从科技巨头BAT到一批批入局的初创公司，行业内已聚集十余家高精度地图供应商。高精度地图被行业认定为L3及以上自动驾驶的必选项。进入2019年，L3自动驾驶量产前夜，高精度地图正在从技术研发阶段走向量产。当高精度地图上车，使用者必须要了解的几大问题是，高精度地图如何在自动驾驶系统中发挥作用？自动驾驶方案供应商又如何使用高精度地图？
近期，禾多科技地图和模拟器负责人戴震博士在SAE International 2019新能源与智能网联汽车技术大会上进行了关于“自动驾驶方案供应商如何使用高精度导航电子地图”的分享。雷锋网新智驾了解到，戴震博士是德国锡根大学的博士，曾任职于德国航空航天中心，为戴姆勒公司研发了世界上第一套基于NDS地图的汽车导航系统。
雷锋网新智驾了解到，在分享中，戴震博士围绕禾多高速公路自动驾驶解决方案HoloPilot和智能代客泊车系统HoloParking中高精度地图的呈现、不同场景中高精度地图如何进行导航、高精度地图如何应用于自动驾驶系统等方面进行了技术解析。
以下为分享实录，雷锋网新智驾进行了删减编辑：
高精度地图：让自动驾驶“心中有谱”
在禾多定义中，未来出行主要分为三个场景：一是高速公路自动驾驶；二是城市工况，即城区内自动驾驶；三是以泊车场景为代表的最后一公里。
目前禾多聚焦于两达主要场景：
首先是高速公路。禾多高速公路自动驾驶解决方案HoloPilot，是一个属于L3.5级别的解决方案；其使用量产化配置；主要利用现有的车规级传感器和计算单元以及高精度地图，来实现在高速公路上的自动驾驶功能。
其次是以代客泊车为代表的最后一公里场景。禾多智能代客泊车系统为HoloParking，是L4级别的解决方案；驾驶员仅需在固定点交接车辆，即可实现车辆自主寻找车位、停车入库、取车等代客泊车功能。
高速自动驾驶和代客泊车两大场景虽千差万别，但在应用地图角度看，双方有诸多相似之处。
首先，车辆需要先有地图数据，然后根据定位、感知、控制决策等各个模块需求，将地图数据打包，并按照特定的内容、特定的格式、特定的方式传递给各个模块。以上操作正是禾多导航引擎中所包含的主要工作范畴。
上图为高速公路场景下高精地图的基本呈现。如图所示，禾多使用的更多是矢量信息和语义信息，包括车道线、龙门架、路牌、路杆等地图要素。同样地，禾多也主要是利用这些要素来进行定位、感知、控制决策等等操作。
这是一个停车场高精度地图的呈现。除常见车道信息外，关于停车位的几何描述、很多大型周边建筑物的几何描述、关于路口的信息等等也出现在地图上。利用这些信息，禾多可以实现点到点的定位和导航。
自动驾驶是一个多模块融合的系统。地图在系统中需与其它模块产生交流碰撞。自动驾驶系统中的其它模块包括定位、规划、控制、感知等等。每个模块都有其独特的需求，而地图模块也需要为各个模块提供定制化服务，传递所需数据，帮助各个模块更安全地完成自己的工作。
高精度地图在高速公路自动驾驶系统中的导航有三个主要工作，路径规划、地图匹配、导航指令。这与传统车载地图导航的内容基本一致，但是从具体的实现上会有一些延伸，因为在自动驾驶系统中，地图导航的受众从人变成了计算机，所以每个模块的内容、体量也都会有变化。
结合与传统导航的比较，来介绍禾多高速公路自动驾驶系统如何进行路径规划、地图匹配等操作。
地图匹配：地图匹配模块的功能在于给出定位点，然后将定位点对应到高精度地图中，并计算出所在车道的编号以及车辆在当前车道中的相对位置。
从自动驾驶的角度看，高精度地图提供的导航信息需要做到从街道级别升级到车道级别。自动驾驶系统必须拥有在各种场景下实现车道定位的能力。这些场景具体包括在车道中心行驶、车辆变道等。
路径规划：路径规划模块也需要做到车道级别。人们日常使用的导航中有一些比较标准、通用的策略，比如最快路径、最短路径、大路优先等原则。但作为自动驾驶系统中车道级别的导航或者路径规划，目前并未有最优路径此类通用定义。
换句话讲，没有所谓的最优路径，只有最符合各自解决方案的路径。如果某个路径能够应用于你的方案，成功地将车辆从A点导航到B点，这就是最适合你的路径。这需要结合每家的自动驾驶方案进行制定。例如，一些自动驾驶车辆配速并不高，时速仅可达到80公里，在这种情况下，最左侧的车道显然不能经常出现在路径规划中，否则将会延缓交通流的顺畅。
导航指令：导航指令的意义在于通过给车辆发送实时执行的指令，让车辆能够在既定路径上行驶。实现这一功能的前提是，系统需要对前方路口类型进行精确描述。比如前方是主路或匝道分岔、是否在封路、是否有合流处或分流处等等。通过场景描述，再判断动作点应该如何反应。
导航指令主要分两类：
第一类是指示型指令，清晰简单，类似于常用导航。比如向左变道、向右变道等等。当控制器收到指令时，系统会结合当时路况，选择合适时机执行动作。这和传统导航非常相似。
第二类指令是引导型指令。这是传统导航中没有的部分。引导型指令更多出现在路口交汇处、匝道等复杂区域。这些区域的车道线比较复杂，会对感知产生很大的挑战。所以在这种情况之下，地图可以产生轨迹引导线，让车辆沿着引导线通过复杂路口，到达指定区域。
通过定位、感知跟控制决策三个模块，说明高精度地图如何服务自动驾驶系统。
辅助定位：首先介绍高精地图如何辅助自动驾驶定位模块。禾多科技的定位模块使用多传感器融合方案，摒弃了昂贵而不符合车规的高线束激光雷达，而是使用了视觉、毫米波雷达等符合量产标准的传感器，通过传感器结果和高精度地图的匹配来实现横向、纵向的高精度定位。
在横向定位层面，禾多可获取到车身坐标系里关于车道线的几何描述，同时也可在高精度地图中提取关于车道的先验信息。两个信息进行匹配即可实现横向纠偏。这与人类驾驶习惯类似，司机也通过眼睛寻找车道线，并让车辆保持在车道中心。
在纵向定位层面，禾多主要是通过对路牌的识别来实现定位。基于语义分割、2D/3D转换、边缘检测等技术，禾多能够分期将3D路牌从图像中提取出来，然后将边缘信息或者角点信息与高精度地图预留的先验信息进行比较，从而纠正纵向上定位的偏差。
辅助控制决策：控制决策是自动驾驶系统非常核心的模块，需要整合各模块资源，其中也少不了高精度地图，比如地图的曲率、坡度、侧倾角度等等。这些要素都是控制决策模块需要考虑的。举一个简单例子来表达高精度地图对于控制模块的作用，当车辆位于主路，马上要进入匝道时，车道会从一道直接分成两道，出现一条新的车道线，对于车道线感知的挑战非常大。而当车辆到达匝道分流区域之前，高精度地图会发出一条引导线，车辆会沿着引导线一直通过这个区域，直到进入车道线清晰的位置为止。
辅助感知：高精度地图对于感知模块也有很多帮助。感知是自动驾驶系统中计算量最大的一个模块，因其需要处理大量周边静态动态障碍物的信息。在高速公路场景下，得益于结构化的道路设计，能够真正对行驶产生安全影响的都是同方向车道上的车辆，所以系统可以利用地图以及当前的位置对前方可行驶的区域做预测。比如在行驶时，系统可以基于车辆当前位置，对前方一二百米感知范围内会出现的车辆进行集中排查，而无需过多关注该范围之外的车辆，如此将很大程度上降低计算资源的消耗。
同时，高精度地图中包含诸多先验信息，其可对感知的分割、识别提供重要辅助，比如常见的引流带或隔离带等突兀的路况变化，以及匝道、高架桥、隧道等。而地图的先验信息也可以很好地辅助感知模块进行判断。
众包地图更新：和传统导航相比，自动驾驶对于高精度地图的应用的另一个区别是，传统导航更多是简简单单的地图使用，而自动驾驶还要承担地图信息反馈的角色。
禾多能够利用视觉传感器，对车道线、路牌等道路信息进行感知，然后与已有高精度地图进行对比，将差异化信息按照既定格式上传给图商。图商对海量数据进行深度学习，从而进行高精地图更新。
禾多智能代客泊车系统HoloParking采用了车端、停车场端和高精地图端“三端合一”的技术方案：一方面，禾多将激光雷达和大部分算力转移到了场端，解决过车规问题；另一方面，通过三端协作，实现多传感器、多角度的冗余，提高停车周围环境的感知能力，能够支持全天候、全场景下的真实运营。无论在光线严重不足的环境中，或在人车混流、突发状况较多的复杂停车场，或雨雪、大风等恶劣天气下，HoloParking都能正常运行，为用户提供安全、稳定的代客泊车服务。
在高精地图端，禾多主要是利用车道之间的拓扑关系进行点到点、多路径的路径计算，以此保证实现多车调度的算法。同时车辆也可以利用车道的宽度信息，在车道内进行合理避障。
正在生成分享图...
田哲