作者 | 晓畅Auto 编辑 | 汽车人
原文链接：https://zhuanlan.zhihu.com/p/377154517
点击下方卡片，关注“自动驾驶之心”公众号
ADAS巨卷干货，即可获取
点击进入→自动驾驶之心【高精地图】技术交流群
后台回复【高精地图综述】获取高精地图创建、高精地图定位等多篇综述！
本文只做学术分享，如有侵权，联系删文
在完成了第一课无人驾驶概览之后，我们开始系统性地学习自动驾驶的各个部分。
这篇文章就介绍主流自动驾驶实现方案中举足轻重的一个部分——高精地图。之所以称其为主流方案，是因为总有一个奇葩，那就是特斯拉，偏偏不走寻常路。而除此之外，包括Waymo、蔚来、百度等上下游企业均选择了高精地图作为自动驾驶的支撑点。从Apollo的课程安排上也可以看出百度对自家高精地图的重视和自信，毕竟比地图资源可没有几家有他那样的资质。
那么今天我们就来聊一聊高精地图。
一、高精地图VS传统地图
首先需要解决的问题是——什么是高精地图？这要先从我们平时开车、出行所使用的导航地图说起。当我们想去某地时，只要将目的地的名称输入app，软件便会为我们规划出一条或几条合理的路线，不过这样的路线通常只会显示一些较少的信息。得益于人类发达的智能水平，你可以靠肉眼观察便能读懂各种交通信号、知道何时要变道、不能走错车道、何时需要限速。
但是轮到车自己开了，这样的地图就显得不够用了，因为车辆的智能水平还远远达不到人类的水平，他们并不能知道路牌的信息含义、交通灯在哪，不同的车道代表了什么。因此，为了配合车辆做好感知、决策等一系列工作，人们开发出了高精地图，这个地图主要是为了给车看的。
因此，现在可以给出高精地图的定义了：高精地图（High Definition Maps, 缩写为HD Maps）是一种包含大量驾驶辅助信息的高精确度机器用地图。
那什么叫做“驾驶辅助信息”呢？实际上，你在路上开车碰到的所有车道标志、路牌标志、交通灯、路口布局、路标位置等等所有帮助你进行驾驶过程的都叫驾驶辅助信息。比如，你看到地面上的车道标志了，就知道左转该走哪条车道、直行走哪条车道，中间的黄线不能逾越。根据上方的红绿灯信息，你就知道了何时可以左转，何时能够直行，甚至这幅图中还出现了左转专用道，你还需要知道何时前出，驶入等候区。
再比如，下面这种竖在路边的路牌也提供了驾驶信息，它告诉你机动车走哪条道，行人、自行车走哪条道，甚至这背后还暗含这样的语义信息，驾驶时注意路边的行人和自行车。
每一次驾驶行为中其实充满了这些各式各样的“辅助信息”，只是人类以其智慧能够轻松应对，但是车辆就不行，它没法像人一样这么好的理解这些信息，因此就需要一幅为他量身打造的地图，把这些信息全部标出来告诉他，他才能看得懂。
高精地图最重要的特征之一便是“高精”，这一点从名字上就能看出来。那它的精度到底有多高呢？一般普通导航地图所采用的GPS定位精确度为米级，信号较好的开阔地带一般定位较为精准，但是一旦信号减弱或是有房屋遮挡，把你定位到河里也是有可能的。但是这在自动驾驶场景下便是不可接受的，因为这会给车辆带来错误的感知定位，以至于产生灾难性的后果，因此，将精度提高到“厘米级”势在必行。
二、高精地图对于整个自动驾驶任务的重要意义
相对于人类的“高智商”，车辆也并非一无是处。他们拥有强大的“记忆能力”，可以记住每一个车道标记、每一处路标，从而确保定位精准。一幅高精地图放在人类面前可能是眼花缭乱，过多的信息甚至会干扰人集中注意力驾驶；但是摆在机器面前那可是“多多益善”。自动驾驶车辆还能依靠高精地图进行提前的规划。因为事先已经采集到了行驶道路的所有数据，因此便可在实验室的仿真软件中事先对路径进行预测规划。
高精地图对于感知、定位和规划等核心模块而言起到了基础性的作用，它支撑着上层的算法架构。
高精地图对感知功能的帮助在于它“提升”了硬件传感器的感知范围。和人类的眼睛一样，无人驾驶车辆的传感器也是受到距离限制的，尤其是在恶劣自然环境下，感知范围大大受限。而高精地图由于事先即存好了相应地点的地理位置信息，便可帮助传感器进行超前感知。另外，高精地图还能帮助传感器缩小检测范围。高精地图能够告诉传感器在哪些特定区域搜寻想要的信息，如交通信号灯、停车路牌等，这样缩小了ROI（感兴趣区域）的大小，便可节省感知耗费的时间。
高精地图能够为车辆提供精准定位。车辆的自主定位是从收集路标点开始的，通过感知得到的多模态数据在这一步里经过预处理、坐标转换和数据融合，将路标点与高精地图中所存的已有信息进行匹配，从而判断出车辆的准确位置。
高精地图可帮助预测规划模块找到合适的行车路线。例如，它能够根据自身掌握的道路信息提前为车辆指明哪条路不堵，那条路行驶红灯少等。它还能指引汽车找寻到车道中线，从而尽可能沿车道线安全行驶；在有限速等标志牌的路段，高精地图能够提前帮助决策进行车辆减速，从而降低突然减速带来的不适驾乘体验。
三、如何构建高精地图
想要构建高精地图自然少不了地图采集设备，这里涉及到地图测绘方面的专业知识，就一笔带过。这样的采集车携带的全是专业设备，并且具有地图采集资质的地图商并不多，这里面涉及很多国家机密，因此是不会对外国公司开放的。前不久被调查的滴滴就是因为掌握了出行地图数据，涉及重大国家安全数据泄露而被多部委调查了。
百度为Apollo采集了一套覆盖中国大部分高级道路的高精地图，同时这些地图还需不断维护升级，比如这里的路在维修、那出了场车祸等等都可能引起高精地图的“高精”不在。因此在数据采集阶段，地图公司需要养一个庞大的采集车队，以确保对地图的修正和更新。
在获得采集到的大量数据后，需要对数据进行处理，包括整理、分类、清洗等，以获得一张没有任何语义信息或注释的初始地图模板。随后，需要使用机器学习的方法对这上面的物体进行识别标注，这是一项繁复浩大的工程，所幸这些都可通过自动标注完成，大大减轻了人工标注的工作量。之后还需进行手动验证，这确保了自动地图创建过程中一切正常进行，并能够及时发现问题。这些工作都做完之后，一幅高精地图便可上线发布了。
当然，这样庞大的工作如果只靠Apollo一家来做自然也是不现实的，百度采取了众包的模式，让每一个用户在每日驾驶过程中帮助更新高精地图，从而确保地图的实时准确性。
下面是找到的另一家地图厂商在构建高精地图时的方法，可供大家了解参考。
https://www.zhihu.com/zvideo/1391111667246383104
想要更深入的学习高精地图是如何制作的，推荐大家去报名深蓝学院的《基于图像的三维重建》这门课程。众所周知，基于图像的三维重建是自动驾驶中制作矢量高精地图的关键技术，而深蓝学院邀请名师授课，梳理了三维重建的完整技术流程，又提供针对性的编程训练。在这一领域苦苦钻研的小伙伴建议去听一听~
四、高精地图的问题
最后来谈一谈高精地图的问题。其实高精地图本身最大的优点同时也是其最大的缺点。如何理解这句话？高精地图由于追求“高精”而使日常维护变得极为繁琐，在降低实现L4自动驾驶难度的同时也让相关自动驾驶算法更加依赖于高精地图，换句话说，如果车辆行驶至某处没有高精地图或者高精地图没来得及更新的地点，则可能导致车不会走了而发生交通事故。这也是为何激进的特斯拉选择直接放弃高精地图的原因。
① 全网独家视频课程
BEV感知、毫米波雷达视觉融合、多传感器标定、多传感器融合、3D目标检测、目标跟踪、Occupancy、cuda与TensorRT模型部署、协同感知、语义分割、自动驾驶仿真、传感器部署、决策规划、轨迹预测等多个方向学习视频（扫码免费学习）
视频官网：www.zdjszx.com
② 国内首个自动驾驶学习社区
近2000人的交流社区，涉及30+自动驾驶技术栈学习路线，想要了解更多自动驾驶感知（2D检测、分割、2D/3D车道线、BEV感知、3D目标检测、Occupancy、多传感器融合、多传感器标定、目标跟踪、光流估计）、自动驾驶定位建图（SLAM、高精地图、局部在线地图）、自动驾驶规划控制/轨迹预测等领域技术方案、AI模型部署落地实战、行业动态、岗位发布，欢迎扫描下方二维码，加入自动驾驶之心知识星球，这是一个真正有干货的地方，与领域大佬交流入门、学习、工作、跳槽上的各类难题，日常分享论文+代码+视频，期待交流！
③【自动驾驶之心】技术交流群
自动驾驶之心是首个自动驾驶开发者社区，聚焦目标检测、语义分割、全景分割、实例分割、关键点检测、车道线、目标跟踪、3D目标检测、BEV感知、Occupancy、多传感器融合、大模型、SLAM、光流估计、深度估计、轨迹预测、高精地图、NeRF、规划控制、模型部署落地、自动驾驶仿真测试、产品经理、硬件配置、AI求职交流等方向。扫码添加汽车人助理微信邀请入群，备注：学校/公司+方向+昵称（快速入群方式）
1784
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
