在讲解高精度地图之前，我们先把定位这个事情弄清楚，想明白，后面的事情就会清晰很多，自古哲学里面讨论的人生终极问题，无非就三个，我是谁，我从哪里来，我要去哪里，这里的位置定位就包含了人生哲学中的两个问题，可见其重要性。
如果你有一个路痴女朋友，如果她在外面迷路了，如果是在10年前没有那么发达的导航手机，可能给你电话沟通是这样的。
——你在哪儿呢？
——啊？我在马路上啊。
——有什么特征？
——头顶有个月亮。
——你旁边有什么啊？
——有个路灯。
——有没有路牌啊？路牌上写的什么？
——我看看啊。还真的有，上边写着“禁止停车 违者罚款”。
——姑奶奶，我真是服了你了……
——哼，你是不是不爱我了，你肯定是不爱我了，你是不是喜欢上了新来的那个前台？
说了现代人，再来说说我们古代的人对于导航的需求：朝辞白帝彩云间，千里江陵一日还。两岸猿声啼不住，轻舟已过万重山，看看李白当时由于没有导航，导致过了多少座山都数不清了。
我们身处何方？怎样到达目的地？多久可以到达？——这是自人类出现以来一直萦绕于心的问题。早在石器时代，“北京人”外出打猎时会在沿途留下痕迹，待捕获猎物之后，配合固定的坐标物来找到回家的路。天体导航时代，罗盘、指南针、六分仪等发明不断拓展着人类在地球上的足迹，人们开始远行，世界走向融合。
1、普通定位
学过初中数学都知道，我们如果要在一个二维平面上定位的话，首先建立一个笛卡尔坐标系，通过坐标原点，就可以判定A点的具体位置（x，y）的坐标，如果要从A点到B点的绝对距离，也就是通过坐标系上的绝对位置的运算即可。
这里的二维平面的定位比较准确，而且相对容易一些，是只有X/Y方向上的坐标，只要大家都遵循对应的原点坐标，或者哪怕原点坐标不同，轻易转换也可以得到，所以一般情况下在室内的一些平面定位会比较好做一些，比如扫地机器人的定位。
2、GPS三维定位
我们先来看看地球上的某个位置的定位，其实对于对球上的某个点而言，正常情况下只需要知道经度和纬度，但是对于导航而言，一定还需要定位的高度，否则像重庆这样的魔幻8D城市，太多高架桥的位置，上桥和下桥的导航位置显示的经纬度都一样，只能通过高度来定位自己处于哪条道路上，否则导航分分钟让人在重庆高架桥上半日游，所以大家都说看一个地图准确不，来重庆立交桥溜溜就行。
有的这个概念后我们再来看GPS定位原理就会轻松很多。
首先明白一个事情，无论是GPS还是北斗，都是通过卫星来定位的，GPS 的全称是导航星测时和测距全球定位系统，简称全球定位系统（Global Position System，GPS），可以实现地球表面附近范围的全天候三维位置等信息的获取，其具有实时性好、准确度高的优点，是当前世界发展最完善、应用最广泛的全球卫星导航系统。
我们经常在文章中看到的GNSS，是全球卫星导航系统（GNSS）是卫星导航的统称，是除了GPS以外，还包含目前俄罗斯的GLONASS、中国的北斗，欧洲的伽利略这四大导航系统。
GPS的工作的标准定义如下：
GPS由24颗工作星和4颗备用星组成。卫星工作在互成55度的6条高度为2.02万KM的非同步轨道上。如此一来，在全球的任何地方、任何时间都可观测到4颗以上的GPS卫星。GPS卫星向地球发射导航电文（系统时间、星历、历书、卫星时钟修正参数、导航卫星健康状况、电离层延时参数等内容），GPS终端收到卫星发送的数据，经解算即可确定当前位置，并以NMEA0183格式，WGS-84坐标系输出数据。
读起来很拗口吧，那我以一个专业理科生的理解方式来给你剖析剖析。
①为什么不使用同步轨道卫星呢？
地球同步卫星轨道：卫星的轨道周期等于地球在惯性空间中的自转周期（23小时56分4秒），且方向亦与之一致，卫星在每天同一时间的星下点轨迹相同，当轨道与赤道平面重合时叫做地球静止轨道，即卫星与地面的位置相对保持不变。倾角为零的圆形地球同步轨道称为地球静止轨道，因为在这样的轨道上运行的卫星将始终位于赤道某地的上空，相对于地球表面是静止的。这种轨道卫星的地面高度约为 3.6万千米。它的覆盖范围很广，利用均匀布在地球赤道上的 3颗这样的卫星就可以实现除南北极很小一部分地区外的全球通信。
既然同步轨道卫星数量这么少就可以实现定位，为什么不使用呢，这里涉及到一个发射的问题，地球同步轨道卫星的发射很困难，技术很复杂。但如果一个国家的卫星发射场建在地球的赤道上，那这种卫星的发射就简单多了，在赤道上由西向东发射，达到要求的轨道高度，在适当的位置定点，问题就解决了。可惜的是，许多发射卫星的国家不在赤道上，也不可能在赤道上建立卫星发射场。这样给卫星的发射带来了许多的困难，要经过几次的轨道变换才能成功。
但即使卫星已经定点很准了，当工作时间一长，由于地球形状的影响(地球不是正圆)、地磁场的影响，以及太阳甚至月亮的引力都使得卫星的位置发生变化 (轨道摄动)，所以时不时的还要进行轨道修正，要随时控制它的状态和位置，这种修正我们称为卫星的轨迹保持。
简单来说，同步轨道卫星需要在轨道附件发射，如果不是的话，进入同步轨道是魔鬼般的困难，即是卫星到了同步轨道，随着工作时间一长，又要重新修正，花费的成本太大。
所以不用同步轨道卫星导航的根本原因是技术太难，成本太贵，吃不消。
②为什么需要接收到4颗以上的卫星才能定位
我们还是得从GPS的功能说起，除了定位，GPS还给我们提供一个精准的时间修正，这个时间比石英晶体的时间还准100倍，所以车里面的时间校准都基本上使用GPS的时间去校准。
测量出已知位置的卫星到用户接收机之间的距离，然后综合多颗卫星的数据就可知道接收机的具体位置。
公式看起来有点费劲，我们就简单来理解，我们还是从坐标系的位置说起，正常情况下需要知道笛卡尔坐标系下的（X,Y,Z），三个坐标分量，同时还有一个时间t0的分量，那么这样算起来就有四个未知数，学过数学咱们都知道，四个未知数，至少需要4个方程才能解出来，那么就至少需要4颗卫星才能组成4个方程。
下面是接收机在搜到不同卫星数量的时候可以做的工作，在搜到1颗卫星的时候就可以更新时间和日期了，但是要实现经纬度和高度的定位至少也是需要4颗卫星以上才能有海拔信息的输出。
有的人也许会担心，我家在遥远偏僻的小山村，怎么能保障头顶上有4颗以上的卫星呢？
上面GPS的搜星说了，一定要收到4颗卫星以上才能定位，由于卫星一直是在运动的，所以每颗卫星大约5小时左右在地平线以上，同时位于地平线上的卫星至少有4颗，最多12颗，上图是用户可接收到卫星数量的概率分布图，7、8、9颗卫星概率最大了，此时定位是毫无压力。
卫星定位有点类似 古希腊唯物主义哲学家赫拉克利特的一句名言“人不能两次走进同一条河流”这句名言的意思是说，河里的水是不断流动的，你这次踏进河，水流走了，你下次踏进河时，又流来的是新水。河．水川流不息，所以你不能踏进同一条河流。同样的，卫星定位的时候，你早上搜到的那颗卫星和你傍晚搜到的那颗卫星都不是同一颗卫星了，但是不影响你最终的定位输出。
有的人说不对啊，为什么经常在桥下或者树林茂密的地方无法定位呢？
是因为卫星的发射功率并不大，信号到达地面时已经很弱。这种信号强度相当于1.6万公里外一个25瓦的灯泡发出的光。再做个比喻，它比电视机天线所接收到的功率还要低10亿倍，此时就和不同手机的接收模块有关系，有的手机GPS接收性能好一些，如果你恰好又在停车场或者天桥等遮挡信号的地方，此时不能定位也是正常的，所以这里埋下伏笔，GPS定位在一些信号恶劣的环境下是无法定位的。
同样都是使用GPS定位，为什么车载导航定位的时间要比手机定位的时间要慢很多呢？
常规情况下，定位模块上电开机后，通过天线搜索卫星，解析卫星发射的数据（导航电文），然后内部生成星历，再经过复杂的计算，从而得到当前精确的位置（3D Fix）。这个过程称之为“冷启动”。根据信号强度、芯片运算能力，通常耗时几十秒到几分钟不等。这个过程中，搜星+生成星历文件耗时最久，不同厂家的芯片算法能力不同，时间就会有差异，基本上目前都是30秒上下。
为什么有的时候定位模块只用了几秒就成功定位了呢？原因有二：
1、非“冷启动”方式，即“温启动”或“热启动”；
2、使用了AGPS辅助定位。
也许大家会以为，这里的“X启动”和电脑的开机、待机（睡眠）、重启近似吧？实际上并非如此哦。由于卫星所处空间位置、终端设备所处地表位置是不固定的，所以此处的“X启动”都是以最后一次定位时间和位移距离作为判断依据的：比如温启动，指的是距离上次的定位时间超过2小时，不足4小时，没有较大距离的位移发生，这样就可以实现秒定位，为什么呢？
因为定位模块要搜星，生成星历，比如我在深圳，头上有某一颗卫星，假如我不移动，这颗卫星要经过4个小时后才会移动到搜不到的地方，更换为其他卫星，如果我没有发生较大位置移动，不足四小时的话，可以使用上次的搜星的星历，就会节省很多时间，就会秒定位，热启动也是一样的原理。
怎么实现AGPS秒定位呢？
那么，什么又是“AGPS辅助定位”呢？在传统GPS定位方式中，定位模块需要全频段搜索以找到可用卫星，因而耗时较长。而“AGPS辅助定位”方式，是通过网络直接下载当前地区的可用卫星星历数据，并将之发送给定位模块，定位模块只搜索特定的卫星，从而提高了搜星速度，减少设备耗电。
想想网络下载当前地区可用星历，那么有好几种方法，比如使用2G/3G/4G网络，中控车上带有TBOX就可以，比如通过WIFI，WIFI连接某个热点也可以下载星历。这里简单说说2G怎么一个AGPS的过程。
1、设备从蜂窝基站获取到当前位置的小区信息；
2、设备通过蜂窝网络，将当前蜂窝小区信息传送给网络中的AGPS位置服务器；
3、APGS位置服务器根据当前小区信息查询该区域当前可用的卫星信息（包括卫星的频段、方位、仰角
等相关信息），生成对应星历文件，并返回给设备；
4、通信模块通过串口把收到的星历文件传输给定位模块；
5、定位模块根据星历文件，得到的可用卫星信息，快速找到当前可用的GPS卫星，针对性的搜星，大大提升定位时间。
冷启动像是多项选择题，要把所有选项计算一遍，才能找到正确答案；而“AGPS辅助定位”就像是作弊器，排除掉了很多错误答案，只要计算少数几个即可。从而提高效率和准确率。
所以大家可以明白，都是通过GPS导航，手机的定位时间会比车载中控的快很多，也就是这个AGPS辅助快速定位的区别，比较老的车载中控导航很少有4G模块，都是通过GPS，第二天开车就属于冷启动方式，至少要30秒左右才能定位了。
想想如果此时是老式的导航机器，没有4G，没有WIFI，只有蓝牙怎么做到快速定位呢，其实有可以通过手机的4G信号下载星历，然后通过手机蓝牙和车机蓝牙相互连接，此时通过连接后把对应的信息传输过来就可以做到快速定位，这个已经有手机厂商写了相关专利。
3、GPS定位精准度问题
1983 年，韩国007 号客机导航系统故障误入苏联领空被击落，时任美国总统里根旋即宣布一旦GPS 建成将开放给公众使用，GPS 民用的大门就此开启。
美国政府在GPS设计中，计划提供两种服务。一种为标准定位服务（SPS），利用粗码（C/A）定位，精度约为100m，提供给民用。另一种为精密定位服务（PPS），利用精码（P码）定位，精度达到10m，提供给军方和特许民间用户使用。
GPS 卫星将发射两种不同的测距码，即军用的P 码和民用的C/A 码，分别对应精密定位服务（PPS）和标准定位服务（SPS）。由于C/A 码无法用双频技术消除电离层折射影响，美国技术人员预测定位精度会在百米级别。不过，测试表明C/A 码定位精度远高于预测值，能达到14 米左右，，这就是实力，本来以为设计的精度有100米左右，结果竟然达到了14米，哎，他们的工程师太保守了，这和我们国内某些领域的“叫兽”经常说我们某项技术国际领先，国内一流的技术相比还是too yong to simple。
由于多次试验表明，SPS的定位精度已高于原设计，美国政府出于对自身安全的考虑，对民用码进行了一种称为“选择可用性SA(Selective Availability)”的干扰，以确保其军用系统具有最佳的有效性。由于SA通过卫星在导航电文中随机加入了误差信息，使得民用信号C/A码的定位精度降至二维均方根误差在100米左右。
1993年11月美国一个叫做詹尼弗·库恩的女孩遭绑架之后被杀害，在这个过程当中，库恩用手机拨打了911电话，但是911呼救中心无法通过手机信号确定她的位置。由于这个事件，导致美国的FCC(美国通信委员会)在1996年推出了一个行政性命令E911，要求强制性构建一个公众安全网络，即无论在任何时间和地点，都能通过无线信号追踪到用户的位置。
在GPS 民用逐渐广泛背景之下，SA 政策显得尤为显眼，美国GPS 工业委员会也一直大力推动关闭SA。1996 年，克林顿正式发布了国家GPS 政策（PDD），明确表示美国在保护国家安全和对外政策利益的同时，推动GPS 全球卫星导航系统的应用，增强美国民用卫星导航系统工业的竞争力，为此美国政府还承诺10 年内中止使用选择可用性技术（SA）。
取消SA 干扰信号：为保持GPS 的国际领先地位，基于商业利益考虑，2000 年美国取消了对GPS 卫星民用信道的SA 干扰信号，民用GPS 的定位精度达到平均6.2 米的实用化水平。同年，GPS 被写入《美国法典》，以法律的形式将GPS 的两用性质予以保障，以在维护国家安全利益的前提下推动民用。
目前GPS的实际绝对精度在5米左右，而军队使用的精度是0.3米。
4、GPS地图坐标系转换
俗话说的好，国有国法，家有家规，每个行业都有自己输出的格式标准。
GPS数据遵循NMEA-0183协议，该数据标准是由NMEA（National Marine Electronics Association，美国国家海事电子协会）于1983年制定的。统一标准格式NMEA-0183输出采用ASCII 码，其串行通信的参数为：波特率＝4800bps，数据位＝8bit，开始位=1bit，停止位＝1bit，无奇偶校验。
数据传输以“语句”的方式进行，每个语句均以“$”开头，然后是两个字母的“识别符”和三个字母的“语句名”，接着就是以逗号分割的数据体，语句末尾为校验和，整条语句以回车换行符结束。
我们就以公司的地址通过GPS接收机，接收到的代码为例子。
我们再来看一下NEMA-0183中的定位GGA格式：
格式：
$--GGA,hhmmss.ss,llll.ll,a,yyyyy.yy,a,x,xx,x.x,x.x,M,x.x,M,x.x,xxxx*hh
创维大厦公司阳台定位搜下来的代码示例：
$GPGGA,065545.789,2232.3526,N,11357.0576,E,1,9,0.85,18.1,M,8.0,M,,*5E
GGA输出格式：ddmm.mmmm（度-分）
日常使用格式：dd.dddddd（度）
那么如何把GGA 输出的数据转换为我们日常使用的格式呢？学霸看一眼就会说， 这个问题很简单嘛，balabala~~~作为学渣的我，一头雾水；
公式如下：
ddmm.mmmm → 小数点前移两位 → dd.mmmm → dd + 0.(mmmm/60) = dd.dddddd
举例：
11357.0576 → 113.570576 → 113 + 0.(570576÷60) = 113.95096
此时把这个经纬度放到百度地图里面会发现有问题，根本不准。
实际我们所在位置是创维大厦，当时把搜下来的经纬度放到百度地图中的时候，就胡发现已经偏离到软件园那边去了，预计有3公里左右的偏差。
之所以会产生“偏差”，这就涉及到一个有关坐标系转换的问题：GCJ-02 火星坐标系统纠偏。上面提到GSP模块输出数据的格式为NMEA-0183，使用的坐标系是WGS-84。通常，国际上其他国家的地图软件也都是使用WGS-84，相安无事。
不过，中国国家测绘局要求所有从事地理测量、地图绘制的公司、单位机构、个人必须使用GCJ-02坐标系（G表示Guojia国家，C表示Cehui测绘，J表示Ju局）。也就是说，国内的地图软件大都是使用的GCJ-02坐标系。所以开发者/用户如果将WGS-84的经纬度填入国内的地图软件，就会产生极大的偏差。
（所有的电子地图、导航设备，都需要使用GCJ-02坐标系。第一步，地图公司测绘地图，测绘完成后，送到国家测绘局，将真实坐标WGS-84的电子地图，加密成“GCJ-02火星坐标”，这样的地图才是可以出版和发布的。第二步，所有的面向客户的设备厂商，要在软件中加入该转换算法，将定位模块输出的真实WGS-84坐标，转换成GCJ-02的坐标。这样一来，“以偏治偏”，坐标系才可以完全匹配，也就没有“偏差”了）
那么，是不是所有的国内地图都使用了GCJ-02坐标系呢？非也……百度、搜狗又自成体系，自立坐标了。
大家使用一下经纬度查询这个小程序，你会发现只有百度地图和谷歌、高德、腾讯地图的经纬度有不同。
其中百度较为特殊，需要 WGS-84 → GCJ-02 → BD-09 两次转换，因为它使用的是自己的坐标系，此时的经纬度就会同其他地图厂家有经纬度有区别，从上面地图定位来看，最终定位的效果来看，如果直接把其他地图坐标的GPS的经纬度放到百度地图中去，会有2-3公里的偏差，这个完全是不能使用的。我们先来看看古代在没有GPS定位的情况下是怎么绘制地图的，
无论是什么方法来绘制地图，最重要的步骤就是测量。在古代的测量，条件极其艰苦，最开始纯粹是靠人力边走边量。人文始祖之一的炎帝，就曾经为了丈量土地，徒步走了几十万里。大禹在治水的时候，地图也是必不可少的，他也曾派两个徒弟，带着准绳、规矩，到水灾泛滥的地方去丈量，从而获得基本的数据。所以，古代也将地图称为“禹迹图”。
这样徒步的丈量，实在太过于辛苦，于是在汉代出现了一种新的方法，它借助于一辆特制的马车完成。马车分为上下两层，每层都有一个假人。车行一里时，下面地假人就会击鼓一次，车行十里地时候，上面的假人就会响铃一次。
这样，负责丈量的人，就只需要记录下响铃或者击鼓的次数，便能将行进的距离准确算出来。这种方法，就叫做“记里鼓车”，计量的那辆车，被称为“大章车”。这个大章，正是大禹派出丈量土地的徒弟之一。
在古代的条件下，测量做到了这一步，已经很不容易了，后代在此基础上虽然也进行了改良和调整，但总的来说，并没有发生质的飞跃。
5、古代地图的绘制
古代的那个时候的地图绘制相对比较粗糙，基本上都是坐在车上（或者骑马、乘船、步行等）前往尚待探索的地域，凭借简单的定向设备确定位置，再将亲眼侦测到的地理信息记录下来，绘制到地图上。
当然不可能把所有看到的信息都绘制在地图上，一般都是以山川为基准的地图。这种【地图】，就是一份行政说明书，首先把县城画在中央，再把辖区内的山川、名胜按照相对于县城的大致方位绘制出来，最后把各个村镇填到相应的山上、河边。
比如这份清光绪十一年版的《大宁县疆域图》：这张地图并非按照典型的上北下南，左西右东排布方式，而是根据县域地势和主要河流走向，将西北设为上，东南设为下。
这是现在的地图，进一步对比，在电子地图中搜索那些一百多年前的地名，发现还有许多可以对应得上。
这是现在的地图，进一步对比，在电子地图中搜索那些一百多年前的地名，发现还有许多可以对应得上。
虽然沿着同一条道路和河流的村子，之间的位置关系具有一定的准确性，这大致说明这类地图的绘制，是依靠绘制着带着定向设备和测距仪器，一步一步走出来的。但是由于缺乏定位技术，又没有经纬度这样的一套绝对坐标系统，其误差会逐渐积累，而且地块之间不成比例，导致人只能沿着地图所描绘过的道路行走，否则就会迷路，对于偏远的村镇来说，基本没有参考价值。
6、近代纸质地图的制作
看了古代的地图，我们再来看看最近20年左右的纸质地图。
不知道现在还有多少人会购买纸质地图，曾经我读大学的时候把成都市地图和四川省的地图都买了一份，骑车自行车把成都1-3环内全部骑了一个遍，那个时候手机导航流量也贵，而且2G的流量速度也慢，半天刷新不出来，还不如我拿一个高清的纸质地图加上看路标指示来的快。
这些纸质地图是传统意义上的行政地图或者交通旅游图，能把一些国道，省道，稍微大一点的街道、一些大型的建筑物、学校、地铁口等信息标注在上面，而且比例基本上都是1:5W的比例缩放的。这个时候道路有多少红绿灯，是否有坡度，是双行道还是单行道等等信息都是没有办法在这上面进行标注的，毕竟地图上显示的信息有限，而且要按照国家标准进行对应的信息显示。
也行你看到这样的地图，不就是百度谷歌一下，通过卫星远程一看，然后就可以制作成地图，然后下载下来就可以了，其实还真不是这么简单的事。基本上纸质地图的制作，虽然不需要像电子地图那么精密，但是一般也是首先通过飞机航拍摄影测量，根据地图比例确定好航拍的高度、航线等等，拍摄非常多的照片，然后是实地选择并测绘像空点，需要专家进行分析，根据航飞数据设计像控点图，实地用专业的测绘仪器测绘每个点的平面坐标和高程，制作立体模型。
所以大家在街上看到使用这些仪器的人员，基本上就是测绘人员，可能有的是地图单位的，有的是工程单位的。
控制点选好后，基本上就可以把这些照片全部连接起来，在计算机上建立实地的立体模型，在模型上量测，比如绘制出整个成都市的地图，根据要求 ，地图有的是做成平面的，就像我们经常看到的成都旅游地图，成都交通地图等等，绘制完成后，再进行外业调绘工作，赋予地图更多的信息（比如上面标准地名，颜色，建筑标识等等），最后内业编辑完后就给到审核单位审核，审核完后就可以印刷出版了。
我们通常能接触到的地图都是公开的，有的地图是保密性质的，有一些保密信息给到专业的机构使用的，想想这些信息也足够你在城市里面不迷路了，这个时候地图的精度也只能保障在20-50米，而且当时骑车会遇到一个比较尴尬的情况就是，可能有一些小道路已经修改了，但是这个还没有更新，因为这个纸质的地图更新频率是3个月左右，而且需要自己去购买最新的地图，所以基本上纸质地图已经成为过去时了。
7、电子导航地图
前面提到了地图的汇总，咱们终于说到电子地图导航了，
不知道大家对于这样的电子导航显示屏还有印象没有，反正至少我是印象挺深刻的，这个大概在2000-2015年左右非常常见，使用几次非常让人崩溃，而且现在很多人不愿意使用中控导航大屏，还是停留在那个第一代电子导航的时代，首先吐槽的就是这个显示屏清晰度就不高，而且是电阻屏，你用手指还不能触摸，还必须用指甲或者触摸笔才能去触摸，触摸响应同蜗牛有的一拼，关键输入地址后还半天不反应，反应过来还不正确，识别不到地址，需要你填写一些大一点的地址。
其中第一代电子导航，呈现方式主要是2D平面地图，有些朋友可能还记得在使用初代导航软件的时候，需要将各城市的地图数据下载至本地，路径规划通过本地芯片进行计算后得出结果。可以完成A点至B的行程，但是计算逻辑基本只会考虑距离以及道路属性（国道、省道、环路、收费高速等），由于没有实时流量的数据，所以基本上规划路线的时候不会考虑实际道路的拥堵情况。
这个时候的导航地图基本上都是以TF卡的形式本地存储的，没有在线更新的能力，所以半年左右还得去下图这样的后装导航维修厂，或者4S店进行导航升级，升级也需要费用的，因为这个地图厂家本身也需要进行对应的内容升级，当时主流的导航地图是凯立德，四维图新等等。
我们再来看看第二代电子导航地图，也就是我们目前所广泛使用的电子地图导航。本地数据开始联网，并且逐步引入大数据和云计算。同样由A点前往B点，导航所考虑的问题越来越多，道路是否拥堵、选择最短距离还是时间最短的路线，都在其考量范围之内。而且随着地图精度的提升，在通过岔道口时，导航还会弹出道路图像和引导路线。
这个时候的地图数据相对内容比较丰富了，经常在这边打滴滴，同滴滴司机沟通，基本上他们听语音播报就可以实现导航，只有在一些岔路口的时候看地图上的指示，基本上现在的地图导航都能满足实际的需求，虽然这个普通电子地图的精度也就10米左右，但是不妨碍车机开车啊，除非是特别快的速度，否则按照语音来进行导航都能正确导航，当然不排除电子地图数据出问题往河里导航的情况，这个是百万分之一的概率，所以整体而言是安全可靠的。
这个时候的地图数据已经非常大了，全国地图的时候基本上是16GB的数据，相当于3部高清电影的数据容量大小，而且地图的更新频率也会比较快，一般1-2个月就会更新一次，基本上都是直接通过OTA网络更新，不用再开车回4S店进行地图更新了，非常方便。
8、高精度导航地图
终于第三代导航地图，来到高精度地图来了，首先说说高精度地图在2016年就开始在起步，其实一个产业要落地，有非常多的行业因素影响，尤其是高精度地图，不仅仅是自身的地图行业，ADAS的发展，网络通讯速度等等，需要等到一个合适的时机才能爆发，而今年恰好属于高精度地图爆发的元年。
上图是小鹏P7最新的NGP远征版本的导航界面，这个和咱们的普通看到的导航地图差别比较大吧，而且前不久，小鹏汽车发起一项「NGP 3000 公里远征挑战」的活动。
整个测试路段共收集有效记录数据110份，在使用NGP情况下得到的数据分别是：平均单车NGP行驶里程2930公里，变道超车总次数6245次，通过匝道总次数1215次，通过隧道总次数1308次。
一路之上，车队历经各种各样的天气（包括下雨、大雾），小鹏NGP全程实现了平均百公里接管次数为0.71次，变道超车成功率94.41%，匝道通过成功率92.76%，隧道通过成功率94.95%。
之所以取得这样的成绩，除了传感器，自动驾驶算法之外，高精度地图的使用也是功不可没的，当然也有一些试驾媒体中对于试驾中存在的问题提出了一些看法，而这些观点基本上都是集中在高精度地图上，下面我们看看专业媒体对于小鹏汽车的高精度地图的槽点是哪些。
缺点1，高精地图缺失零散而不一致。在这次我们行驶的高速公路上，出现过至少10+次高精地图缺失，很不理解一长段高速公路为什么会出现部分缺失的情况，这种缺失有长有短，长的时候超过10公里没有高精地图信息，短的时候大概只有100米以内。虽然在失去高精地图后，NGP会降级到LCC，但是这种不停的降级和升级还是给驾驶者带来了较差的驾驶体验，因为你不知道啥时候会中断，啥时候又会恢复，你能做的就是等待，所有的不安都是来自于恐惧。
缺点2，高精地图覆盖范围无法显示。在我们规划路线的时候，我们发现，无论是APP还是车机地图，均无法显示哪些道路是高精地图覆盖范围。这就限制了我们规划时候选择NGP路段的能力。比如说，我这想走NGP可用的路，那怕远一点没关系。这样的意向在规划道路的时候就无法体现，在这一点上，蔚来的NOP就在车机地图上提供了开始NOP和结束NOP的标志点，这点希望以后可以补上。
缺点3，高精地图的权重太高。整体感觉目前的NGP还是比较依赖高精地图了，无论是变道还是隧道，一旦高精地图和车身感知发生冲突，都会按照高精地图来做，一旦高精地图数据缺失，NGP状态就会退出。既然P7已经拥有了两套360度的感知体系，是不是可以在高精地图数据缺失的情况下，启用车辆感知能力顶替上去，保持NGP状态的稳定，就类似于NOA没有高精地图也可以实现领航辅助的功能一样，保证整体NGP功能的连续性，增强用户体验。
这里我们就不对吐槽的问题一一解答，相信在看完整个系列文章后，你心中对于这些疑问肯定有一定的解答。
所谓高精度地图（也称为高精度地图），实际上是和普通导航电子地图相对而言的服务于自动驾驶系统的专题地图。高精地图也称自动驾驶地图、高分辨率地图，是面向自动驾驶汽车的一种新的地图数据范式。高精地图绝对位置精度接近1m 相对位置精度在厘米级别，能够达到10-20cm。
准确和全面地表征道路特征，并要求更高的实时性，是高精度地图最显著的特征。此外，高精地图记录驾驶行为的具体细节，包括典型驾驶行为、最佳加速点及刹车点、路况复杂程度、以及对不同路段信号接收情况的标注等。
9、高精度地图的层级
高精度地图可以分为两个层级：静态高精度地图和动态高精度地图。
静态高精度地图处于底层，是目前研发的重点。它一般由含有语义信息的车道模型、道路部件（Object）、道路属性三类矢量信息，以及用于多传感器定位的特征（feature）图层构成。
动态高精度地图则建立于静态高精度地图的基础之上，它主要包括实时动态信息，既有其他交通参与者的信息（如道路拥堵情况、施工情况、是否有交通事故、交通管制情况、天气情况等），也有交通参与物的信息（如红绿灯、人行横道等）。
高精度地图的高精度体现在两个方面。
一是高精度地图的绝对坐标精度更高，地图上某个目标和真实世界的事物之间的精度更高；
二是高精度地图所含有的道路交通信息元素更丰富和细致。
普通的导航电子地图由于是辅助驾驶员做导航使用，其绝对坐标精度在10米左右就够用。而在自动驾驶领域，自动驾驶汽车需要精确的知道自己在路上的位置。车辆与马路牙子、旁边的车道距离通常仅有几十厘米左右，因此高精度地图的绝对精度要求都在1米以内，而且横向的相对精度（比如车道和车道，车道和车道线的相对位置精度）往往还要更高。
此外，高精度地图还有准确的道路形状，并包括每个车道的坡度、曲率、航向、高程，侧倾的数据。车道线的种类、颜色；每条车道的限速要求、推荐速度；隔离带的宽度、材质；道路上的箭头、文字的内容、所在位置；红绿灯、人行横道等交通参与物的绝对地理坐标，物理尺寸以及他们的特质特性；所有这些信息也都需要准确的反映在高精度地图之中。
10、常见的高精度地图的数据组织方式
一般而言，电子地图是通过不同的图层去描述，然后将图层叠加来进行表达。在一张电子地图里，水系、铁路、街区、建筑物可能会分别位于不同图层，每一个图层可以理解为一张透明薄膜 ,多图层被绘制叠加后才能真正为我们所用。
道路地图是对实际道路进行反映，通过特定的图层来描绘特定类别，然后将图层叠加进行路面表达，终端上显示的导航地图往往都是由10多层甚至20多层不同分辨率的图片组成，当用户进行缩放时，程序根据缩放级数，选择不同分辨率的瓦片图，拼接成一幅完整的地图，高精度道路导航地图也是如此，只是它在普通电子地图基础上包含了更多图层的数量，且每一图层的描绘更加精细。
虽然有这么多图层，整体而言，目前的高精度地图可以分为三个大的图层架构。
上图是四维图新对于高精度地图的分三大图层。
地图图层，主要是记录道路的详尽描述，比如道路边缘，道路模型、车道模型并以厘米级的高精度数据精准呈现信息；
定位图层 主要是记录具备独特的目标和特征，比如交通标志、地面标志、灯杆等，记录的内容包括绝对的坐标、属性、几何轮廓等，用来和其他车辆传感器感知结果匹配，推算车辆位置。
关于定位层，高精地图包含的元素取决于无人驾驶车辆本身采用了什么样的传感器。其次，定位层还与应用场景紧密相关，比如在无人矿区或地下停车场所自动驾驶时所需要的高精地图信息要素也不一样。
目前自动驾驶汽车在“定位”方面的解决方案差异性较大，有太多不同的传感器包括摄像头、激光雷达组合方案，目前定位技术主要集中在Feature Based和Dense Information Based这两种方法上，高精度地图制图也主要围绕这两种方式。
因此在未来，图商有可能会根据不同的场景、不同的传感器生成不同的高精地图。
实时图层 通过云服务平台将动态实时传达给自动驾驶车，让车辆提前预知前方出现的可能影响驾驶策略的情况；
看到这里是不是想到一个非常著名的案例，倒在高速路的白色的货车，特斯拉直接冲上去撞了上去，这个如果有使用到高精度地图的实时图层，就可以轻松的避免此类问题的发生，但是这个理想很丰满，现实很骨感，目前高精度的实时动态图层，这部分还没有那么快落地，后面的内容会提到为什么没有那么快。
11、高精度地图信息分类
高精地图信息可分为道路信息、规则信息、实时信息三部分。
道路信息包含车道模型、道路部件、道路属性三部分，为自动驾驶汽车提供决策基础。
而规则信息与实时信息则是在道路信息之上的叠加，包含对驾驶行为的限制以及从车联网获取的实时道路信息。
高精度地图所蕴含的信息如此之丰富也就意味着高精度地图的数据量将极其庞大，仅仅一条道路的就需要采集超过14亿个数据点，若想最终实现高精度地图的商业化落地，庞大的覆盖范围带来的数据量将是一个不小的挑战。
以宽凳科技的高精度地图产品为例，在一天的时间之内，通过众包采集的车辆的摄像头采集道路数据，上传至云端之后再进行初步预处理得到的数据就能达到600-800GB；而Waymo的地图测绘车在一天的时间内采集的数据大小为1TB左右，覆盖的范围大约为8小时车程的道路。而且值得注意的是，此类数据主要包含的是静态高精度地图图层信息，并不包括实时交通参与者等动态高精度地图的信息。
高精地图内涵丰富，但实际使用的时候并非无所不包。以自动驾驶汽车需求的导向，与导航地图相比，高精地图不包括具体地点属性和信息、障碍物属性、建筑模型，只需关注车辆行驶道路及其周边场景，其余场景如公园、商场、景区等地图信息不在高精地图的考虑范围之内。主要原因在于导航地图包括大量非驾驶信息。
12、高精度地图和普通地图的区别
高精度地图与导航地图：面向对象的不同带来本质差异。一般地图面向对象为人，以人的认知为基础，解决的需求包括规划路线、确认地点、辨别方位等，而高精地图面向对象为自动驾驶算法，面向的是“一台机器”，数据将作为自动驾驶算法的输入端，解决的需求包括环境感知、高精度定位、规划与决策等，是自动驾驶汽车行驶上路的“行动指南”。
从这里可以看到，基本上除了定位精度的要求不同以外，还有很多不同，比如常见导航的显示界面就很大不同，自动驾驶更注重人机交互的虚拟地图的感觉，让车主明确的知道自己处于的车道，周围的环境情况。
更新频率也很大的不同，电子导航传统地图更新频率一般是一个季度，而高精度地图涉及到给机器的自动驾驶，理想情况下是1个小时更新一次，这里就涉及两个难点，一个是对于高精度地图厂家的要求太高，他们没有办法做到那么多采集车辆去更新全国那么多的高精度地图，而且高精度地图的数据量巨大，对于一般的车载导航中控的存储也是一个挑战，所以在更新高精度地图的数据对于车机的芯片是一个蛮大的存储和传输挑战，最好是通过5G进行地图更新，否则这个更新效率让车主是受不了的，而且需要做双备份更新，所以车机导航的存储容量变的非常大。
可以看到普通导航地图是给人使用的，定义的是信息娱乐系统，如果在开车过程中没有导航信息是不危害驾驶人安全的，但是高精度地图主要是给车辆使用的，定义的层面是车载安全系统，此时在自动驾驶系统中所占的安全成份的重要性是不言而喻的，一旦定位有严重偏差，会造车自动驾驶出现比较大的安全事故。
首先咱们来看看自动驾驶的主要技术分为三大类，分别是感知层，决策层，控制层。
如上图可以看到高精度技术位于感知层和决策层，为自动驾驶系统提供底层支持，自动驾驶是一个庞大而复杂的技术体系，类比于人类驾驶行为。
人的感知就是通过眼睛和耳朵；
自动驾驶感知层：主要由激光雷达、 摄像头、高精度地图、IMU/GPS等部分构成，主要负责搜集车身周边信息；
人的决策层就是通过对比记忆做出决策，比如是方向盘控制，加减速、变道、刹车等等；
自动驾驶决策层：以感知信息数据为基础，根高算力的计中心获取经过优化的驾驶决策；
执行层：基于决策层给出的驾驶决策，对制动系统、发机转向等控下达指令，负责驾驶执行；
高精度定位涉及感知层和决策层，为自动驾驶汽车提供车辆的空间坐标和当前场景下的相对位置坐标，以及位置相关信息，包括速度、加速度、车辆姿态、航向角等。向上延伸，高精度定位涉及车辆速度控制、路径规划、障碍物检测与避让、车辆行为决策等决策层与控制层内容。
13、ADAS自动驾驶对于地图的精度要求
自动驾驶常常提到定位精度问题，很多厂商对外宣称的定位精度基本上差不多，很多人士在还没有进入汽车行业领域，反正就希望自动驾驶是非常安全，整车被动安全非常安全，这个具体指标就不太清楚，反正能做到极限最好。
而汽车开发呢，需要兼顾成本与安全一起的，就好比造汽车不能都用装甲车的这么厚钢板去造车，这样虽然被动安全做的非常牛掰，但是无论是价格、油耗、加速度都不能做好，消费者体验不好，就不会买单，如果我们都去做的那么多安全都是毫无意义的，如同下面这些产品：
一架永不起降的飞机；
一列永不出站的火车；
一辆永不发动的汽车；
一台永不运行的X光机
所以目前做自动驾驶的，都会涉及到功能安全，以功能安全的指标为依据，制定合理的安全措施，达到这个指标之内就可以运行。最近发现ford汽车的一篇文章通过统计学推导的方式，得出了结论，参考论文是“Localization Requirements for Autonomous Vehicles”。具体的文章连接可以看：
对于L3级别以上的自动驾驶的定位误差是0.39米，则对应的误差0.39米。这个数值要求对于现代GNSS来说，只要提供PPP，RTK纠偏服务，绝大多数都能满足，并且置信度很高。同理，对于高精度地图，0.39米的误差，大部分公司也能满足。
我们就从简单的实际驾驶场景来看，一般情况下驾驶车辆距离道路一侧路牙的安全距离是25cm，假设自动驾驶汽车最高时速为90km/h，行驶25cm距离用时0.01s，对应的频率就是100HZ，因此我们就用最简单的实际驾驶环境来看，如果要支持自动驾驶汽车的高精度技术，应该要≤25cm的精度，定位信息更新频率在100HZ及以上，才能有效确保自动驾驶车辆的行驶安全。
我们还是先来看看自动驾驶级别的分类
目前多数车企都可以提供L2 级别的系统。L0 级别驾驶员完全掌控车辆（hands on, eyeson）；L1 级别自动系统有时能够辅助驾驶员完成某些驾驶任务（hands on，eyes on）；L2级别自动系统能够完成某些驾驶任务，但驾驶员需要监控驾驶环境，完成剩余部分，同时保证出现问题，随时进行接管，在这个层级，自动系统的错误感知和判断有驾驶员随时纠正，大多数车企都能提供这个系统，简单来说驾驶员的手和眼可暂时离开(hands temp off,eyes temp off)。
美国的L3 级别要求略高于国内版本，L3 是自动驾驶的分水岭。L3 级别要求自动系统既能完成某些驾驶任务，也能在某些情况下监控驾驶环境，但驾驶员必须准备好重新取得驾驶控制权（自动系统发出请求时）。所以在该层级下，驾驶者仍无法进行睡觉或者深度的休息。简单来说，在L3 级别下可以放开手、放开眼，但是不能深度休息（hands off, eyesoff）。国内的自动驾驶分级标准择是在某些特定场景下，可以放开手、放开眼。
所以高精度地图在自动驾驶的路径上，基本是服务于L3以上的，自动驾驶分级从L0到L5，技术难度不断升级，从导航、ADAS这类应用，演进到有条件的自动驾驶如Autopilot，到更高级的自动驾驶如Robotaxi。不同阶段自动驾驶产品形态，对于定位的精度要求是不一样的，对于地图的要求也是不一样的。
通过上图可以看到，L1级别的普通电子地图就可以满足需求，定位精度也就是正常的2-5米，对于L3 及以上级别的自动驾驶，高精度地图是标配。对于L3 及以上级别的自动驾驶功能，高精度地图所能提供的实时、准确的自定位信息以及动态道路信息都是不可或缺的，这一点目前已经成为市场共识。
我们可以看到真正意义上的L2辅助驾驶，这部分对于地图的精度要求还是蛮高的，这里需要50cm-1m的精度，这部分传统地图是无法做到的，只是这个时候的高精度地图里面的信息和L3的信息要求程度不同而已，但是精度要求相对于L1已经高了10倍。
我们可以看到L3级别以上对于地图的精度要求都是10-30cm之间，同上面功能安全提到的提到的≤25cm基本上是吻合的，这个时候的地图普通地图是完全不能满足的。
14、高精度地图是安全冗余，降低算力
也许有的杠精会抬杠了，特斯拉图像识别这么牛掰，也可以做自动驾驶，不需要激光雷达，不需要高精度地图，依旧可以做的非常好。
虽然我也是特斯拉的铁粉，对于图像识别的能力的算法我不怀疑，但是如果没有高精度地图的话，对于软件算法能力挑战是非常大的，我举几个例子就比较容易理解。
举个例子在日本北海道，一到冬天就大雪一片白，连树都是白的，做视觉的知道一片白就是缺少纹理，目前的视觉手段大概率要吃瘪。人也不好开，但是可以开，可以通过起伏，绿化带之类的判断车道，可以跟前面的车辙，视觉怎么搞，烧香求祖师爷显灵，让自己辛辛苦苦训练的交通标志模型，正正好好的把车辙识别成车道线吗？
而且还有很多特殊情况，很多视觉在道路上都需要有车道分界线，但是在农村一些道路根本没有这些标识，如果没有前面车辆跟随，或者高精度地图定位，否则很难识别到自己车辆在哪个车道上，基本上就只能退出辅助驾驶。
我们通过看自动驾驶测评的视频，比测的一个场景就是大曲率的弯道测试，看看自动驾驶会不会退出，基本上特斯拉、小鹏、蔚来都失败率很高，在特别大曲率的弯道中尤其特斯拉失败率会更高。
以特斯拉 Model 3 上使用的三目摄像头为例，其中一颗为长焦摄像头，探测距离 250 米；一颗为中距离摄像头，探测距离 150 米；一颗广角摄像头，探测距离 60 米，但是探测角度达到了 120 度。【参考1】
而只有一颗摄像头的车型，这颗摄像头只能是兼顾探测距离和探测角度的中距离摄像头。
但是在通过一些曲率较大的弯道时，这颗摄像头的探测能力就比较吃力了，有限的探测角度导致探测范围相对局限，想要通过大曲率弯道，则需要系统对盲区中的车道线有一定的预测能力，根据实时探测到的信息，不断调整预测线路。
反映到实际表现中也是两种结果，曲率过大直接放弃，辅助驾驶退出，或者系统根据探测结果不断修正车辆行驶轨迹，导致车辆过弯时有较为明显的锯齿感。
对于有高精地图的辅助驾驶来说，这些都是已知信息。例如凯迪拉克 CT6 可以预知前方 2.5 km 道路的曲率、坡道、限速等信息，所以在通过大曲率弯道时表现会从容很多。
如果纯粹用图像是识别，需要非常大的计算能力，而且需要非常强大的云端训练，本地推理，而且需要匹配5G的传输速度快速传输，也是一条路径。
综上所述，仅仅依靠单车感知时，辅助驾驶对车辆识别、探测能力的要求更高，但是在识别能力没有更大突破的前提下，向外部借力，带来更好的使用体验也不失为一个好办法。
15、高精度地图三大功能
历经数年的技术实践，业内达成共识：仅仅依靠车辆自身传感器搜集的信息和车辆本身的处理器是难以实现并推广自动驾驶的。特斯拉在自动驾驶实验中发现，道路地面的细微突出或凹陷就能很容易造成自动驾驶系统的误判和错误反应，而包含精确道路信息的地图则可以很好的解决此类问题。国内举办的历届无人驾驶大赛中优胜选手均高度依赖比赛场地详细地图的结果也证明了，没有精确的地图信息，无人驾驶的落地难以实现。
高精度地图主要有以下三大功能：地图匹配、辅助环境感知和路径规划。高精度地图可以将车辆位置精准的定位于车道之上、帮助车辆获取更为准确有效全面的当前位置交通状况并为无人车规划制定最优路线。
地图匹配：由于存在各种定位误差，电子地图坐标上的移动车辆与周围地物并不能保持正确的位置关系。利用高精度地图匹配则可以将车辆位置精准的定位在车道上，从而提高车辆定位的精度。
辅助环境感知：这个在自动驾驶中非常非常重要，不同的传感器都有其自身的优势和劣势，例如摄像机在弱光及高对比度光线条件场景下很难捕捉足够的视觉信息；激光雷达在雾气/雨滴/雪花/汽车尾气/反射等场景下容易形成虚假点；毫米波雷达在通过隧道、大桥等场景下雷达探测可信性降低。自动驾驶因其问题复杂度高、安全第一等特性，需要依靠多种传感器数据的相互融合来提高感知效果。
无论是哪种传感器，在探测距离和时间上都有限制，都需要多种传感器来融合，但是不能排除面对复杂的驾驶环境，传感器都存在失效的场景，但是地图作为智能驾驶唯一的超距传感器，突破空间、时间的限制，可以说地图是通过定位实现的智能驾驶的“知识图谱”。
自动驾驶的功能安全的本质是做冗余保障，对传感器无法探测的部分进行补充，进行实时状况的监测及外部信息的反馈：传感器作为无人驾驶的眼睛，有其局限所在，如易受恶劣天气的影响，此时可以使用高精度地图来获取当前位置精准的交通状况。
路径规划：为了让无人驾驶车在行驶过程中能够及时、准确地对他车行为作出反应，保证行驶的舒适性与安全性，算法需要对他车的行为与路径作出相对准确的预测。对于提前规划好的最优路径，由于实时更新的交通信息，最优路径可能也在随时会发生变化，此时高精度地图在云计算的辅助下，能有效地为无人车提供最新的路况，帮助无人车重新制定最优路径。
在路径规划方面，在使用了高精度地图的车辆上有这些功能会得到优化，在用户的体验提升起到非常至关重要的作用。
• 自动切换车道
• 对行驶较慢车辆的自动超越
• 智能设定巡航车速
• 匝道的自动驶入和驶离
比如：在无人驾驶车经过一些坡道时，高精度地图里因为有坡道的信息，也能让车辆尽早做好速度规划。或者，当你要经过一个弯道时，高精度地图可提前为无人驾驶车提供弯道的曲率信息，让无人驾驶车可以规划好最适合弯道的拐弯速度。
比如：通过高精度地图查询到前方右侧有辅路入口或者车道合并的情况，那么该处出现的车辆就很有可能会作出向左变道或加速并入等动作。根据左右车道线虚实情况，也可以更好的帮无人驾驶车判断旁边车辆加塞的可能性，这个对于匝道的驶入和驾离更符合自然驾驶人的行为，而不是按照通常的做法，提前2公里就进入右边通道，但是由于右边的大货车又比较多，这样行驶速度非常慢，让人非常不爽。
但是通过高精度地图以后，综合决策可以更像一个老司机的操作，可以根据实际的车流情况，选择合适的时机进入右边通道，既不太慢，又不至于太快到路口才并入。
所以通过以上信息可以得出，L3以下可以不用高精度地图，L3+必须要用到高精度地图。
高精地图不不仅是比传统地图精度更高，而且包含信息更全面，实时性更强。高精度地图一定是匹配高精度定位来使用的，如果车辆定位本身精度不高，就类似于你获得了碧血剑谱，但是没有自宫，这个武功是没有办法学会的。
高精度定位与高精度地图紧密联系，为自动驾驶汽车路线规划，道路感知，驾驶控制提供支持，首先，高精度地图数据的采集、处理、以及地图的建模都需要以高精度的位置坐标作为框架。高精度地图中道路和场景是自动驾驶汽车感知和决策的数据基础，若在制图过程中位置标定出现误差，就有可能造成自动驾驶系统的判断失误。
其次，以高精度地图为基础，结合感知匹配实现高精度的自主导航定位，在定位信号中断或不稳定的情况下，保证自动驾驶汽车仍明确知晓车辆在当前环境中的准确位置。而高精度地图与高精度定位相结合，车辆能够提供了解当前位置可能的道路特征情况，调高传感器的识别精度，降低对于传感器的性能要求。
前面说了普通GPS的定位精度只能到5-10米左右的绝对精度，做的相对比较好的可以做到5米左右，但是无法充分满足自动驾驶汽车对高精定位的要求，需要寻求其他辅助手段来提高定位精度。
16、RTK绝对位置高精度定位
RTK——“地面上的卫星定位系统”。RTK技术指实时动态载波相位差分技术， 通过地面基准站与流动站之间的观测误差，实现分米乃至厘米级的高精度定位。卫星定位的误差难以避免，而地面上某些固定点位的绝对位置坐标是可以相对精确给定的——例如特定的地理坐标点、卫星接收站等，以该点位为中心的20-40km半径范围内，对流层、电离层等环境干扰对卫星信号的干扰方向和程度基本一致。
因此这类点位作为RTK中的“基准站”，协助附近的运动物体一一“流动站”矫正卫星定位的结果。简要流程如下：
一、基准站将卫星定位结果与已有精确坐标比对，计算出此时该区域的卫星定位的综合误差；
二、基准站将该误差数据发送给附近的流动终端；
三、流动站收到误差数据，矫正自身卫星定位结果， 实现厘米至亚米量级定位精度。
简单点理解，就是增加了一些基站，类似移动4G这样的基站，这个基站是专门用来做高精度辅助定位的，此时就需要在车上增加RTK接收的天线，同时这个RTK类似于移动收费一样，用户需缴服务费获得差分修正数据，这笔钱要交给地基增强网运营商。
从RTK原理可以看出，除了设备和技术本身，RTK定位精度还取决于基站绝对位置的精度，以及距基准站的距离。RTK的供应商国内第一的就是千寻，全国建立超过2600个地基增强站，这个可以在很多位置可以覆盖高精度定位。
是不是看起来非常理想，通过RTK就可以解决高精度定位，还是太年轻，想想RTK的本质还是需要接收到GPS信号，同时结合接收RTK的基站信号，成本这里就不谈了，需要增加接收差分信号接收天线和模块，关键你怎么保障你车子行驶的位置都有GPS和RTK基站信号。
首先来看GPS信号接收比较困难，是因为卫星的发射功率并不大，信号到达地面时已经很弱。这种信号强度相当于1.6万公里外一个25瓦的灯泡发出的光。再做个比喻，它比电视机天线所接收到的功率还要低10亿倍，所以在隧道、树木茂密、高楼林立的地方，虽然天空中有7-8颗卫星，但是至少需要接收到4颗卫星及以上才能定位。
此时经过信号的反射多路径干扰，隧道的衰减等等，所以在这些天桥、隧道、树木茂密等驾驶环境下GPS搜不到信号也是正常。
我们再来看看RTK的一个基站覆盖的范围是20-40KM，而且基站建立的成本也不低，主要在城市道路或者常用的高速道路附近有基站，所以不能完全保证在所有道路上都能定位，碰上GPS信号不好，而且RTK基站也不能覆盖的地方，难道就缴械投降了？
不着急，我们还有一种方式定位，IMU惯性导航定位，专门就是用来应对这些场景的。
17、IMU实现不依赖外部信息的自主导航 惯性导航
IMU即惯性策略单元，是组成惯性导航系统的设备单元， 是组成惯性导航系统的设备单元，由陀螺仪、加速计、算法处理单元三部分组成。陀螺仪与加速计分别测量角度、加速度信息。不依靠外界的信息输入，惯性导航系统可以向自动驾驶汽车提供航向、姿态、速度、位置等导航参数， 是高精定位不可或缺的一部分。IMU提供信息的维度称为自由度(DOF) ， 三轴(x轴、y轴、z轴) 陀螺仪加三轴加速计， 组成六自由度IMU， 也称六轴IMU。再加上用于测量相对于地球磁场方向的三轴磁强计组成九自由度IMU， 也称九轴IMU。IMU提供的信息与汽车轮速记、方向盘转角等信息有重叠， 为自动驾驶汽车感知方位与姿态提供冗余信息。
有点难懂，我们从网上找到比较简单容易理解的方式；
当我们晚上回到家，发现家里停电时，眼睛在黑暗中什么都看不见的情况下，只能根据自己的经验，极为谨慎地走小碎步，并不断用手摸周围的东西（比如冰箱），用以确定自己所在的位置。
IMU的原理和黑暗中走小碎步很相似。
在黑暗中，由于自己对步长的估计和实际走的距离存在误差，走的步数越来越多时，自己估计的位置与实际的位置相差会越来越远。
就像下图所示。
走第一步时，估计位置（黑人所在位置）与实际位置（白人所在位置）还比较接近；但随着步数增多，估计位置与实际位置的差别越来越大。
图中的小人只朝一个方向移动，是一维的。根据此方法推广到三维，就是惯性测量单元的原理。
学术上的语言是：以牛顿力学定律为基础，通过测量载体在惯性参考系的加速度，将它对时间进行积分，且把它变换到导航坐标系中，就能够得到在导航坐标系中的速度、偏航角和位置等信息。
所以看到这个惯性导航，实际就是根据牛顿力学，在GPS失去信号的时候，根据当前的位置，前进的速度，方向和角度，自己建立一个坐标系，算出一个预估的位置，输出给导航地图一个经纬度位置，实现自主导航，从图片中也可以看到，这个有一个确定，这个可以短时间使用，如果长时间使用的话，这个位置累积偏移会非常严重。如果要测试一个IMU的自主导航的偏移度怎么样，就应该长时间失去GPS信号的情况下去测试，此时最合适的就是长长的隧道，所以为什么台北的雪山隧道，这么受到车厂的测试爱戴，因为它全长约12.9公里，完全有这么长的时间测试IMU的偏移度。
IMU在自动驾驶汽车高精定位中的作用：协助GPS定位与无外部信号自主导航。IMU在自动驾驶过程中时刻发挥着作用：GPS信号的更新频率为10Hz——也就是每0.1秒更新一次GPS定位信息， 而IMU设备的更新频率在100Hz以上， 在两次GPS信号更新之间， 自动驾驶汽车可以结合IMU提供的车辆方位、姿态、速度等信息推算汽车的精确位置，实现高频率高精度定位，满足自动驾驶汽车对实时定位的要求。
而在无定位信号或弱定位信号区域， 自动驾驶汽车可以通过IMU实现短时间自主导航——这是IMU在自动驾驶高精定位环节发挥的另一重要作用。例如，当自动驾驶汽车驶入隧道、山路等信号较弱路段，或接收电磁波信号、光信号(用于摄像头识别)受到强烈干扰导致设备无法正常工作时，汽车保留最后一次稳定接收到的定位数据， 基于IMU提供的参数信息计算汽车在弱信号路段的具体位置， 结合高精地图数据实现自主导航。但IMU的计算误差会随时间增大， 因此强调是在一定时间范围内的自主导航。
跑在控制器上的软件对信息的处理流程在时间维度上类似下图。在0~100ms的周期中，使用IMU进行9次位置的估计，待新的GPS定位数据进来时，则进行修正，以此实现高频率的定位结果输出。
就这样，GPS与IMU便相辅相成地实现了无人车的稳定定位,就能解决我们前面提到的定位刷新频率≥100HZ的问题。
到这里了，高精度定位绝对位置的倚天和屠龙都已经亮出来了，我们看看首先是RTK在GPS信号和基站信号的情况下可以实现2-30cm的高精度定位，而IMU惯性导航，可以弥补GPS定位缺陷，精确感应定位和车身姿态，IMU全天候工作，受外界干扰小，短期精度和稳定性好，数据更新频率高，劣势就是自动驾驶的IMU的成本需要非常高。
其实这里也可以看到RTK使用有很多痛点：
第一，用户购买终端硬件贵，差分技术及元器件实际上过去是应用测绘行业，硬件成本高。
第二，用户需缴服务费获得差分修正数据，这笔钱要交给地基增强网运营商。
第三，用户需缴通讯流量费用于用户端与增强系统间的数据传输，这笔钱要交给4G运营商。
第四，数据保密问题，地基增强网是双向数据，用户位置数据会被运营方自动无偿获取。
第五，使用范围有限制：只在差分站覆盖范围内，实际上有保障可用信号的范围目前还非常有限。
第六，由于技术复杂，导致维权法律上取证难度大。出现事故后，在卫星网络、地基增强网络、3G/4G运营商、终端设备供应商之间难以鉴别划分责任。
总结下来从车厂还有用户角度出发的最关键痛点是：
用户终端硬件贵
需缴服务费和通信费：获得差分修正数据
使用范围有限制：差分站和通讯网络覆盖范围内
其实在这里除了RTK这样的屠龙，还有一种葵花宝典的RAC技术。在最近的2020智能网联汽车C-V2X“新四跨”暨大规模先导应用示范活动在上海国际汽车城测试场，本次“新四跨”大规模测试验证的17个实现车路协同的场景，绝大多数都要求车辆具有高精度的实时定位能力。在不依赖车载雷达和视觉的条件下，高精度卫星定位已成为不可或缺的技术方案。
此次新四跨大规模实际道路测试和现场公开演示中，百度Apollo，PSA等多家厂商经过大规模测试选用搭载RAC，驾驶精度和驾驶体验都优于RTK，得到体验专家和媒体的高度评价。
RAC就是多阵列天线去接收GPS信号，通过算法来实现精度的提高。
可以看到用户使用RAC的BOM成本低，无需差分修正数据支持，所以不需要流量费用，数据可以得到很好的保密，只为用户和车厂所有，使用范围也广，在城市环境，树木遮挡、高架桥下、RAC动态稳定性鲁棒性比RTK好。
18、高精度定位相对定位
绝对位置定位是以地球为参考系，相对位置定位以当前驾驶场景为参考系，相对位置定位思路和人类驾驶过程更为类似：人类驾驶员在驾驶过程中，通过视觉观察周围场景中的物体，包括建筑、路缘、标志线等，经过对比判断车辆在当前场景中的位置。
类似的，自动驾驶汽车通过高清摄像头、激光雷达等感知设备获取周围场景内物体的图像或反射信号，将其与事先采集的高精度地图数据进行匹配，从而获得车辆当前位置的精确估计。
相对位置定位可以分为（激光雷达）点云匹配和视觉定位两大技术路线。点云匹配以激光雷达为核心；激光雷达向外发射激光脉冲，从地面或者物体表面发射形成多个回波返回进行匹配，实现汽车当前场景的高精度定位。目前主流的匹配算法包括概率地图与NDT（正太分布变换）算法两种，代表玩家如google、HERE、TomTom。
视觉定位以摄像头为核心，分为两种路径：视觉匹配和视觉里程定位，视觉匹配通过提取图像中的道路标识、车道线等参照物体与高精度地图进行匹配，实现精准定位，代表玩家如特斯拉、Mobileye、英伟达。基于视觉里程算法的定位技术以双目摄像头为主，通过图像识别以及前后两帧图像之间的特征关系来计算车辆当前的位置，但该方案依赖摄像头的成像质量，在光线不佳、视线遮挡等环境下定位可靠性有待考量，一般不会单独使用。
19、自动驾驶汽车是如何利用高精度地图和高精度定位来进行“导航”的
当前自动驾驶导航过程可以简要分为三个阶段：路线级规划、车道级规划、自动驾驶控制。路线级规划通过导航地图确定具体行驶路线，考虑交通方式、路线距离、交通状况、途径地点等，是点到点的粗略规划。车道级规划依靠高精度地图，根据给定的路线确定具体的形式方案，包括车辆起步和停止、速度限制、车道保持与变道、车道坡度等。在自动驾驶控制阶段，系统依据具体的行驶方案控制汽车，实现自动驾驶。
具体到自动驾驶的控制，我们可以将自动驾驶流程分为“感知层-决策层-执行层”，高精地图横跨“感知层”和“决策层”。在感知层，车辆通过摄像头、毫米波雷达、激光雷达等设备获取周围场景信息，实现周围感知；将周围场景信息与高精度地图进行比对，确定车辆相对位置，并通过GNSS、RTK 定位、惯性导航系统确定自身姿态、速度和绝对位置，共同实现自我感知。感知信息进入决策层，算法将依据高精地图、车联网技术提供的多维度信息对具体驾驶问题做出判断、输出车辆控制信号并交给执行层执行。
①感知层首先要感知周围环境，高精地图用于环境感知，能够与激光雷达、摄像头等感知设备输出结果形成冗余，提高识别的准确度。此外，高精地图信息能够为感知设备识别提供辅助信息。例如，通过高精度地图，已知汽车在当前位置附近有红绿灯，再通过摄像头、雷达设备感知该红绿灯存在的准确率能够有所提升。
②除了感知周围环境，自动驾驶的车辆同时要实现自我感知，即知道“我在哪”。利用高精度地图&高精度定位（绝对位置+相对位置）是自动驾驶汽车定位解决方案的定位模式。
以激光雷达点云匹配的定位方案为例：一方面，车载激光雷达扫描获得点云数据，并提取数据中包含的环境特征；另一方面，车辆从“ GNSS + RTK + IMU ”定位组合中获得车辆位置的预测值，从高精地图中获取该位里附近的环境特征，之后将扫描识别的环境特征与高精地图记述的环境特征做匹配融合，获取车辆当前场景下精确的位置信息。高精定位方案中，共有三部分相互重盈的定位子系统：
一、卫星定位，包括RTK 定位技术、地基增强网络等；
二、航位推算引擎，包括 IMU 、车身里程计、以及车辆控制系统的总线信息；
三、基于高精地图的相对位置。
三部分之间信息相互藕合，结果相互冗余，从而保证定位的精度和可靠性。
我们来看看行业最具代表性的百度Apollo 2.0的多传感器高精度定位的实现方式。
按照百度 APollo的划分，适用于自动驾驶汽车的定位技术可由六部分组成，分别为：惯性导航（定位）、卫星定位、磁力导航（定位）、重力导航（定位）、激光点云定位、视觉定位。不同部分之间优势互补，定位结果之间相互重叠以矫正误差，提高定位精度和鲁棒性。
以 Apollo2.O 多传感器融合定位模块为例，以IMU为基础的惯性导航解算子模块、以地面基站和车端天线为基础的 GNSS 定位子模块、以及以激光雷达、高精地图为基础的点云匹配子模块相互融合，输出一个 6 DOF（自由度）位置和姿态信息，并且融合结果反馈给 GNSS 定位和点云定位子模块，提高两定位模块的精度。在该框架中， GNSS定位模块向系统提供车辆绝对位置信息，而点云定位模块向车辆提供相对距离、相对位置信息。
③感知完周边环境和自我位置之后，高精度地图接下来用于进行决策支持。在规划与决策层面，高精地图除了用于自动驾驶汽车车道级别的线路规划外，还能够为决策和识别算法提供支持。例如，当车辆驶近人行横道——高精地图上标注的“兴趣区”时，识别算法将提前进行模型比较，提高对各类行人姿态的识别准确率，同时降低车速，避免事故的发生。
由于自动驾驶需要极高的安全性，因此系统的鲁棒性非常重要，由于摄像头、激光雷达、毫米波雷达、高精度地图都有信息缺失或者不能及时获取的可能，因此各种传感器的信息相互补充，互为冗余就非常重要了。高精地图和感知层（激光雷达、毫米波雷达、摄像头）一起构成了信息冗余的组成环节，信息冗余确保自动驾驶的鲁棒性。高精地图提供的部分道路和环境信息，例如道路细节信息、交通标志等，与自动驾驶汽车通过摄像头、激光雷达等感知设备获取的信息存在重叠，达到“信息冗余”状态。一方面，冗余信息确保车辆在遇到恶劣环境、信号不佳、识别错误等非常规状况时能够依靠多余信息实现正确驾驶决策，确保自动驾驶的“鲁棒性”。另一方面，信息冗余为相对位置定位提供支持。通过将实时感知信息与高精地图信息进行对比，汽车可以获取当前行驶的相对位置，与基于GNSS 等技术手段的绝对位置定位互补，构成另一层次的“信息冗余”。
到这里为止，就讲明白了高精度地图，高精度定位，怎么通过传感器的融合和冗余实现高精度地图的感知、定位、决策的整套流程。
前面有提到普通地图是通过GPS+卫星图片进行制作的，当然也有测绘相关的介入，相对于比较简单一些，但是高精度地图就没有那么容易了，我们先整体来看看高精度地图制作的全貌，再针对每个细节进行描述，这里就以目前走的最前沿的百度高精度地图制作为例。
20、高精度地图的制作
总共目前高精度地图的生产有四大步骤，包括数据采集，数据处理、元素识别、人工验证最终才是产品编译。
①首先我们来看看数据采集阶段，正如不是所有的牛奶都是特仑苏，不是所有的地图采集车都是高精度采集车一样，只有像下面这样配置的车（百度Apollo2.5）才是高精地图采集车。
它得有采集点云数据的激光雷达装置，进行高精定位的RTK装置，获取车辆角度和加速度的惯导系统等，才能叫做高精地图采集车。一台车的成本在百万以上，由此可见，自动驾驶和高精地图是烧钱产业。
我们先来看看硬件配置
1、64线激光雷达采集道路路面，16线激光雷达斜向上装检测高处红绿灯、标牌信息。
2、GPS采用RTK
3、长短焦相机
4、有监控传感器状态的部分，确保各个传感器在工作时情况良好
5、有一键式采集方案，在一键采集之前要确认传感器是正常工作的，传感器是已经被标定过的（不同厂家对同一个地面的反射值不同）。
6、在采集过程中，双向车道要采集3~5遍
7、一次采集行为会把所有结果（点云、车辆的标定参数、定位结果、pose结果等）都放进一个包
8、采集结束之后把数据传输给平台制图；
②数据处理：数据分为点云和图像两类，因为高精度要求，所以制图以点云为主。
（1）点云拼接：采集过程中信号可能不稳定（RTK在遮挡情况下会出现不稳定现象），通过SLAM等对pose做优化，优化之后对点云信息做拼接得到完整的点云信息。点云信息被压扁得到定位地图图像、反射地图图像。反射地图可以做一些标注。
（2）点云图像处理后得到一个高精度图像，基于图像可以做精确的车道线识别，获得车道线的形状特征。但仍需要道路虚实线、黄白线、路口标识等信息，这时候需要元素识别。
③元素识别
车的自动化程度不够 ，无法解决道路上没有车道线的部分以及无法理解逻辑信息（比如停止线和红绿灯的关联关系）
这里的元素识别最能体现高科技了，基本上都是使用深度学习来获取地图的要素识别；
基于深度学习的地图要素识别有两个层面：
（1）是否能基于点云分割，从点云里提取特征。
（2）尝试从点云中提取车道线、灯杆、红绿灯等；
④人工验证：
这一环节由人工完成，自动化处理的数据还不能百分百准确，需要人工在进行最后一步的确认和完善。按照现在的情况，一名员工修正的数据量在30-50公里左右，对于修正后的数据，需要上传到云端，最终形成的高精度地图也通过云平台进行分发。
21、如何进行高精度地图的数据更新
高精地图落地的完整闭环包括制图、用图和更新三个紧耦合的过程，以保证数据的高频流动和更新。制图包括外业采集和内业制作，用图包括高精（自）定位、环境感知和路径规划，更新包括变化检测和交叉验证。上面几个章节已经说明了制图和用图两个技术环节，本章节重点讲述更新部分。
高精度地图动态与静态信息并存的特性决定了后期的更新维护会占据更大的工作量。业内已经形成共识，相比于前期劳动密集型的绘图制图工作，高精度地图后期的维护更新才是核心竞争点。根据博世提出来的定义，无人驾驶时代所需要的局部动态地图数据依据更新频率可以划分为四类：永久静态数据（更新频率为1个月）、半永久静态数据（频率为1小时）、半动态数据（频率为1分钟）、动态数据（频率为1秒）。与当前普及的电子导航地图1~2月更新一次的频率相比，高精度地图的更新频率之高、难度之大可想而知。传统的地图生产方式在面对高精度地图日级乃至更高频率的更新时会显得捉襟见肘。
地主家也没有余粮啊，按照这个更新频率，地图厂家早晚得破产，我们就简单算一笔账单，前面也提了采集的高精度的地图车一辆在100W左右，按照这个频率，需要上万辆车都没有办法做到这个更新频率，而且人工就更不说了，估计得上百万的人工验证，那投入就是天量资金，所以在这种情况下人民群众的智慧出现了，有点类似做工程外包一样，出现了地图的众包方案。
具体而言，就是把地图更新的任务交给道路上行驶的大量非专业采集车辆，利用车载传感器实时检测环境变化，并与高精度地图进行比对，当发现道路变化时，将数据上传至云平台，再下发更新给其他车辆，从而实现地图数据的快速更新。
上图是Mobileye 高精地图众包采集模式，可以看到就是搭载这个芯片的车辆就可以成为众包采集的车，主要采集路面和路标等数据，而且上传是匿名加密上传到云系统，通过云系统进行数据的加工整合，然后形成新的高精度地图roadbook，通过下发给到有允许高精度地图roadbook的车辆进行10cm的高精度定位。
总体而言高精度地图的制作和更新都是天价。
前面聊了这么多自动驾驶离不开高精度地图，高精度地图怎么制作，怎么用图，怎么更新的话题，前景是一片光明，但是道路肯定是崎岖不平的，用农村俗语来说，只看到狗吃肉，没有看到狗挨揍，咱们先来看看目前有哪些限制了高精度地图发展的痛点。
22、资质壁垒制约高精度地图行业发展
地图虽然比不上粮食这样国计民生的物品，但是仍然是影响国家安全，所以是有资质门槛是必然存在的问题，由于地理信息涉及国家安全，地图信息的采集受到严格监管。根据《关于加强自动驾驶地图生产测试与应用管理的通知》规定，自动驾驶地图（高精地图）的数据采集、编辑加工和生产制作必须由具有“导航电子地图制作测绘资质”的企业承担。
根据《测绘资质管理规定》，若想拥有甲级电子导航地图测绘资质，申报企业必须满足硬件和专业人才两个方面的要求。硬件方面，申报单位或者企业外业数据采集设备不得少于50台（定位精度≤10m）；人才方面，测绘及相关专业技术人员不得少于100人（含注册测绘师5人），其中高级10人、中级20人。
其实要满足上面的管理规定是蛮简单的，无论是硬件和人才方面，这方面都是可以砸钱搞定的，关键资质不是钱的问题，对于创业企业来说，钱能搞定的问题都是小问题，资质问题讲起来很复杂，而且敏感。这里就不展开说了。
并非所有厂商都有资质能进行高精地图数据采集。受到国内地图测绘政策限制，测绘资格成为当前高精地图产业的“敲门砖”。由于地图行业涉及国家安全，截至2020 年7 月，拥有“导航电子地图制作（甲级）资质”的单位仅24 家，其中企业单位20 家，外国图商则被完全排除在外。
而不具备该资质的厂商则禁止参与自动驾驶地图（高精地图）的数据采集、编辑加工和生产制作环节。被排除在外的企业只能通过投资、合作等方式间接使用该测绘资质，例如吉利、东风等汽车厂商。在自动驾驶汽车亟待商业化落地当下，不排除政府未来极放宽相关资质审查政策，促进高精地图领域内的良性竞争，推动国内自动驾驶技术蓬勃发展。
23、互联网公司进入高精度地图行业，百花齐放带来机会也带来危机
从上面资质的可以看到传统的地图厂商在2010年前就获得了甲级资质的单位，我们经常听到的是四维图新、高德、凯立德、易图通、这些都是比较早就获得资质了。
早期，地图资质是不对民用开放的，完全属于军用或国家基础建设领域。2010年之后，互联网突飞猛进，政策放缓，BAT巨头通过收购有资质的企业，获取地图资质，推进地图行业的互联网化，随着PC互联网和移动互联网的发展，大家越来越离不开手机地图APP了。
我们可以看到在2013左右年发生了好多收购案例；2013年可以看成一个分水岭，但这时候，仅仅是普通的导航电子地图（精度在百米左右），而非高精度。大佬入局，疯狂砸钱，加之手机产品更新换代，手机导航地图的时代来临，互联网地图走进千家万户。可以看出互联网大佬，都是2013年入局地图产业。
2013年，百度全资收购有甲级导航电子地图资质的长地万方。
2014年，阿里先期斥资2.94亿美元收购高德28%股份，资产重组后完成全面控股。
2013年，腾讯将soso地图更名为腾讯地图，之后入股四维图新。
但是高精地图产业，仍然在传统的国家单位手中，因为它并没有明晰的民用方向。
2013年到2018年，互联网地图蓬勃发展，高举不要钱的大旗，造成了行业变革，车载导航市场一蹶不振，只有后装市场的凯立德、四维图新雄霸在车载后装地图市场，渐渐落幕，这是日新月异的科技时代，不得不经历的阵痛。
时代洗礼下，墙头变换大王旗，山河岁月空惆怅。
2019年，自动驾驶的春天艳阳高照，风投纷至沓来，企业百花齐放，似乎满大街都是自动驾驶的测试车，自动驾驶的确有很多法律上和技术上的未定因素，导致其充满变数，但它推动了高精地图的民用化。导航必然需要地图，普通导航地图十米、甚至百米的精度，根本无法满足无人自动驾驶的需求。
在自动驾驶的浪潮下。
互联网巨头们在做高精地图，高德、百度、腾讯，在地图产业的旗下，都有自己的高精地图事业部门，京东、滴滴、美团等，也都有做高精地图的团队。
传统地图数据生产商，四维图新一直根植其中。
通讯业巨头，华为、小米也都在做高精定位和高精地图。
车企更是惶不多让了，上汽集团、吉利汽车等等。
更别说那些概念性的短命新兴科技公司了。
入局、破局，发展，抽身，成败萧何，关键性的问题就是，有钱有人吗？
2021年，自动驾驶热度已经不如18年19年那么疯狂了，还能在这个行业中留下并坚持的，都是财力雄厚的大厂。
高精地图这个行业肯定是要发展的，因为技术的发展永远会超越我们的想象。
但如何发展，我们可能要翻看一番，毛主席的《论持久战》了。
看到这里不是有毛病吧，互联网公司进来是好事啊，相当于鲶鱼搅动市场，为啥还带来危机呢，你想想滴滴，美团哪个不是垄断后开始提价，价格就不提了。
其实每家互联网公司进来做高精度地图的目的还不一样，你看京东做高精度地图就是为了做物流运输，做一些低速的配送，这个地图所要求的精度和自动驾驶的精度还不在同一个等级，而华为进来做高精度地图肯定是做自动驾驶的高精度地图。
所以我们看到地图可以显著提升自动驾驶成功率、安全性、驾驶体验。但是不同的产品对于自动驾驶系统的要求不同，即使是相同的产品，不同的自动驾驶解决方案在选择技术路径上也有差异，不同地图的采集范围，采集要求不同，最终对应的标准就是不同，这就带来一个非常致命的问题，车企的迁移成本太贵。
24、高精度地图标准不统一，而且有保密政策，影响整个行业发展
我们想想以前在纸质地图和普通电子地图的时候，这个非常容易读懂，而且更换起来非常方便，因为无论是纸质地图还是普通电子地图有比较明确的标准，哪些位置要有标注，POI有哪些内容，地图比例要求是多少等等，就相当于你手机上既可以按照腾讯地图，也可以使用高德地图，也可以使用百度地图，手机上的兼容性都非常好，无论使用哪家的导航地图的精度影响都微乎其微，都可以使用。
而且地图还可以在手机上做很好的闭环交易使用环境，比如你在手机上使用高德地图搜某个地址，可以直接使用打车软件，搜到某个火锅店，可以直接在导航软件这里购买火锅优惠券下单，这些都是在手机普通电子地图上可以形成的闭环交易，所以手机上的地图导航软件都基本上上免费的，毕竟它有很多其他变现的途径，但是这个在车载上这个不行，如果车机上没有微信或者其他软件没有办法做支付，所以车载的导航地图基本上没有办法变现，所以现在普通的车载导航地图都是收费的，直接是车厂想地图厂家付费的，这个价格不贵，一台车估计在100RMB左右。
前面我们也提到了，高精度地图每家采集的仪器设备，形成高精度地图的算法，数据处理方式包括元素识别内容，比如有的厂家就把路灯和路灯外面的花坛一起标注进高精度地图，有的厂家又不标注路灯，所以最终形成的高精度地图就很大的区别，这样就会涉及一个问题，车企选择高精度地图厂家很慎重，在L3向L4/5演进的过程中，规划是最关键的能力，而规划算法需要与地图深度绑定。
L3与更高级别自动驾驶的关键区别在于激烈驾驶情况的介入方；系统需要能够在可能出现意外的时刻代替驾驶员做出正确的选择，除了与意外的对手方进行交互，还需要对周围的静物、车道环境、交通规则做出综合考虑，需要强大的高精度地图作为基础支撑。而在各家地图厂商数据结构不尽相同的情况下，算法需要对选择的供应商深度绑定。
一旦选定某家高精度地图以后，这个算法和高精度地图的绑定程度非常深，如果在半途再更换高精度地图厂家，那么基本上所有的算法就得重新来过，这个工作量巨大，迁移成本巨大，导致车企不敢轻易的选择地图厂家，影响整体的高精度地图的发展，就好比一个U盘一旦配了这个电脑使用，如果再换一个U盘，就基本上不能使用了，对于车厂无论后期的价格议价，还是后期的软件分离都不是特别友好，所以车厂都非常期待整个高精度地图能够快速标准化。
2019年6月，全国智能运输系统标准化技术委员会正式在官方网站发布智能驾驶电子地图数据模型与交换格式的相关国家标准征求意见稿，相信过不久标准也能得到统一。参与起草相关的国家标准的单位有四维图新、高德软件有限公司、北京百度网讯科技有限公司、交通运输部公路科学研究院、武汉中海庭数据技术有限公司、上海汽车集团股份有限公司、北京建筑大学等。
统一高精地图的数据模型与交换格式，将有助于减少汽车制造商的开发时间和不必要的成本，同时保证未来跨品牌车辆使用的高清地图都可以不断共享刷新数据。
除了上述标准外，这里面还涉及到一个非常关键的地图数据标准，高精度地图采集后，自动驾驶对高精度地图的实时更新还有强依赖性，因为后续高精度地图更新基本上发展趋势是众包为主，那么就需要有统一的，支持增量更新的格式，这里介绍两种国际比较通用的标准和格式。
NDS
NDS（Navigation Data Standard Association）是面向汽车生态系统的地图数据全球标准, 由宝马、大众、戴姆勒等知名国际汽车厂商、系统商以及数据商为主导成立，旨在通过多方的共同努力，制定出新的适合汽车制造商、系统供应商以及地图供应商未来发展的标准导航电子地图数据格式。
其突出特点是：在兼顾性能和功能的基础上，采用了数据库技术存储地图数据，能够比较好地解决地图增量更新、扩展和数据安全的问题。这种规格的价值在于全球规格、地图切换、增量更新、云混合、高精度地图标准等。
下图是实际的NDS地图的模型，这里可以看到，传感器主要是以摄像头+激光雷达为主，地图是地图分块封装地图数据，数据包括车道模块+object 模型。
在自动驾驶领域，NDS格式可以算是高精度地图行业的默认专业标准。
Opendrive
Opendrive是德国制定的国际通用的标准，国内百度阿波罗采用的就是这种地图数据规范。
Apollo Opendrive规范是在标准Opendrive规范基础上结合阿波罗在自动驾驶方面的技术积累和实践经验改造而成的，相对于标准Opendrive规范，在数据表达上更加简单易行，对自动驾驶开发者也更加友好。
Opendrive中，道路被切分成多个section，车道线变化、虚实线变化、道路属性变化都是其划分原则。规定了参考车道，基于参考车道向左向右的车道ID分别递加递减，参考线ID 初始值为0，ID 正向递增表示向左——1、2、3；负向递减表示向右——-1、-2、-3 等，规定了路口概念，包含红色线（虚拟路），用于连接可通行方向。
虽然百度的Apollo Opendrive 也在在这个标准上修改而来的，但是有很多方面都进行了优化，对于自动驾驶的软件更加友好。
（1）标准是通过参考车道偏移量计算，Apollo是采用绝对坐标点序列描述边界形状，不采用方程的方式。好处是对下游的计算友好，不用再做点的采样。
（2）标准基于偏移量的计算在道路急转弯情况会出现道路上的毛刺，可能导致无人车猛打方向盘造成危险。
（3）扩展了禁停区、人行横道、减速带等元素。
（4）新增了junction和junction之间的关联关系。
（5）增加了车道中心线到真实道路边界的距离、停止线和红绿灯的关系。
（6）overlap：用来描述两个元素的空间关系。两个车道在空间上有重叠，则这两个车道有overlap。能进入到路边停车位的车道与停车位之间也存在overlap。下游的控制决策模块拿到地图之后，知道哪个车道进入停车位。
（7）HDMAP引擎：从HDMAP中提取相关元素给下游用。通过ID检索或者空间位置（点或半径）检索。
可以看到，这些优化对于自动驾驶的性能提升不是一星半点，特别是是采用绝对坐标点序列描述边界形状，不采用方程的方式。好处是对下游的计算友好，不用再做点的采样，这样后端的算法和算力都减轻了非常多的工作量。
保密政策影响高精度地图精度
由于我国道路样式包括曲率、高程等均为保密信息，所以目前，国内出版的所有地图系统（包括电子形式）都必须采用GCJ-02（一种对地理信息加入随机偏差的加密算法）对地理位置进行首次加密，高精度地图也不例外。由于中国的地图是偏转后的地图，想要使用就必须在车载端加载偏转插件，而偏转插件在传统地图上会有随机抖动。根据有限的观察，抖动的幅度最大可达1.7米。
如果厂商的定位较多依赖于绝对定位（即高精度地图所提供信息），那么插件的偏转可能导致车道匹配错误。当前在这一问题上的解决方案是通过分档来反映该类信息，然而效果不甚理想。目前百度、四维图新、高德等国内高精度地图头部企业都在与国家测绘相关部门就高精度地图保密处理以及偏转插件进行合作。
25、技术瓶颈：现有AI技术无法取代人海与设备昂贵
设备前面已经提了，在制作高精度地图采集的时候，必须要使用专业的采集车，哪怕是后期更新采用众包方式，但是专业采集的更新一年12次也少不了，每辆专业采集车成本至少200W，按照这个更新频率，至少需要40辆车，纯的硬件成本一次性投入至少上亿元了，每次的设备折旧也是一个非常大的费用。
自动驾驶、高精地图，宣传一直主打人工智能、视觉算法等，我们对高大上的技术充满了期待，但是就是这么一个高大上的行业，人工投入比其他传统行业还多，是不是感觉很诧异，和你的认知相悖，就好比印度孟买最富的富人区旁边就是穷人区，但是不影响孟买是国际化大都市。
地图行业，一直都有一个老大难题，那就是在数据的采集加工更新上，无法避免海量的人力、物力的投入。国内，高德地图成百上千人的数据团队（内业、外业，外包、分布各地的兼职人员），阿里巴巴技术不牛吗？牛的话，为什么要用这么多人呢？
是因为地图数据采集更新的问题，是没有办法在短期之内不利用人海解决的。
举个例子，车道线问题。
我们会理所应当的想，沥青地面是黑色的，车道线是白色的，那很容易把车道线提取出来，其实不然，路况是复杂多变的，万一道路上有猫猫狗狗塑料袋反光水坑把车道线遮挡住了呢？万一这条道路川流不息，把车道线磨得黑乎乎的，跟地面没啥区别了呢？
现实应用要比实验室里的不确定因素多很多。
这种就道路的在高精地图上的车道线就得要人工去补充，否则图像和雷达是没有办法自动画线的。
再举个例子，POI更新。地图采集车上路扫街，刮风下雨，照片拍摄得模糊不清，通过程序将店名识别出来，准确性不高，仍然需要人工核对。还有些小街小巷，汽车无法出入，那就需要人去实地看了。甚至像下图，一张图，无数个招牌，怎么看？
想做高精度地图，就必然逃离不了投入海量的人员的事实，21世纪，人才最贵。
26、国内高精地图目前是互联网巨头、传统图商、车企进行三国演义
目前国内高精地图行业呈现三足鼎立格局——百度地图、高德、四维图新。其中高德于2014 年被阿里并购，四维图新则于2016 年获得腾讯的战略融资，高精地图行业背后的BAT 格局一目了然。然而作为自动驾驶的重要参与者，车企为了在高精度地图方面避免受到外人掣肘也不甘落后。上汽子公司中海庭拥有甲级电子导航地图制作资质，2017年起开发针对L4级别的高精度地图。
虽然目前受政策资质限制，国内进军高精度地图的车企仅上汽一家，但是车企对高精度地图可谓念念不忘。身为政协委员的吉利集团董事长李书福在2017年的两会中上书放开地图精准测绘。李书福认为，放开地图精确测绘有助于减少自动驾驶技术发展壁垒，帮助我国抢占自动驾驶领先地位。
若是未来地图精准测绘资质要求成功放宽，那么车企必将从中受益。届时大量车企将涌入高精度地图行业。虽然从两会之后的情况来看，测绘资质并未完全放开，但是近两年成立的初创企业宽凳科技、Momenta成功拿到牌照或许预示着国家在测绘资质认定上的有意放松。虽然按照目前的趋势来看，互联网巨头由于在技术上领先一步，未来主导权大概率仍在互联网巨头之手，但是高精度地图的商业化落地绝对离不开车企的配合。
其实在这个三国杀里面，无论是地图厂家、互联网、还是车企都是聪明人，都知道汽车是一块大蛋糕，而这个蛋糕最重要的是掌握分蛋糕的刀---也就是数据，有了数据就有很多变现的空间。
比如很多车厂角度出发，无论是自动驾驶数据、地图数据、还有智能语音数据都想是作为自己的数据资源进行维护和处理，但是互联网企业就类似手机思维，你手机卖出去了，就属于消费者，那么消费者产生的相关数据，这些就属于APP软件公司所有，不能说由手机制造商所有，但是汽车又是属于一个比较特殊的商品，它现在不像是手机开发度那么高，价值比较低，软件还是相对比较封闭的状态，比如车载微信也只是在个别车上定制开发，没有批量使用，购物软件也没有在车载上批量应用，因为后续这些应用出现了问题，需要有人去擦屁股。
车子这个产品比较特殊，一般出了问题，无论软件还是硬件问题，对于用户来说就是车子本身有问题，所以车厂一般在找第三方合作的时候都会很谨慎，同步想在收费方面也想自身进行控制，很多硬件产品商都想做的事情，就是后端的软件进行收费，当用户需要开通不同APP的应用的时候，需要付费，需要定制一些语音服务的时候也需要付费，都想获得一杯羹。
比如车厂和高精度地图厂家一样的，对于采集到的地图数据归属问题，车厂想要这个数据，地图厂家也要这个数据，这个数据可以做很多想象的空间，比如你经常去的地方，可以推荐一些餐厅，KTV等等，这些都是大数据的收费想象空间，那么谁去付费，怎么收费就是一个问题。
27、纵观全球高精地图市场，巨头厂商已初露头角。
国外的主要厂商有Here、TomTom、Waymo、Mobileye 以及一批优秀的高精地图初创公司DeepMap、CivilMaps、lvl 5、Carmera等。其中Here 于2015 年被奔驰、宝马、奥迪以28 亿欧元联合收购，之后引入英特尔、博世等自动驾驶领域厂商的投资，形成了一个成规模的高精地图联盟。截至2018 年，Here的地图数据已覆盖200 个国家，超过4600 万公里。另外Uber、通用Cruise 等也在积极布局高精地图。
目前国内外高精度地图企业在技术路线上各有特色。主打的路线可分为两种：软硬件双管齐下和主攻软件系统。国外软硬件双管齐下的代表企业为Mobileye。该公司通过提供芯片搭载系统和计算机视觉算法运行 DAS 客户端功能，从而为客户提供高精度地图服务。国内代表企业为四维图新，其研发的国内首款车身控制芯片（MCU）配合其高精度地图产品可以更好的服务于自动驾驶系统。
而主攻软件服务的企业方面，国外代表企业为lvl5。该企业通过下载了其数据采集APP的车辆，由安装在车辆上的消费级摄像头拍摄大量路况信息视频。再将这些视频通过计算机视觉软件绘制成高精度地图，完成对地图的实时更新，客户只需安装软件即可使用其高精度地图产品。国内代表企业为宽凳科技，该企业以纯视觉模式代替激光雷达，运用人工智能加工的方式解决地图规模化生产的问题。
28、国内几大高精度地图巨头介绍
①四维图新：导航业务起家，发力高精地图。
公司于2002年成立，2010年上市，以导航业务起家，目前业务覆盖导航、车联网、车载智能芯片、高精地图、高精度定位以及自动驾驶整体解决方案。四维图新具有较强的国企背景，是由国家测绘局创建的唯一专业从事测绘的国家级公司。
四维图新自动驾驶研发部是基础研究院下的子部门，诞生于2015年8、9月份，3个团队分别负责导航引擎、数据编译以及视觉激光雷达的数据处理。
公司应用于自动驾驶的代表产品为ADAS地图2.0，主要面向L 1-L 3 级别的自动驾驶， 并向L 4循序过渡。
在高精度地图的产品开发上，四维图新借助其自主研发的专业采集车和更新车，对现实世界变化进行采集，基于深度学习的自动化生产工具对采集数据进行自动化降噪、分类、提取等过程，高质量数据已高效覆盖全国超过几十万公里高速。在高精度地图的智能更新方面，四维图新依托Map Learning地图学习体系，实时收集、处理、融合大量来自众包、OEM厂商等多源传感器数据，自动发现、处理变化，并通过分发平台实时发布，以最新鲜的高精度地图为自动驾驶的安全保驾护航。
2011年， 公司全资收购MapScape后， 成为全球第一家商用NDS标准格式数据开发商， 能提供全面的地图数据编译服务。公司同时致力于开发Minedata产品， 结合MineMap高精地图技术，可进行各类精细化场景下的空间分析。公司客户覆盖国际主流车厂、新一代整车企业以及腾讯、滴滴、搜狗、华为、微软等国内外高科技企业。
2019年，公司与宝马签署了行业内首个面向L3级别以上自动驾驶系统的高精地图订单。公司还与HERE、Increment P(IPC) /Pioneer、SK Telecom共同成立高精地图产业联盟One Map联盟， 为全球客户提供标准化的高精地图产品与服务。同年11月，四维图新宣布将为华为提供高精度地图测试验证服务，同时，双方将共同完成华为自动驾驶验证项目，推动华为自动驾驶项目落地，最近和长安汽车签订了合作框架协议。
②高德地图 首家商业化高精度地图企
高德地图成立于2001 年，是一家总部位于中国的导航电子地图内容和位置服务解决方案提供商，具备国家甲级导航电子地图测绘和甲级航空摄影的“双甲”资质，其优质的电子地图数据库是公司的核心竞争力。2010年高德地图赴美上市。2014年高德地图被阿里收购并退市。2016年高德地图开始在高精度地图上布局。
目前该公司已经实现覆盖中国超过30万公里的高速及城快公路的高精度数据采集，实现绝对精度50厘米，相对精度10厘米，在采集里程和数据精度方面处于行业领先地位。公司在2018年与凯迪拉克合作推出SUPER CRUISE 超级智能驾驶系统，成为全球第一个将高精度地图用于智能驾驶技术的企业，同时获得了吉利在智能驾驶方面的订单。2019年4月，高德地图宣布与每年不超过100元的成本价格，向合作伙伴提供标准化高精度地图，加快高精地图基础设施进程。
除了商业化落地，高德地图公布了高德的高精度地图技术路线图，三步走加速自动驾驶的商业化进程。高德为自动驾驶提供的高精度地图解决方案是一个完整体系，包括了地图及定位系统、云服务、车辆控制系统、车载硬件甚至车载信息娱乐系统之间的多向交互。从技术发展上看，高德的高精度地图技术发展将经历三个阶段。
第一阶段的关键词是高精数据，其核心是建立能够满足商业化需求，实现高精度地图数据采集和更新的流水线。
第二阶段的关键词是融合定位，重点是利用高精度地图数据及环境信息，实现基于差分和高精惯导、航位推算等手段的高精绝对定位能力，以及基于视觉识别、点云匹配等手段的高精相对定位能力。
相比前两个阶段更多为自动驾驶汽车进行个体赋能，高德高精度地图技术发展第三阶段更偏重于全局。第三阶段的关键词是动态信息，重点是在实现了精准定位的基础上，为自动驾驶提供动态、实时的数据服务，比如动态交通信息、智慧红绿灯等交通设施信息、施工等临时或突发信息等。基于这些动态信息，高德的云端交通大脑不仅能实现不同交通参与者的全局最优调度，更能为每个自动驾驶用户带来更舒适、安全的乘坐体验。
③百度携带AI技术把地图从消费领域进入到高精度地图
百度地图成立于2005年，作为地图行业市场的领先者，百度地图秉持“科技让出行更简单”的品牌愿景，以“服务用户出行”为使命，以“科技”为手段不断探索创新。百度地图目前已覆盖全球209个国家和地区，成为“全球地图”。伴随着AI时代的到来，百度地图实现了语音交互覆盖用户操控全流程，还上线AR步导、AR导游等实用功能，更加方便用户的出行。2013年百度地图收购拥有“电子导航地图制作”甲级测绘资质的长地万方，目前百度地图事业部员工超过2000人。
自从百度ALL in AI技术之后，其实可以看到很明显的特点，所有产品结合AI来打造闭环的交易环境，百度地图与AI相结合，升级成为新一代人工智能地图。从2018年起，百度的人工智能技术全面融入百度地图，一方面在地图数据的生产中，融合大量图像识别、文字识别等技术，实现实时路况的采集与分析以及对用户更友好、更便捷的交互。
百度地图具有很好的行业赋能基因，服务智能交通，逐渐从导航APP进化为具有城市管理角色的智能出行平台。数据类型丰富的高精度离线地图、每分钟亿级路况数据的更新能力、智能判断拥堵程度、分钟级拥堵报警，这些先进的技术和数据正深度赋能交通管理业务应用开发。由此，百度地图已成为城市交通类开发者的首选，通过与政府、高校科研机构、应用开发组织、交通管理与集成单位等多方的长期合作，百度地图也衍生出一系列与其对接的产品，如政府专网地图、智能拥堵研判系统、智能信号灯、交通应用开发、路况看板联盟、路况播报联盟等，形成智能交通产业闭环。
百度地图本身是在消费领域打造闭环的生态，但是自动百度开始介入自动驾驶以后，地图就是它自己的拿手好戏，我们来看看百度地图在高精度地图的发展历程。在2013年开始高精度地图的技术预研，建立深度学习实验室，开始自动驾驶相关研究。2015年百度自动驾驶事业部成立，加速L4自动驾驶产品研发，高精度地图和定位团队同时成立，2016年L3事业部成立，面向国内外汽车企业提供L3高精度地图和自动驾驶系统解决方案，2017年拿下第一个高精度地图量产订单智能事业群组IDG成立，2018年率先完成全国高速&城市快速路30万公里高精地图覆盖，全球首款L4量产自动驾驶巴士正式量产下线，2019年长沙robotaxi试运营，2020年发布高级别智能辅助驾驶解决方案ANP，携威马量产自主泊车解决方案AVP，2021年包含城市道路的全场景高精度地图放量生产。
百度智驾地图针对不同等级的智能驾驶推出了不同的产品：
1、针对手机车机导航的SD MAP覆盖道路路网形状、拓扑等内容，精度在5~10米左右；
2、针对ADAS功能需求，ADAS地图在导航地图基础上增加了一些道路坡度、曲率、简单的车道信息，精度在50厘米；
3、对于更高级别辅助驾驶的全域智能驾驶地图，则是包含了详细的车道属性等，用于实现高速、城市道路的L2+ 、NOA等功能，精度在20~50厘米；
4、最后一种则是高精度地图，主要包含高精度的车道几何信息、路口表达，红绿灯停车位等语义，主要用在L3/L4高级自动驾驶上，精度达到10厘米；
百度在高精度地图这个领域属于后起之秀，但是由于它本身的AI技术牛掰，所以在实现图层数据采集的全自动化、并提升定位技术。百度地图未来将从技术出发，通过OCR图像识别技术，结合无人机、无人车等技术来降低数据采集成本、提升效率。
在高精度定位方面，由于过往室内定位和立体定位技术不成熟，限制了自动泊车、商场导航、VR游戏等应用的发展，百度地图借助于iBeacons等技术，未来定位将突破GPS和无线基站体系更加准确。目前百度地图已投资室内定位公司，同时拥有人工智能、图像识别等技术，将充分发挥其优势，在新一代定位技术上取得突破。
④宽凳科技 人工智能量产高精度地图，高精度地图中的后起之秀
宽凳科技由百度前副总裁刘骏于2017年初创立，是一家人工智能及自动驾驶研发公司，主要从事吸收和处理来自于不同传感器的海量地理空间信息、用户行为信息、实时环境信息，并对这些信息进行深度建模、智能识别等工作。
其核心成员多来自于谷歌及BAT等互联网新兴企业。宽凳科技还是世界第一家，也是目前唯一一家加入导航数据标准协会(NDA)的初创公司。2018年2月，宽凳科技完成数亿元人民币的A轮融资。本轮融资由IDG资本领投，成为资本、澜亭资本等跟投。2019年年初，宽凳科技成功取得甲级电子导航地图制作资质，这也是从成立到颁发甲级资质最快的一张证书。
宽凳科技的高精度地图采取众包采集。一方面以纯视觉模式替代激光雷达，解决了高精度和低成本之间的矛盾，使众包和实时更新成为可能，解决了自动驾驶领域的行业痛点；另一方面，基于人工智能的地图加工工艺，解决了规模化地图生产的瓶颈问题。
作为一个后起之秀，很多人好奇宽凳科技的核心竞争力在哪里，具体有三点
1、人工智能
宽凳科技基于深度学习、三维视觉、图像识别等AI技术，无需大规模人力标注，能够快速实现高精度地图的构建。
2、地图能力
地图是一个技术和经验相互结合的领域，需要大量的行业积累，高质量的高精度地图的建设离不开地图行业专业人员，宽凳科技吸引了大批具有地图背景的世界顶尖名校毕业生，为自动驾驶精确制导。
3、最关键的是有金主爸爸，车厂合作
高精度地图用户为主机厂，认证周期长，更换供应商成本高，宽凳已经率先布局各大主机厂及一级供应商的深度合作，有先发优势。
用“中国的方案”制作中国的高精度地图，自主知识产权下的实时更新更有说服力。在国内，阿里系的高德和腾讯系的四维图新并没有自主知识产权，其技术来源于国外，仅百度拥有自主知识产权。然而，百度、高德和四维图新一样，依旧使用自己的测绘车队，难以实现全国路网的全覆盖，所以，在高精度地图数据更新方面并没有什么优势。不同于BAT，宽凳科技在技术方面拥有绝对的自主知识产权，保证技术迭代，更新及时，为自动驾驶安全提供保障，目前宽凳已经拥有健全的质量保障体系，为未来高精度地图能够快速实时更新铺平道路。
在地图测绘方面，宽凳科技的核心技术是摄像头+AI+算法。采用算法来替代激光雷达的测距功能，解决了激光雷达多传感器融合误差问题。以车载摄像头拍摄到的画面为基础，跟随车辆快速连拍多张照片，形成大量数据，通过大量地图的AI训练，让电脑能做到车线识别、特征点提取、构建车道的网络拓扑以及人行横道、标线、交通标志等标志物。而这些工作已经实现高度自动化，基本不需要人工做地图的标记、同步等工作。在和实际现实道路对比后，精度可以控制在20厘米以内。宽凳科技目前已经成为国内仅有的同时具备AI与高精度地图结合能力的企业。
而宽凳科技的盈利方式是将高精度地图售卖给各家主机厂，搭配在每一辆售出的具有无人驾驶技术的车辆中。宽凳科技在后续的高精度地图更新中将作为数据服务商向主机厂收取费用。
前面章节都基本上把高精度地图定位、采集、更新、应用、国内外高精度地图的现状都描述了一遍，这次是本系列的最后一个内容，中国高精地图未来发展趋势。
28、在3-5年内高精度地图一定会从选配到标配
L3 影响的是高精度地图渗透率提升的节奏，本质上是一个消费者买单意愿的问题。毫无疑问，需要借助高精度地图实现的功能越多，消费者的付费意愿就越强，高精度地图的渗透率提升也就会越迅速。
从这个意义上来讲，L3 的落地是高精度地图渗透率提升的催化剂，而不是必备要素。需要注意的是，L3 落地越晚，L2+功能普及导致的搭载高精度地图的车型越多，L3 对于高精度地图落地节奏的影响就越小。换句话说，即使在最极端情况下，即L3 自动驾驶永远无法落地，高精度地图的渗透率仍会持续提升，这和市场的普遍认知是不同的。
高精度地图也是部分高阶的L2+自动驾驶功能的必选项，目前包括蔚来汽车、小鹏汽车、通用汽车、广汽的部分车型上都已经搭载了高精度地图，作为自动驾驶机器语言，高精度地图一直以来都被认为是L3自动驾驶的最佳拍档，但在汽车智能化的风口下，越来越多车企试图在更多场景下解放驾驶员的双手双脚。由此带来一个转变：高精度地图有了向低阶智能汽车逐步下探的趋势，商业落地局面得以进一步打开。
当前量产的智能驾驶正在向上迭代，出现了NOA和Hands Free这两种主流形态。前者主要在车道内做辅助驾驶，主要包括自动并线、超车、上下匝道等功能。像特斯拉、蔚来、小鹏等车企都推出了相关产品。后者Hands Free则是主打长时间脱手驾驶，比较有代表性的车型像凯迪拉克CT6、广汽Aion LX等。
高精度地图的普及率与自动驾驶的普及率紧密相连。每有一辆汽车实现自动驾驶，就意味着有一辆车使用了高精度地图产品。从各大车企的自动驾驶汽车生产计划来看，自动驾驶目前还是更多的配备于中高档的车型上，普及率更高的是ADAS系统（L3及以下）。根据各大车企的计划，ADAS系统将逐渐变得普遍和平民化。例如丰田计划未来让所有已有车型应用公司ADAS级地图。而未来随着技术的成熟、成本的降低，自动驾驶或将走进千家万户，成为越来越多的人的选择。到那时高精度地图市场渗透率将达到100%，产业发展值得期待。
29、高精度地图有望呈现赢者通吃，强者恒强的局面
IT巨头公司大多具备网络效应，即客户越多，产品价值越高。结果就是强者恒强，赢家通吃。包括微信、新浪微博、滴滴、美团、支付宝等巨头产品或公司的成功都离不开网络效应，即产品价值吸引更多用户，更多用户提升产品价值，形成正反馈。网络效应的结果就是巨头强者恒强，“大象起舞”，实现赢家通吃。
高精度地图产品需实时更新，产品价值关键在数据“鲜度”，存在正反馈性。传统地图可以通过测绘机构统一绘制，而高精度地图行业由于数据量极大，更新频度要求高，往往通过用户反馈不断更新，具备“用户使用-反馈-地图更新-价值提升-吸引用户”的正反馈链条。行业赢家在聚集用户后，能够形成颗粒度细、更新及时的高“鲜度”产品数据，形成网络效应，逐渐拉开竞争对手。
传统车载地图数据基本不更新，难见网络效应。过去的传统前装车载导航大多不具备实时上传数据的能力，部分品牌甚至连更新地图也需要到4S店完成。行业竞争要素集中在客户渠道和价格竞争，产品力位居其次。这种背景下，市场呈现较分散的竞争格局，中小厂商仍然能够获得一定的市场份额。
手机地图厂商入局后，实时数据打开产品力竞争维度，网络效应开始显现。手机地图厂商入局带来的最大改变就是引入用户上传的实时路况信息，对用户体验产生明显的提升。用户量决定的路况时效性和精准度逐渐将产品力提升为行业竞争的主要维度，也让行业逐渐显现出了网络效应。我们认为高德在手机地图上的成功就离不开此前高投入占据手机预装，提升用户量进而提升数据量的打法。
图商迎来新机遇，高精度地图行业网络效应强，未来有望呈现出赢者通吃局面。在自动驾驶启航的前夜，高精度地图先行的时点，应当看到高精度地图行业内，用户贡献数据的价值量和价值比重将显著提升，行业将呈现更强的网络效应。我们认为，高精度地图行业有望呈现出赢者通吃的局面，数据壁垒将构筑强者恒强的护城河。
对于现阶段的图商而言，能否获取海外大型主机厂的订单至关重要。根据我们产业调研的结果，目前有能力独立研发和搭载高精度地图的主机厂还是以国外主机厂为主，主要包括欧洲三大、日本三大、北美两大主机厂以及沃尔沃。我们认为，中短期内，海外的传统主机厂的订单仍是图商最主要的收入来源：
从研发能力上来看：国外一线传统主机厂的正向开发能力较强，是基于希望实现的功能进行整体系统设计，再向Tier1 和Tier2 提出相应的需求；而国内主机厂正向开发能力相对较弱，并不能完全采用“自上而下”的方式进行设计，而需要采取“照方抓药”的模式，也就会更多地依赖Tier1，其搭载高精度地图的节奏也就在一定程度上受制于Tier1 的节奏。
从资金实力上来看：国外一线主机厂高端车型占比更高，利润更为丰厚，可以支持他们投入更多的资源从事相关的研发工作，而部分国内主机厂仍被压在生存线上，能够投入在新业务中的资源也就相应有限。
从客户群体上来看：同样由于国外一线主机厂的客户往往对于价格的敏感度较低，对于部分自动驾驶功能的选择意愿更高，有助于高精度地图的快速渗透，而这依然是由于这些主机厂的高端车型占比更高所导致的。
综上，高精度地图在国内主机厂实现大规模量产仍需一定时间，从中短期来看，能否获得海外主机厂的订单对图商而言至关重要。
从目前获得的合作车厂来看，高德应该是最有潜力的，百度虽然合作的车厂多一些，但是订单量并不大。
2020-2021年是决定未来竞争格局的关键，先拿到订单落地的厂商优势将进一步扩张。对于高精度厂家来说，先拿到订单并完成落地，有利于降低成本，进而降低价格，吸引更多的订单，扩大的自己优势，对于未来的行业各级是至关重要的，基本上2023年左右是车厂L3级别自动驾驶落地的时间，需要提前两年确定高精度地图供应商，因此这两年拿订单是非常重要的，拿到越多的订单并落地完成，这样就容易形成赢家通吃的局面。
所以理解了为什么高德地图这么着急宣布高精度地图费用不超过100元一年了吧，其实这个和用户量有关系，用户数量越大，单价成本越低，目前按照一年50W台车型来看，这个售价在500RMB比较合理，高德这样纯粹是为了就是抢占先机，获得更大的市场份额。
30、未来高精度地图盈利模式是多种模式
天下熙熙，皆为利来，天下攘攘，皆为利往，无论发展什么技术，资本推动的结果就是赚取，当然技术也能让资本变的强大，所以高精度地图的终极目标就是赚取，最高级的赚钱方法是让用户心甘情愿的掏钱，而且是抢着付款的那种，这才是赚钱的最高境界。
高精度地图行业空间远大于传统地图。传统图商的盈利模式是销售离线的license，单车平均价值大约在200元左右。高精度地图具有实时更新的特点，盈利模式逐渐转变为提供一系列基于高精度地图数据服务并收取服务费的形式，高精度地图厂商也逐渐从图商向地理信息服务型企业转变。当前业内较为公认的收费模式是在车厂签下订单时支付一笔订单费用以供图商进行高精度地图的开发，后续在搭载车辆上收取一次性的License费用以及按每车每年收取的服务费， License与服务费分别对应汽车增量和存量。根据我们的产业调研，订单费用大约为几千万；License费用大约1000元/车左右， 即传统地图的5倍， 服务费在100-500元/年/车区间。
商业模式非线性，固定成本逐渐被摊薄。高精度地图投入的高成本集中于前期制图的设备购买和采集工作。基础数据完整之后只需进行更新维护即可。在后期L3落地后图商可借助已装载高精度地图的车辆完成众包更新，随着高精度地图前装数量提升，固定成本逐渐被摊薄，利润率也将随之提升。
传统的图商售卖的大部分是离线地图，通过向车企售卖licence以及提供少量的后期更新服务获利，交易方式为一次性付清。而高精度地图由于存在动态信息的实时交互，图商将为此向数据服务商方向转变。在高精度地图时代，图商需要构建云平台为车主提供道路的实时信息，根据提供的数据量的多少计费。目前的高精度地图企业在开发高精度地图产品的同时也在努力构建自身的云服务平台以适应商业模式的转变。如Here开发的实时交通云产品，凯立德开发的云端服务平台等。
而互联网背景的图商，譬如Waymo（原谷歌地图），他们希望的是高精度地图最终能成功服务于自动化驾驶，从而推动其无人出租车业务的展开。从这一角度来看，该类企业的盈利模式更多偏向于To C。类似这样做无人出租车的，最后为高精度买单的都是消费者，按照使用次数来付费了。
还有一种商业可能，有点类似现在车辆网模式，车企卖给用户的时候前面两年流量费，后面用户需要使用互联网功能，就自己缴纳流量费用，这个高精度地图到了一定量级也完全可以采用这种模式，基本的高精度地图费用由车企买单（当然羊毛出在羊身上，最终体现还是在用户身上），但是后续的高精度使用及更新地图部分的费用由用户来买单，而且如果使用量级大了以后，可以按照使用次数或者包月等灵活的使用费用。
这样的好处就是车企不用一次性付很大一笔费用给到地图厂家，这样卖到消费者手里的费用就不会那么贵，就好比卖你一个手机，把20年后的套餐费一次性让用户缴纳了，这样用户也觉得价格贵。类似于买特斯拉，我买这个车具有FSD辅助驾驶功能，我想用的时候才缴费，按照月或者使用的次数来付费（当然这个是我预测特斯拉软件收费的模式），这样用户使用非常灵活，对于地图厂家也方便，非常灵活，市场也扩大了。
当然未来智能座舱在L3级别车型落地后，高精度地图还有很多商业方案可以落地的地方，比如把手机的闭环商业方案可以搬移到车上，通过地图上可以买票，下单、支付等一系列场景，那么可能高精度地图都不收费了，当然是理想情况，现实5-10年不可能实现。
其实在国内做高精度地图中最有商业闭环的是滴滴，无论是高精度地图还是自动驾驶算法，最终都是为了跑无人出租车，滴滴本身这么大的打车业务，可以支持这个市场的前景，关键还可以通过滴滴车辆产生众包的地图生产更新，这个还可以赚钱或者更新优化自家的高精地图，滴滴从商业逻辑上对于高精度地图最具有想象力。
在人类的发展史上，利用科技进步，后世的人总能实现过去的神话，例如登月。
我们可以乐观的相信，随着制造业和通讯技术的发展，大范围低成本的实现高精地图的生产指日可待。
2263
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
