高精度地图的困局分析

Posted 2023-04-16 吴建明

高精度地图的困局分析

困在“新鲜度”中的高精度地图

高精度地图作为未来智能汽车中必不可少的资源构件，在自动驾驶系统中发挥着非常重要的作用。

和普通的电子导航地图相比，除了面向人类驾驶员，高精度地图更加重要的使用者其实是车辆的自动驾驶系统。

通俗来讲，高精度地图是比普通电子导航地图精度更高、数据覆盖度更广的地图。

精度更高，顾名思义，是指地图与实际道路环境之间的空间尺寸误差可以达到分米级甚至厘米级。数据覆盖度更广，则是体现在地图数据包含了更加丰富的语义。普通导航地图只记录道路级别的数据，例如道路等级、几何形状、坡度、曲率、方向等，而高精度地图在此基础上增加了车道线类型、宽度等属性，更有诸如护栏、交通标志牌、信号灯状态等详细信息。提高数据覆盖度可以有效地提升车辆自动驾驶功能的ODD，从而大幅提升自动驾驶系统的可用性和终端用户体验。

然而，交通环境无论从时间和空间上来说都是瞬息万变的。

车辆的自动驾驶系统想要时刻匹配最准确的地图数据是一项非常复杂的工程问题。

举例来说，道路临时加设护栏进行封闭施工，会造成部分区域无法正常通行，甚至车道线改画，这对于预装在车辆自动驾驶系统中的高精度地图来说是无法及时变更的，这就会产生一些不必要的交通拥堵，大大降低了交通效率和通行体验。

又比如，在实际道路上，常会发生由于交通信号灯故障而需要设立临时信号灯的情况，这种位置、形态随机性都很大的信号灯也会造成自动驾驶系统的误识别或不识别。

如何保证提供最实时最准确的地图信息，为自动驾驶系统服务，弥补感知瓶颈，已经成为困扰高精地图产业发展的重要难题。

 

 高精地图的精益化管理

解决高精地图实时更新的问题，我们需要从高精地图的制作方式谈起。

高精度地图的制作流程主要由原始数据采集和编译制作两个部分组成，严重制约高精地图生产效率的是高成本、低效率数据采集过程。

数据采集是一项庞大的任务，需要投入大量的采集车收集用于高精度地图制作的原始数据。目前高精度地图主流的采集设备是激光雷达、摄像头、IMU惯导、GNSS卫星定位模块等设备的组合。这样的测绘方式，分米级地图的测绘效率约为每天每车 500 公里左右，一辆车一天的测绘成本高达6000元以上，而厘米级地图的测绘效率约为每天每车 100 公里道路，单日单车测绘成本万元以上。

 从图片上可以看出，高精度地图包含的海量数据足以深度还原我们的真实道路交通环境。为了满足自动驾驶系统的需求，高精地图需要提供高频持续、全局连续的地图数据服务。然而以秒级频率去更新如此庞大的地图数据库，资金投入无法预估，并且对车端地图存储器的性能和数据传输通道也会提出超高的要求，这显然是不现实且不合理的。

为了能够更加精益化的进行地图数据更新管理，我们将高精地图数据进行了归类划分，按照不同数据的不同特性，采用针对性的管理和更新手段。

高精度地图信息数据可以粗略分为静态数据和动态数据两类。

数据库可以从架构上分为四层，第一层是传统的静态数据，即基础道路路网和周围建筑，如道路和车道;第二层是准静态数据，包括地面标线、标志标牌和护栏信息等交通基础设施；第三层是动态数据，即交通状态信息，例如交通拥堵情况、路面湿滑或遗撒物情况等动态路况；第四层是实时数据，主要是指道路路段内的车辆、行人的动态信息、信号灯状态以及车辆位置等实时变化的交通信息。

 

 从时效性角度来讲，道路路网、建筑、车道线等静态数据一般按照季度更新即可满足要求，诸如标志标牌、护栏信息等准静态数据需要按照天级更新，动态交通状态如交通拥堵情况及施工阻断等信息需要以分钟级频率进行更新，而行驶中的车辆位置、行人、信号灯等实时数据则必须达到秒级更新。

依照不同的更新策略，可以最大程度上减轻图商对高精地图原始数据采集、编译制作、上传下发的负担。

高精地图的“保鲜”方案

高精地图的专业测绘和采集成本是相关高的，虽可解决首次安全通过问题，但无法解决实时变更发现问题。目前行业探索的环境变更发现和实时动态数据更新方案主要有两种：

1、众包地图采集（Crowdsourced data）

利用行驶在公开道路上的装有感知传感器的海量私家车，让这些车辆在行驶过程中将GPS定位数据、行驶轨迹、行驶路线以及收集到的摄像头和雷达等数据上传到云端，同时自动驾驶车辆在识别到实际道路环境与高精地图信息存在差异时，也会向地图平台上传相关信息，地图平台会将这些反馈来的原始数据进行编译、融合处理之后，及时更新的行车地图。车辆一边从云端下载更新的地图数据，一边将本车新识别道路数据共享上传。

 

 然而众包采集这种自由测绘的行为在国内是不符合法律法规要求的，其次是数据质量和安全性也得不到充分的保证。

根据国家法规规定，测绘资质是测绘专业必须具备的资质，资质等级为甲、乙两级。2021年6月7日，国家自然资源部办公厅发布了修订后的《测绘资质管理办法》和《测绘资质分类分级标准》，标准分为通用标准和专业标准两部分。通用标准主要针对测绘行为的保密性和测绘单位的管理水平进行了要求，专业标准则是划分了十个领域，如海洋测绘、工程测量、导航地图测量等领域。标准规定凡申请测绘资质的单位，须同时达到通用标准和所申请专业类别的专业标准要求，并且取得乙级测绘资质的测绘单位应在专业标准规定的作业限制范围内从事测绘活动,甲级测绘资质则无作业范围限制。需要注意的是，在中国做地图采集和发布，需要获得电子导航地图制作甲级测绘资质。同时，法规对参与测绘的技术人员和测绘设备也都有非常严格的审核要求。

除了法规问题以外，众包更新方案在实际运行效果上也存在一定的弊端和瓶颈。

众包地图是解决专业测绘成本问题、提高生产效率的一个思路，但保证地图采集质量的可靠性、一致性，并在海量众包数据中快速提炼生产高精地图以满足实时性要求，仍是一个难题。众包采集一般需要在一定周期内，在相同车道有多次重访，才能确认该路段变更数据的可信度。由于具备地图众包采集能力的车辆分布的不均匀性，导致众包更新方式的新鲜度随机性较大，对于车流量较小的区域，甚至无法提供地图更新服务，更无从保证实时秒级更新。

2、依靠V2X技术的地图更新方案

近年来，随着V2X技术的出现，一些高精地图厂商在与V2X厂商合作的过程中发现，不仅是V2X技术需要依赖高精度地图来实现功能，同时，V2X的规模化应用也可以反哺高精地图产业。

依靠安装在智慧道路两侧的传感器如摄像头、雷达等，持续观测并实时发现覆盖区域道路变化，将更新数据与既有数据进行融合后，实时地图信息的更新。

采用V2X技术更新高精地图的流程可以简单分成几个步骤：

(1)摄像头和雷达采集实时路况的结构化数据，并通过以太网传输给路侧边缘计算设备MEC；

(2)MEC进行地图数据融合、比较，生成地图局部变更数据；

(3)由V2X路侧终端将地图局部变更数据通过V2X数据通路向路段内车辆进行广播；

(4)自动驾驶车辆V2X终端接收到地图局部变更数据，并将该数据发送给车辆自动驾驶地图管理模块；

(5)自动驾驶车辆根据最新的实时地图进行路径规划、行驶。

 

 相比于众包更新，依靠V2X技术在固定空间内以固定频率发送数据（最多每秒30次），可实现稳定的分钟级地图更新服务，但秒级的更新是否能够实现还需要取决于MEC进行地图计算的能力。

此外，从成本上来讲，这种方案的主要计算行为集中在路侧边缘计算设备中，是不需要将传感器获取的原始数据通过蜂窝网络向云端进行传输的，这样就节省了大量的流量费用。

众包地图处于法规的灰色地带，而依靠V2X技术的更新方案由于基建问题，短期内也无法实现真正应用。探索更加精准、高效、低成本、多触达方式的高精度地图更新技术，也将是产业内需要长期探索和实践的课题。

揭秘高精地图之“死”！曾经的香饽饽，如今的绊脚石

曾经被视为智能驾驶最佳帮手的高精地图正在被厂商们抛弃。日前，元戎启行正式发布了不依赖高精度地图的智能驾驶解决方案，成为行业内首个宣布彻底解绑高精地图的自动驾驶玩家。而在一周前，地平线创始人兼CEO余凯透露，地平线今年将推出不依赖于高精地图的辅助驾驶方案。再往前看，理想汽车CEO李想在年初的内部信上表示，理想汽车的端到端的城市NOA导航辅助驾驶也将会摆脱高精地图依赖。小鹏汽车也在去年的1024上表达了类似的想法。据统计，最近一年内，已有超过8家企业明确表达了弃用高精地图的倾向。也就是说 ，在智能驾驶发展过程中，高精地图将会成为率先被企业抛弃的产品之一。值得注意的是，此前国内的多个自动驾驶领域的玩家都将高精地图作为非常重要的辅助工具，甚至都基于高精地图开发了高速导航辅助驾驶功能（高速NOA）。可以说，在很长一段时间内，高精地图一直被视为实现高阶智能驾驶的必要工具之一。那为何在最近短短的一年间，众多自动驾驶玩家都选择了改弦更张呢？主要的原因在于高精地图的发展已经无法满足日益精进的智能驾驶技术的要求了。高精地图的更新速度没有办法跟上城市NOA的落地要求，因此在今年这个城市NOA落地元年中，越来越多的企业选择放弃高精地图也是情理之中。那么，究竟有哪些玩家宣布放弃了高精地图？高精地图又为何从香饽饽变成了烫手山芋呢？经过梳理，找到了问题的答案。

八大玩家宣布弃用 高精地图被冷落

最近一段时间，关于弃用高精地图的言论越来越多，多个知名车企和供应商都发表了类似的意见。3月22日，元戎启行发布DeepRoute-Driver3.0(Driver3.0)智能驾驶解决方案，该方案可适配导航地图，解绑了对高精度地图的依赖。

 ▲元戎启行Driver3.0路测

3月16日，地平线创始人兼CEO余凯透露，地平线今年将推出不依赖于高精地图的辅助驾驶方案，余凯表示：“这是一个完全基于计算机视觉感知的智能驾驶技术，将不依靠高精地图，即可做到实时定位，并对周围环境进行实时测绘。”今年1月初理想汽车CEO李想也在内部全员信中表示，理想汽车的端到端城市NOA导航辅助驾驶（不依赖HDMAP，即不依赖高精地图）将会在2023年底开始落地。

 ▲小鹏XNet感知架构

而早在去年10月24日小鹏汽车便明确提出，2023年基于XNet深度学习算法的XNGP将不再依赖高精地图。并且此后在公开场合何小鹏多次重申这一去高精地图化的辅助驾驶方案。在去年8月17日智行者的媒体开放日上，智行者也对外发布了一套声称不依赖高精地图的L2+自动驾驶解决方案。同样是在去年8月，华为终端业务群CEO、华为智能汽车解决方案BU CEO余承东在谈到AITO问界M7和M5的自动驾驶时也表示：“现在自动驾驶还在使用高精地图，但未来发展不应该依赖高精地图、车路协同。”

 ▲毫末智行MANA（图源网络）

更早一些，去年4月，毫末智行更是发布了旗下首个自动驾驶数据智能体系MANA（雪湖）和ransforemr识别车道线的技术。毫末智行声称这一技术采取了“重感知、轻地图”的技术路线，进一步降低了对高精地图的依赖。尽管有的厂商声称已经发布的辅助驾驶方案不依赖高精地图，有的厂商只是列出了一个去高精地图的时间线，但是仿佛大家都形成了去高精地图化的共识。目前看，虽然不少企业都宣布了放弃高精地图，但整体而言，这些企业都在追求更高阶的智能驾驶，认为在这个过程中，高精地图将会限制其发展。但对于更多的车企或者供应商来说，成本低廉且好用的L2仍然是刚需，对于这些企业来说，他们可能并不会过于追求更高阶的智能驾驶，因此，对于这些玩家来说，高精地图仍然是不可缺少的一环。但从大趋势上来看，高精地图的前景确实不容乐观。

三大原因 高精地图遭弃用

在高速NOA阶段，高精地图以其多种优势受到众多车企的追捧，在辅助驾驶中被广泛应用。高精地图相比传统导航地图的优势可以概括为三点，即高丰富度、高精度和高鲜度。第一，高精地图有着更高的数据丰富度。传统电子地图数据只记录道路级别的数据：道路形状、坡度、曲率、铺设、方向等。高精度地图有高架物体、防护栏、树、道路边缘类型、路边地标等大量目标数据，能够明确区分车道线类型、路边地标等细节。第二，高精地图有着更高的精确度。一般电子地图精度在米级别，商用GPS精度为5米。高精度地图的精度在厘米级别，一般绝对精度低于1米，相对精度10~20厘米。第三，高精地图有着更高的鲜度。高精地图一般以季度为单位进行更新，相比传统的导航地图有着更高的新鲜度，更新的频率更高。

 ▲高精地图示例（图源网络）

高精地图的诸多优势，也是前两年车企在发展辅助驾驶中倚重高精地图的重要原因。大多车企的高速NOA方案都是基于高精地图实现的，高速道路标准化强、道路状况变化小等特点令基于高精地图的方案能够相对容易实现。然而随着辅助驾驶的发展，辅助驾驶的技术重心逐渐转移到城市NOA。城市道路的复杂程度骤升，道路状况的变化也更大，如果依旧采用基于高精地图的辅助驾驶方案，这意味着车企将面临着巨大的成本提升。再结合国家对于高精地图的监管政策，综合作用下，加速了车企对高精地图态度的转变。企业对高精地图态度的转变原因可以总结为3点。第一，高精地图成本高，制作周期长，不利于辅助驾驶的加速普及。在前面也提到过，高精地图有着更高的丰富度、更高的精度和更高的鲜度，然而在这背后是巨大的成本支撑。根据《智能网联汽车高精地图白皮书》显示，采用传统测绘车方式，分米级地图的测绘效率约为每天每车500公里道路，成本为每公里10元左右，而厘米级地图的测绘效率约为每天每车100公里道路，成本可能达每公里千元。在企业重点普及高速NOA时，全国高速道路里程相对城市道路历程较为有限，道路更新的频率也相对更小，成本还可以接受。但当NOA开始向城市场景普及时，城市道路的里程增加带来了高精地图的前期采集工程量的大幅上升，道路复杂度的提升对高精地图的更新频率有了更高要求，由此带来了成本的骤升。同时，高精地图后续的持续更新，意味着高精地图对于车企来说是一项长期的成本投入，长远来看，成本压力可能会更大。 第二，辅助驾驶相关硬件的加速发展，车企有了更优的方案选择。在过去车企大多采用“多传感器融合+高精地图”的辅助驾驶方案，在高速上遇到高精地图不完善的区域，NOA功能可能就会退出了，受限于传感器的参数配置，传感器在其中主要发挥辅助作用，这可以认为是一种以高精地图为主，以整车感知为辅的技术方案。

 ▲理想NOA导航辅助系统（图源网络）

然而随着高算力芯片、激光雷达等配置加速上车，以及辅助驾驶数据积累和算法的不断优化，当前汽车的整体感知能力已经有了很大升级。高精地图在辅助驾驶当中的权重不断降低，车企逐步走上一条“重感知，轻地图”的技术路线。 第三，国家对高精地图的监管缩紧。自然资源部于2022年2月、3月、8月先后分三批公布了最新的导航电子地图制作甲级测绘资质复审换证的结果，共有19个单位通过资质复审，而复审前则共有31家单位，这一数字的缩小也直观地表明当前政策缩紧的趋势。

 ▲自然资源部官网截图

在未通过资质复审的12家单位中，有滴滴旗下的滴图科技、小鹏于2021年2.5亿元收购的智途科技、上汽和东风投资的晶众信息科技，以及中海庭、易图通和立得空间等图商。政策上的巨大不确定性或许是短期内促使企业对高精地图态度发生转变的重要原因。

重感知轻地图 算法成为核心竞争力

在过去几年车企的辅助驾驶方案高度依赖高精地图，形成了以高精地图为主的辅助驾驶方案，然而当高精地图逐步受限时，车企的辅助驾驶又该何去何从呢？我们发现车企在逐步走上一条“重感知，轻地图”的技术路线。汽车自身的感知能力在辅助驾驶中扮演着越来越重要的角色，高精地图不再是车企的唯一重点。目前已经公布的几家技术路线也均在“重感知，轻地图”的范畴里，例如理想汽车CEO李想在年初全员信中提到的不依赖高精地图的城市NOA导航辅助驾驶。这一方案具体来说是基于BEV感知和Transformer模型，从而实现端到端的城市NOA导航辅助驾驶。

对此技术路线李想还特别解释到，软件1.0阶段，是人类设计逻辑，人类进行编程，机器进行计算，人类使用软件。软件2.0阶段则是机器学习人类（包含感知、决策、执行、反馈的闭环），云端训练算法，机器使用算法，机器服务人类。显然李想表达的正是自家城市NOA十分重视车辆自身感知，而不是倚重高精地图。

小鹏对于不依赖高精地图的辅助驾驶方案提出的更早些，在去年10月24日，小鹏表示2023年下半年，基于XNet深度学习算法的XNGP将不再依赖高精地图，实现对于全国范围内多个城市广泛的城市道路的覆盖能力。不论是李想所提到的软件2.0阶段，还是何小鹏所讲的XNet深度学习算法，都是基于BEV+Transformer技术架构来实现的。这一技术架构中不得不提到BEV感知，BEV，即Bird\'s Eye View（视觉为中心的鸟瞰图），是一种以视觉为中心的感知算法，也称作“上帝视角”，是一种端到端的，由神经网络将图像信息从图像空间转换到BEV空间的技术。

 ▲BEV感知与传统图像空间感知对比（图源网络）

与传统图像空间感知相比，BEV感知可将多个传感器采集的数据，输入到统一的空间进行处理，有效避免误差叠加。同时更易进行时序融合形成4D空间。例如小鹏XNet可将摄像头采集的数据，进行多帧时序前融合，输出BEV下的4D动态信息（如车辆速度、运动预测等）和3D静态信息（如车道线位置等）。BEV基础上又大致出现了三种技术路线：纯视觉BEV感知路线，即只使用摄像头，代表企业为特斯拉；BEV融合感知路线，以摄像头为主，同时有其他的传感器做辅助，代表企业为小鹏、毫末智行；车路一体BEV感知路线，代表企业为百度。目前除特斯拉外，大多采取的是BEV融合感知路线。

 ▲BEV融合感知（图源网络）

与BEV相匹配的Transformer模型，是一种目前自然语言处理领域的主流模型，旨在处理序列数据，其主要优点是能够根据输入数据的内部关系来计算其特征表示。因此它非常适合处理具有明显空间结构的BEV图像数据。Transformer还具有较高的并行性，能够处理大规模的数据集。

 ▲Vision Transformer模型结构（图源网络）

十分通俗地来说，BEV+Transformer技术架构的智能驾驶方案以视觉感知为中心，激光雷达等摄像头之外的硬件起辅助作用，将摄像头和其他硬件采集的数据统一到一个空间进行融合，再通过Transformer模型大量处理数据。可以简单认为BEV的功能是将数据融合到同一空间，而Transformer模型对这些数据进行处理和识别。此方案可以让汽车通过自身的感知能力识别出原本只有高精地图才具有的信息，以此来达到代替高精地图的目的。基于BEV+Transformer技术架构足够成熟的方案可以实现诸如车道线检测、障碍物检测、可行驶区域分割、红绿灯检测和识别、道路交通标志检测等功能。这种方案对芯片算力、传感器硬件以及算法有着更高的要求，经过几年的发展现有的硬件已经可以适应这种方案。这种不依赖高精地图的方案优势明显，尤其体现在成本上，前期省去了高精地图的大量成本，十分利于城市NOA的普及。

高精地图将加速被车企遗弃

BEV感知提升的背后是计算机视觉技术、图像判断技术和深度学习算法的不断提升，而且可以预见BEV技术会有更加快速的迭代发展，未来也将会有更高的分辨率，能够提取更多的环境信息和细节。与此同时，BEV感知相较高精地图展现出巨大的成本优势，目前第一梯队的造车玩家大多已明示高精地图的弃用倾向，紧随而来的便是高德等图商的收入下降，图商对高精地图的测绘和后期更新投入也会降低，进而高精地图的可用性降低，从而形成恶性循环。高精地图的未来走向已显而易见。

 

 

参考文献链接

https://mp.weixin.qq.com/s/i7YjKt_UPUoVhS0GWIYMPQ

https://mp.weixin.qq.com/s/QQ_-b45RnUvkP_M0fodMRw

人工智能芯片与自动驾驶

高精度地图的整理

高精地图包含的信息
高精地图包含了大量的驾驶辅助信息，最重要的就是道路网络的三维描述。比如交叉路口的布局，交通标志牌的位置等，也包含了环境的语义信息，比如交通信号灯的颜色含义，道路限速，已经从哪里的开始转向和交通规则等。 
当然，高精地图和普通地图最大的区别在于高精地图可以达到厘米级别的精度。

高精地图的作用
定位
使用来自传感器收集到的Landmarks的信息，与以后的HD Map里面预存的Landmarks进行匹配就能得到车辆自身的精确位置。高精地图提供标准的位置，现在有一种低成本的设计方案，采用单目相机拍摄虚线和实线，把采集的图像和高精地图做比对，通过算法可以知道我当前在道路面的第几个车道。算出车道后解决定位问题，这是横向定位。纵向定位可以借助交通信号灯、路灯、灯杆等实现定位。

感知
第一，高精地图为感知增加了系统的冗余度，每个传感器都有自己测量距离，天气或光照条件的限制，在较远的区域或因为障碍物被遮挡的区域，高精地图都可以为传感器融合提供一个新的数据源。 
第二，高精地图可以通过ROI（region of interest）缩小传感器的探测范围，提高探测精度和速度，节省了计算资源

规划
可以找到合适的行驶区域，与运动物体的历史数据一起进行之后运动的预测。同时如果车在路上发现前面有事故或者施工路面，这时候需要变道，高精地图提供了有利的支持。

决策
车到了十字路口，高精地图会采集安全岛的信息，复杂十字路口有安全岛，车在决策过程中需要参考安全岛等重要要素，否则这辆车冲上安全岛，导致行人发生交通事故。

在自动驾驶的几个重要模块，包括定位、决策、规划和感知。这几个模块离不开高精地图的支持，有了高精地图可以节省很多传感器的成本，这是加速量产的方法。在自动驾驶行业，暂时离不开高精地图的支持。

Apollo高精地图规范

格式

百度高精地图数据格式采用（XML）文件格式的数据组织方式，是基于国际通用的OpenDrive规范，并根据百度自动驾驶业务需求拓展修改而成。

 

坐标

百度高精地图坐标采用WGS84经纬度坐标表示。WGS84为一种大地坐标系，也是目前广泛使用的GPS全球卫星定位系统使用的坐标系。

车道

道路的reference line 存储在ID为0的车道中，其他车道只存储当前车道的一个边界。例如，reference line右侧的车道只存储车道的右侧边界。 

车道 ID 的命名规则:

lane section 内唯一
数值连续的
reference line 所在 lane 的 ID 为 0
reference line左侧 lane 的 ID 向左侧依次递增 (正t轴方向)
reference line 右侧 lane 的 ID 向右侧依次递减(负 t 轴方向)
reference line 必须定义在< center >节点内
车道总数目没有限制。Reference line 自身必须为 Lane 0。

原文：https://blog.csdn.net/yuxuan20062007/article/details/81267307

---