高精電子地圖高精細地圖是指高精度、精細化定義的地圖，其精度需要達到分米級纔能夠區分各個車道，如今隨著定位技術的發展，高精度的定位已經成為可能。而精細化定義，則是需要格式化存儲交通場景中的各種交通要素，包括傳統地圖的道路網數據、車道網路數據、車道線以和交通標誌等數據。與傳統電子地圖不同，高精度電子地圖的主要服務對象是無人駕駛車，或者說是機器駕駛員。和人類駕駛員不同，機器駕駛員缺乏與生俱來的視覺識別、邏輯分析能力。比如，人可以很輕鬆、準確地利用圖像、GPS定位自己，鑒別障礙物、人、交通信號燈等，但這對當前的機器人來說都是非常困難的任務。因此，高精度電子地圖是當前無人駕駛車技術中必不可少的一個組成部分。高精度電子地圖包含大量行車輔助信息，其中，最重要的是對路網精確的三維表徵（釐米級精度）。比如，路面的幾何結構，道路標示線的位置，周邊道路環境的點雲模型等。有了這些高精度的三維表徵，車載機器人就可以通過比對車載GPS、IMU、LiDAR或攝像頭數據來精確確認自己的當前位置。此外，高精地圖還包含豐富的語義信息，比如交通信號燈的位置及類型，道路標示線的類型，識別哪些路面可以行駛等。這些能極大提高車載機器人鑒別周圍環境的能力。此外，高精度地圖還能幫助無人車識別車輛、行人及未知障礙物。這是因為高精地圖一般會過濾掉車輛、行人等活動障礙物。如果無人車在行駛過程中發現當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現並鑒別障礙物的速度和精度。

高精地圖特點相比服務於GPS導航系統的傳統地圖而言，高精地圖最顯著的特點是其表徵路面特徵的精準性。傳統地圖只需要做到米級精度即可實現GPS導航，但高精地圖需要達到釐米級精度才能保證無人車行駛安全。高精地圖是無人駕駛核心技術之一，精準的地圖對無人車定位、導航與控制，以及安全至關重要。我們馬路上的車道線的寬度大約都在10cm左右，如果讓行駛的車輛完全自動駕駛的情況下同時避免壓線，就需要地圖的定位精準度到10cm，甚至要達到該值的範圍以內。其次高精度地圖還要反饋給車輛例如道路前方信號燈的狀態、判斷道路前方的道路指示線是實或虛，判斷限高、禁行等等，所以高精度地圖對於車輛的行駛來說要能夠反饋準確的信息，來保證車輛安全、正常行駛。高精度電子地圖包含大量的行車輔助信息，包括路面的幾何結構、標示線位置、周邊道路環境的點雲模型等。有了這些高精度的三維表徵，無人駕駛系統就可以通過比對車載GPS、IMU、LiDAR或攝像頭的數據來精確確認自己當前的位置，並進行實時導航。

此外，高精地圖還需要比傳統地圖有更高的實時性。由於路網每天都有變化，如整修、道路標識線磨損及重漆、交通標示改變等。這些變化需要及時反映在高精地圖上以確保無人車行駛安全。實時高精地圖有很高的難度，但隨著越來越多載有多種感測器的無人車行駛在路網中，一旦有一輛或幾輛無人車發現了路網的變化，通過與雲端通信，就可以把路網更新信息告訴其他無人車，使其他無人車更加聰明和安全。

高精地圖生產美國加州大學河濱分校Sutarwala，Behlul Zoeb的研究使用配備RTK-GPS的採集車沿著所需線路車道駕駛採集數據，這個方法存在的問題是隻能獲取車道中心線信息，其精度也容易受到駕駛員的駕駛路線的影響，而且每條車道都需要行駛一遍，對於複雜的交通路況不實用。Markus Schreier在研究中提出使用激光雷達和廣角攝像頭結合的方法提取道路信息，加上配備的高精度GNSS能夠達到 10cm精度。此方法中需要使用 64 線激光雷達，感測器成本比較高，而且依靠激光雷達反射率生成的俯視圖在清晰度方面很難保證，很難在上面使用圖像處理方法對線進行提取，人工標註也比較困難。Chunzhao Guo在他的研究中提出使用低成本感測器創建車道級地圖的方法,提出使用GPS/INS緊耦合結合光流法進行定位，在衛星數量較少的城市環境也能夠實現可靠定位，從拼接的正射影像圖中提取信息，但是絕對定位系統精度在很大程度還是依賴GPS。

傳統電子地圖主要依靠衛星圖片產生，然後由GPS定位，這種方法可以達到米級精度。而高精地圖需要達到釐米級精度，僅靠衛星與GPS是不夠的。因此，其生產涉及多種感測器, 由於產生的數據量龐大，通常會使用數據採集車收集，然後通過線下處理把各種數據融合產生高精地圖。目前，高精度地圖正在形成一種「專業採集+眾包維護」的生產方式，即通過少量專業採集車實現初期數據採集，藉助大量半社會化和社會化車輛及時發現並反饋道路變化，並通過雲端實現數據計算與更新。大量的數據傳輸，對於網路條件也提出了很高要求。

高精度地圖數據採集車高精地圖的製作是個多感測器融合的過程， 包括了以下幾種：陀螺儀（IMU）： 一般使用6軸運動處理組件，包含了3軸加速度和3軸陀螺儀。加速度感測器是力感測器，用來檢查上下左右前後哪幾個面都受了多少力（包括重力），然後計算每個上的加速度。陀螺儀就是角速度檢測儀，檢測每個上的加速度。假設無人車以Z軸為軸心，在一秒鐘轉到了90度，那麼它在Z軸上的角速度就是90度/秒。從加速度推算出運動距離需要經過兩次積分，所以，但凡加速度測量上有任何不正確，在兩次積分後，位置錯誤會積累然後導致位置預測錯誤。所以單靠陀螺儀並不能精準地預測無人車位置。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，分別會記錄左輪與右輪的總轉數。通過分析每個時間段裏左右輪的轉數，我們可以推算出車輛向前走了多遠，向左右轉了多少度等。可是由於在不同地面材質（比如冰面與水泥地）上轉數對距離轉換的偏差，隨著時間推進，測量偏差會越來越大。所以單靠輪測距器並不能精準預測無人車位置。GPS：任務是確定四顆或更多衛星的位置，並計算出它與每顆衛星之間的距離，然後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。要使用距離信息進行定位，接收機還必須知道衛星的確切位置。GPS接收機儲存有星曆，其作用是告訴接收機每顆衛星在各個時刻的位置。在無人車複雜的動態環境，尤其在大城市中，由於各種高大建築物的阻攔。GPS多路徑反射（Multi-Path）的問題會更加明顯。這樣得到的GPS定位信息很容易就有幾十釐米甚至幾米的誤差，所以單靠GPS不可以製作高精地圖。激光雷達（LiDAR）： 光學雷達通過首先向目標物體發射一束激光，然後根據接收－反射的時間間隔來確定目標物體的實際距離。然後根據距離及激光發射的角度，通過簡單的幾何變化可以推導出物體的位置信息。LiDAR系統一般分為三個部分：一是激光發射器，發出波長為600nm到1000nm的激光射線；二是掃描與光學部件，主要用於收集反射點距離與該點發生的時間和水平角度（Azimuth）；三是感光部件，主要檢測返回光的強度。因此我們檢測到的每一個點都包括了空間坐標信息以及光強度信息＜i＞。光強度與物體的光反射度（reflectivity） 直接相關，所以從檢測到的光強度也可以對檢測到的物體有初步判斷。

高精地圖的機遇與挑戰隨著自動駕駛的發展，更多的汽車廠、風投越來越認識到高精地圖的重要性。BBA投資了Here地圖，福特、上汽投資了Civil Maps 、軟銀投資 Mapbox等一系列投資，無非就是汽車行業和IT巨頭們非常看重這些創新企業或者圖商未來在未來的發展潛力。同時，BAT通過收購、控股或入股的方式將幾大的數據商全部瓜分，在國內要搶佔高精度地圖或導航電子地圖資質的門檻，這些都給高精地圖帶來非常好的發展機遇。

在這麼好機遇下，高精地圖的發展還面臨如下挑戰：

高精地圖的精度要求

不同數據內容表達的精度是不同的。真實情況其實比上圖更複雜，不同場景面臨的精度要求也不同。例如在道路寬度或道路車線精度是正負10釐米，那麼在隧道里，就不一定要求正負10釐米了，因為定位基本做不到正負10釐米。所以在不同場景下，它對精度要求是不一樣的。這也與自動駕駛的需求有密切關係。不同階段的自動駕駛（Level 1到Level 5）的功能，會因為具體的精度而有不同需求。所以精度就是地圖中一個可變的尺度，可高可低。目前，無論是從圖商還是車企角度來看，精度問題都沒有非常準確的答案。業界有一種說法，就是「相對精度做到20釐米」，這是好多車廠和自動駕駛團隊的需求，但這個說法本身就有問題。但是在測繪界，「相對精度」是不會有一個絕對值的，它是一個量級百分比，所以「相對精度」的提法是有問題的。舉個例子，車線寬度正負10釐米，信息牌是正負50釐米，它的精度會不一樣，但實際上它的作用是一樣的。車輛如果在道路上行駛的時候，從車輛本身看車線的精度，它離車線很近，可能就兩三米遠，這個時候正負10釐米的誤差，影響很大。但是它離信息牌很遠，可能十幾米，這個時候50釐米的誤差，與車線的10釐米誤差，可能就是一樣的。所以這種精度在表達的時候，「相對精度20釐米」的表達是不準確的。

地圖如何更新

目前還存在一種高精地圖無用論：現實世界是千變萬化的，地圖做出來就是一次性的、是靜態的。但這裡談到地圖高精動態，實際上，在如何製作動態地圖的時候，就需要考慮如何更新。實際上很簡單——通過眾包。這種方法的來源是多種多樣的，來源於政府的智慧城市和智慧交通上的業務、大數據人工智慧方面的分析業務、共享業務、手機終端服務數據以及車廠中的導航業務、自動駕駛的任務以及人工智慧業務。只要擁有通訊的智能設備，只要它能夠獲得位置信息，這個位置信息的精度能達到一定精度，這樣的數據來源就是做地圖更新的數據來源。這就是一個簡單的業務閉環的概念。將HAD多級數據提供給政府、車廠和普通用戶，他們在使用之後，不斷傳回這些位置數據。通過這種眾包方式來更新地圖，這也是未來的發展趨勢，同時面臨的挑戰也非常之多。首先是數據的精度，有沒有那麼多高速定位的設備來反饋這樣的數據；其次是這些閉環是否能夠無縫打造；最後是各家是否願意將數據貢獻出來。這在未來都是非常大的課題。

高精地圖的生產成本

這可能是圖商之間談論比較多的問題。從Level 2到Level 5，它對數據要求的內容和精度的要求會越來越高。在數據採集過程中，從作業效率一人/天百公里，一直到Level 5已經降到了每天能做幾公里的速度。這個生產效率的下滑，相當於成本在不斷提升。在這種情況下，需要引入人工智慧。隨著人工智慧的提高，高精地圖的生產成本會逐步下降，最終趨於平穩。地圖製作包含哪些內容？首先是車線識別、特徵點提取、構建車道的拓撲網路以及製作各種地物（人行橫道、標線、交通標誌）等等，這是一個基礎的數據製作內容。

按照圖商製作的方式，這些是分為很多步驟來實現的，每一步都涉及到很多的質量控制和成本。在這樣的一個基礎上，中海庭針對這種情況，開發了自動化生產的平臺，引進AI技術和自動化生產技術。比如在基於激光點雲的處理中，可以通過自動化識別的方式來自動化提取道路標線，把各種標線提取之後，車線以及路面標識都可以通過自動化方式來實現。在路口拓撲的構建中，選擇不同模式，通過自動化生產平臺就能自動地將路口所有的拓撲關係自動生成出來。整個生產過程中，是一步到位來實施的，把所有中間過程全部給省掉了。將有些通過數據編譯的過程，全部融合到生產過程中，這是一次性到位，極大減少了中間過程。這樣可以降低高精地圖生產成本。

其實最核心的問題可能是政策問題

法律法規問題在國際上一直存在，只是國外更加註重安全，更加註重於價值授權方面的法律法規。在中國，就有獨特的社會法規來進行限制。在《基礎地理信息公開表示內容的規定》中就規定，快速路、高架路、引道、街道和內部道路的鋪設材料、最大縱坡、最小曲率半徑不可公開。同時，也不能記錄涉密的地理信息數據（坐標、高程等）。所以在自動駕駛中，關於坡度和高程問題無法使用的問題，對地圖造成非常大影響。但更重要的就是加密，加密帶來的誤差。在測繪領域的加密，造成的精度誤差，實際上並不是大家所理解的那樣：加密之後，地圖全部偏轉和扭曲。它實際上是兩個步驟，一個是地圖偏轉，另外一個是定位偏轉。定位偏轉和地圖偏轉如果是一樣的，那就沒有任何問題。但現在它的問題是兩者不同，它會有隨機誤差。目前通過加密的調參數，可以做到定位加密和地圖加密偏差不超過20釐米。如何減少加密對自動駕駛產生的影響（是減少影響，影響依然存在）。20釐米只是一個坐標偏離的問題，但實際上還有很多精度沒有確定，比如相位的變化，有可能通過正負10釐米的偏差之後，導致相位發生反轉，這是非常嚴重的問題。高精度電子地圖的信息量與質量直接決定了無人駕駛系統的安全性、可靠性，以及效率。與傳統電子地圖不同，高精地圖更精準（釐米級），更新更快，並且包含了更多信息（語義信息）。由於這些特性，製作高精地圖並不容易，需要使用多種感測器互相糾正。在初始圖製作完成後，還需要進行過濾以降低數據量達到更好的實時性。在擁有了這些高精度地圖信息後，無人駕駛系統就可以通過比對車載GPS、IMU、LiDAR或攝像頭數據來確認當前的精確位置，並進行實時導航。