自从电动车开始发展后，自动驾驶已经成为电车未来发展的必然里程碑，但想要达成L3及以上的自动驾驶，高精度地图，就是一个必然选择。

1、所谓高精度地图是什么呢？

目前市场上，还没有对高精度地图有一个标准的定义，但一般来说，比普通SD地图在精细度上更高的地图，一般会被称为高精地图。

从精度单位上来说，目前我们用的，比如高德地图，就属于是普通地图，精度在米级，主要服务于人的导航；而高精度地区，精度在厘米级，主要服务于车的导航，辅助提升人的导航体验。

2、高精度地图对自动驾驶系统到底有何重要价值？

首先高精度地图解决自动驾驶车辆物理传感器感知的失效问题，为感知提供更好的增强，比如交通信号灯的精准识别，被感知的对象有遮挡或者不清晰的情况下如何有效的识别。

其次是高精度地图能够解决各种复杂场景下车辆、车身定位传感器的失效问题，高精度地图的位置精度指标非常高，能够有效的弥补车辆定位传感器的失效场景，降低定位失效率。

第三高精度地图本身是超数据传感器，用来弥补视觉传感器的不足，它能为车辆提供车道级的路径规划，速度的控制，车身姿态的控制，比如做超车控制时，可以为超车后的场景提供预测控制参考，也可以在车辆进行变道时提供车速控制的依据，类似的场景还包括前车遮挡、天气条件较为恶劣情况下的视觉失效等诸多视觉传感器的失效场景。

另外，高精度地图还可以提供场景差异化的驾驶规则的辅助，以及在一些复杂场景下协助自动驾驶系统完成自动驾驶的决策。总体来说，当自动驾驶车辆对环境的感知越准确，自动驾驶系统的安全性就会越高，效率也会越高。地图本质上就是补充感知能力，提供包括预测的感知信息以及视觉感知不到的规则信息等诸多内容，用于赋能自动驾驶系统更加高效和更加可被信赖。

高精度地图除了要解决上面讲到的实质性的问题之外，在中国还能为超视距传感器的解决诸多的风险性问题，比如高速公路。

在大多数人的认知里面，高速公路是封闭的管控场景，但其实通过我们对高精度地图的开发和覆盖，以及数据的分析来看，在中国大约有1000多处的特殊场景，我们能够看到有高速公路上红绿灯，有车辆通行的平面交叉路口，有出现特殊的并行路段，还有特殊的交通的标志和标线等等，这都可能引发未来自动驾驶车辆感知的异常，引发自动驾驶的风险。

高精度地图通过对这些场景的覆盖和数据的高精度的、高可靠性的提供为车端对这些场景提前的感知、警示、驾驶辅助以及决策，提供重要的参考，让自动驾驶车辆运行的更加安全和可靠。并且，这些高精度地图所覆盖的场景能够提前用于自动驾驶的仿真系统，为整个自动驾驶系统的训练和成长提供非常有益的帮助。

3、自动驾驶地图还要翻越哪些大山

在国家“交通强国”的发展目标下，人工智能、大数据、北斗等新一代信息技术与汽车行业深度融合，自动驾驶的发展意味着解放人在驾驶过程中的劳动力，必将带来一种新的服务模式和生活方式。对于业界而言，自动驾驶是一片亟待开发的蓝海市场。

面向人使用的导航地图要如何转为面向机器使用的电子地图，在理论模型、表达方式，与汽车驾驶规划、决策的接口等方面仍有许多不同探讨的角度。

在地图的生产环节，目前专业采集设备的成本高昂，在某些环节仍需要人工进行检验或修正，生产效率还比较低。

在地图的更新应用环节，目前的高精地图更新滞后、现势性差。基于众包手段的理论、方法还不完善。

同时，为了保证精度、满足实时更新的需求，多源的采集方式形成了不同的数据成果，点云、图像、矢量地图等，导致当今的自动驾驶地图数据量庞大，增加了存储、处理等方面的难度。

自动驾驶地图目前面临着不少现实难题。这些难题阻碍了自动驾驶地图大规模应用，但我们也并非束手无策。

目前国内的不少厂商和专家团队正努力攻克这些难关。我国主流的地图厂商已经有比较多的高精度地图数据，比如，四维图新已经完成了将近30多个城市主干道高精地图采集，总里程达38万千米；高德也完成了高速和城市快速路段超30万千米路线的采集等。

4、算法是突破瓶颈的关键

结合自动驾驶发展的现实难题，我们不难看出自动驾驶地图实现落地应用的技术问题集中在以下几点：如何确保高可靠、高精度定位？如何实现低成本？如何做到实时，解决精度切换之间的过渡问题等。

武汉有句话‘每天不一样’。道路也是这样，每天不一样，那采集、更新、维护怎么办？工作量大，成本高。现在城市交通环境复杂，高架桥、隧道比比皆是，高精度定位在这些场景下会出现精度退化。另外，在定位源切换过程中会出现短暂的过渡，这个跳变问题怎么解决。

换言之，更新快、低成本、精细精准的自动驾驶地图是满足业界自动驾驶规模化发展的关键所在。

提到目前对于感知能力，主流解决方案是增加数据量，建大数据。这也是目前许多企业的核心竞争力，但同样会面临数据质量和多源融合的问题。

如果做高精度地图，数据量是非常非常大的，这个数据怎么简化？必须在数学模型上做一些‘减法’，找到我们所需要的数据，解决最核心的问题，以目前的方式构建全国的高精度地图的代价太大，也赶不上数据的增长速度。

这其实是一个算法问题，而并非和算力较劲。“利用已有大数据，通过算法迭代就可以找到定位的基本规律，知道里面的定位规律之后，算力就不需要那么多了。”

对于后续的应用落地，自动驾驶首先应该在小、特、慢的场景中进行示范和应用。小，比如物流车、快递车；特，指的是特定环境、特定区域；慢，指的是低速，在保证安全、稳定的情况下成功应用，再不断突破。

目前，我国建立了或设定了许多示范区域，正沿着这个方向进行实战。同时，持续在算法上深耕，而不是算力，将科学问题交给科学，工程问题交给工程，而不是用工程技术来解决科学问题。

未来的自动驾驶系统中，车、路、云、图都是协同的。车道线、红绿灯的设置对交通的诱导主要是针对人的，如何建立一套合理的信息化基础设施，实现在信息领域的基础设施建设、打造面向信息化领域的平行系统，是研究的重点；同时，需要通过路侧信息和地图来降低车辆的计算成本，并提升其安全性。

5、自动驾驶地图的法律与数据规范也是“老大难”问题

自动驾驶地图属于导航电子地图的新型种类和重要组成部分，因此受到测绘、制图政策的制约，以确保数据安全。

除了相关资质、数据安全问题，地图生产与更新的格式、标准也还未有国家级的标准，不利于数据的共享，缺乏安全性。

总的来说，自动驾驶的高精度地图标准体系还有待完善，比如目前还没有关于自动驾驶的高精度地图更新这一块的标准。另一方面，我们需要加强与国外标准组织合作，在满足我国自动驾驶地图相关法律法规的同时，与国外相关标准进行兼容。最后，还需要加快标准的更新。

文章来源：中国测绘学会， 几何四驱， 汽车总站网