为什么动态高清地图在自动驾驶中必不可少？

1、从导航电子地图到动态高清地图

动态高清地图，狭义上讲就是面向自动驾驶的3D高清地图；但广义上，可以说是在精度、鲜艳度、网罗性等各方面性能都比之前的导航电子地图有很大提高的电子地理地图。

从1990年到2000年前半，开始在汽车导航系统和GIS（地理信息系统）上使用电子地图。2000年后半开始，随着手机上谷歌地图和GPS的搭载普及，电子地图的使用变得越来越广泛。如今，在自动驾驶和辅助驾驶ADAS领域，高清动态地图就变得必不可少。除此之外，高清地图在AR技术和娱乐运动方向也有很高的应用价值。具体说，动态地图通常在由激光点群信息、图像信息和行驶轨迹等3D地图通用信息基础上，以时间单位划分的以下4个信息层组成。

（根据博世的定义）

动态信息（例如更新频率约为1秒钟）：

周边车辆、行人信息、信号灯等ITS预先取得的情报

准动态信息（例如更新频率约为1分钟）：

事故信息、堵车信息和局域气象预报等

准静态信息（例如更新频率约为1小时）：

交规预报、道路施工预报和广域气象预报等

静态信息（例如更新频率约为1个月）：

路面信息（防护栏、路肩、路边地标等）、车道信息（车道线的位置、类型、宽度、坡度和曲率等）、3D建筑物等高清3D地图信息。

例如使用以上3D高清地图信息，再结合比对车载的GPS、IMU、LiDAR或摄像头的数据精确实现位置推定，这是比较代表性的应用。

作为自动驾驶系统必不可少的一部分，动态高清地图可以称得上是从车载导航的典范转移。导航系统的使用者是人，目的是尽可能让人理解地图上的情报。

地图比例约是1:2500～1:25000，位置的误差大概在1.75m左右。地图的设计上也是从人眼能看清楚的角度出发，重视易懂性和设计感。而搭载在自动驾驶系统上的话，使用者就从人变成了机器，在车辆控制中使用。比例约是1:500，位置误差必须在0.25m以内，甚至要求厘米级的误差。其对正确性以及网罗性和信息及时性有很高要求。

随着用途的变化，对精度、鲜度及网罗性等方面的需求在不断提高。

2、为什么高清地图在自动驾驶中必不可少？

1.车载传感器的性能边界与范围限制。在自动驾驶感知环节中，通过传感器对周边交通环境数据进行收集和处理。但从目前传感器的性能来看，每一种传感器都有其使用的环境条件和性能的边界，包括测量范围以及在不同环境下表现出来的感知缺陷。比如虽然激光传感器检测效果稳定，但在面对大范围的尘土时，其检测效果大幅降低；再比如高分辨率摄像机能检测图像中的物体，窄视场的摄像机可以检测很远的距离。但是面对暴雨、大雪等恶劣天气，其很难检测到正确的车道线、障碍物、路肩等信息。传感器对周围环境的检测也有其固定的范围。例如，长距毫米波雷达探测距离为1-280m，红外线传感器探测距离为0.2-120m，视觉摄像头探测距离为0-80m，中短距毫米波雷达探测距离为0.2-120m，短距毫米波雷达探测距离为0.2-30m，激光雷达探测距离为80-150m。

2.传感器的检测盲区与先验信息。先验信息是指某些可以提前采集且短时间内不会改变的信息。仅仅依靠传感器的信息是很难感知车辆现在是处在高速公路上，还是处在普通城市道路上的；无限速牌的路段，车速最高可以开多快;前方道路的曲率；所处路段的GPS信号强弱，这些都是传感器遇到检测盲区，无法实时捕获的信息。

3、地图在自动驾驶中的作用

在自动驾驶中如何使用高精度地图？在自动驾驶的各个环节里地图都起着至关重要的作用。

（1）匹配车辆定位。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。

（2）辅助环境感知。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。

（3）路径规划。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。

4、高清地图的采集制作

高清地图一般都是使用采集车，经过实地采集，再进行处理，并保持持续更新。

高精度地图采集车的装备较为复杂，包括多种传感器，来进行道路和静态交通环境数据的采集。采集车的一般配置情况，例如高德高精度地图采集车的配置包括：2 个激光雷达和 4 个摄像头，1个陀螺仪和1个GPS接收机等。百度高精度地图采集车设备包括：1个32线激光雷达、3个360°全景摄像头、1个前置的工业摄像头、1个包含IMU和GPS装置的组合式导航系统以及一个GPS天线。

实地采集：高精地图制作的第一步，往往通过采集车的实地采集完成。采集员驾驶采集车以60-80km/h的速度行驶，每天至少采集150公里的高精度地图数据。在车内的副驾驶位置，放有负责控制采集设备的电脑系统，用于让采集员实时监控采集情况。在采集过程中，采集员不仅要不断确认采集设备是否工作正常，而且需要根据天气和环境情况来选择不同的摄像头参数。

处理：包括人工处理、深度学习的感知算法（图像识别）等。把不同传感器采集的数据进行融合，即把GPS、点云、图像等数据叠加在一起，进行道路标线、路沿、路牌、交通标志等道路元素的识别。对于在同一条道路上下行双向采集带来的重复数据，也会在这一环节进行自动整合和删除。一般来说，采集的设备越精密，采集的数据越完整，所需要算法去降低的不确定性就越低。而采集的数据越不完整，就越需要算法去弥补数据的缺陷；当然也会有更大的误差。

后续更新：主要针对道路的修改和突发路况。这一方面有较多的处理方式，比如众包、与政府的实时路况处理部门合作等。

文章来源: https://www.toutiao.com/group/6744600244060684814/