高精度地图的现状与发展瓶颈 _地图

随着自动驾驶赛道的持续升温，高精度地图作为汽车感知周围环境信息的重要组成部分用于辅助安全驾驶决策和判断，逐渐成为行业共识。

高精度地图需要具备高精度、多要素、高“鲜”度等特点，它不同于以往传统导航地图，因此在制作工艺上也与传统导航地图差异相当明显。

然而，L4以上的自动驾驶汽车一直并未商业化落地，除激光雷达等车载传感器等硬件成本居高不下之外，高精度地图的发展可能也是掣肘因素之一。

高精度地图的发展现状
就现阶段高精度地图的投放与使用情况而言，目前量产项目主要集中在低速场景下停车场、高速公路以及封闭园区等自动驾驶场景，搭载了L2+以上相关自动驾驶功能（如自主代客泊车AVP、自动辅助导航功能NOA/NOP等）的量产车型已逐渐投放市场。

文章插图

无论是AVP还是NOP，这些功能的实现，都需要车辆预先搭载了国内相关应用场景的高精度地图。

AI技术应用于高精度地图的制作
与传统导航地图不同的是，高精度地图制作时数据精度要达到分米级，需要采集的道路要素更精细，更多元。

文章插图

SD地图、ADAS地图以及高精度地图的差异

车载摄像头是高精度地图数据采集的方式之一，它就像汽车的眼睛，采集到大量道路数据后，图商会再通过AI算法在图片/视频里进行车道线、标识牌等道路要素的识别与提取。

但是摄像头有时候也会出现误判，比如当遇到那些奇奇怪怪的标线，视觉AI算法也可能会误判。

文章插图

彩色三维立体减速标线：这种标线叫三维立体减速标线，在内地已有不少城市使用。立体标线以平面图形模拟成立体图形，可以使路面产生突出或凹陷障碍的三维视觉效果，诱导司机主动减速慢行，且行车无颠簸感。

文章插图

错视觉标线：这种标线经常设置在隧道口，它一般开始于隧道外200米，一直延伸到隧道内100米。司机会产生空间压缩错觉，沿着行车方向，车道呈现宽变窄、道路下凹的视觉错觉，会让司机在进隧道前提前减速慢行。

除摄像头外，激光雷达传感器也用来采集道路数据。激光雷达（LiDAR）点云数据，每一个点都包含了三维坐标信息，也是我们常说的X、Y、Z三个元素，有时还包含颜色信息、反射强度信息、回波次数信息等。通过这些点，不仅可以明确了解地表空间上的某个点的坐标信息，还可以计算它们之间的长度、面积、体积、角度等信息，这是高精度地图数据采集更为精准的手段之一。

【高精度地图的现状与发展瓶颈】在道路信息采集过程中，图商一般会采用多种功能互补的传感器组合作业，在产生的图像或点云数据基础上，再利用AI算法来提取道路上的各类要素属性。令人遗憾的是，AI虽然可以提取各类要素属性，但是这种提取方式仍具有一定局限性。

文章插图

激光雷达产生的点云图片

因此人工数据标注以及抽检等方式在高精度地图制作过程中也必不可少。

高精度地图的发展瓶颈
目前国内高精度地图制图方式多样，只有极少数图商（含易图通在内）有能力采用“一次采集底图+众包更新”的方式来进行地图制作与更新，也就是利用搭载有激光雷达、GNSS、IMU等专业测绘设备的传统采集车来采集一张全国高精度地图底图，地图更新时则采用足够数量的众包车辆来采集数据进行比对与更新（受制于激光雷达的装车成本高昂），这样在保证地图"鲜"度的同时也降低了地图制作成本。

文章插图

易图通众包更新车端建图示例

在高精度地图制图过程中，无论是底图制作还是众包数据处理，高精度地图自动化制图生产线都是各家图商的核心技术，这是制约图商高精度地图量产的关键因素之一。

此外，如同前文所提，目前高精度地图的量产项目主要集中于国内L2+以上的自动驾驶功能应用，目前政策法规也仅允对部分高快速公路、封闭园区的高精度地图的开放审图号，一般城市道路的高精度地图审图号依旧难以获取。