高精度地图技术杂谈 |
您所在的位置：网站首页 › 高精度地图的特点是什么 › 高精度地图技术杂谈 |
高精度地图技术杂谈
|
高精度地图技术杂谈 高精度地图背景介绍 高精度地图概念与定义 高精度地图，也被称为“自动驾驶地图”或“智能汽车基础地图”，英文通常翻译为HD Map（High Definition Map）。高精度地图是指绝对精度和相对精度均在厘米级（10厘米至20厘米）的高分辨率、高丰度要素的导航地图。高精度地图提供了一个自动驾驶车辆所处的环境模型，包含了最底层的静态高精度地图以及其他动态信息。静态高精地图中包含了车道模型、道路部件、道路属性和其他的定位图层。车道模型包含道路细节信息，如车道线、车道中心线、车道属性变化等，此外车道模型中还需要包含道路的曲率、坡度、航向、横坡等数学参数。自动驾驶动态信息是指智能网联体系下所有的动态信息，一般包括地图动态信息、传感器信息、驾驶行为、交通动态信息管控等方面。 高精度地图所表达的数据内容 通常，要素完整的高精度地图，会通过三类数据来完整表达真实道路信息，第一类是道路和车道信息，主要记录道路信息及引导拓扑信息；第二类是道路周边设施信息，是定位和障碍物等辅助信息；第三类是定位图层，用于自动驾驶车辆现场匹配。 参考文献链接 http://news.10jqka.com.cn/20211229/c635530189.shtml https://mp.weixin.qq.com/s/609_F3uXZjYNCS55iKO_qA https://mp.weixin.qq.com/s/2cg5ipunTjCSxFXTyXBxYA 高精度地图已经被视为自动驾驶时期的“重要基础设施”，也必将在智慧交通、智慧城市等领域发挥着“数据底座”的重要作用。 自动驾驶技术主要分为感知、决策和执行三个部分。感知层，主要通过使用多种视觉传感器（摄像头+雷达），以感知探测汽车周围的车、人、交通状况、所处的位置等信息；决策层，是在感知层搜集信息的基础上，通过算法对于信息进行综合处理，判断出下一步的行驶方向、速度、转向角度等；执行层，是决策层将指令发送给控制层，由控制层通过对车辆进行转向控制、驱动控制、制动控制和安全控制。 自动驾驶技术从硬件到软件都取得了很大的进步，但从具体的技术实现方式看，大多数量产车产品是依托于视觉传感器和控制系统。传感器监测周围环境，控制系统处理数据并生成决策，执行系统根据指令控制车辆驾驶动作。这种技术解决方案有一定的局限性，短期来看效果不错，但长期而言，随着自动驾驶级别的不断增高，道路复杂情况不断增强，数据量不断攀升，会对整体的自动驾驶实现成本和效果稳定性产生影响。并且，传感器由于本身的物理局限性和易损耗等特点，无法保证自动驾驶汽车在全天候、全工况环境下行驶的可靠性。此时，高精度地图就会发挥出重要作用，其将成为视觉传感器的有效补充，为车辆环境感知提供辅助，提供超视距路况信息，从而提升车辆定位精度、感知可靠性以及路径规划能力。 高精度地图是智能网联汽车产业的重要基础技术，尤其是L3及以上级别的自动驾驶功能所必备的支撑技术。相较于为人工驾驶员服务的传统车载导航电子地图，高精度地图是为自动驾驶系统服务的专属地图，其蕴含更为丰富细致的路面、路侧及路上的静态信息，还需要辅以实时动态交通信息，制作难度和复杂度远高于传统地图。高精度地图具备的地图匹配、辅助环境感知和路径规划三大功能，在自动驾驶中具有难以替代的特殊优势。 目前，高精度地图技术已经过多年的发展摸索阶段，新技术、新工艺逐步走向成熟，形成了一系列相对稳定的生产模式与基本定型的地图产品，对智能网联汽车产业的发展起到了支撑和推进作用；汽车主机厂和系统集成商更是积极开发基于高精度地图的自动驾驶汽车，不断优化高精度地图模型和数据内容，使得高精度地图更加符合自动驾驶需求，形成良性循环；清华大学、武汉大学、北京理工大学等知名院校也已加快对高精度地图数据要素等内容的理论研究。 高精地图：智能汽车下半场的隐秘战事 21世纪初，深陷两场战争泥潭的美国，怀着无比迫切心态推进无人驾驶车辆的研发，但军方资助项目造的车笨重、缓慢且不智能，令人大失所望。 此后，DARPA（美国国防部高级研究计划局）另辟蹊径，于2004年-2007年举办三场奖金为100万美元的无人驾驶挑战赛。其中，2005年的挑战赛成为汽车机器人发展史上的临界点，五辆无人驾驶汽车使用人工识别系统，成功完成挑战赛。夺得冠军的斯坦福团队，基于激光雷达、相机和毫米波雷达构建点云地图——这是高精地图的缘起。
图：斯坦福大学AI实验室负责人及参赛团队队长Sebastian Thrun，来源：网络 所谓高精地图（HD Map），业界其实有多种理解——字面翻译上叫High Definition Map，即高分辨率地图；也有High precision Map的叫法，即高精确度地图；以及Highly Automated Driving Map，即高级自动驾驶地图，等。 高精地图从字面上对应“标准地图”——SD Map（Standard Definition map），业界一般把后者叫做车机地图，是导航地图的汽车版。两者最大的区别在于，HD Map是给计算机看的，SD Map是给人看的。 抛弃定义的细微差异，看到随着DARPA挑战赛的成功举办，此后十多年高精地图获得了加速度发展，标志性事件包括： ◆2009年Google无人驾驶团队成立，并使用高精地图方案。◆2014年高德地图为GM SUPER CRUISE项目生产高精地图，2017年之后SUPER CRUISE功能在北美和中国推出。◆2014年腾讯入股老图商四维图新，收购11.28%的股份成为二股东。◆2016年Mobileye推出包含高精地图功能（路书Roadbook）的REM系统，打算用AI为自动驾驶做众包高精地图（目前效果一般）。◆2020年小鹏汽车、蔚来汽车等造车新势力开始自研高精地图。◆2022年百度地图整体并入百度IDG（智能驾驶事业群组），其C端用户规模和“一张图”能力将为后者两大核心业务——Apollo汽车智能化解决方案和ACE智能交通解决方案——带来极大的协同效应和产业势能。 时至今日，认为新能源车和自动驾驶发展大超预期的势能、以及加快开放的政策，让高精地图处于爆发的前夜。 本文将主要探讨3个问题：1.为什么说高精地图正处于爆发前夜？2.高精地图的产业规模究竟有多大？3.高精地图的技术壁垒、玩家构成以及各自竞争力是怎样的？01 高精地图爆发前夜 首先从技术层面看，高精地图能为自动驾驶提供感知补充、地图围栏（划定可驾驶区域）、辅助控制（坡度、曲率和横坡）、超视距规划和交通标牌辅助识别等支撑，可以让自动驾驶的安全性大幅提高。而安全，可以说是自动驾驶的第一性原则，所以认为高精地图是L3及以上级别自动驾驶的必选项。
图：高精地图的作用，来源：网络 再补充一组数据，特斯拉以及被市场视作其模仿者的小鹏汽车，自动驾驶进入匝道的成功率分别为30%和80%，高精地图是两者自动驾驶方案核心差异之一，特斯拉未配备，而小鹏有配备。 明晰高精地图对于L3及以上级别自动驾驶的重要性之后，再来看新能源车和自动驾驶当前的渗透率。 2021年，中国新能源乘用车销售331.2万辆，yoy（同比增长率）+181%。与此同时，全年新能源车渗透率达15.7%，其中12月的渗透率为21.3%。 这是什么概念呢？知道吗，2020年11月初，国办印发《新能源汽车产业发展规划(2021－2035年)》提出2025年实现新能源车渗透率20%左右。也就是说，现实情况是新能源车渗透率提前4年达成目标。市场的火爆让整个产业都始料未及，上游的锂也因此供不应求涨到天上，这对车厂来说真是幸福的烦恼。 新能源车销售火爆，作为核心卖点之一的自动驾驶技术也快速应用。据国泰君安研究，截止2022Q1,主要车厂（蔚来、小鹏、理想、长城、比亚迪、吉利等）基本实现L2级别自动驾驶功能，正加速准L3级别自动驾驶功能的落地。
图：车厂自动驾驶进度（黄色标识代表已量产，绿色代表部分量产、蓝色代表正规划实现量产），来源：国泰君安 与此同时，看到全球自动驾驶政策正加速开放，为L3及以上级别自动驾驶技术的落地铺路，具体而言： 2021年5月德国联邦议院通过了《自动驾驶法》草案，自2022年开始允许无人驾驶汽车（L4级）在公共道路上的指定区域内行驶。 2022年4月，英国运输部修改《公路法》，允许司机在无人驾驶模式下看电视和电影等，此时汽车需保持单一车道且时速低于60公里。此外，保险公司将对无人驾驶汽车的事故承担经济责任。 2022年3月NHTSA（美国国家公路交通安全管理局）发布“最终规则”，取消对无人驾驶系统和车辆的多项常规控制要求，并允许车厂在规划公布180天后制造并部署无方向盘的汽车。 2022年4月中国北京发放无人化载人示范应用通知书，也就是允许方向盘后无人，百度是首批获准企业（旗下萝卜快跑开启无人化驾驶出行服务）。5月，深圳2022年度立法计划正式印发，其中《深圳智能网联汽车管理条例》通过三审有望年内出台，其为具备L3及以上级别自动驾驶车型合法上路扫清障碍。 从辅助驾驶（ADAS）到L3及以上高级别自动驾驶切换、从人类驾驶到计算机驾驶切换的时刻，高精地图实质上已处于爆发的临界点。 02竞逐自动驾驶时代 目前高精地图的典型玩家有四大类（对于大公司来说界限会比较模糊）： 1）大图商,百度地图、高德地图、腾讯地图、四维图新、TOMTOM和HERE等；2）创业公司，Momenta、宽凳、Deepmap等；3）Tier1供应商，Mobileye、NVIDIA、地平线等；4）车厂，小鹏、蔚来、吉利（亿咖通）、上汽（中海庭）等。 从审图号（拿到导航电子地图制作甲级测绘资质才能制图，制图之后通过自然资源部的审批拿到审图号才能商用）的公示情况可以看到，大图商及车厂（主要是投资并购的公司）在不惜余力的上项目。自然资源部网站上搜索“高级辅助驾驶”，2018年-2022年6月相关审图号数量分别为2个、5个、24个、33个和14个，从2020年开始直线飙升。
图：高精地图审图号，来源：自然资源部网站 从时间轴推测，2020年飙升的审图号实际上的制图时间可能要往前推一至两年，也就是说2018-2019年主要玩家就在加速投入，看中了什么？大概率是高精地图行业广阔的前景，毕竟金钱永不眠。 有一种声音认为，高精地图虽然处于爆发临界点，但这行业只是一个小市场，容不下太多的资金。因为据华经产业研究院数据，2020年高精地图市场规模40亿左右，而2019年一家头部券商曾推测中国高精地图未来市场天花板为300亿元，7倍左右的空间。 认为以上预测过分保守，理由是其关键假设（1是未来3亿汽车保有量，2是单车价值100元）中的第二点非常不合适。100元的单车价值是根据高德地图2019年确定的年服务费来的，而当时的高精地图处于什么阶段呢？ 1）新能源车渗透率低的可以忽略不计；2）高级辅助驾驶也未普及；3）项目稀少，高精地图当年获批的审图号更是只有5个；4）彼时高德地图为高精地图解决方案市场老二（第一是百度地图29.3%的市占率，2020年百度地图保持第一，而高德地图的份额下滑至第四位）。 在那种全是成本、收入稀缺的财务状况下，高德地图100元的高精地图年费定价说是“半卖半送”也毫不为过。 从常识上看，一项创新的科技产品，低毛利率的硬件部分，在产品收入中所占的比例总是会随着规模效应的提升而降低；而高毛利率的软件部分，在产品收入中所占的比例总是会随着功能增加和技术突破带来的体验上升而提高。 L3级别自动驾驶作为分水岭，高精地图从非必须但配置后用户体验明显提升到功能质变，其价值量会明显提升。仅就辅助驾驶阶段而言，以蔚来自动驾驶系统NAD（NIOAutonomousDriving）为例，收费为每月680元，每年就是8160元，假设高精地图能分到1/20，也就是408元，那么按未来3亿辆车的保有量算，高精地图的天花板就是1224亿元。 考虑到L3及以上自动驾驶价值量的提升，恐怕高精地图的天花板还至少得翻倍至2500亿左右，假如2030年达到这一天花板，则CAGR（年化复合增长率）为51%。毋庸置疑，很快高精地图将会成为一门超高景气度的大生意。 那么，高度景气的高精地图行业，各类玩家成色如何呢？ 03百度地图值得多看一眼 值得说明的是，受制于行业较高的资金门槛，以及“提前一步成烈士”（未等到行业爆发），创业公司普遍竞争力不强，罕有以独立身份留在主舞台上的初创公司。而主要的国外图商和Tier1芯片公司因地理位置数据安全的考虑进不来，部分Tier1和车厂的众包地图也因为精度原因，暂时没有太大的价值，所以中国高精地图市场在未来几年还是图商（以及收购了图商的车厂）的天下。 图商是当前高精地图行业的主要玩家，其通过自建车队采集数据制图是比较成熟的生产模式，单车成本在100万元以上，包含INS惯导、激光雷达、相机和激光扫描仪等设备。 这种数据收集和更新的模式在精度上没问题，主要考量的是成本。中国公路里程已达528万km（高速16万km，国省县100多万km，其它400万km），做到季度更新的话，这个数字还得乘以4；按博世对自动驾驶时代永久静态数据按月更新的设想，这个设置得乘以12，最终需要大量的车辆和人力（采集团队和数据标注/补缺团队）才能完成工作。 那么可以确认的是，高精地图行业的核心战场将锁定在两处： 1、制图及维护与成本的性价比，简单来说就是谁能以低成本拿到更精确、更新鲜的数据，谁就将占据优势；2、造血能力的比拼，其中自动驾驶生态更强的公司变现模式多样，能形成正反馈，发展的更快。 具体而言，关于数据更新与成本的性价比，可以看到生产方式层面“真·一张图”的创新。 “一张图”是指自动驾驶从A点到B点的过程中，标准地图会给出一条行车路线给自动驾驶系统。标准地图确定路线后，自动驾驶系统会根据静态/动态高精地图再规划一条更为精细的路径图，包括哪个地方并线，以多少车速行驶会一路绿灯，哪个地方需要出匝道等，哪个地方临时超视距应急反应等等，最终完成一次行程。 而所谓“真·一张图”，是指自动驾驶应用在一张图上完成的同时，生产也实现一张图。传统的生产方式是分系统独立制作后再以道路相互关联的方式来进行不同精度级别——标准地图(SD Map)、车道级地图(LD Map)和高精地图(HD Map)——的地图数据生产，独立更新会造成数据先后不一致，影响应用体验，甚至是安全性；以及多套生产系统并存的重复投入。 百度地图今年三月首创“一体化地图数据解决方案”，实现上述3种地图统一生产，大幅节约了成本，以及提高地图质量（解决不同精度等级的地图数据独立更新，带来的数据不一致问题）。 不仅如此，百度地图整体并入IDG，其C端用户规模和“一张图”能力将为后者两大核心业务——Apollo汽车智能化解决方案和ACE智能交通解决方案——带来极大的协同效应和产业势能。Apollo汽车智能化解决方案包含智驾、智图、智云和智舱，其中智图指的就是包括标准地图、高精地图和动态孪生地图的百度地图。ACE智能交通解决方案中“车路云图”四大支柱亦包含百度地图。
图：Apollo汽车智能化解决方案，来源：百度IDG路演TTP 具体而言，自动驾驶的生态有助于百度地图构建正反馈，拉开与竞争对手的差距。百度地图可输出国民级出行工具的流量入口和“一张图”能力作为重要的增长底座及核心成功要素，拉动萝卜快跑、apollo汽车智能化解决方案和ACE智能交通解决方案的增长，商业化落地又直接创造现金流和数据，能让百度地图变得更好。 以上百度地图的正反馈逻辑，只有今天才讲得通，因为过去百度地图有部分业务是游离于IDG（智能驾驶事业群）之外的，而本次百度地图整体装进汽车事业群，组织变革将其各项能力与集团禀赋捏成一个整体，则预示着自身新周期的开启。基于以上分析，制作了一张高精地图玩家竞争力分析的图片，如下所示。
图：高精地图玩家竞争力分析，来源：锦缎研究院 面向未来，认为地图的商业模式将泛化，机器人化。具体而言，以神经网络大脑和AI地图技术为底层，衍生出汽车型机器人，扫地机器人和Robotaxi等；四足动物型机器人，波士顿动力公司的机器狗等；人型机器人，英国科技公司 Engineered Arts的产品Ameca等全场景生活及工作服务级机器人等商业模式。人工智能及大场景开启了高精地图的新篇章，未来天高任鸟飞。高精度地图想要最终真正在自动驾驶场景中得以落地，仍然有很多亟待解决的充分必要条件：比如如何达到还原现实世界的精度？如何更高效的与自动驾驶系统沟通？如何保证更新频率和响应速度？这些问题越早解决，自动驾驶车辆就越早的走进生活。 本篇内容，就和大家一起探讨一下，究竟如何定义高精度地图的生产模式，以及在线服务模式，才能让未来的地图更新做到真正的“行云流水”！本周三也请到四维图新相关专家，为大家带来深度的线上分享及答疑，欢迎文末二维码即刻预约！ 高精度地图-行云流水
01 揭秘高精度地图的生产过程 与传统地图不同，高精度地图对精度及鲜度要求极高，因此采集和制作方式也有很大的不同，为了保证地图鲜度，整个生产过程中也会不断地将AI技术应用其中。 究其整个过程可以分为四个阶段：1.采集2.处理3.验证4.发布 采集 高精度地图的采集目前行业主流两种方式：专业采集车进行外业采集，以及UGC设备采集。首先，为了保证数据的质量和精度，会提前分配任务给专业的高精度地图采集车，采集车会预先安装好多种传感器，如激光雷达、摄像头、惯性测量单元和定位设备等，四维图新目前的方案就是配置32线激光雷达，6向摄像头以及自研时空同步与电流控制系统，以保证可以采集到厘米级精度的数据。
图为：四维图新高精度地图采集车 但是，由于专业采集设备较为昂贵，在成本有限的情况下无法做到无限制扩张。为了更高效地生产全区域覆盖的高精度地图，通常还会通过UGC的方式采集大量数据，从而精准地发现数据变化的范围，再根据有效信息判断是否需要采集车进行有针对性的专业测量。
图为：四维图新高精度地图更新验证部分过程 处理 将所有采集到的地图数据称为原始数据，这些数据想要成为地图，还需经过整理、分类与清洗等的专业处理过程。这个环节是十分繁琐的，需要把不同传感器的采集数据进行融合叠加，并进行道路标线、路沿、路牌、交通标志等道路元素的识别，对于一些冗余数据在这一环节也会进行自动整合和删除。如此繁琐的过程，为了保证处理效率和准确性，通常主要依靠程序来自动化完成，这对程序算法能力的要求就非常之高了。
图为：四维图新软件自动化识别噪点、跳变，降噪、提高精度
图为：四维图新自研算法，可自动提取超过60种要素
图为：四维图新自动化处理地图部分过程示意 验证 经过一系列完整的自动化处理过程后，为了确保程序处理的有效性，还会由专业的技术团队进行人工抽样检测，并进行最后一步确认和完善从而发现出自动化处理过程中出现的错误，及时弥补数据的缺陷，提高精准度。
图为：四维图新从外业到内业的全面检测过程
图为：四维图新自动化结合人工结果验证示意 发布 验证无误的地图，需要进行转换编译，生成矢量母库，从而完成生产环节。 但由于高精度地图体量非常大，超过GB级的存储量已经不是传统物理存储可以承载。此外高精度地图对数据更新的实时性要求非常高，这就决定了高精度地图需要借助云平台来实现发布及更新。 02 影响高精度地图量产的关键因素 其实对于大部分拥有测绘资质的传统图商而言，高精度地图虽然相较传统地图难度及成本有所增加，但单纯生产出来只是时间问题，然而从采集制作到真正量产，过程中会面临更多的问题和挑战： 实时更新问题 传统导航电子地图的更新频率为静态数据(通常更新频率为季度更新或月更新)，准静态数据(频率为日更新)。 而高精度地图对数据的实时性要求较高，更新频率通常为准动态数据(频率为分钟更新)，实时动态数据(频率为秒或毫秒更新)。
图为：区域动态地图分层说明 如何在自动驾驶车辆行驶中完成高频率的地图在线更新，也是高精地图量产应用最关键和最难解决的问题。 生产效率问题 与传统车载电子地图相比，高精地图精细程度更高，动态要素更为丰富，传统地图的生产方式难以满足其量产应用的需求。 目前，厘米级地图对测绘效率要求非常高，导致需要布设很多高精度采集设备和车辆，相应的成本也会非常高。较高的成本也在一定程度上，限制了高精地图的生产效率。 地图存储问题 车载地图的体积受到嵌入式系统的存储容量限制。目前，自动驾驶用高精度地图(厘米级)，存储密度非常高，整体容量已远远超出目前主流控制器方案的存储容量，所以需要借助云储存及云分发的形式才能得以实现。 03 未来高精度地图更新生态圈 高精度地图完成采集生产环节，并不意味着高精度地图生产完结已经可以量产，这恰恰只是地图更新闭环的开始。想要高精度地图真正得以使用并最终服务于自动驾驶，也需要一个完整的生态圈闭环。 未来的高精度地图更新，一定是一个云+端的完整生态圈，在这个生态圈里，包含了高精度地图的采集、生产、应用、以及更新。 而未来智能网联汽车，将成为这个生态圈里一个重要的环节，既是云端地图数据成果的消费和使用者，同时也会是地图云中心部分数据的提供者。 一方面，车辆在行驶过程中实时的接收来自云端分发的高鲜度高精度地图，用于辅助自动驾驶； 而另一方面，车端也会将自己实时位置、车身姿态、驾驶行为、各类传感器数据等回传给云端。同时云端还会通过V2X技术，收集到来自路侧设备回传的实时交通数据。云中心对这些实时数据进行深度挖掘分析，从而对高精度地图进行进一步有效更新，再将更新的内容通过OTA等形式下发到车端。
如此循环反复，一边不断对高精度地图进行实时更新优化，另一边形成一套智能网联汽车体系下高精度地图生产运营一体化的完整生态圈。 04 面向量产四维图新的挑战与思考 通过提早的业务布局和全流程算法的加持，目前四维图新已经完成了全国范围超过32万公里高速公路的高精度地图覆盖，以及超过5000公里复杂城市道路的覆盖，在国内属于领先水平。 而面向高精度地图量产及实时更新，四维图新也正在构建一个云+端的生态体系，在数据生产之外，独立出一个专门用于自动驾驶的云服务平台——HDMS（HighDefinition Map Service）。未来借助平台来支撑地图的流式分发和UGC实时更新。
此外，当自动驾驶真正走向量产，客户需要的远不仅仅是高精度地图，未来会有更多源的第三方数据关联到地图上，从而产生服务。因此认为只有借助云平台不断实现行云流水的地图更新过程，高精度地图才能得以真正服务于自动驾驶相关服务，从而与用户实现共同获益，共同成长。 为了更全面地为大家揭开四维图新高精度“活”地图的神秘面纱，请到了智能地图事业部高级产品经理周猛，带来更加专业的深度直播分享以及线上答疑，也欢迎大家扫描下方二维码预约参加！
参考文献链接 http://news.10jqka.com.cn/20211229/c635530189.shtml https://mp.weixin.qq.com/s/609_F3uXZjYNCS55iKO_qA https://mp.weixin.qq.com/s/2cg5ipunTjCSxFXTyXBxYA
|
【本文地址】
今日新闻 |
推荐新闻 |