雷锋网按：第 19 届亚太汽车工程年会 & 2017 中国汽车工程学会年会暨展览会（APAC 19 & 2017 SAECCE）于10月24-26日在上海举办，本次论坛以“未来汽车与交通变革”为主题，逾 3000 位国内外业界嘉宾共同探讨汽车产业车厂与零部件协同创新和技术发展路径。
在“从驾驶辅助到自动驾驶，高精度地图与定位的发展道路”分论坛上，中海庭董事长罗跃军作了名为“备战自动驾驶，高精度地图面临的机遇与挑战”的主题演讲。这也是今年9月底上汽宣布控股中海庭后，后者首次对外发声。以下内容由雷锋网编辑整理。
自动驾驶这个领域，政策支持和标准落地将推动自动驾驶实现标准化、自主化。AI技术的长足发展给自动驾驶的实现提供了条件，并深度应用于感知、建图、决策等环节，显著提高了汽车智能的水平。而定位、雷达、视觉等传感器协作融合，通过算法处理形成完成的汽车周边驾驶态势图，提供驾驶决策依据。
在这种环境下，汽车产业将发生新一轮的产业整合升级——而核心的驱动力，就来自人工智能和传感器技术的快速发展。
Waymo通过多个传感器冗余来保证安全问题。但即使这样的情况下，自动驾驶依然寻找很多不稳定因素，比如在传感器中，视觉和激光雷达的感知范围依旧有限，不可能感知无限远的距离。在某些环境下（如雨雪雾），这些传感器也会失灵。
这就是自动驾驶鲁棒性欠缺的问题：
在环境感知方面，由于多种传感器测量的边界，包括视觉、激光感知范围有限；传感器的环境感知限制，如激光雷达在尘土飞扬的路上失灵；摄像头在雨雪天气无法工作。
在车身定位方面，在高架桥、隧道等地方GPS信号失锁；惯导系统随着时间会产生误差累积；
在决策控制方面，道路宽度、曲率、坡度、限速等很少变化的先验经验缺失，实时计算效率和准确度受限；仅靠实时感知的传感器，自动驾驶无法进行远距离规划。
这时候需要引入一个高精度地图传感器，在无死角、无限性、全天候、全天时情况下，依然能够保持正常工作。
罗跃军表示，高精度地图是现有传感器的增强和补充，主要体现在以下三方面：地图视觉、消解其他传感器误差、更丰富的细节，更全面的感知。
传感器系统，无论是激光雷达还是视觉，因为遮挡和距离的原因，它是会受到限制的。但地图不会受到限制，同时，它能够消除部分传感和误差，有些传感器无法识别真实和虚拟之间的区别，有些比如坡度过大的时候，需要地图来进行补充。还有一些更丰富的细节和感知，如下雪天，任何传感器都会失效，地图依然能发挥作用。
同时，高精地图还可以充当驾驶经验的载体。我们可以收集众多驾驶员信息，通过多维时空数据的挖掘，分析危险区域，作为一个新的知识、驾驶经验数据集提供给新的驾驶者。
高精地图还能提供认知和决策参考：
1、地图提供控制决策依据；
2、地图结合传感器进行认知。高精地图“反哺”，辅助车身定位。例如，识别交通标志牌后将其作为地图上的定位参考点。
在业内我们听到一些声音，高精地图到底是什么？很多人宣称“我做的是高精地图”。比如图商会从汽车的角度去理解高精地图，就是以数据可测量的方式。对一些创业公司而言，如果它找到的视觉或激光点云特征点，也可以认为是高精地图。
那么，到底什么是高精地图？
高精度地图提供更完善的周边环境和更精确的定位，为自动驾驶提供决策支持，保证行车安全——这是它的核心功能。无论是什么样形态的高精地图，它要满足这样的核心功能。
内涵则是包含动态变化的时空位置场表达。如果把很多位置信息认为是一个三维空间，在高精地图里，我们还需要增加两个维度：一是时间维度，所有位置都是动态变化的；二是可变维度，任何数据的精度和粒度是可变的。
如此，我们可以看到将内涵时空场表达确定之后，这个内涵实际上可以产生很多外延。Road DNA也好，或特征地图也好，它只是这种内涵的一个外延，一种表现形式而已。
在这里，高精度的含义，指的就是地图的坐标精度更高，道路交通信息元素丰富精细，为定位和路径规划提供精细依据。
现在的高精地图，有了内涵之后，还需要寻找一个使用场景。以前的地图是给人使用的，现在的地图是给车自动驾驶汽车使用的，所以它要更贴近于人类认知和机器智能，它是一个更详细、更新和可变尺度的表达。
上图不同的分层：真实世界、传统导航地图模型、高精地图模型，就是一个可变的尺度。这就是在高精地图时空表达中——可变尺度的维度。
高精地图的数据表达模型，必须要增加一个时间维度。如何理解时间维度？我们把它分为静态数据模型和动态数据模型。
高精地图为自动驾驶服务，它需要将道路基本形态，通过地图或矢量数据来正确表达出来。在静态高精地图模型中，车道要素模型包括车道中心线、车道边界线、参考点、虚拟连接线等。
车道中轴线采自于实际车道的中轴线位置，该对象用于车辆定位和引导车辆行驶；
车道边界线记载了实际道路中各条车道的形状信息和类别信息；
车道曲度参照点：对曲度达到一定阈值的车道设定的曲度参照点；
虚拟连接车道：在浮躁路口处，用于连接两条车道中轴线的虚拟车道线；
道路标高采集点：记载存在海拔变化的采集点，表达道路的三维模型。
在静态高精地图基础上，还有动态地图的概念。
动态高精地图模型是指提供车辆位置附近前后一定距离（或时间）的高精度丰富信息，如天气、地理环境、道路交通、自车状态等，有效叠加在静态高精地图上。
地图是除了位置三维空间之外，还需要时间轴、可变维度等等。地图在自动驾驶中的作用，就是一个时空场，因为它是所有数据融合和决策的基础平台，所以我们可以加入更多的维度，比如驾驶员状态信息、车辆状态信息、道路状态信息、天气环境状态信息。这些状态信息可以作为其他变量，加入到时空场中。
这样产生出来的动态高精地图可以作为自动驾驶的基础或载体呈现出来。
我们再理解一下，自动驾驶汽车有很多传感器，这些传感器需要融合，这意味着必须要有一个统一的时间和地点才能融合。否则，不同时间、不同地点的传感器数据无法融合。
统一时间、统一地点、统一环节就是地图的时空场表达，这是一个天然的融合平台。所以地图作为自动驾驶的基本功能外，还有这部分未显现的功能，这就是它最大的核心价值所在。
介绍地图的内涵后，地图还有很多外延，很多表达方式。
从谷歌开始的激光点云+矢量数据；Mobileye的RoadBook；TomTom的RoadDNA，高德、百度、Here和光庭的矢量地图；谷歌、Momenta的栅格HDmap，大陆的电子地平线等等。
这些表达的就是时空场数据，只是表现形式、表现内容稍有不同，但功能是一样的。
在它的外延中，我们可以看到多场景化的高精度地图。
一般常见的就是把高精地图按照结构化、非结构化和半结构化区分，简单说就是高速公路、城区道路和复杂路况，这是最基本的一个画面。但实际上道路的情况是千差万别的，有很多特殊的情况。
比如说环岛转盘，就是一种非常复杂的道路情况。那么这种地图的表达，它的复杂程度与结构化道路要复杂得多。
还有其他应用场景，如停车场、BRT和试车场。
一些室内停车场的数据，它的数据内容和表达是不一样的；在BRT这个数据中，它可能更关注的不是道路本身，而是车站以及BRT巴士能不能够准确对接的出入口；试车场看起来与其他道路没什么区别，但车场内要做大量实验，车速非常快，它对道路精度要求非常高。
所以，地图在外在的表达形式是多种多样的。
随着自动驾驶的发展，更多的汽车厂、风投越来越认识到高精地图的重要性。BBA投资了Here地图，福特、上汽投资了Civil Maps 、软银投资 Mapbox等一系列投资，无非就是汽车行业和IT巨头们非常看重这些创新企业或者图商在未来的发展潜力。
同时，BAT通过收购、控股或入股的方式将几大的数据商全部瓜分，在国内要抢占高精度地图或导航电子地图资质的门槛。
我们看到资本或者其他自动驾驶的玩家们，都越来越看重地图的重要功能。这给地图带来非常好的发展机遇。
在这么好机遇下，高精地图的发展还面临如下挑战：
高精地图到底需要多高的精度？
高精地图如何保持鲜度？
如何降低高精度地图的量产车本？
高精地图的合法性与标准化。
高精地图的精度到底要求有多高？如上图，不同数据内容表达的精度是不同的。这只是简单的一个例子而已，真实情况其实比它更复杂，不同场景面临的精度要求也不同。
简单说，就算道路宽度或道路车线精度是正负10厘米，但如果在隧道里，我们还需要做到正负10厘米吗？因为定位根本做不到正负10厘米，那么数据做到正负10厘米实际上是没有用处的。包括在室内的部分定位也是一样的。所以在不同场景下，它对精度要求是不一样的。
这也与自动驾驶的需求有密切关系。不同阶段的自动驾驶（Level 1到Level 5）的功能，会因为具体的精度而有不同需求。所以精度就是地图中一个可变的尺度，可高可低。
目前看，无论是从图商还是车企角度来看，精度问题都没有非常准确的答案。
业界有一种说法，就是“相对精度做到20厘米”，这是好多车厂和自动驾驶团队的需求，但这个说法本身就有问题。
在测绘界，“相对精度”是不会有一个绝对值的，它是一个量级百分比，所以“相对精度”的提法是有问题的。举个例子，车线宽度正负10厘米，信息牌是正负50厘米，它的精度会不一样，但实际上它的作用是一样的，为什么一样？
车辆如果在道路上行驶的时候，从车辆本身看车线的精度，它离车线很近，可能就两三米远，这个时候正负10厘米的误差，影响很大。但是它离信息牌很远，可能十几米，这个时候50厘米的误差，与车线的10厘米误差，可能就是一样的。
所以这种精度在表达的时候，“相对精度20厘米”的表达是不准确的。这也是我们面临的一个非常大的问题：如何准确的定义我们所需要的精度并达成一致？
第二个挑战是地图如何更新。
很多团队说高精地图没用。为什么没有用？现实世界是千变万化的，地图做出来就是一次性的、是静态的。
我们谈到地图高精动态，但实际上，我们在如何制作动态地图的时候，就需要考虑如何更新。实际上很简单——通过众包。
这种方法的来源是多种多样的，来源于政府的智慧城市和智慧交通上的的业务、大数据人工智能方面的分析业务、共享业务、手机终端服务数据以及车厂中的导航业务、自动驾驶的任务以及人工智能业务。
简单说，只要拥有通讯的智能设备，只要它能够获得位置信息，这个位置信息的精度能达到一定精度，这样的数据来源就是我们做地图更新的数据来源。这是一个简单的业务闭环的概念。
我们将HAD多级数据提供给政府、车厂和普通用户，他们在使用之后，不断传回这些位置数据。通过这种众包方式来更新地图，这也是我们未来的发展趋势，同时面临的挑战也非常之多。
首先是数据的精度，有没有那么多高速定位的设备来反馈这样的数据；其次是这些闭环是否能够无缝打造；最后是各家是否愿意将数据贡献出来。这在未来都是非常大的课题。
高精地图的生产成本可能是图商之间谈论比较多的问题。如上图，生产成本随着精度的上升而提升。从Level 2到Level 5，它对数据要求的内容和精度的要求会越来越高。
在数据采集过程中，从作业效率一人/天百公里，一直到Level 5已经降到了每天能做几公里的速度。这个生产效率的下滑，相当于成本在不断提升。
在这种情况下，我们需要引入人工智能。随着人工智能的提高，高精地图的生产成本会逐步下降，最终趋于平稳。
地图制作包含哪些内容？首先是车线识别、特征点提取、构建车道的拓扑网络以及制作各种地物（人行横道、标线、交通标志）等等，这是一个很基础的数据制作内容。
按照图商制作的方式，这些是分为很多步骤来实现的，每一步都涉及到很多的质量控制和成本。在这样的一个基础上，中海庭针对这种情况，开发了自动化生产的平台，引进AI技术和自动化生产技术引。
比如在基于激光点云的处理中，我们通过自动化识别的方式来自动化提取道路标线，把各种标线提取之后，车线以及路面标识都可以通过自动化方式来实现。
在路口拓扑的构建中，我们选择不同模式，通过我们的自动化生产平台就能自动地将路口所有的拓扑关系自动生成出来。
整个生产过程中，是一步到位来实施的，把所有中间过程全部给省掉了。我们将有些通过数据编译的过程，全部融合到生产过程中，这是一次性到位，极大减少了中间过程。这样我们可以降低高精地图生产成本。
再介绍一个不常见的问题，就是“级联式”生产方式。
说到自动驾驶，地图一定是多尺度和可变纬度的。所以从2D、ADAS到三维的高精地图，它是一个不同层次的地图。
在现有的生产过程中，包括各个友商，其实都是使用不同的生产线来生产高精地图。那么未来我们要把这样的生产过程集中到一个平台上。
在业内，大家都注意到一个问题：就是HAD地图/高精度地图如何与传统地图进行匹配？如何通过共有点或参考点来进行关联，这是一个很复杂的过程。
同时在整个对应过程中，成本非常高，难度非常大，同还涉及到大量人工干预的过程。那么，在我们以后高精地图的生产过程中，采用级联的生产方式，自动生成这些关联方式，避免复杂的处理。
在谈了几大挑战之后，其实最核心的问题可能是政策问题。
法律法规问题在国际上一直存在，只是国外更加注重安全，更加注重于价值授权方面的法律法规。在中国，就有独特的社会法规来进行限制。
在《基础地理信息公开表示内容的规定》中就规定，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）。
所以在自动驾驶中，关于坡度和高程问题无法使用的问题，对地图造成非常大影响。但更重要的就是加密，加密带来的误差。
在测绘领域的加密，造成的精度误差，实际上并不是大家所理解的那样：加密之后，地图全部偏转和扭曲。它实际上是两个步骤，一个是地图偏转，另外一个是定位偏转。
定位偏转和地图偏转如果是一样的，那就没有任何问题。但现在它的问题是两者不同，它会有随机误差。目前通过加密的调参数，可以做到定位加密和地图加密偏差不超过20厘米。
如何减少加密对自动驾驶产生的影响（是减少影响，影响依然存在）。20厘米只是一个坐标偏离的问题，但实际上还有很多精度是没有考虑，比如相位的变化，有可能通过正负10厘米的偏差之后，导致相位发生反转，这是非常严重的问题。
除了法规，在高精地图标准化方面，我们也做了很多工作。在国际上做得最好的就是ISO，它将地图是成系列的来进行标准化的定义。
那么相对应地，在国内有中国智能交通产业联盟、NDS协会和智能网联汽车产业联盟，有多个组织来考虑地图标准化的工作。
既然是挑战，它还面临的问题是什么？在制作高精地图过程中，这种标准化还不够，还有采集标准、通讯标准、接口标准等一系列标准，它要成一个体系，才能满足自动驾驶需求。
这样成体系的工作需要更多组织和同仁共同探讨。未来无论是图商、还是车厂，我们希望能够紧密合作，将标准化推到一定高度，满足自动驾驶的需求。
这就是中海庭对高精地图面临问题的阐述：机遇和挑战是并存的。未来面向自动驾驶高精地图的需求，还有大量的工作要做。虽然挑战存在，但我们相信通过努力还是能够达成的。
*雷锋网注：本文 PPT 由中海庭提供
正在生成分享图...
黄华丹