随着兔年即将落幕，充满无限可能的龙年即将到来，我们满怀期待迎接新的一年。
感谢每位读者一直以来对【高德技术】的关注，是你们的持续关注和热心支持，让我们的旅程更加精彩。
高德地图，作为国内数字地图、导航及位置服务的领军者，我们不断攀登技术高峰，持续追求技术创新，致力于提升用户的体验。
本期，我们精心挑选了2023年高德技术公众号中最受欢迎的15篇文章，我们的技术团队在人工智能、架构设计、终端交互以及数据技术等多元领域披荆斩棘，不断突破。我们诚邀各位同仁细读并珍藏这些精华佳作。
愿在新的一年里，每一位技术同行人，在专业技术领域突飞猛进，工作如鱼得水，生活美满幸福，共同在龙年的技术浪潮中乘风破浪，书写辉煌篇章！
作者尝试梳理了AI Infra这一关键基础设施在过去20年的进展和里程碑事件。希望能抛砖引玉，与大家一起探讨一下哪些关键点支撑了现代AI的发展，以及未来AI Infra的发展动向和设计思路。
算法和框架互相影响着对方
云原生和行业无关化架构是高德地图服务端未来的努力方向。因为真实世界的数据存储量大，高德采用了OceanBase来解决。本文与大家分享我们的技术选型过程，落地方案，遇到的问题、解决办法及思考。
评价系统痛点分析
03.基于BEV+Transformer的地面要素感知+建模技术在高德的应用
本文将主要介绍BEV+Transformer端到端感知与建模技术在高德各项业务中的应用，如高精地图中地面要素（包含线要素和地面标识）自动化上的具体方案及其演化过程。
点云数据和图像数据投影进BEV空间后的效果图
04.高德发布HQ Live MAP，基于视觉众源技术可实现数据实时更新
高德地图正式面向汽车行业发布了全新的HQ Live MAP，致力于通过保留一定精度、同时具备鲜度和城市覆盖范围优势的高质量数据产品，助力合作伙伴加速部署全场景的高级辅助驾驶服务，共同为用户带去更优质的驾驶体验。
ETA（Estimated Time of Arrival），即预估到达时间，指的是用户在当前时刻出发按照给定路线前往目的地预计需要的时长。如何准确地预估ETA对于高德地图的诸多业务板块都起到至关重要的作用。本文主要介绍ETA在高德的应用场景、预测流程、难点及解决方案。
ETA整体框架
车道级导航对信号精度要求更高，模拟导航测试手段无法满足车道级场景的精度要求。车道级导航下，需要面临各种复杂问题测试场景：如多层高架叠加渲染、车辆变道行为引导等。原有的模拟导航方案亦无法完成这类场景构建与测试。本文介绍了高德汽车工程团队如何通过一种仿真手段来解决上述车道级导航场景构建与还原的问题。
方案逻辑图
BEV(Bird’s-Eye-View)是一种鸟瞰视图的传感器数据表示方法，它的相关技术在自动驾驶领域已经成了“标配”，纷纷在新能源汽车、芯片设计等行业相继量产落地。BEV同样在高德多个业务场景使用，例如：高精地图地面要素识别、车道线拓扑构建、车端融合定位中都扮演了重要角色。本文分享的内容主要包括两个部分：视觉BEV基本原理、方案解析。
BEV在高德应用场景（仅列举部分）
a)高精底图 b)地面要素识别 c)车道线拓扑构建[1] d)车端融合定位(BEV特征和底图匹配)
在高德地图上实现自动驾驶导航界面的自动巡航效果，只要在3DTiles图层上展示主体车辆（后文简称为NPC）沿着既定的路径平滑移动就可以了，这里不用考虑NPC与场景碰撞问题，因此可以直接把NPC和场景拆分为两个独立图层，本文着重介绍一下NPC移动要如何实现。
酷炫的主体车辆移动要如何实现
高德基于北斗卫星导航系统，以及自主研发的深度学习模型、惯性导航、泛在信号等前沿技术推出的车道级导航服务，截至目前已支持在国内99%以上城市和乡镇道路使用。用户在驾车导航时，无论是在城市还是乡镇，无论是在高速快速路还是普通路段，均可享受到高德提供的高技术密集、沉浸式的新一代导航产品。
如今随着车道级导航基本完成了全国道路的覆盖，高德已同时达成全球范围内，应用AI自动化建模技术，构建完成规模最大数字化地图的成就。
ARHUD驾车导航，就是把车速限速、转向动作、引导线等重要的导航信息，投影到驾驶员视野正前方，让驾驶员尽量做到不低头、不转头就能看驾驶引导信息。高德在ARHUD驾车导航方面做了大量研发工作并拥有业界领先的技术储备和实践经验。
虽然我们为架构设计做了很多事，但是似乎什么也没做，因为只针对架构设计本身来说，很难说清楚它所产生的价值。所以，好的架构设计的出发点是什么？好的架构应该是什么样的呢？
常用的架构设计 之 分层架构
高级辅助驾驶方兴未艾，行业中“重感知，轻地图”的声音也不绝于耳。针对高级辅助驾驶，站在高德地图视角，我们是怎么理解“重感知，轻地图”；高德推出HQ Live Map，是一张高质量的“活”地图，它的产品特征和技术特色又是什么？本文中将给予介绍。
知识与数据协同的自动化制图
本文作者从事测试工作八年多以来，经历过三个部门多条业务线，也经历过测试转型再回到测试，在此过程中对测试工作和角色的认知也逐步有些思考，把一些思考分享给大家，希望为业务测试同学提供一些有价值的思路。
本文主要介绍了高德地图数据业务前端团队通过自定义插件，设置器，组件标准化等一些方式，降低了作业平台内组件间联动，数据处理的难度，实现了让非研发同学可以独立搭建小粒度车间的目标。
搭建页面中的数据筛器
我们的诉求是在尽量不影响用户使用和App运行的前提下，采集类粒度的代码使用覆盖率。使用的采集方案应该少Hack，实现简单，兼顾稳定性和性能，同时也不会侵入打包流程，带来包体积影响等，在经过深入探索后，我们自研出了一套完美满足这些要求的全新方案。
业务方案逻辑图
关注「高德技术」，了解更多
扫一扫
116
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
