摸不到的车载“传感器”——高精度地图

　　随着自动驾驶产业飞速发展，当前越来越多的汽车制造商开始向 L3 级别自动驾驶进行探索，高精度地图作用将越发显著，逐渐成为自动驾驶行业的兵家必争之地。

　　高盛预计，高精度地图行业未来十年将迎来黄金发展期，到 2020 年高精度地图市场为 21 亿美元，2030 年该市场将达到 200 亿美元。在高精度地图的争夺焦点上，行业厂商纷纷进场，迎来发展的关键阶段。

　　前不久，高德简短的线上发布会，为地图战事再添一把新火。借着余温，我们围绕高精度地图展开聊一聊。

　　文章大概分为以下几个部分：

　　什么是高精度地图?

　　高精度地图如何赋能自动驾驶?

　　高精度地图的产业现状

　　面临的挑战有哪些?

　　什么是高精度地图?

　　高精度地图(HD Map，High Definition Map)，是一种专为自动驾驶服务的地图。

　　与传统的电子导航地图相比，高精度地图不同之处在于：

　　精度：传统导航地图提供“道路级别”的导航信息，精度在米级别，可实现车辆的基本导航需求;高精度地图能够提供“车道级别”的导航信息，精度在厘米级别，可实现车辆的基本导航需求。

　　数据维度：在道路形状、坡度、曲率、铺设、方向等道路数据基础上，高精度地图不仅增加了车道属性相关(车道线类型、车道宽度等)数据，更有诸如限高、禁行、防护栏。道路边缘类型、路边地标等大量目标数据。高精度地图能够明确区分车道线类型、路边地标等细节。

　　使用对象：传统导航电子地图是面向驾驶员，供驾驶员使用的地图数据;而高精度地图是面向自动驾驶汽车车机设备使用的地图数据，与传感器互相补充为无人驾驶提供安全保障。

　　数据实时性：高精度地图对数据的实时性要求更高。高精度地图将大量的行车辅助信息存储为结构化数据，通过云端实时更新高精度动态地图数据。

　　简单来讲，高精地图就是精度更高、数据维度更广的电子导航地图，是自动驾驶感知层和决策层的数据基础。高精度地图通过更高维数的数据结合高效率的匹配算法，结合车载 GPS、IMU、LiDAR 或摄像头的数据，解决感知环节中传感器在雨雪、大雾天气里不适用的问题，在交互决策环节中对数据进行修正，从而实现更精确的定位。

　　并且高精地图还有一个非常现实的意义，就是能够减少车载传感器的数量，降低整车成本，加快自动驾驶的落地。

　　但是，有一点需要注意的是，高精地图需要绘制出信号失锁区域。在信号失锁区域，自动驾驶车辆需要提高摄像头识别的灵敏度。

　　总之，不论是动态化，高精度和多维度，最终目的都是为了保证自动驾驶的安全与高效率。动态化保证了自动驾驶能够及时地应对突发状况，选择最优的路径行驶;高精度确保了机器自动行驶的可行性，保证了自动驾驶的顺利实现;多维度则是与更多逻辑规则相结合，进一步提升了自动驾驶的安全性。

　　高精度地图如何赋能自动驾驶?

　　上面介绍了高精度地图的特点和优势，相信也能看到其对于自动驾驶行业的助力。笔者简单整理为以下几方面，方便大家直观的了解。

　　高精度地图产业现状

　　由于高精地图是链接人、车、路等各种交通参与者的纽带，车企、Tier1、地图厂商、互联网企业、芯片厂商等围绕高精地图开展了各种各样的合作，共同推进高精地图产业的发展。

　　由于国外地图行业由于政策监管较松，研发较为活跃，发展速度较快。截止目前，国外的高精地图主要有 Here、TomTom、Waymo(原 Google 地图)等老牌图商;以及 DeepMap、CivilMaps、Carmera 等初创公司。

　　竞争格局呈现出两极分化态势：一方面是大型互联网科技巨头、车企等在高精度地图的研发上更多采取集中采集的地图信息搜集方式，其合作伙伴数量相对而言更多且更为稳定，在市场上影响力更强;另一方面则是自动驾驶行业算法集成层面的初创公司，成本预算有限，对现金流较为迫切，因此基本采用成本较低的众包采集，并且更积极地探索高精度地图的商业化变现模式。

　　和美国不同，国内市场因为有较为严格的地图测绘政策限制，国家测绘局对电子地图制作设立了甲级资质的高准入门槛。据中国自然资源报数据显示，截至 2020 年 2 月，具有电子地图制作甲级资质的单位有 22 家。早在 2012 年前后，国内的高德、百度、四维图新等老牌导航电子地图制作企业提前布局自动驾驶地图业务。

　　随着自动驾驶投资热潮涌现，其他导航电子地图资质企业、互联网公司、汽车企业及专业自动驾驶地图创业公司，也都纷纷加入到自动驾驶地图市场的角逐当中。目前行业公司大体可分为四类：一是导航电子地图图商，如四维图新、高德、百度、易图通等;二是自动驾驶地图创业公司，如 Momenta、宽凳、DeepMotion 等;三是车企扶植的地图企业，如被上汽控股的中海庭、吉利汽车亿喀通旗下自动驾驶地图团队;四是其他获得导航电子地图资质的公司，如华为、江苏智图等。整体呈现出传统图商、初创企业、车企、互联网巨头多方逐鹿的行业竞争格局，在高精地图领域积极布局。

　　诚然，相较于高光下的自动驾驶车，高精度地图的战局严重被低估。回顾自动驾驶地图产业发展，可以清晰地看到两大行业的迅速融合——各大传统汽车厂商在布局自动驾驶业务时，几乎无一例外地投资或收购高精度地图公司，而诸多地图公司也更是早早就盯住了自动驾驶的巨大市场。

　　各企业在高精度地图市场跑马圈地的背后，也是抢位地图入口的争夺战。

　　挡在面前的挑战

　　作为智能网联汽车基础设施，高精度地图具有精度高、维度多、实时更新等特点，其重要性不言而喻。但由于自动驾驶地图提供的数据对于精度的要求，涉及到了空间信息安全，现行的法律以及政策在数据采集、传输、储存、使用以及表达上依然存在诸多限制，高精度地图面临诸多挑战。

　　·高精度地图制作难度大

　　高精度地图虽然好用，但目前还无法大规模地生产。高精度地图的测绘过程要比传统电子地图复杂，目前市场上高精地图的制作方式主要是“采集车测绘”和“众包测绘”两种。

　　由专业采集车辆或众包车辆对道路及其周边地理要素或人工设施的特征(形状、大小、空间位置)进行实时采集、处理及提供，并且在后期高精度地图的制作还要由图商进行编辑加工和数据转换。

　　高精度地图的数据采集和制作都属于测绘活动，由于地理信息涉及国家秘密，在中国从事高精度地图测绘活动需要获取导航电子地图甲级资质。这使得数据的采集和使用以及表达受到极大限制，部分企业由于现行法规限制，没有测绘资质就没办法采集、使用以及储存这些空间位置信息，只能够跟有资质的厂商进行合作。

　　【小科普】

　　*采集车采集：该方式依赖于专业采集设备和专业采集人员，专业测绘车，通过自主采集半自动化以及全自动化生产的方式获得了高精度的矢量地图，矢量地图包括车道级拓朴、车道边线、道路区间以及 ADAS 数据等信息，它能够满足车道级的导航功能的自动驾驶，精度和可信度高。在完成集中式数据采集后，还要经历数据融合、数据处理、发布、交付等诸多环节。传统图商凭借自身技术优势一般采纳采集车测绘，精度更高;

　　*众包采集：基本上可以理解为用户通过自动驾驶车辆自身的传感器，或其他低成本的传感器硬件，收集的道路数据传到云端进行数据融合，并通过数据聚合的方式提高数据精度，来完成高精地图的制作。整车厂拥有海量普通汽车，以“众包测绘”为主。采集数据完成后要将来自 GNSS、点云、图像等数据识别融合在一起，最后经过人工的修正完善，才上传到云端。

　　·政策限制

　　地图政策的挑战仅存在于国内，国外政策在此较为宽泛。由于测绘及地图制作涉及国家安全，我国高精度地图数据采集需要符合相关政策的规定。

　　对于数据的采集，包括道路的高程、坡度、曲率，桥梁隧道的限高、限重等信息，按照现行政策，有明确的限制。比如，《基础地理信息公开表示内容的规定》显示，快速路、高架路、引道、街道和内部道路的铺设材料、最大纵坡、最小曲率半径不可公开。同时，也不能记录涉密的地理信息数据(坐标、高程等)。而车企对于这些数据又有很强的需求，这直接导致在自动驾驶中，坡度和高程无法直接使用，这将对地图的便捷使用造成影响。

　　·缺少统一的数据管理平台

　　随着自动驾驶的发展，更多的汽车厂、图商对高精地图投入了越来越多的资源。这些厂商在发展高精地图时，由于各自的数据格式并不相同，所以导致数据无法方便地在彼此间进行交互。

　　目前国际上高精地图规范有 NDS、OpenDRIVE、OMP 公司规范等几种，精度和刷新频率也没有统一标准。同时，由于都把高精地图当作自己的核心竞争力，所以彼此的高精地图不进行共享，这就导致了每家图商都要独自采集全国的高精地图数据，就进一步提高了成本。此外，车厂也不情愿对图商共享数据，这进一步推高了高精地图的采集成本，同时拖延了高精地图的更新速度。

　　此外，自动驾驶地图不仅包含很高精度的道路静态信息，未来可能还会包含交通事件以及道路施工等动态信息，很难保证地图数据的实效性，即无法保证地图数据足够“新鲜”。基于这个特性，其数据采集和更新成本将持续走高。

　　·技术上依旧面临突破

　　由于高精地图呈现的信息量相对较大，导致高精地图在数据的采集上较普通电子地图难度更高，采集周期更长。目前高精地图还无法做到国内所有道路全面覆盖，只能覆盖部分高速公路及主要的城市道路。

　　另外，自动驾驶的程度越高，对数据内容和精度的要求就会越高。以车道线和路面标识为例，需要利用深度学习的方法对激光点云进行自动化识别来提取，通过这些自动化处理的方式，可以降低高精地图生产成本。

　　但由于自动识别的效率需要依赖算法的提升，所以这不是一蹴而就的过程，而是一个长期的发展过程。

　　图源：sixents

　　写在最后

　　放眼市场，在多方势力角逐之下，高精度地图的市场进程节奏已然加快。

　　但一直以来，大范围的精度控制难、制作和更新成本高、以及对于实时性的要求，都是高精度地图面临的重大挑战，产业化之路依旧较长。

　　同时，随着面向自动驾驶的完整地图服务商业模式的逐渐成型，整个市场的竞争门槛或许也将从过去单一的挑战转向如何更好的为自动驾驶系统服务。

　　从两种数据采集方式来看，采用专业采集车采集和制作的方式来保障大范围的精度控制，是当前主流图商的基本做法;而通过众包采集，主要依赖算力、AI 及计算机视觉技术，实现无人干预的全自动化实时云端制图和发布，或将是未来低成本、快速更新高精度地图的主流趋势。

　　可见，挑战之下，实践是发现和解决问题的最佳途径。

　　有业界专家曾这样表示“高精度地图就像自动驾驶汽车的记忆，离开了记忆，无论眼睛和思考(摄像头 / 雷达+控制系统)速度有多么发达，还是无法对事件有全局把控”。

　　如今，记忆尚处于模糊地带，亟待被唤醒，引领自动驾驶去开拓其“蛮夷之地”。