从现状到趋势，高精度地图量产三大关键问题

【编者按】中国的高精度地图产业正在从技术研发向规模投入迈进。近两年，国内主要图商纷纷加大测绘投入，开始对外提供分米级、厘米级地图，多家自动驾驶企业加入地图赛道。

本文转载自高工智能汽车，原作者戴一凡、杨扬；由亿欧编辑，仅供行业内人士参考。

高精度地图是自动驾驶汽车不可或缺的重要基础。国家发展改革委于2018年发布的《智能汽车创新发展战略》中提出“建设覆盖全国的车用基础地图系统。开发标准的、统一的车用基础地图，建立并完善三维地理信息系统，提供实时动态地图数据服务”。

从顶层设计层面，确定了高精度地图对智能汽车发展的基础性意义和战略要求。高精度地图正在通过自动驾驶应用释放出越来越大的能量。

一、高精度地图应用现状

相较传统导航电子地图，高精度地图精细程度更高，数据种类更丰富。导航地图的道路、POI等数据一般具备米级地理位置精度，而高精度地图数据则具备分米级、甚至厘米级地理位置精度，相应被称为分米级、厘米级高精度地图。

从数据种类上来说，高精度地图既包括传统地图的静态要素，如路网、路形、车道、POI、建筑、路标等，还有对自动驾驶非常重要的动态要素，如交通流量、实时环境、交通灯信息等。

2005年，欧洲的车企、零部件商、地图商就发起成立了ADASIS联盟，致力于建立基于高精度地图的ADAS标准规范，目前已经发展到可用于自动驾驶汽车的ADASIS v3规范。

2015年起，欧洲车企开始量产应用分米级高精度地图，验证了通过地图对道路坡度、曲率等路形要素的预测，有助于提升汽车经济性、安全性、舒适性。

例如，Scania开发的主动预测系统（Active Prediction），利用分米级高精度地图预测车辆前方的坡度，对动力策略进行优化，自动提前调整车速、挡位，降低整车油耗，可获得山区道路4%，平原道路1.5%的节油率。

同时，安全性也是基于地图的ADAS系统的重要着力点。如大众、保时捷、奥迪等厂商应用预测式大灯（Predictive Front Lighting）技术，可预测弯道曲率，调整大灯光照角度，提高有效照射区域。奥迪在Q7、A7等车型上，集成了基于地图的预测式自适应巡航（Predictive ACC）等达到L2级的自动驾驶技术，在提升安全性的同时，也降低了司机驾驶强度。

分米级地图已进入L2级自动驾驶量产应用阶段，而厘米级高精度地图则成为高度自动驾驶系统的标配。

2016年，谷歌Waymo团队打造的无人驾驶汽车引发了全球自动驾驶投资浪潮。Waymo无人车采用了所谓“重地图”技术模式，昂贵的激光雷达背后，还包括经年累月、大量投入堆积起来的厘米级高精度地图系统。

高精度地图在高度自动驾驶中的作用可分为：自车定位（Location）、路径规划（Routing）及车路协同（V2X）三个方面。

感知系统通过SLAM计算相对定位，需要与高精度地图匹配确定自车的绝对定位；决策系统需要高精度地图规划车辆通行路径；高精度地图也为车路协同系统提供了信息交互的地理标签。一般认为，L4级以上的自动驾驶汽车必须配备厘米级高精度地图。

目前，中国的高精度地图产业正在从技术研发向规模投入迈进。近两年，国内主要图商纷纷加大测绘投入，开始对外提供分米级、厘米级地图，多家自动驾驶企业加入地图赛道。

同时，中国汽车工程学会牵头的中国智能网联汽车产业创新联盟，也组织了由高校、图商、主机厂等发起的高精度地图工作组，中国标准的地图格式、应用接口规范呼之欲出。

高精度地图既事关国家信息安全，又具有高度分工的产业链条，为确保核心技术不受制于国外，形成各个环节的国产供应能力，需要国内厂商脚踏实地、年复一年的投入。

二、高精度地图量产的关键问题

高精度地图正在成为自动驾驶行业的焦点，然而笔者认为，其量产化应用中必然会遇到三个关键问题。

第一，地图生产效率问题。

高精度地图精细程度高，动态要素丰富，传统地图生产方式难以满足其量产应用的需要。

根据笔者了解，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，成本可达每公里千元。在成本约束下，测绘效率很难大幅度提高。

众包地图是提高生产效率的一个思路，但必须保证地图采集质量的可靠性、一致性，同时在海量众包数据中，快速提炼生产符合规范的地图，以满足实时性要求，仍是一个难题。

事实上，Mobileye的REM模式，正是试图以其高质量、标准化的感知系统，解决L3级以下高精度地图采集问题，但更高级别的地图，仍需要与专业图商合作。

第二，实时更新问题。

自动驾驶应用要求车载高精度地图具备实时更新能力。清华大学提出的TSINGHUA-AUTOMAP模型，根据自动驾驶的要求，将地图数据划分为3类、7个图层。

其中，驾驶员层、动态障碍物层、虚拟定位层、宏观动态层应具备实时特性，车道级细节层、中间层、道路路网层等相对静态要素，在高级别的自动驾驶中，其实时性也有很高要求。

因此，实时更新是车载高精度地图的必备特性。对于ADAS级别应用，要求车辆控制系统不停机完成地图的在线更新；对于高度自动驾驶应用，则要求地图完全实时化。如何在车辆行驶中完成高频率的地图在线更新，也将是量产应用的一个关键问题。

第三，地图存储问题。

车载地图的体积受到嵌入式系统的存储容量限制。一般来说，车载导航用地图（米级精度）的存储密度约为每公里道路0.01MB，ADAS用地图（分米级）则提高到每公里10MB，无人驾驶用地图（厘米级）在量产后，存储密度预计可达每公里1GB。GB级别的存储需求，已远远超出目前主流控制器方案的存储容量，这意味着必须考虑云存储方案。

从以上问题可以看出，高精度地图在自动驾驶汽车中的量产化应用，必须基于车联网的架构，以实现地图的云存储、实时更新和众包采集。

这套架构实际上构建了一套实时地图应用与生产的闭环，通过提高云服务端自动化程度，提升车联网通讯效率（如5G应用），完善传感器融合识别算法，可不断提高MCU向总线提供地图的实时性、丰富性，最终实现可满足L5级别的完全实时化高精度地图。

三、高精度地图发展趋势

结合车联网实现高精度地图的车载应用，可以解决地图生产、实时更新及地图存储等三个量产关键问题，而其建设是一个长期的过程。同时，厘米级地图制作成本、自动驾驶场景落地等问题，也让越来越多的厂商认可循序渐进的量产思路。

从欧洲厂商基于分米级地图的自动驾驶量产经验可以看出，具备路形预测能力的智能巡航、转向灯等产品，可以有效提高汽车的经济性及安全性。尤其对于耗油大、驾驶习惯不良的国内商用车而言，可以有效降低运营成本、减少公路事故，具有较高的经济价值和社会效益。

当前国内厂商正在提高产品的智能化程度。研发基于分米级地图的ADAS系统，可以在实现更安全的L2级自动驾驶的同时，降低油耗，让自动驾驶技术更好服务于运营效益。技术路线方面，采用结合车联网的MCU架构，可以通过模块升级的方式，实现向L5的功能演进。

同时，在国内建设公共的地图云服务平台，为自动驾驶汽车搭载的MCU提供高精度地图支持，不仅可以节省量产应用的成本，也便于采取信息防护措施，保证国家战略信息的安全。可以说，这是一条符合中国国情、通达L5级无人驾驶的高效路径。

本文来源于网络，版权归原作者所有，如有侵权，请联系我们。

原创文章，作者：cesifu，如若转载，请注明出处：http://www.cesifu.com/article/61221.html

从现状到趋势，高精度地图量产三大关键问题

一、高精度地图应用现状

二、高精度地图量产的关键问题

相关推荐

发表回复