自动驾驶技术与奥运会的结合越来越紧密，因为奥运会这样的赛事所创造的现实场景和实际需求成为了自动驾驶技术展现其独特魅力的舞台。
在 2018 年平昌冬奥会上，现代汽车就展示了自家的自动驾驶技术；而日本方面也有计划将其自动驾驶车辆应用于 2020 年东京奥运会和残奥会竞技场间的人员接送等工作，丰田将展示其 L4 级自动驾驶技术；在我们的近邻日韩两国都通过奥运会的舞台秀自家的自动驾驶技术之时，中国也不甘沉默，特别是在这片全世界公认的自动驾驶热土上，车企和自动驾驶技术企业们需要携起手来……2022 年的北京冬奥会，便成为了我们向全世界展示中国自动驾驶技术实力的绝佳平台。
近日，北京市科技计划重点项目“全天候多车型自动驾驶技术开发及首钢园区功能示范”（简称“科技冬奥专项”）在清华大学召开项目启动会，就项目总体情况及实施方案进行了整体说明和汇报。北京市科委、冬奥组委、国家科技冬奥专家及各项目承担单位相关技术专家参与了本次启动会。
据了解，本次“科技冬奥专项”受北京市科学技术委员会委托，由首钢集团、清华大学、百度、智行者科技、福田汽车和北京市交管局共同承担任务。
首钢园区是 2022 年北京冬奥会的冬奥组委所在地和奥运赛场，“科技冬奥专项”将在首钢园区内展开基于多种车型的 L4 级自动驾驶示范应用，服务于冬奥会期间首钢园区的日常运营，满足园区奥运运输需求。
值得注意的是，在该项目中，百度被指定为自动驾驶高精地图唯一承担单位，将为该项目中的全部自动驾驶车辆提供高精地图及服务，在首钢园区、张家口崇礼赛区、延庆赛区采集制作自动驾驶高精地图，并完成不同场景下的高精地图自定位，同时开发面向冬奥会的自动驾驶场景仿真系统，实现车辆在特定环境下的自动驾驶模拟仿真。此外，百度还承接了自动驾驶 MINI 客车的功能开发。
百度针对本项目组建了三个专项小组并行协作，分别负责高精地图采集与制作、仿真技术方案的设计与验证、MINI 客车的自动驾驶功能开发与运行测试工作。设定两年半为项目完成周期，将任务拆解到每个季度，计划在 2020 年第四季度参加项目联合测试。
*首钢园区基本情况
高精地图对于自动驾驶的重要性毋庸赘言，最近一段时间业内针对高精地图的讨论更是热度不减，诸多厂商宣布拿下高精地图的商业化订单。百度此番被选中挑起“科技冬奥专项”高精地图服务的重任，也是其技术实力的证明，因为其背后是百度 Apollo 自动驾驶开放平台的全方位支持以及这家公司所拥有的完备的自动驾驶高精地图采集生产系统。
按照项目组的规划，要实现自动驾驶的示范运营，构建覆盖奥运示范区的自动驾驶高精地图是非常核心的条件，而且，地图必须满足相关的硬性技术参数要求。
同时，相关难度也凸显出来，因为冬奥会场地有其特殊性，所以高精地图数据采集面临着道路颠簸、雨雪天气、冰面道路、卫星信号遮挡等异常状况干扰导致的测量误差增大、精度失准等情况；此外，由于奥运前正在进行各项基础设施建设，采集作业时容易遇到道路施工、交通拥堵等不利情况，导致多次采集引起的数据时空逻辑复杂，地图制作难度增加。
*冬奥会首钢园区高精地图采集范围
为应对以上技术参数要求以及现实困难，百度高精地图（Baidu HD Map）也有自己的一套杀手锏：
其一，是其基于多源传感器融合的高精地图构建与高精定位技术；
其二，是其基于深度学习的地图要素识别和自动化提取技术；
其三，是面向业务流程优化和质量提升的大规模协作式作业平台。
针对这套杀手锏，雷锋网新智驾接下来将进行深入解读。
目前业内对于高精地图的定义参差不齐，无统一的标准，作为高精地图领域的“大玩家”，百度将其高精地图产品定义为“用来支持车辆自动驾驶的高精度数据地图”，而且是保证自动驾驶安全性的关键所在，具有厘米级精度及车道级别的属性信息。
既然是“数据地图”，那么数据的采集和更新就至关重要，所以这里不得不提百度的 Intelligent Map 平台。Intelligent Map 是百度基于多源数据生态、动态更新的高精数据服务平台。该平台包含百度高精地图（Baidu HD map）、百度地图汽车版（Baidu Map for Auto）以及百度地图三类产品，三类产品的相关数据都会集成到该平台上。同时，Intelligent Map 是 Apollo 开放平台中上层功能模块的基础数据支撑，可以为 Apollo 平台的成员与合作伙伴提供数据共享，还能将他们主动回传的数据分析处理并循环应用，从而完善数据闭环，形成更为全面庞大的数据信息平台，某种意义上，这一形式类似于数据的“众包采集”。
简单理解百度高精地图与 Intelligent Map 平台的关系：前者向后者提供数据信息，后者也将对前者进行数据反哺，帮助其进行产品更新与迭代，同时在数据的精细度上更上一层楼。因为这二者的相互支撑，百度的高精地图目前可以实现分钟级别的数据更新，这对于自动驾驶技术的提升来说将是巨大助力。
*Intelligent Map高精数据服务平台
当高精地图的更新问题不怎么成问题的时候，我们再来具体看看百度高精地图本身的采集、制作与生产的玄机。首先来了解一组数据：百度官方称其拥有 40 辆高精地图采集车，并已完成全国 30 万公里高速和城市快速路的数据覆盖；高精地图自动化生产程度已超 90%，算法识别准确率达到 98% 以上；相对精度为 10cm-20cm，冗余率（FPR）/遗漏率（FNR）不超过 0.1%。以这样的成绩，完成“科技冬奥专项”的任务显然不在话下，不过，百度高精地图的野心是更广阔的自动驾驶落地市场与商业化机遇。
既然如此，拥有一套完备的高精地图产品制作、生产、发布以及更新流程就显得至关重要，百度方面显然已经做好了充分的准备。
*高精地图采集构建流程
百度智能汽车事业部总经理顾维灏在接受雷锋网新智驾采访时表示，百度自研了高精地图采集设备、采集车辆，同时也懂得如何将采集数据转化生产成自动驾驶系统可用的高精地图数据，在此基础上，他们也拥有了高精地图随时随地更新的自主控制权。
现阶段，百度高精地图的生产过程主要分为外业采集、自动化预处理、数据生产和数据发布四个部分。
一个完整的流程是这样的：百度的高精地图采集车队行驶在全国道路上将道路上所有的标志、标识等要素以照片、激光点云、GPS 的方式采集进入自动化的预处理过程；在预处理的过程中，将集成图像识别、激光点云融合、点云识别这些 AI 算法以及 GPS 大数据挖掘，对照片、激光点云、GPS 中的车道线、护栏、路沿、交通标志、标牌、文字、箭头等信息予以提炼，输入给数据生产阶段；在数据生产过程中，将这些提取生成的要素经过一系列人工修正、质检，形成一个合格、可发布的高精地图；最后，经过自动化编译过程发布给客户。
我们再针对每个过程进行详细解读。
基于在地图行业这么多年的数据采集经验，百度也拥有自己的高精地图外业采集车队。这些特殊的车辆上搭载的采集设备有 INS 系统，它集成了惯导、 GPS、天线、激光雷达和 摄像头。这些采集设备通过百度自研的标定方案，标定在同一坐标系下，保证了足够高的数据精度。同时，百度还可以通过高精地图的采集软件工具，随时查看采集的成果是否达标，设备状态是否正常。
*百度高精地图采集车
数据采集回来之后，需要进行预处理，百度在这里的核心技术包括多传感器标定、点云处理、视觉处理、多传感器融合技术。其中的多传感器标定就是将激光雷达、摄像头、IMU、GPS 这些采集设备所采集的成果标定在同一坐标系下，保证精度；点云处理则是将行驶过程中每一位置采集的每一帧点云通过运动补偿、三维建模的方法，拼接成连续的点云序列，因为这样的序列在同一条道路上有多次，通过特征提取、点云融合的方法将多次采集的成果融合成单次，在单次的成果技术上，再做一个点云识别，识别出路沿、护栏、标志以及标牌等；视觉处理主要是从图像中识别出车道线、标牌等主要的道路信息；最后通过多传感器融合，将点云处理的成果和视觉处理的成果叠加在一起，通过融合聚类，相互补充和纠正，形成最终可作业的成果。
*高精地图数据自动化处理流程
在整个数据生产阶段，百度定义了三个层次：数据存储和索引服务、自动化预处理服务、内外业生产管理和质检服务。数据存储和索引服务阶段的关键技术点包括大数据存储、快速索引和并发作业；内外生产管理和质检服务的关键技术点包括了生产任务分配、状态跟踪、进度把控及自动化流转，以及车道线、路沿及护栏等基础要素的制作，还有限速、车道拓扑等复杂要素的处理等，最后是内外业生产环节的质量把控；而预处理服务在前文已有详细解读。
在最后的高精地图产品发布环节，发布流程主要是从数据生产的路网数据到产品数据。在产品数据环节提供数据引擎和数据编译两种产品，数据引擎实现高精地图的数据读取、检索等功能，数据编译则将过程数据转换成目标格式，包括 NDS、OpenDrive、BXF、MIF 等通用格式，这是很关键的一步，目前很多行业组织都在定义为高精地图的格式标准，因为标准意味着便利。这个过程中的技术难点是，首先高精数据引擎需要能够支持多种操作系统，如 Windows、Linux、PX2、QNX 等目前自动驾驶客户所用的系统，同时，要支持引擎和数据的 OTA 更新。在数据编译和发布的过程中，技术难点在于要支持多种数据格式的编译，同时要支持 Tile（分块）增量的更新。
在克服了所有的难点和挑战之后，百度才能够为整个行业输出一份技术满足要求、稳定可靠的高精地图产品，车企以及自动驾驶客户才能使用上这样的高精地图服务。
据悉，百度目前已公布高精地图主要为面向 L2+ 高级辅助自动驾驶或 L3 级自动驾驶车辆所使用的场景，涵盖了高速公路和城市主要环路；同时，百度也在同步生产和制造城市道路（包含十字路口、红绿灯、交叉口类等复杂道路环境）的高精地图，例如，百度 L4 级自动驾驶测试车辆目前在亦庄、海淀以及国家公开的测试示范区上路运行；此外，百度针对园区内或停车场等特定自动驾驶场景的高精地图也处于可以应用的状态。
当然，还有一点不能忽略的就是政策法规的要求，因为地图数据产品受国家监管，依据中国的相关法规，地图取得审图号是地图公开的必要前提。而百度也在这方面迈出了比较关键的一步。
此前，百度在自然资源部地理信息管理司的指导下，与中国测绘科学研究院联合开展了地图保密处理技术测试，成功优化了自动驾驶地图数据与车端定位数据的匹配精度。3 月 27 日，百度正式获得由中华人民共和国自然资源部签发的自动驾驶高精度地图的审图号 GS（2019）1391 号，百度成功被纳入高级辅助驾驶地图审核试点。
据了解，获批的高精地图数据是全要素的高精地图，其数据内容包括：全车道信息、车道级信息、道路信息、道路属性信息、道路标识要素等。顾维灏表示，高精地图的属性和要素还会持续发生变化，百度拿下的审图号意味着在当前这个阶段其高精地图得到了国家的批准和认可，若客户需要更多的属性、数据，则需要国家再进行一次审核。
拿下高精地图审图号，意味着百度用于更高级别自动驾驶功能的高精度地图在未来获得法规许可方面将更加得心应手。
因为百度 Apollo 平台的开放属性，百度高精地图作为平台产品之一，自推出以来，吸引了大量汽车厂商、传感器、芯片等上下游企业加入，诸如宝马、福特、现代、英伟达、英特尔、微软、博世、大陆、QNX 等，生态合作伙伴囊括了汽车产业链的上下游。
也因为拥有一套完备的高精地图制作、发布系统，百度高精地图才得以在平台级能力以及产品化能力的加持之下，收获到一批商业化客户，这其中包括现代、广汽、长城、比亚迪、奇瑞、大迈等车企，均与百度进行了商业化定点合作。据不完全统计，百度是目前拥有商业化客户最多的高精地图厂商。
顾维灏称，百度一直将高精地图看作是保证自动驾驶安全的一项重要的内容和服务，最关键的就是要保证其新鲜度以及可持续性，这样才能服务好车企以及自动驾驶企业。
更高技术标准，更精量产之道。无论是被“科技冬奥专项”选为独家的高精地图技术服务方，还是以往已经拿下的商业化订单和未来要构建的高精地图商业化矩阵，都表明百度在眼下这场“高精地图落地之战”上取得了声量和数量上的优势，这为其未来取得在口碑和收入上的优势打下了基础。
雷锋网原创文章，未经授权禁止转载。详情见转载须知。
正在生成分享图...
成妍菁