏轉，測試來看是沒什么太大影響的。

要使用偏轉地圖，在車端就需要有偏轉插件，偏轉插件在傳統地圖上會有隨機抖動。根據有限的觀察，抖動的幅度最大可達1.7米。如果廠商的定位較多依賴于絕對定位，那么插件的偏轉可能導致車道匹配錯誤。正在密切配合國家地理信息局測試調整可適應自動駕駛需求的偏轉插件。

此外，從導航地圖到高精地圖，內容和形態已經發生了很大的變化。以往，對于導航地圖進行審查時，關注的是邊界、敏感島嶼以及敏感的POI等等。而到了自動駕駛地圖上，這些內容都將消失，審圖的重心也會轉移。

比如，在現行的法規中，道路的最大和最小曲率不能在地圖中表達。而這些內容往往是自動駕駛汽車非常需要的。

還有一個更遠的問題，那就是“全民測繪”。現在的汽車、手機其實某種程度上都有測繪的行為，記錄軌跡、拍攝照片等等，這些操作都是牽涉到測繪政策問題。所以需要業界同仁共同配合國家地理信息局為調整制訂政策法規提出必要的技術和業務參考。

五、實踐

從整體產業來講，自動駕駛行業有空前的復雜性，需要更廣泛密切的產業協作。作為圖商，更多強調為產業賦能。

定位是以高精地圖數據產品為基礎，持續賦能自動駕駛企業，使車企順利使用測試高精地圖，最終配合車企共同實現自動駕駛高精地圖云服務。

為了解決這樣的問題，在高精地圖上，除了提供矢量數據之外，還提供一些用于測試的應用（比如感知、定位以及車道級路徑規劃），通過這些應用，希望在云端構建完整的高精地圖服務。

高精地圖技術復雜，充滿著各種不確定性，帶來全新的商業模式，又不可避免要導致法律法規變革。構建高精地圖生態，依賴整個自動駕駛產業的廣泛深入合作才能實現。

總結

以上是生活随笔為你收集整理的高精地图与自动驾驶（下）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。