本文內容轉載自微信公眾號： 中國地理資訊產業協會，版權歸原作者及刊載媒體所有，所刊載內容僅供交流參考使用，不代表本刊立場。

作者：

北京四維圖新科技股份有限公司

孟慶昕、張文傑、陳丹、侯燕、餘晶、張民崗、黃剛、閆春利、朱大偉、嚴明、姜昊、高玉、溫芳、於銀河

一、引言

近幾年，在人工智慧與測繪、汽車產業的深度融合下，自動駕駛和高精度地圖技術逐漸成為行業關注的焦點。眾多網際網路公司、IT廠商、傳統車企、新造車實力、技術型創業公司各自依託其在資金、技術、人才、渠道和場景等資源優勢，紛紛抓住產業升級機會，進入自動駕駛和智慧出行領域。在2016-2020年期間，中國的自動駕駛技術主要在封閉園區、景區、礦山和港口完成了小規模的商業化落地，並且在北京、上海、廣州、深圳、長沙、蘇州等地實現了特定區域內的無人駕駛出租車試運營，即“Robo-Taxi”。根據國家發改委、中央網信辦、工信部等11部委在2020年2月聯合釋出的《智慧汽車創新發展戰略》，2021-2025年是實現自動駕駛和高精度地圖技術突破、市場化應用的重要時間段。並且，高精度地圖已經被視為自動駕駛時期的“重要基礎設施”，也必將在智慧交通、智慧城市等領域發揮著“資料底座”的重要作用。

自動駕駛技術主要分為感知、決策和執行三個部分。感知層，主要透過使用多種視覺感測器（攝像頭+雷達），以感知探測汽車周圍的車、人、交通狀況、所處的位置等資訊；決策層，是在感知層蒐集資訊的基礎上，透過演算法對於資訊進行綜合處理，判斷出下一步的行駛方向、速度、轉向角度等；執行層，是決策層將指令傳送給控制層，由控制層透過對車輛進行轉向控制、驅動控制、制動控制和安全控制。

自動駕駛技術從硬體到軟體都取得了很大的進步，但從具體的技術實現方式看，大多數量產車產品是依託於視覺感測器和控制系統。感測器監測周圍環境，控制系統處理資料並生成決策，執行系統根據指令控制車輛駕駛動作。這種技術解決方案有一定的侷限性，短期來看效果不錯，但長期而言，隨著自動駕駛級別的不斷增高，道路複雜情況不斷增強，資料量不斷攀升，會對整體的自動駕駛實現成本和效果穩定性產生影響。並且，感測器由於本身的物理侷限性和易損耗等特點，無法保證自動駕駛汽車在全天候、全工況環境下行駛的可靠性。此時，高精度地圖就會發揮出重要作用，其將成為視覺感測器的有效補充，為車輛環境感知提供輔助，提供超視距路況資訊，從而提升車輛定位精度、感知可靠性以及路徑規劃能力。

高精度地圖是智慧網聯汽車產業的重要基礎技術，尤其是L3及以上級別的自動駕駛功能所必備的支撐技術[1]。相較於為人工駕駛員服務的傳統車載導航電子地圖，高精度地圖是為自動駕駛系統服務的專屬地圖，其蘊含更為豐富細緻的路面、路側及路上的靜態資訊，還需要輔以實時動態交通訊息，製作難度和複雜度遠高於傳統地圖。高精度地圖具備的地圖匹配、輔助環境感知和路徑規劃三大功能，在自動駕駛中具有難以替代的特殊優勢。

目前，高精度地圖技術已經過多年的發展摸索階段，新技術、新工藝逐步走向成熟，形成了一系列相對穩定的生產模式與基本定型的地圖產品，對智慧網聯汽車產業的發展起到了支撐和推進作用；汽車主機廠和系統整合商更是積極開發基於高精度地圖的自動駕駛汽車，不斷最佳化高精度地圖模型和資料內容，使得高精度地圖更加符合自動駕駛需求，形成良性迴圈；清華大學、武漢大學、北京理工大學等知名院校也已加快對高精度地圖資料要素等內容的理論研究。

二、高精度地圖背景介紹

（一）高精度地圖概念與定義

高精度地圖，也被稱為“自動駕駛地圖”或“智慧汽車基礎地圖”，英文通常翻譯為HD Map（High Definition Map）。高精度地圖是指絕對精度和相對精度均在釐米級（10釐米至20釐米）的高解析度、高丰度要素的導航地圖。高精度地圖提供了一個自動駕駛車輛所處的環境模型，包含了最底層的靜態高精度地圖以及其他動態資訊。靜態高精地圖中包含了車道模型、道路部件、道路屬性和其他的定點陣圖層。車道模型包含道路細節資訊，如車道線、車道中心線、車道屬性變化等，此外車道模型中還需要包含道路的曲率、坡度、航向、橫坡等數學引數。自動駕駛動態資訊是指智慧網聯體系下所有的動態資訊，一般包括地圖動態資訊、感測器資訊、駕駛行為、交通動態資訊管控等方面。

（二）高精度地圖所表達的資料內容

通常，要素完整的高精度地圖，會透過三類資料來完整表達真實道路資訊，第一類是道路和車道資訊，主要記錄道路資訊及引導拓撲資訊；第二類是道路周邊設施資訊，是定位和障礙物等輔助資訊；第三類是定點陣圖層，用於自動駕駛車輛現場匹配。

（1）道路&車道表達的內容

道路模型定義的核心內容是道路相關的資料表達，用於滿足道路級別的路徑規劃，以及高階輔助駕駛系統（ADAS）應用場景下對油門、剎車、方向的預先控制規劃。車道模型記錄了車道的行駛參考線、車道的邊線（標線）及停止線、車道與道路拓撲的關係等，可以滿足車到級別的路徑規劃需求，同時透過車道標線資訊提供車道間橫向聯通關係（可否跨越等），如圖1所示。

圖1 道路&車道資料

（2）道路周邊設施表達的內容

道路周邊設施是記錄道路和車道行車空間範圍邊界區域內的要素的，其幾何表達分點線面三種類型，如兩側的護欄、路牙等透過線來表達，牆、標牌、區域，文字、箭頭、符號等則透過面來表達，電話亭則透過點來表達。周邊設施資料通常用於輔助環境感知，以及抽取定點陣圖層用於輔助定位，如圖2和圖3所示。

圖2 道路周邊設施資料

圖3 高精度地圖產品效果圖

（3）定點陣圖層內容

道路定點陣圖層分為兩類，一類是道路採集時的原始點雲資訊，一般壓縮抽稀後點雲資料；第二類是從向量化之後的道路周邊設施資料中抽取部分特徵要素作為定點陣圖層。道路定點陣圖層非強制性要素，隨各家圖商產品規格策略確定是否製作。

如圖4所示，是OpenDrive中定義的高精地圖圖層，基於Features圖層提取出來的要素或原始資料層被用來作為定點陣圖層。

圖4 Open Drive格式的道路模型

（三）高精度地圖的特點

隨著自動駕駛汽車逐步走向量產，未來的車載地圖將邁入以高精度、高現勢性（活地圖或動態地圖）為特性的高精度動態地圖時代。與傳統的導航電子地圖相比，高精度地圖在各方面的要求更高，並且能夠配合感測器和演算法，為決策層提供支援。

高精度地圖作為一種全新的電子地圖型別，有著其獨有的特點：

1.以自動駕駛車輛為服務物件

傳統的導航電子地圖是顯示給行人和人工駕駛員，高精度地圖只會為自動駕駛系統提供服務。為了滿足自動駕駛汽車的需求，高精度地圖除了包含傳統地圖的內容，還會描述精細的車道標線資訊，以及道路參考線和車道參考線資訊，也包含了複雜的車道交換引導參考線及周邊設施資訊。

2.地圖精度更高

普通導航電子地圖的絕對精度通常在10米左右，高精度地圖的絕對精度被普遍認為需達到50釐米，相對精度在100米的行駛距離內，不能超過20釐米誤差，即基本與一個車道標線的寬度相同。因此，只有在20釐米相對精度的情況下，才能保證車輛不會發生側面碰撞。

3.表達內容更具體

導航電子地圖會將道路抽象為一條直線或曲線，高精度地圖需要儘量還原道路真實的現場狀況，建立精度極高的車道模型，以及道路通行空間範圍邊界區域內的精細化物件模型。

4.地圖鮮度更高

自動駕駛車輛需要實時掌握車輛周邊的設施變化情況和交通狀態，以此作為自動駕駛決策的依據。因此，高精度地圖需要提供日更新的高現勢性的地圖和以分鐘、秒為更新頻率的動態交通訊息。

（四）高精度地圖的作用

隨著汽車智慧化和網聯化的普及，自動駕駛汽車不斷髮展，高精度地圖受到了越來越多的關注。高精度地圖的充分運用能夠輔助智慧網聯汽車獲取先驗引數、超視距感知、高精度定位、最佳化駕駛行為、精準控制執行器操作、輔助路線規劃，為自動駕駛提供諸多數值化的決策依據。在L1、L2的輔助駕駛階段，高精地圖並非剛性需求，但其對於L4、L5級別的自動駕駛是必選項，對於L3級別的自動駕駛是可選項。因此，自動駕駛汽車的自動化、智慧化程度越高，對高精度地圖的依賴性就越強。

1.輔助高精度定位

透過基於高精度地圖的輔助感知，自動駕駛車輛能準確的知道周邊的物體（物件）的高精度位置座標，同時透過感測器得到車輛與周邊物體的相對距離，自動駕駛車輛即可基於探測到的物體（物件）高精度座標和相對距離反算出車輛的高精度位置座標，從而實現對自身位置的持續修正。

2.先驗感知識別

高精度地圖能夠輔助汽車超視距感知，當車輛道路環境被其他物體遮擋，或者轉彎，或者超出了汽車電子裝置感知範圍時，高精地圖能夠幫助車輛對行進方向環境的感知。

高精度地圖能夠輔助車輛快速識別道路環境周邊固定物體及車道標線。高精地圖能夠提高自動駕駛車輛資料處理效率，自動駕駛車輛感知重構周圍三維場景時，可以利用高精度地圖作為先驗知識減少資料處理時搜尋範圍。高精度地圖還能為車輛提供各種危險區域，車輛可以提前做出應急方案。

3.支援駕駛決策

高精度地圖提供道路曲率，當車輛轉彎時可以根據曲率進行提前減速，控制感測器甚至大燈轉向輔助。高精度地圖提供隧道等遮蔽資訊，車輛在進入前可以提前開啟大燈或調整感測器感光引數。高精度地圖提供坡度，能夠輔助車輛控制油門節省能源。高精度地圖的限速資訊精確到車道和車型，智慧網聯汽車用以精準控制執行器和相應車型合規執行。

4.車道級路徑規劃

基於高精度地圖的車道級動態路徑規劃及輔助感知成果最終都將作為參考資訊提供給決策單元，決策單元在已知固定環境、已知線路和動態目標的基礎上透過演算法生成車道級控制指令。

（五）高精度地圖製作技術概述

關於建立高精度道路導航地圖的方法研究也有很多，例如透過配備GPS-RTK的採集車沿特定線路採集資料；使用鐳射雷達與廣角攝像頭結合的方法提取道路資訊，加上配備高精度全球衛星導航系統（GNSS）則能夠達到10釐米精度，但這種採集方案成本較高，也有研究者提出使用低成本感測器建立車道級地圖的方法，透過全球定位系統和慣性導航系統（GPS/INS）的緊耦合完成定位，從正射影像圖中獲取相關地圖資訊。

目前，高精度地圖的生產與更新出現了三種技術模式：

（1）基於“鐳射雷達+人工智慧處理”模式。該模式穩定性高，但是採集裝置成本高，是各大圖商採用的主流模式。

（2）“眾包採集+AI識別提取”模式。該模式成本低，但是精度和穩定性待提升，是主流圖商更新和初創圖商採用的主流模式。

（3）“車輛動態上傳+動態地圖自動下發更新”模式。該模式是最為理想的高精度地圖生產與更新模式，尚處於論證階段，需要隨著智慧網聯汽車產業的發展不斷完善。

1.需要專業的採集和生產技術

高精度地圖有嚴格規範的生產流程。首先根據使用者應用的需要（一般是車廠，且需明確將地圖應用於何種級別的自動駕駛車型中）對產品進行規劃，制定生產計劃；其次，資料資訊採集部門開始收集資料資訊；再次，對收集的資料進行處理編輯繪製地圖；最後，對資料進行規格轉換。在地圖資料生產過程中需要經過層層資料檢查，確定資料生產的安全和準確。

圖5 國內三大主流圖商使用的採集車

圖6 國外兩大圖商Here和TomTom使用的採集車

當前，國內的四維圖新、百度、高德，歐美的HERE、TomTom等頭部圖商，普遍採用這種昂貴的鐳射雷達+慣導+全景相機+GNSS+差分基站的方式。單套裝置價格從100萬元到幾百萬元不等，每家採集車的數量從幾套到二十幾套不等。之所以採用如此成本高昂的裝置，是因為要滿足自動駕駛車輛對高精度地圖的絕對精度、相對精度、識別率等指標的要求，爭取搶在其他圖商之前開發第一張完整的高精度地圖，形成先發優勢，獲得市場青睞。隨著時間推移和眾多的廠商加入鐳射雷達和慣導裝置的開發中，裝置的價格正在快速下降，預計在3年後將會下降到當前價格的三分之一左右。

外業採集資料後，形成了慣導資料、GNSS資料、DMI資料、鐳射點雲資料、全景相機或雙目相機資料、精密星曆資料等大批次原始資料，經過自動化的GNSS組合導航解算，生成解算成果。解算成果還需要經過多次採集偏差校正、路面異常變形校正等軟體自動化處理才真正完成原始資料的解算。原始點雲資料如圖7所示。

自動化解算後的原始資料進入要素自動提取環節。要素提取一般有兩個主要過程，分別是自動分類和噪點濾除和自動化提取。

圖7 四維圖新原始點雲資料

1）自動分類和噪點濾除

圖8 自動分類和噪點濾除

圖8為點雲自動分類和噪點濾除的結果，該過程利用智慧演算法對有先驗知識對點雲進行要素分類，給定分類值，確定有價值的要素點雲後，對影響後續提取的噪點進行濾除，對作業範圍外無效的點雲進行自動裁切。

2）自動化提取

圖9 自動化提取結果

圖9為點雲自動化提取的結果，該過程是成圖的關鍵步驟，透過點雲分類結果和點雲的強度值自動跟蹤提取車道標線、路面標誌、交通標誌、護欄、路牙、桿狀物、上方障礙物等路面、路側、路上的交通設施和對自動駕駛有影響的附著物。提取的向量資料根據識別結果自動賦屬性值，和相鄰的其他要素組織邏輯關係。

自動化提取是高精度製圖的技術保障，各大圖商均投入大批次研發人員參與自動化解算、自動化提取、自動化成圖的軟體開發。不管是基於點雲的自動化成圖還是基於視覺的自動化成圖，短期內都無法完全實現完全的自動化，在相當長時間內仍需要投入必要製圖人員透過目視檢查修正資料。

圖10為四維圖新制作的高精度地圖

2.“眾包採集+AI識別提取”模式

基於市場客戶的需求，資料採集速度要非常快速且需要全區域覆蓋。出於成本考慮，專業的採集裝置不能無限制的擴張。因此，傳統圖商在資料採集時考慮低成本眾包採集技術，透過眾包採集大量可靠資料發現數據變化的範圍，再根據資料變化的可信資訊派專業採集車進行核實和專業測量。

目前，市面上應用最廣泛的眾包採集方案是採用“視覺+GNSS”的方案。如圖11所示，由以色列Mobileye公司生產的EyeQ視覺晶片，佔據了市場的壟斷地位，截至2020年年底，其所有EyeQ視覺晶片在全球的累計出貨量已到達6000萬顆，為近30家車廠的300餘種車型ADAS功能所採用，超過L2+系統量產車型的70%。EyeQ晶片可以支援REM地圖，即路網採集管理系統的快速搭建。具體的工作原理是利用視覺神經網路抓取變化的車輛、車道標線、路牌等資訊，將收集的資訊匿名化加密，再上傳到雲端，生成REM地圖，然後生成地圖資訊分配到自動駕駛汽車中。

圖11 Mobileye EyeQ系列晶片

不含鐳射雷達的低成本高精度採集裝置成本大約在5萬~8萬元，帶有16線鐳射雷達的成套採集裝置大約在10萬~16萬元，雖然用於眾包更新成本仍然較高，但是作為地圖供應商用於快速更新採集卻非常合適。用於眾包的裝置，成本控制到千元級，才可能大批次裝配到計程車、分時租賃車等服務性車輛上；成本控制到3000元以下，才能批次前裝到所有車輛。圖12為某圖商眾包採集裝置情況。

圖12 某圖商眾包採集裝置

對於初創企業來講，該方法裝置成本低，採集效率高，成圖快，但是需要投大量研發資源提升採集精度和感測器識別率。經過最近幾年發展，國內以Momenta（初速度）和寬凳科技為首的初創企業，已經在輕量化採集的基礎上形成了高精度地圖製作的突破，其他企業也在輕量化裝置和整體解決方案上做了大量嘗試，各種技術百花齊放。圖13為某圖商基於影象的高精度地圖製圖結果。

圖13 某圖商基於影象的製圖展示

3.“車輛資料動態上傳+動態地圖自動下發”模式

每輛行駛中的自動駕駛汽車，是地圖雲中心資料成果的使用者，同時也是地圖雲中心資料的提供者。車端的運營狀態資料（如實時位置、車身姿態、駕駛行為、各類感測器資料、實時交通資料等等）透過路測裝置或蜂窩網路傳送至地圖雲中心，雲中心對這些實時大資料進行深度挖掘分析，形成對高精度地圖的有效更新並透過空中啟用（OTA）等形式下發到車端，如此迴圈往復，不斷對高精度地圖進行實時更新最佳化，形成一套智慧網聯汽車體系下的高精度地圖生產運營一體化閉環運營模式。

該閉環生態模式已經成為業界共識，相應的標準也應運而生，圖14為國際標準組織Sensoris的資料流設想圖。

圖14 Sensoris標準資料流設想圖

四維圖新是國內第一家基於該模式開發完成了“車輛/車廠-圖商-車廠/車輛”的閉環模式驗證，百度和TomTom聯合開發的AutoStream也是“車輛動態上傳+動態地圖自動下發”模式。

（本篇為全文的上篇，下篇近期刊出，敬請關注）

參考文獻

[1] 中國汽車工程學會、天津智慧網聯汽車產業研究院. 中國智慧網聯汽車產業發展報告（2020）

[2] IDC《全球智慧城市支出指南》（2020年7月釋出）

[3] 俞慶華. 為自動駕駛的精準定位服務,博世與百度、高德及四維圖新展開合作[J]. 汽車零部件, 2017, 106(04):85-85.

注：本文收錄於《中國地理資訊產業發展報告（2021）》（測繪出版社）

目 錄

第一篇 2020中國地理資訊產業發展狀況報告（檢視全文）

第二篇 國際地理資訊產業發展報告(2021)（檢視原文）

第三篇 我國測繪地理資訊領域科技與產業的自主創新發展

第四篇 高解析度遙感衛星發展研究報告

第五篇 立足第二代衛星導航產業 促進北斗產業化發展分析

第六篇 測繪地理資訊標準化進展（檢視原文）

第七篇 數字孿生技術在戰場地理環境保障中的應用探索（檢視原文）

第八篇 數字孿生在新型基礎測繪中的應用（檢視原文）

第九篇智慧交通地理資訊發展報告（檢視全文）

第十篇 全國水利一張圖技術及其應用進展

第十一篇 高精地圖技術及應用發展現狀

第十二篇 三維GIS軟體技術發展及應用

第十三篇 2020地理資訊產業百強企業分析（檢視原文）

第十四篇 2020中國室內定位行業發展

初審：張豔玲

複審：宋啟凡

終審：金 君

往期推薦

資訊

○《測繪學報》《測繪通報》《測繪學報（英文版）》編輯部恭祝大家元旦快樂！

○ 2021年全球十大航天新聞

○ 2021年中國十大航天新聞

○ PPT分享 | 陳軍院士：自然資源時空資訊科技體系方向與任務

會議

○ 第七屆普適定位、室內導航與基於位置服務（UPINLBS 2022）國際會議（一號通知）

○ 高俊院士、王家耀院士等6位著名科學家獲“2020-2021年度中國地理學會科學技術獎——終身成就獎”

○ 關於第24屆國際攝影測量與遙感大會預通知

○ 第一屆深度學習與地球科學專題研討會

《測繪學報》

○《測繪學報》8篇論文入選“領跑者5000——中國精品科技期刊頂尖學術論文（F5000）”

○ 智慧駕駛環境感知 | 李帥鑫：面向點雲退化的隧道環境的無人車鐳射SLAM方法

○ 智慧駕駛環境感知 | 詹智成：用於智慧駕駛的動態場景視覺顯著性多特徵建模方法

○ 智慧駕駛環境感知 | 邵曉航：語素關聯約束的動態環境視覺定位最佳化

《測繪通報》

○ 如何識別城市交通中的頻繁路徑

○ 面向上海城市數字化轉型的新型測繪

○ 影象全站儀及影象測量發展與展望

○《測繪通報》2021年第11期目錄

《北京測繪》

○《北京測繪》2021年第9期摘要推薦

○《北京測繪》2021年第8期摘要推薦（下）

○《北京測繪》2021年第8期摘要推薦（上）

○《北京測繪》2021年第7期摘要推薦（下）

《測繪科學技術學報》

○ 《測繪科學技術學報》2021年第1期重點論文推薦

○ 摘要 |《測繪科學技術學報》2021年第3期摘要推薦

○ 摘要 |《測繪科學技術學報》2021年第2期摘要推薦

○ 摘要 |《測繪科學技術學報》2021年第4期摘要推薦

○ 摘要 |《測繪科學技術學報》2021年第5期摘要推薦

《地球資訊科學學報》

○ 《地球資訊科學學報》2021年第10期佳文推介

○ 《地球資訊科學學報》2021年第11期佳文推介

○ 佳文推介 | 大資料城市通勤交通模型的構建與模擬應用

○ 專刊徵稿：社會感知與地理大資料探勘（徵稿中）

《測繪工程》

○ 摘要 |《測繪工程》2021年第5期摘要推薦

○ 摘要 |《測繪工程》2021年第4期摘要推薦

○ 摘要 |《測繪工程》2021年第6期摘要推薦

○ 測繪教學 | 後疫情時代“線上+線下”混合教學模式創新——以測繪類課程視角

《中國空間科學技術》

○《中國空間科學技術》2021年第6期摘要

○《中國空間科學技術》2021年第5期摘要推薦

○ 摘要 |《中國空間科學技術》2021年第3期摘要推薦

○ 火衛二地形地貌探測綜述

《衛星應用》

○《衛星應用》2021年第10期摘要

○ 摘要 |《衛星應用》2021年第9期摘要推薦

○ 摘要 |《衛星應用》2021年第8期摘要推薦

○ 綜述 | 北斗系統應用趨勢分析

《Journal of Geodesy and Geoinformation Science》

○《測繪學報（英文版）》（JGGS）LiDAR專刊釋出

○《測繪學報（英文版）》（JGGS）第一次編委會會議順利召開

○Special Issue on New LiDAR Technologies and Techniques

○ Stefano TEBALDINI et al. |《測繪學報（英文版）》（JGGS）精選論文

○《測繪學報（英文版）》專刊徵稿 | 地圖學與地球空間資訊教育：理論與實踐

《Satellite Navigation》

○ [綜述]| 高揚教授：GNSS智慧手機定位：進展、挑戰、機遇和未來展望| SANA佳文速遞

○ 熊超教授：地磁暴期間夜間低緯電離層和赤道等離子體不規則體| SANA佳文速遞

○ 徐元博士：面向有色測量噪聲下UWB/INS組合行人導航的分散式卡爾曼濾波| SANA佳文速遞

○ 楊飛博士：GNSS天頂對流層精化模型的構建與分析| SANA佳文速遞

○ 牛小驥教授：用半解析法分析GNSS/INS在鐵路軌道測量中的相對精度| SANA佳文速遞

《自然資源遙感》

○ 《自然資源遙感》入駐“智繪科服”融媒體平臺！

○ 《自然資源遙感》徵稿：“海岸帶空間資源及生態健康遙感監測”專欄

○ 摘要 |《自然資源遙感》2021年第3期摘要推薦

《Journal of Geovisualization and Spatial Analysis》

○《Journal of Geovisualization and Spatial Analysis》入駐“智繪科服”融媒體平臺！

○ JGSA國際期刊2021年第5卷第2期論文摘要