高德谷小丰：高精地图是自动驾驶的必由之路 | 未来汽车大讲堂

本篇文章8342字，读完约21分钟

雷锋。(公开号码:雷锋。新志佳:从六月开始，新志佳和雷锋一起。com。人工智能大规模开放在线课程学院和网易云课堂企业版，举办了一系列关于智能驾驶的讲座，邀请业界和学术界的顶尖专家分享他们对自主驾驶的现在和未来的不同意见。6月21日，“未来汽车讲堂”邀请高德地图的顾晓峰讲解“高精度地图:自动驾驶的必由之路？”课程。新知佳在不改变初衷的情况下，对课程内容进行了梳理和调整。

客人介绍

顾晓峰，高德高景地图小组组长。拥有10年的地图数据产品经验和2.5年的高精度地图数据大规模生产经验。带领高德高精度地图团队获得亚太地区首个高精度地图商业订单，并打造完整的高精度地图生产线。

前言高德于2014年开始研究和开发高精度地图。同年11月，该公司还赢得了世界上第二个高精度地图的商业订单。在订单的推动下，高德在高精度地图方面取得了快速进展，从深度学习技术的使用到大规模生产线的建设。近三年过去了，高德已经在高精度地图上积累了大量数据。

与高德地图的总体战略一样，高德高精度地图旨在“增强”行业能力，特别是为自动驾驶提供地图支持。当每个人都在谈论自动驾驶时，高德悄悄地开发出高精度地图，创造出自动驾驶的唯一途径。

本期讲师顾晓峰将重点讲述什么是高精度地图，高精度地图与自动驾驶的关系，如何构建高精度地图，以及高精度地图发展中的挑战和思考。当然，高德在这方面的做法也将被提及。

1.什么是高精度地图？在谈论什么是高精度地图之前，让我们先了解一下高精度地图和自动驾驶的关系。

业内大多数企业都为2020年实现自动驾驶设定了时间节点，但当然，许多制造商仍在拖延这一时间。根据目前的相关新闻报道，可以发现的一个问题是，在同一个制造商内部，自主驾驶的实施时间存在一些矛盾。当然，这是完全可以理解的。毕竟，自主驾驶是一项相对较新的技术，因此存在许多变量。

根据美国汽车工程师协会(sae)，自动驾驶水平分为五个等级，即l1-l5。当车辆到达l3时，可在高海拔公路上实现综合自动驾驶。

从这个层面来看，业界的共识是从l3起就需要高精度地图的支持，但在l3以下的辅助驾驶阶段不需要高精度地图。例如，市场上的一些自动驾驶车型依靠摄像头、毫米波雷达和其他传感器来实现自动巡航和自动跟随功能。

1.定义可以追溯到高精度地图本身。这个名字本身的提法不是很严格。例如，当你提到导航地图时，你很难说它是一张“低精度地图”。

其实，高精度地图是从国外引进的名词，最早的提法是高清地图，英文直译是高清地图。

其他人将这种类型的地图命名为地图，这是一种高度自动化的驾驶地图。事实上，这个名字不太准确，因为很难说高自动化驾驶是从l3还是l4开始的。

还有一个德国名字:hoch genaue karte，意思是一张可信度很高的地图。

有这么多的名字，所以可以想象，业内人士在改进精确地图时实际上不是一个概念，所以有必要定义什么是高精度地图。在顾晓峰看来，事实上，高精度地图最准确的名称应该是“自动驾驶专题地图”。

2.内容构成

换句话说，高精度地图实际上提供了自动驾驶环境的模型。也就是说，如果车辆想要自动平稳地行驶，它必须构建其周围环境，包括:

移动物体:行人和车辆；

互联设施:v2v、v2x等通信设施。

高精度动态驾驶环境:是否拥挤、在建、有事故、有交通管制、有雨雪等。；

底部的静态高精度地图也是目前制图员的关键工作水平。

在静态高精度地图中，包括车道模型、道路组件、道路属性和其他定位图层:

车道模型主要引导车辆从甲到乙，包括路面的结构；

道路部件是道路上的各种物体，包括标志、路标、龙门架、桥梁等；

道路属性包括在某个位置gps信号的消失，所以这些特殊的点需要被标记。

如今，高精度地图是矢量地图，在上述每个类别下都有许多小内容。

在车道模型中，还有许多重要的细节需要在高精度地图中反映出来，包括车道中心线、车道线、车道变换属性点、道路分离点和车道分离点。

例如，在车道变换的属性点，车辆可以通过传感器检测相关信息，然后与地图进行比较，以便清楚地知道它在哪里。此外，在规划路线时，车辆也知道在哪里合并是合理的。此外，为了便于计算道路连接关系，道路也被划分为多个路段。

车道模型还包含车道连接关系，也就是说，必须改变哪些车道才能到达目的地。

高精度地图中有一些特殊的数学属性，包括道路的曲率、航向、坡度和横坡。这些属性可以引导车辆以何种速度和角度转弯而不会发生事故。这也是高精度地图的重要组成部分。

此外，还有许多道路物体用于定位。

车辆定位的一个基本方案是用车辆末端的传感器识别各种物体，然后将这些物体与地图上记录的物体进行比较。经过比较，车辆将知道它在哪里。当然，也有一些特殊的功能，如斑马线、停车线、交通灯等。，它控制着不同的交叉口和不同的方向，所以我们需要在数据中表达这些关联，以便自主车辆能够在这些地方顺利地做出决策。

当然，有了自动驾驶，导航地图仍将存在，但它可能会变得比今天更简单。例如，如果用户乘坐自动驾驶汽车去某个目的地，导航系统会规划一条到自动驾驶系统的行驶路线，自动驾驶系统会依靠高精度的地图规划出更详细的道路图，从而实现从A到B..这包括在哪里合并和在哪里下车。

因此，在导航地图和高精度地图之间建议一种连接关系，这可以使导航系统和自动驾驶系统一起工作。

3.高精度地图的形式、组成和行业进展在高精度地图诞生的早期，行业中有一个非常重要的组织叫nds Association，它一直在定义导航地图和制定相关的国际标准，这可以为汽车制造商节省成本，降低地图供应商的适应成本，实现充分竞争。大约从2011年起，nds协会开始定义高精度地图和自动驾驶地图。在nds的定义中，高精度地图更多的是矢量地图的形式。

随着传感器的广泛使用和越来越低的成本，已经为不同的传感器生产了不同的高精度定位层；同时，随着深度学习等许多新技术的出现，自主驾驶地图也变得越来越多样化。

当然，最传统的是谷歌，它在自动驾驶技术中的地位无疑是领先的。然而，公司向外界发布的信息很少。谷歌无人驾驶汽车前领导人克里斯厄姆森(chris urmson)在2011年的一次公开演讲中展示的视频揭示了其自动驾驶地图的一些细节。

可以看出，谷歌用黑色边框标记了路边的一些静态物体，用蓝色边框标记了人，用紫色边框标记了移动的车辆，中间的橙色圆圈线是多线激光雷达扫描的结果。过去，它使用velodyne的64线激光雷达，后来以更低的成本制造了自己的激光雷达。

因此，在谷歌的自动导航地图中也有一个车道模型，其中标出了车道线和人行道。谷歌应该尝试各种形式的自动驾驶地图，甚至整合不同的解决方案。不仅使用激光雷达的占空比图或反射率图，还使用矢量数据。

作为nds的成员，这里的地图也是高精度地图的制造商。彩色点云叠加在该公司制作的高精度地图上，车道线是矢量数据，包括车道线、中心线和边缘线。高德与这里相似，但也在后方物体上叠加了激光点云。不同的是，高德是一个单色点云。

还有一种更为激进的方法，即mobileye的rem，即“roadbook”。在2016年消费电子展上，mobileye表示，它可以通过摄像头传感器生成路书，这样车辆就可以直接使用路书进行自动驾驶。去年11月，mobileye宣布已与这里的地图达成合作。顾晓峰猜测，今天的自动驾驶地图不能全自动生成，仍然需要大量的手工工作(测绘公司的工作人员进行系统的测绘)。此外，相机本身存在很多缺陷，如容易被遮挡，一次采集的测绘方法很难达到高精度。

在mobileye的rem地图中，有道路边缘线、车道中心线、车道边缘线和静态对象(上图中的各种颜色和点)。

除了矢量高精度地图，还有网格定位地图，包括占用地图、反射率地图和数字高程模型(dem)地图。

Dem图可以通过将传感器观测到的周围环境与原始数据进行比较而形成，并且只考虑高度值而不考虑反射率。

反射率图的原理是激光雷达在不断扫描周围物体时会产生反射率，因为不同的物体会有不同的反射率，并且反射率的差异有一定的程度，所以可以用来绘制高精度的地图。通过不断扫描周围环境以产生不同的反射率，车辆可以准确地知道它在哪里。

占据位图非常简单。首先，找出接地层在哪里。如果某个地方的高度发生了变化，那么就用网格来占据一个位置。通过不断占据这个位置，你可以看到周围的环境是怎样的。

网格定位地图的代表是汤姆，一家欧洲的全球地图供应商。两年前，该公司发布了roaddna，其中也包括车道模型，但它不使用路边矢量对象定位。由于需要对路边矢量对象进行分类，所以经常会出现路边的一堆灌木今天还存在，一会儿就消失的情况，所以这种方法不可靠。

汤姆的方案并不区分路边有什么物体，而是将它们视为一种纹理。当使用激光雷达收集时，将获得这些物体和车辆之间的距离，然后这些值将被映射到参考线(例如左翼车道的边缘线)，并且将从参考线计算一个值(直到它看到路边的障碍物)。这相当于将采集到的激光点云向两边进行正射校正，每个灰度值代表当前参考线到物体的距离。

实际上，这种方法在一些地物稀疏的地方有一定的优势。然而，这种地图仍然需要等待激光雷达的成本下降。目前，博世有一种基于毫米波雷达的解决方案，由于其价格可控、稳定性高，已在许多汽车上使用。与激光雷达相比，该方法有望得到更早的应用。因此，高科和博世也建立了合作关系。

高德采用的定位方案被称为“道路指纹”，是在2015年开发的。开发此软件的目的是探索实现高精度定位的多种可能性。

这个方案是基于照相机的。用相机观察地面后，我们制作一个正投影图像，并在正投影后得到一个纹理。当车辆再次到达该位置时，只要它使用相同的算法并且还装载有预存的地图，它就可以在比较之后非常准确地知道自己的车道水平位置。

4.高精度地图与导航地图的区别在于内容和形式，高精度地图与导航地图的区别主要体现在以下几个方面。

许多人会问高精度地图的容量是否特别大。据我们所知，它的容量不会变大，而是比导航地图小。

就道路模型而言，导航地图只有一条线。到高精度地图的时候，它将成为车道水平，几何形状似乎越来越大。事实上，导航地图中有大量的poi、名称、背景和水系。根据nds条例，航空空图像和卫星图像被纳入导航地图。因此，高精度地图的体积比仅从纯矢量部分的导航地图的体积小得多。

第二，高精度地图和自动驾驶当谈到高精度地图在自动驾驶中的作用时，我们可以首先比较自动驾驶和人工驾驶过程的相似性。

人类的眼睛和耳朵实际上被自动驾驶汽车的感知系统所取代；在高精度定位方面，人们可以观察和记忆，而自动驾驶汽车只能通过高精度地图和他们创造的环境模型；在决策阶段，人们通过自己的思考和判断来实现，而自动驾驶汽车可以通过人工智能来实现车道级路径规划。在这方面，高精度地图也应发挥作用；当然，控制的最后一步是由运动神经控制的，而自动驾驶汽车需要一个自动控制系统。在这一步，自动驾驶汽车需要决定以什么速度通过某些路段，以确保安全。

通过以上分析，高精度地图对自动驾驶的影响非常明显。

当然，最重要的是高精度定位，其次是环境意识辅助(例如，将道路上的交通灯变成高精度地图)。当然，驾驶路线规划涉及自主车辆的规划和决策。此外，在云服务方面，经常有一些超视距路况需要通过云服务通知给自主车辆，这实际上可以通过高精度地图发挥作用。

1.高精度定位方法是针对高精度定位方法的。事实上，将自主车辆的环境感知结果形成的矢量数据与高精度地图进行比较，以获得车辆在高精度地图中的准确位置。实现高精度定位是自主车辆路径规划的前提。

一种是基于矢量对象的定位:

一个是基于高德路纹理的位置:

上图右侧图片中的红线是由rt3002+gnss确定的轨迹，与车辆的绿色轨迹有很大不同。

一是基于川岛千寻rtk的绝对定位:

绝对定位有问题。一旦车辆进入隧道或堵塞位置，高精度定位将受到影响。

2.路径规划。在决策规划方面，高精度地图主要解决自主车辆的路径规划问题。在车辆知道其在高精度地图中的位置后，可以通过高精度地图的车道级拓扑关系计算车道级导航路径，车道级导航路径可以为自主车辆的避障和后续车辆控制(加速、减速、方向盘控制)提供输入。

事实上，在路径规划方面，导航地图可以提供道路级别的路径规划，自动驾驶系统可以提供避障，高精度地图侧重于车道级别的路径规划。

高科还与戴姆勒合作，利用基于川岛千寻的绝对定位完成道路安全应用测试，主要针对施工区域的精确定位和预警。

3.如何制作高精度地图1。数据采集取决于采集车，采集设备有几个核心部件，包括激光雷达、惯性导航系统(imu)、全球导航卫星系统(gnss)和摄像机。

2015年初，高德从国外进口了一套成熟的激光扫描设备，包括两台单线激光雷达、六台摄像机(工业摄像机)、一个gnss天线和imu。激光雷达由奥地利产品制成，可以扫描三面而不会遗漏。

2.生产过程的第一步必须是外出工作(称为“野外工作”)，即使用采集设备采集外部环境和道路的数据。惯性导航系统(imu)在采集设备中的作用也非常重要，它可以告诉你车辆和设备的当前姿态。所有部件都按照imu进行校准，当车辆向左晃动时，所有设备都向左晃动；当车辆向右晃动时，所有设备都向右晃动。数据带回后，每个设备收集的数据可以通过imu解决方案精确映射到激光点云。

野外采集数据的输出结果包括高精度轨迹、点云和图像。点云采集后会自动识别，这一过程采用了深度学习技术。自动识别后，会有人工检查，然后是交互式识别手段，然后做一些工作来检查缺失的部分。

鉴定工作和编辑工作完成后，将进入检验环节。在检验过程中，有工具检验、人工检验，最后是路试。道路试验分为两部分:实车道路试验和精度试验。在精度测试中，我们将采用全叠仪器、钢尺和rtk设备进行定点，测量物体的大小、形状和距离，然后与地图进行比较，以此来判断地图的精度。

自动识别具有重要意义，因为高精度地图的主要数据源是激光点云，激光点云非常大且难以处理。自动识别可以大大提高生产效率，否则高精度地图的成本会非常高，而这一成本最终会转嫁给用户。而且，自动识别是机器识别，其性能更稳定。

有趣的是，人们经常会问自动识别的识别率。事实上，对于地图制造商来说，识别的准确性和可靠性更为重要。即使可以达到90%的识别率，如果我们不能确定这些被识别的物体是准确的，也没有什么意义。

事实上，车道线识别是相似的。车道线识别约占总地图产量的70%，因此在高德制作高精度地图的第一天就使用了交互式车道线识别。

此外，自2015年8月以来，高德已经使用深度神经网络技术很长时间了，现在正在将该技术迁移到点云。

对于深度学习来说，数据量实际上非常重要，因为从技术本身的角度来看，没有人比没有人好得多。如果你收集大量数据来训练神经网络，网络将变得越来越智能。到目前为止，高德已经为神经网络训练收集了大量的数据。

当然，有一些特殊功能需要手动校准。高德有一个小型校准团队。这比mobileye近600人的校准团队要小得多。

目前，基于Goldtech通过摄像头传感器和深层神经网络训练的识别系统，在车辆行驶过程中可以很好的识别出路边新增的标志(如上图所示)，系统可以更新和重绘地图。下一步是融合传感器收集的数据。

四.高精度地图的挑战高精度地图的发展本身就有许多挑战。作为一名修炼者，顾晓峰有几个大问题，有些问题他已经有了答案，有些问题仍然困扰着他和修炼者。

1.高精度地图是什么样的？目前，它仍然依赖于车辆传感器，除非开发出独立于传感器的高精度地图，无论车辆使用什么传感器。不知道将来会发生什么变化。

2.高精度地图应该多快更新？

根据汽车的智能程度和汽车的承载能力，没有哪个图形经销商能给出一个安全的答案。

3.高精度地图的精度有多高？绝对精度是多少？确保达到仪表水平？谷小凤也不能给出答案。

4.更新高精度地图的方法？

高德建立的导航地图更新系统非常有效。有ugc、政府数据、行业数据、强大的众包团队和专业收集团队。现在更新是以组合的形式进行的，大量的云计算和大数据被用来更新数据。

这个系统在自动驾驶阶段会变得更加强大，地图经销商需要加强这样一个系统的建设，但是对于整个社会来说，他们仍然需要一个最终的更新计划。

顾晓峰认为，在自动驾驶阶段，ugc应该是更新高精度地图的最终解决方案。

由于该车配备了各种传感器，可以检测数据并组装越来越多的高精度地图，它可以准确地知道现场发生了什么变化，将这些变化传输到云中，并进行融合计算和校正。如有必要，可由生产线现场收集。随着数据的不断流通，高精度地图将变得更新、更精确。

当然，这个系统也需要不断地被汽车制造商测试，仅仅由图形供应商自己测试是远远不够的。

5.测绘政策的挑战对于制图员来说，制作高精度地图不可避免的挑战是测绘政策。

众所周知，中国地图是一张偏转的地图，而地图本身的偏转对我们的测试没有太大影响。这一部分基本上可以消失。

为了使用偏转图，在车辆端需要一个偏转插件，并且该偏转插件在传统图上将具有随机抖动。根据高德的观察，这种抖动的最大幅度可达1.7米。如果制造商的定位严重依赖绝对定位，地图偏移的影响将非常大。Goldtech正在努力减少偏转插件的抖动。

此外，从导航地图到高精度地图，内容和形式都发生了巨大的变化。过去，相关部门在审查导航地图时，重点关注边界、敏感岛屿、敏感点等。在自动驾驶的地图上，这些内容将会消失，所以在查看地图时应该查看什么？

例如，在当前的法律法规中，道路的最大和最小曲率不能在地图中表示。自动驾驶汽车经常需要这些内容。那么，在审查图纸时，应该如何处理这些内容？

还有一个问题，那就是“国家测绘”。如今，汽车和手机都有一定程度的测绘行为，如记录轨迹、拍照等，这些都涉及到测绘政策。因此，测绘局有必要规范政策，找到最终落脚点。

V.高德的实践从整体产业来看，自主驾驶产业具有较高的复杂性，需要产业合作。作为一名地图经销商，高德继承了阿里一贯的风格，但仍不得不赋予行业权力。

在2014年8月之前，高德一直在预先研究高精度地图，这持续了大约一年。

2014年8月，高德获得测绘局的许可，用真实坐标测试高精度地图。然而，当时的测试主要集中在地图本身，没有对汽车工厂进行真正的车辆测试，这主要与政策环境有关。在此期间，高德还完成了opendrive格式的高精度地图的编辑，这种格式已经使用了3年。该格式也是模拟和自动驾驶测试的常用格式。

2014年11月，高德高静地图赢得第一个商业订单，这也是世界上第二个商业订单。第一阶出现在北美，但第三阶尚未出现。

2015年2月，高德建立了一条大规模生产高精度地图的生产线，包括购买激光雷达采集设备用于实地使用。

2015年8月，随着收集的数据越来越多，高德意识到深度学习技术的重要性。从那以后，高德开始将深度学习应用于高精度地图的制作。这时，我们也开始做道路指纹定位方案。

2015年10月，高德首次完成了高精度地图nds格式的编制。

2016年9月，高德完成了28万公里高速公路的征集工作，并制作了基于深度学习相机的演示方案。

2016年12月，高德高精度地图生产线通过ts16949认证。此时，深度学习技术也被用来识别激光点云，原型已经建成并逐步在生产线上使用。

2017年2月，高德测试了其首个自动驾驶偏转插件，目前正在与测绘局一起调试该插件。

2017年4月，高科与博世和英伟达合作，专注于定位层和数据更新。

高德将自己定位为一家持续支持从生产到服务的自动驾驶的企业，因为许多汽车制造商不太清楚如何使用高精度地图。

为了解决这个问题，高德不仅提供矢量数据，还提供一些测试应用(如传感、定位和车道级路径规划)。通过这些应用，高德希望在云中建立一套高精度的地图服务。

高精度测绘技术复杂，充满各种不确定性，也是一种新的商业模式，不可避免地面临新的法律法规的约束。因此，高精度测绘只能通过全行业的合作来实现，尤其是自动驾驶。

文章中的图片摘自顾晓峰的演讲ppt

沉重的通知:在这一系列讲座的第三期，我们邀请了地平线机器人技术公司的商业总监李兴禹，来谈谈中国自主驾驶商业化的机遇和挑战。课程总结也将在不久的将来发布。

接下来，硅谷自主驾驶技术公司Vector.ai的首席执行官安德鲁·蔡(andrew tsai)和其他神秘嘉宾将为学生们带来更多精彩的分享。课程内容将在后期陆续推出。请关注雷大规模开放在线课程学院。

雷锋原创文章。严禁擅自转载。详情请参考转载说明。