雷锋网新智驾按：10月26日至27日，2018 全球智能驾驶峰会在苏州召开，本次峰会由苏州市相城区人民政府主办，苏州高铁新城管理委员会、雷锋网新智驾和数域承办，邀请到来自主机厂、科技公司、资本机构和产业研究机构等领域的多位专家，共同打造了一场智能汽车和自动驾驶领域的顶级峰会。
极奥科技CTO王雪坤发表了《众包的高精度地图，无人驾驶的破局者 》为主题的演讲。以下为演讲全文，雷锋网新智驾在不改变原意的基础上进行编辑。
近年来，自动驾驶赛道非常火热，有关于 “自动驾驶”的关注重点都集中在人工智能和深度学习上；然而，今年 “自动驾驶”的讨论已悄然转移到了“高精度地图”。为什么？在王雪坤看来有两点原因。
第一，如果把传感器比作自动驾驶汽车的眼睛，把汽车控制系统比作大脑，那高精度地图就是大脑里的经验，对大脑的决策起关键性作用。所以，某种意义上，高精度地图被认为是自动驾驶的核心突破点。
第二，只有同时满足“精度”和“鲜度”的地图，才是一张真正的高精度地图。极奥出身于传统图商出来，都知道传统图商把“高精度地图”的精度已经达到了相当高的水准，然而整个地图的鲜度却还停留着十年前的状态。可以说，这就是一张“跛脚”的高精度地图。但在高精度地图实际生产的过程中，有着严格的工艺体系和质量标准，并且需要庞大的实时数据作为支撑。因此，高精度地图会被认为是自动驾驶的稀缺资源。
要满足什么条件能称得上是高精度地图？
首要的一点，在技术方面必然要有“高精性”。传统导航电子地图以道路为单位建立的拓扑模型，在现如今已经无法满足物流、出行服务、智慧城市各个应用场景上的需求，更遑论满足高精度地图在自动驾驶当中的感知、定位、决策方面的需求。因此都提出了基于车道级的拓补。
从“道路”到“车道”，仅仅一词之变，也把对于地图数据精度的要求提高了一个甚至几个数量级，在这里，先不讨论是亚米、分米、还是厘米级别。总之，对于精度的要求是一个刚需。
其次，在鲜度方面要保证“实时性”，此前，极奥做导航地图测试时被OEM问责最多就是数据更新不够快，新开的路，在地图上没有显示，废弃的路段依然可以规划，道路级拓扑到了蓄势待发的时候。
第三，在场景方面需要有“包容性”。自动驾驶一定是高精度地图的第一个完整的落地场景。但是就自动驾驶而言，已经有很多场景需要包容，包括以自主泊车为代表的封闭场景；以港口、码头自动化装卸的半封闭场景；还有就是以Robot Taxi为代表的开放场景。那除了自动驾驶外，还有可见的物流场景，可能于自动驾驶场景有重叠之处，但是：针对精准ETA的需求，针对政策性限行的实时数据需求，针对道路油耗、刹车损耗、轮胎损耗的精准成本预估需求这都是自动驾驶本身不会重点关注，恰恰这又是只有地图才能精准满足的，因此未来的地图必须也是必定要能包容的。
最后，成本方面需要有“竞争性”。现阶段，已经有很多巨型企业开始逐步的控制地图，。早在2013年Google收购了Waze， 2016年，BBA收购了Here；去年上汽集团收购了中海庭；同年，软银愿景基金投资了MapBox。
为什么巨头纷纷参与到这场地图的战斗？
纵观过往十数年的历史：地图是一个件很烧钱的事。既然给高精度地图提出了这么苛刻的精度上的要求，鲜度上的要求，场景上的要求，那可以想见高精度地图将是一件更烧钱的事。
国内某家图商在2016年底公布过一次成本，每辆测绘车800万，每公里测绘成本10万，可是单就中国而言，道路总里程500万公里。
虽然已经两年多过去了，成本一定有所降低，但是。这笔账依旧是巨大的。因此，任何一家想在高精度地图上有所作为的企业，如何在保证高质量交付的同时控制成本一定是他们的第一要务。
基于以上四点，极奥可以说只有全部符合以上这四种特性，而并非是在单点上做出改进的，唯有如此，极奥才能担负起未来高精度地图的使命，也才配称的上真正的“高精度地图”。
三年前，极奥是全国首家提出用数据众包自动生产高精度地图的公司。通过三年的积累，极奥已经建成了全国最大的数据众包平台，覆盖中国300多个城市。如今，极奥每天新增里程轨迹超过2亿公里。再过两个月，众包车辆将突破1000万台。众包车辆类型包括私家车，商用车等等。众包数据也包括了轨迹数据、视频数据、雷达数据以及车内传感器数据。整个地图生产过程我们已经和传统地图完全不一样了，基于众包，极奥形成了一套完整的技术流程。
整个数据的处理过程包括轨迹数据和视觉数据处理两部分：
有关于轨迹数据的处理过程已经非常成熟了：先把不同的轨迹分到不同的高度层内，然后开始形状构建、之后完成初步的拓扑构建、在拓扑也就是连通性完成后，再进行二次形状构建。最后，根据拓扑和形状完成车道构建。在处理完成后，整个车道级拓扑网络就出来了。
视觉数据的处理，细分为两条技术路径，一条是AI，也就是通过人工智能技术去识别地物，这里给大家举一个实际案例，可以看到的是：极奥识别的不仅仅是车辆，行人车辆组合，地面车道线等等，视频中桥下这个专供物流车队使用的限高标志，如何倾斜、低光照、人眼都无法辨别的情况下，但是极奥的人工智能可以清晰、快速、高效地识别出。
此外其他的识别地物，交通灯、交通护栏、车道线距离、前方行车、后方超车、侧方汇车、行人等等工况，极奥的单帧准确率达到91%，不遗漏任何一个场景标志物，场景识别率达到100%。
还有一条路径是是三维场景重构，这个工序的目的是去重构精确的高度、坡度、曲率、航向和回旋曲线。极奥利用三维场景重构去补充车道级拓扑精度，再用地物与车道挂接，最后我们得到的就是高精度地图。
很多人会对众包方式所采集的数据产生怀疑，这里极奥展示两个重构的三维场景重构图。左边的这个是用极奥数据库的四万张众包图片拼装起来的，右边的这个极奥自主研发的高精度众包采集套件的重构图。
前面说的这些，都是极奥高精度地图的生产过程常态。通过车道级拓扑、地物识别与三维重构的挂钩，三者间相互补充、相互依赖。最后生产出来的高精度地图是包括了覆盖全国300多个城市和30万公里主干路网，包括200多种地图属性和45个地图核心要素，人工智能地图平台自动化率在90%以上，能实现以小时为单位的高频更新。
关于高精度地图的定义，极奥所认为的高精度地图应该包含什么？经过处理海量的数据，我们有如何定义高精度地图呢？
极奥通过整合“地理信息+交通+人工智能”的技术优势，打造了国内首家人、车、路、交通、自然五维一体的“时空智能数据库”，实现了对高精度路网数据、高精度地物数据进行以小时为单位的更新。我们将高精度地图，将我们的“时空智能数据库”分为四层：
设施层：这部分我们首先关注的是静态物理世界的重构。所包含的内容也是地图中最最基础的车道级拓扑，高精度的地物、以及高精度的道路、路口模型、车道边线等等。地图的基本模型、基本结构、基本属性、基本精度以及基本的实时动态性将有这层来保证。
环境层：当然也有人称之为“感知地图”，这里面针对地物将包含更丰富的视觉特征，激光点云特征，毫米波雷达特征，这当然是为了提高定位精度和场景感知所必备的。同时也将包含更丰富的交通语义，甚至更丰富的动态语义。
行为层：其反映的信息完全跳脱了传统地图的关注范围，将目光放到了车辆驾驶行为上——自车驾驶行为、周围车辆驾驶行为，以及两者相互之间的行为影响，在各个应用场景的决策模型建立和评估中，它们扮演着重要的角色。
场景层：这是最有别与传统地图的一部分，刚才已经反复强调的自动驾驶、物流、共享出行、商用车导航、智慧城市等的特有数据，将在这层做到最终的表达。这一层的数据来源也是最丰富的，数据变化也将是最快的，数据特性也是最各异的。而这些内容，只有众包才能最终做到。
从上面的说明可以看出，众包所生产出的高精度地图与传统测绘方式生产的高精度地图一样，完全可以提供包含地图发布、地图更新、地图查询、高精度定位、车道级路径规划、自动驾驶决策在内的全套地图服务，从而为自动驾驶提供更好的行驶决策和最核心的技术支撑。
从整个技术路径和应用路径来看，在动态数据积累和科学数据分析，以及人工智能数据处理后，所生产出来的高精度地图质量绝不亚于传统工艺，并且在时间和成本上都明显的优势。
高精度地图正在变得普及化，也将打破自动驾驶稀缺资源的魔咒。但这背后，都离不开“数据众包的模式”，所以说——众包，是高精度地图唯一的生命力！
正在生成分享图...
于胜越