[摘要] 高精地圖為自動駕駛提供了重要的先驗知識和安全冗余保障，可作為其他傳感器的有效補充，是實現(xiàn)自動駕駛的關(guān)鍵能力之一。高精地圖需能精準(zhǔn)反映出不斷變化的道路場景，才能支持精準(zhǔn)的車輛定位、感知、路徑規(guī)劃等自駕應(yīng)用。由于傳統(tǒng)的采集更新模式周期長、成本高，因此基于大量社會車輛進行地圖數(shù)據(jù)采集的“眾包更新”模式應(yīng)運而生。自動駕駛車輛搭載的相機，可識別車道線、交通標(biāo)牌等豐富的地圖要素信息，是實現(xiàn)高精地圖大規(guī)?？焖俑碌淖罴呀鉀Q方案。

[關(guān)鍵詞] 自動駕駛；高精地圖；地圖更新；眾包

中圖分類號：U463.675 "文獻(xiàn)標(biāo)志碼：A " " "文章編號：1003-8639（2023）07

Research on application and update of high precision map in automatic driving

Wang Honghong1，Gu Xiaofeng2，Li Yang1，Lin Yongcheng2，Meng Decui1，Chen Tong1

（1.Beijing Xiaomi Mobile Software Co.，Ltd.，Beijing 100085；

2.Xiaomi EV Technology Co.，Ltd.，Beijing 100085）

Abstract： HD Map provides important prior knowledge and safety redundancy guarantee for Autonomous Driving，which can be used as an effective supplement to other sensors，and is one of the key capabilities to achieve Autonomous Driving. HD Map needs to accurately reflect changing road scenarios to support accurate vehicle positioning，perception，path planning and other applications. The traditional collection and update mode has a long cycle and high cost，so the \"crowd-sourced update\" mode based on a large number of social vehicles comes into being. Cameras carried by autonomous vehicles can identify rich map elements，such as lane markings and traffic signs，which is the best solution to realize large-scale and rapid update of HD Map.

Key words： Autonomous Driving; HD Map; Map updating; Crowdsourcing

收稿日期：2023-05-23

作者簡介：王紅紅（1986—），女，碩士，主要從事高精地圖相關(guān)的工作和研究。

在人類駕駛活動中，傳統(tǒng)導(dǎo)航地圖提供了信息查詢、定位、路徑規(guī)劃，為人類的出行提供了極大的便捷性，但因車輛數(shù)量的快速增加，交通擁堵及安全問題越來越嚴(yán)重，人們對智能出行、行車安全等有了更多的需求。隨著人工智能、物聯(lián)網(wǎng)、高性能計算等新一代信息技術(shù)的發(fā)展，整個汽車行業(yè)都在布局自動駕駛業(yè)務(wù)，自動駕駛是以上交通擁堵及安全問題的最佳解決方案，成為汽車產(chǎn)業(yè)發(fā)展的必然趨勢，并有相關(guān)人士預(yù)言，自動駕駛業(yè)務(wù)將成為日后汽車產(chǎn)業(yè)的最主要利潤增長點。

高精地圖作為自動駕駛的一個預(yù)制超視距“傳感器”，為汽車提供了重要的先驗知識和安全冗余保障，可作為其他傳感器的有效補充，是實現(xiàn)自動駕駛的關(guān)鍵能力之一。與傳統(tǒng)的導(dǎo)航地圖相比，高精地圖提供了更豐富和更高精度的道路信息?；诟呔貓D，融合車輛自身傳感器信息，自動駕駛車輛能夠更精準(zhǔn)地定位，并預(yù)先感知車輛周圍的道路信息，更好地進行規(guī)劃、決策和控制，從而實現(xiàn)更安全、高效的行駛，避免擁堵和事故等交通問題。

1 "高精地圖

1.1 "與傳統(tǒng)導(dǎo)航地圖區(qū)別

高精地圖提供了豐富的道路環(huán)境信息，與傳統(tǒng)導(dǎo)航電子地圖相比，可從以下維度比較，區(qū)別如下所述。

1）數(shù)據(jù)精度：高精度是高精地圖最大的特點。高精地圖的精度在亞米甚至厘米級別，而傳統(tǒng)導(dǎo)航電子地圖精度為米級。

2）數(shù)據(jù)維度：高精地圖數(shù)據(jù)要素更豐富，幾乎包含車輛行駛過程中可見的所有道路要素，除包含導(dǎo)航地圖數(shù)據(jù)外，還包含了車道、地標(biāo)、防護設(shè)施、高起設(shè)施、道路邊緣、交通標(biāo)牌、交通燈、桿、路口、停止線等豐富的幾何和屬性信息。傳統(tǒng)導(dǎo)航電子地圖數(shù)據(jù)只記錄道路級數(shù)據(jù)信息。

3）數(shù)據(jù)鮮度：為保證自動駕駛的安全和高效，需要給自動駕駛車輛提供準(zhǔn)確的道路環(huán)境信息，高精地圖的數(shù)據(jù)鮮度要求更高。道路施工、道路開通、交通標(biāo)志變化等，交通路網(wǎng)信息每天都在變化，這些變化信息需及時體現(xiàn)在高精地圖上。

4）應(yīng)用目標(biāo)：高精地圖被應(yīng)用于自動駕駛應(yīng)用程序，輔助其對車輛進行規(guī)劃控制，保證行車安全，而傳統(tǒng)導(dǎo)航電子地圖是面向人類駕駛員，為其提供便捷的導(dǎo)航服務(wù)。

1.2 "生產(chǎn)流程

高精地圖數(shù)據(jù)生產(chǎn)分為以下業(yè)務(wù)流程[1]，保證數(shù)據(jù)的準(zhǔn)確性和高精度，滿足車輛自動駕駛業(yè)務(wù)需求。1）外業(yè)采集：在外業(yè)采集前，會明確采集范圍、采集內(nèi)容和目標(biāo)。根據(jù)采集需求選擇合適的采集設(shè)備，確保設(shè)備可正常工作，并備足數(shù)據(jù)存儲空間（硬盤）。準(zhǔn)備工作完成后，根據(jù)事先規(guī)劃的采集區(qū)域，進行現(xiàn)場數(shù)據(jù)采集。高精度地圖采集車通常需要配備一系列專業(yè)設(shè)備進行地圖信息的采集：①GNSS接收器，接收來自衛(wèi)星系統(tǒng)（如GPS、GLONASS、Galileo等）的信號，獲取車輛的精確位置信息；②慣性導(dǎo)航系統(tǒng)（IMU），利用加速度計和陀螺儀等傳感器來測量車輛運動狀態(tài)，能提供高精度的姿態(tài)、加速度和角速度信息，輔助GNSS定位，減少定位誤差；③激光雷達(dá)（Lidar），通過發(fā)射激光束測量返回時間，快速獲取周圍環(huán)境的三維點云數(shù)據(jù)，從而獲取道路要素、周圍建筑物等其他地物的精確距離和形狀信息；④高分辨率相機（Camera），拍攝獲取道路要素、周圍建筑物等其他地物的圖像信息。這些圖像可以用于后續(xù)的道路要素識別，從而提供更豐富的地圖信息；⑤計算和存儲系統(tǒng)，采集車需要配備較強的算力和足夠的存儲容量，運行采集程序，保存采集到的大量數(shù)據(jù)，提高采集效率和數(shù)據(jù)品質(zhì)，為后續(xù)的數(shù)據(jù)處理和地圖生成提供可靠的基礎(chǔ)。

另外，高精度地圖采集車通常還需要具備穩(wěn)定的車輛底盤、供電系統(tǒng)等基礎(chǔ)設(shè)施，以支持?jǐn)?shù)據(jù)采集的順利進行。

2）資料處理：該流程主要負(fù)責(zé)將采集回傳的軌跡、點云、照片等資料轉(zhuǎn)換為高精地圖生產(chǎn)可用的數(shù)據(jù)，是高精地圖生產(chǎn)的前置模塊，主要包括資料解算、切分、對齊、識別等多個環(huán)節(jié)。其中，自動識別算法，可基于點云與照片識別輸出車道線、路牌、地面標(biāo)志等矢量數(shù)據(jù)，作為人工作業(yè)的數(shù)據(jù)源，大幅提高數(shù)據(jù)生產(chǎn)效率。

3）數(shù)據(jù)生產(chǎn)：將自動識別的結(jié)果與原版本數(shù)據(jù)（若非第一次生產(chǎn)）進行差分融合處理，通過線上任務(wù)全流程調(diào)度的方式，將作業(yè)任務(wù)分配給數(shù)據(jù)生產(chǎn)人員。數(shù)據(jù)生產(chǎn)人員按照預(yù)先定義的數(shù)據(jù)規(guī)格和工藝完成編輯處理。部分地圖要素可在人工作業(yè)的基礎(chǔ)上通過批處理程序自動化提取賦值。

4）數(shù)據(jù)檢查：對數(shù)據(jù)生產(chǎn)的成果進行數(shù)據(jù)規(guī)格、邏輯相關(guān)的品質(zhì)檢查與品質(zhì)控制，檢查各環(huán)節(jié)數(shù)據(jù)的正確性，是數(shù)據(jù)品質(zhì)控制的重要屏障，包括單任務(wù)檢查、多任務(wù)檢查等。單任務(wù)主要檢查數(shù)據(jù)是否有遺漏、冗余、重復(fù)等情況，是否有拓?fù)溴e誤，屬性字段類型、字段長度、取值、制作結(jié)果是否滿足數(shù)據(jù)規(guī)格和工藝要求等。單任務(wù)檢查沒有問題后，可按一定數(shù)據(jù)范圍（如行政區(qū)劃）進行更大范圍數(shù)據(jù)檢查。相比單任務(wù)檢查，全庫檢查更容易檢出接邊位置的數(shù)據(jù)問題。

5）轉(zhuǎn)換編譯：該流程主要將檢查無問題后的數(shù)據(jù)轉(zhuǎn)換編譯為符合自動駕駛應(yīng)用要求的數(shù)據(jù)格式，是高精地圖的最終產(chǎn)品形態(tài)。按照規(guī)定程序送至國家測繪局審核并取得審圖號后，將通過云服務(wù)分發(fā)到車端，供自動駕駛應(yīng)用使用。

1.3 "數(shù)據(jù)模型

制作完成后的高精地圖數(shù)據(jù)被存儲為結(jié)構(gòu)化信息[2]，這些信息分為以下3大類，見表1。

表1 "高精地圖數(shù)據(jù)模型

2 "高精地圖在自動駕駛中的應(yīng)用

自動駕駛技術(shù)主要解決以下幾個問題：車輛在哪兒（定位）、車輛周圍有什么（感知）、車輛該怎么走（路徑規(guī)劃）。高精地圖在自動駕駛中扮演著重要的角色[3]，作為自動駕駛業(yè)務(wù)中超視距傳感器，可在全天候任何場景下提供道路數(shù)據(jù)支撐，保證車輛能高精度、穩(wěn)定、可靠地定位，降低對其他傳感器的性能要求，提升規(guī)劃控制功能的正確性。

2.1 "定位

高精定位是自動駕駛功能的基礎(chǔ)。為了保證自動駕駛車輛能夠在任何場景下，高精度、穩(wěn)定、可靠地定位，通常會采用多源融合技術(shù)來實現(xiàn)。基于全球?qū)Ш叫l(wèi)星系統(tǒng)（GNSS）、慣性測量單元（IMU）、感知、高精地圖的多源融合定位方案，在目前的自動駕駛領(lǐng)域被應(yīng)用廣泛。

GNSS準(zhǔn)確性取決于GNSS的精度、信號強弱。感知設(shè)備受距離、天氣、物體遮擋，也有其局限性。高精地圖不受這些外部因素的影響，可為自動駕駛提供豐富的先驗信息?；谄涓呔S度、高精度的數(shù)據(jù)信息，結(jié)合多源融合匹配算法，自動駕駛應(yīng)用能夠?qū)崿F(xiàn)更高精度的定位。

2.2 "感知

高精度地圖是自動駕駛的一種“傳感器”，作為雷達(dá)、激光雷達(dá)、攝像頭等其他硬件傳感器的補充，其他傳感器易受天氣、遮擋、距離等因素的影響，存在局限性。高精地圖可在地圖數(shù)據(jù)覆蓋的所有方向拓展更廣的范圍，不受天氣環(huán)境、障礙物遮擋、信號干擾等影響，可通過”預(yù)先感知”檢測到所有的道路要素，實時、大范圍提供當(dāng)前位置及前方道路的地圖信息，且不會占用車端過多的算力。

地圖數(shù)據(jù)模型中記錄了車輛位置周邊的道路、車道、基礎(chǔ)設(shè)施等對象及對象之間的關(guān)系，通過對高精度地圖的讀取，可以將這些關(guān)聯(lián)/拓?fù)潢P(guān)系也讀取出來，從而提高車輛對周圍環(huán)境的鑒別能力。另外，高精地圖中主要為道路環(huán)境信息，若自動駕駛車輛行駛過程中發(fā)現(xiàn)了地圖中沒有的物體，很可能為車輛、行人等活動障礙物[4]。

2.3 "路徑規(guī)劃

傳統(tǒng)導(dǎo)航地圖主要從時間短、距離短的角度，為車輛駕駛員提供最快、最短的路徑。人類駕駛員可對播發(fā)的導(dǎo)航語義信息進行解讀，并給出判斷，但高精地圖的路徑規(guī)劃使用者為機器，提供的地圖信息必須是機器能夠解讀的，所以，傳統(tǒng)導(dǎo)航地圖已無法滿足自動駕駛的實際應(yīng)用需要。為解決這一問題，高精地圖應(yīng)運而生。高精地圖為在特征地圖的基礎(chǔ)上，將所有地圖要素抽象、處理為矢量的幾何及屬性信息，且高精地圖可以提供比傳統(tǒng)導(dǎo)航地圖更加精確的路線信息，這樣便可以為自動駕駛車輛提供點對點的精確路徑規(guī)劃，讓自動駕駛車輛做出正確決策，從而實現(xiàn)更安全、更高效的行駛。

總之，高精地圖在自動駕駛中的作用和重要性不容忽視，是自動駕駛的基礎(chǔ)設(shè)施。它不僅可以提高自動駕駛的安全性和效率，避免事故和交通擁堵等問題，還可為城市交通管理和智能化發(fā)展提供有力支撐。

3 "高精地圖的更新

高精地圖需能精準(zhǔn)反映不斷變化的道路場景，才能支持高精度的車輛定位、感知、路徑規(guī)劃等上層自動駕駛應(yīng)用。而地圖行業(yè)傳統(tǒng)的基于地圖采集車的“集中制圖”模式，需要消耗大量的時間和財力。

從時間上看，傳統(tǒng)采集方式需要一定的周期來完成數(shù)據(jù)的采集和處理，大范圍乃至全國范圍的數(shù)據(jù)更新，采集周期特別長，嚴(yán)重延緩數(shù)據(jù)更新速度，導(dǎo)致數(shù)據(jù)的時效性很低。在數(shù)據(jù)更新周期內(nèi)，部分道路位置極可能已發(fā)生變道、施工、開路等情況，導(dǎo)致高精地圖數(shù)據(jù)表達(dá)的道路信息與現(xiàn)實世界不一致。尤其對于復(fù)雜的城市道路環(huán)境，覆蓋度面臨較大的挑戰(zhàn)。

從成本上，高精地圖采集車的成本動輒幾百萬。全國高速城快道路數(shù)據(jù)，尤其是復(fù)雜的城市道路數(shù)據(jù)采集，以及這些地圖數(shù)據(jù)的更新，按每車每天500km的采集效率，若要全國鋪開采集，對采集車的數(shù)量可想而知。另外，采集資料回傳后的數(shù)據(jù)生產(chǎn)發(fā)布將消耗大量的人力和財力，導(dǎo)致高精地圖的數(shù)據(jù)更新成本相當(dāng)高。

從上述的長周期、高成本看，傳統(tǒng)的采集更新模式顯然無法滿足自動駕駛對高精地圖實時更新的需求。因此，基于大量社會車輛進行地圖數(shù)據(jù)采集的“眾包更新”模式應(yīng)運而生，是實現(xiàn)高精地圖大規(guī)?？焖俑碌淖罴呀鉀Q方案，也是未來地圖更新的必經(jīng)之路[5]。

自動駕駛車輛搭載了GNSS、IMU、相機，甚至毫米波雷達(dá)、激光雷達(dá)等設(shè)備。這些設(shè)備中，相機價格相對低廉，是前裝量產(chǎn)車型中裝載率最高的傳感器，可識別車道線、交通標(biāo)牌等豐富的地圖要素信息，是高精地圖眾包更新方案中最核心的傳感器。相機的感知識別信息結(jié)合GNSS信息可將局部感知信息轉(zhuǎn)化為全局地圖信息。

為驗證相機感知結(jié)果的可用性，基于某一廠商相機感知的車道線數(shù)據(jù)進行了分析。對相機感知回傳的結(jié)構(gòu)化信息進行解析，截取2m內(nèi)的識別結(jié)果，以高精地圖數(shù)據(jù)作為真值，進行對比分析，車道線精度達(dá)到厘米-分米級別。相機識別結(jié)果與高精地圖數(shù)據(jù)對比如圖1所示。

圖1相機識別結(jié)果與高精地圖數(shù)據(jù)對比

在高精地圖眾包更新的整個業(yè)務(wù)場景中，除傳感器本身的性能外，因車端采集的數(shù)據(jù)可能會包含敏感地理信息，采集的數(shù)據(jù)及數(shù)據(jù)傳輸?shù)染枋褂靡欢ǖ募夹g(shù)手段，保證數(shù)據(jù)的采集、傳輸、處理等過程安全。

4 "結(jié)束語

隨著傳感器技術(shù)、計算能力和人工智能算法的不斷進步，自動駕駛技術(shù)將得以快速發(fā)展。高精度地圖作為“超視距傳感器“，需要精準(zhǔn)反映出不斷變化的道路場景，才能支持精準(zhǔn)的車輛定位、感知、路徑規(guī)劃等上層自動駕駛應(yīng)用。

眾包更新相較于傳統(tǒng)的采集車集中采集模式，建立車端與云端數(shù)據(jù)的實時交互反饋閉環(huán)，降低高精度地圖的更新成本，能大大縮短更新時長，將成為實現(xiàn)高精地圖大規(guī)模快速更新的最佳解決方案。

參考文獻(xiàn)：

[1]尹彤，黃鶴，郭遲，等. 面向自動駕駛的高精地圖生產(chǎn)技術(shù)及數(shù)據(jù)模型標(biāo)準(zhǔn)化探討［J］. 中國標(biāo)準(zhǔn)化，2021（4）：33-37.

[2]劉經(jīng)南，詹驕，郭遲，等. 智能高精地圖數(shù)據(jù)邏輯結(jié)構(gòu)與關(guān)鍵技術(shù)［J］. 測繪學(xué)報，2019，48（ 8）：939-953．

[3]曾之泰. 高精度地圖在自動駕駛技術(shù)發(fā)展中的應(yīng)用［J］. 中國高新科技，2018（24）： 28-30.

[4]潘霞，張慶余，朱強. 高精度地圖在自動駕駛領(lǐng)域的作用及意義解析［J］. 時代汽車，2019（4）：49-53.

[5]李月華. 基于自動駕駛眾包地圖更新技術(shù)方法［J］. 北京測繪，2022，36（5）：629-635.

（編輯 "凌 "波）