摸不到的车载“传感器”——高精度地图

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”。

（编辑：应用网_阳江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!