預計，高精度地圖行業未來十年將迎來黃金發展期，到 2020 年高精度地圖市場為 21 億美元，2030 年該市場將達到 200 億美元。在高精度地圖的爭奪焦點上，行業廠商紛紛進場，迎來發展的關鍵階段。

圖源：搜狐汽車

          前不久，高德簡短的線上發布會，為地圖戰事再添一把新火。借著余溫，我們圍繞高精度地圖展開聊一聊。

          文章大概分為以下幾個部分：

          什么是高精度地圖？高精度地圖如何賦能自動駕駛？高精度地圖的產業現狀面臨的挑戰有哪些？

          什么是高精度地圖？

           高精度地圖（HD Map，High Definition Map），是一種專為自動駕駛服務的地圖。

           與傳統的電子導航地圖相比，高精度地圖不同之處在于：

           精度：傳統導航地圖提供“道路級別”的導航信息，精度在米級別，可實現車輛的基本導航需求；高精度地圖能夠提供“車道級別”的導航信息，精度在厘米級別，可實現車輛的基本導航需求。

          數據維度：在道路形狀、坡度、曲率、鋪設、方向等道路數據基礎上，高精度地圖不僅增加了車道屬性相關（車道線類型、車道寬度等）數據，更有諸如限高、禁行、防護欄。道路邊緣類型、路邊地標等大量目標數據。高精度地圖能夠明確區分車道線類型、路邊地標等細節。

          使用對象：傳統導航電子地圖是面向駕駛員，供駕駛員使用的地圖數據；而高精度地圖是面向自動駕駛汽車車機設備使用的地圖數據，與傳感器互相補充為無人駕駛提供安全保障。

          數據實時性：高精度地圖對數據的實時性要求更高。高精度地圖將大量的行車輔助信息存儲為結構化數據，通過云端實時更新高精度動態地圖數據。

          簡單來講，高精地圖就是精度更高、數據維度更廣的電子導航地圖，是自動駕駛感知層和決策層的數據基礎。高精度地圖通過更高維數的數據結合高效率的匹配算法，結合車載     GPS、IMU、LiDAR 或攝像頭的數據，解決感知環節中傳感器在雨雪、大霧天氣里不適用的問題，在交互決策環節中對數據進行修正，從而實現更精確的定位。

          并且高精地圖還有一個非常現實的意義，就是能夠減少車載傳感器的數量，降低整車成本，加快自動駕駛的落地。

          但是，有一點需要注意的是，高精地圖需要繪制出信號失鎖區域。在信號失鎖區域，自動駕駛車輛需要提高攝像頭識別的靈敏度。

          總之，不論是動態化，高精度和多維度，最終目的都是為了保證自動駕駛的安全與高效率。動態化保證了自動駕駛能夠及時地應對突發狀況，選擇最優的路徑行駛；高精度確保了機器自動行駛的可行性，保證了自動駕駛的順利實現；多維度則是與更多邏輯規則相結合，進一步提升了自動駕駛的安全性。

圖源：新浪網

           高精度地圖如何賦能自動駕駛？

          上面介紹了高精度地圖的特點和優勢，相信也能看到其對于自動駕駛行業的助力。筆者簡單整理為以下幾方面，方便大家直觀的了解。

與非網制圖

          高精度地圖產業現狀

          由于高精地圖是鏈接人、車、路等各種交通參與者的紐帶，車企、Tier1、地圖廠商、互聯網企業、芯片廠商等圍繞高精地圖開展了各種各樣的合作，共同推進高精地圖產業的發展。

          由于國外地圖行業由于政策監管較松，研發較為活躍，發展速度較快。截止目前，國外的高精地圖主要有 Here、TomTom、Waymo（原 Google 地圖）等老牌圖商；以及 DeepMap、CivilMaps、Carmera 等初創公司。

          競爭格局呈現出兩極分化態勢：一方面是大型互聯網科技巨頭、車企等在高精度地圖的研發上更多采取集中采集的地圖信息搜集方式，其合作伙伴數量相對而言更多且更為穩定，在市場上影響力更強；另一方面則是自動駕駛行業算法集成層面的初創公司，成本預算有限，對現金流較為迫切，因此基本采用成本較低的眾包采集，并且更積極地探索高精度地圖的商業化變現模式。

          和美國不同，國內市場因為有較為嚴格的地圖測繪政策限制，國家測繪局對電子地圖制作設立了甲級資質的高準入門檻。據中國自然資源報數據顯示，截至 2020 年 2 月，具有電子地圖制作甲級資質的單位有 22 家。早在 2012 年前后，國內的高德、百度、四維圖新等老牌導航電子地圖制作企業提前布局自動駕駛地圖業務。

圖源：汽車公社

          隨著自動駕駛投資熱潮涌現，其他導航電子地圖資質企業、互聯網公司、汽車企業及專業自動駕駛地圖創業公司，也都紛紛加入到自動駕駛地圖市場的角逐當中。目前行業公司大體可分為四類：一是導航電子地圖圖商，如四維圖新、高德、百度、易圖通等；二是自動駕駛地圖創業公司，如 Momenta、寬凳、DeepMotion 等；三是車企扶植的地圖企業，如被上汽控股的中海庭、吉利汽車億喀通旗下自動駕駛地圖團隊；四是其他獲得導航電子地圖資質的公司，如華為、江蘇智圖等。整體呈現出傳統圖商、初創企業、車企、互聯網巨頭多方逐鹿的行業競爭格局，在高精地圖領域積極布局。

           誠然，相較于高光下的自動駕駛車，高精度地圖的戰局嚴重被低估。回顧自動駕駛地圖產業發展，可以清晰地看到兩大行業的迅速融合——各大傳統汽車廠商在布局自動駕駛業務時，幾乎無一例外地投資或收購高精度地圖公司，而諸多地圖公司也更是早早就盯住了自動駕駛的巨大市場。

           各企業在高精度地圖市場跑馬圈地的背后，也是搶位地圖入口的爭奪戰。

          擋在面前的挑戰

          作為智能網聯汽車基礎設施，高精度地圖具有精度高、維度多、實時更新等特點，其重要性不言而喻。但由于自動駕駛地圖提供的數據對于精度的要求，涉及到了空間信息安全，現行的法律以及政策在數據采集、傳輸、儲存、使用以及表達上依然存在諸多限制，高精度地圖面臨諸多挑戰。

          ·高精度地圖制作難度大

           高精度地圖雖然好用，但目前還無法大規模地生產。高精度地圖的測繪過程要比傳統電子地圖復雜，目前市場上高精地圖的制作方式主要是“采集車測繪”和“眾包測繪”兩種。

           由專業采集車輛或眾包車輛對道路及其周邊地理要素或人工設施的特征（形狀、大小、空間位置）進行實時采集、處理及提供，并且在后期高精度地圖的制作還要由圖商進行編輯加工和數據轉換。

          高精度地圖的數據采集和制作都屬于測繪活動，由于地理信息涉及國家秘密，在中國從事高精度地圖測繪活動需要獲取導航電子地圖甲級資質。這使得數據的采集和使用以及表達受到極大限制，部分企業由于現行法規限制，沒有測繪資質就沒辦法采集、使用以及儲存這些空間位置信息，只能夠跟有資質的廠商進行合作。

         【小科普】

          *采集車采集：該方式依賴于專業采集設備和專業采集人員，專業測繪車，通過自主采集半自動化以及全自動化生產的方式獲得了高精度的矢量地圖，矢量地圖包括車道級拓樸、 車道邊線、道路區間以及 ADAS 數據等信息，它能夠滿足車道級的導航功能的自動駕駛，精度和可信度高。在完成集中式數據采集后，還要經歷數據融合、數據處理、發布、交付等諸多環節。傳統圖商憑借自身技術優勢一般采納采集車測繪，精度更高；

          *眾包采集：基本上可以理解為用戶通過自動駕駛車輛自身的傳感器，或其他低成本的傳感器硬件，收集的道路數據傳到云端進行數據融合，并通過數據聚合的方式提高數據精度，來完成高精地圖的制作。整車廠擁有海量普通汽車，以“眾包測繪”為主。采集數據完成后要將來自 GNSS、點云、圖像等數據識別融合在一起，最后經過人工的修正完善，才上傳到云端。

          ·政策限制

          地圖政策的挑戰僅存在于國內，國外政策在此較為寬泛。由于測繪及地圖制作涉及國家安全，我國高精度地圖數據采集需要符合相關政策的規定。

          對于數據的采集，包括道路的高程、坡度、曲率，橋梁隧道的限高、限重等信息，按照現行政策，有明確的限制。比如，《基礎地理信息公開表示內容的規定》顯示，快速路、高架路、引道、街道和內部道路的鋪設材料、最大縱坡、最小曲率半徑不可公開。同時，也不能記錄涉密的地理信息數據（坐標、高程等）。而車企對于這些數據又有很強的需求，這直接導致在自動駕駛中，坡度和高程無法直接使用，這將對地圖的便捷使用造成影響。

          ·缺少統一的數據管理平臺

          隨著自動駕駛的發展，更多的汽車廠、圖商對高精地圖投入了越來越多的資源。這些廠商在發展高精地圖時，由于各自的數據格式并不相同，所以導致數據無法方便地在彼此間進行交互。

          目前國際上高精地圖規范有 NDS、OpenDRIVE、OMP 公司規范等幾種，精度和刷新頻率也沒有統一標準。同時，由于都把高精地圖當作自己的核心競爭力，所以彼此的高精地圖不進行共享，這就導致了每家圖商都要獨自采集全國的高精地圖數據，就進一步提高了成本。此外，車廠也不情愿對圖商共享數據，這進一步推高了高精地圖的采集成本，同時拖延了高精地圖的更新速度。

          此外，自動駕駛地圖不僅包含很高精度的道路靜態信息，未來可能還會包含交通事件以及道路施工等動態信息，很難保證地圖數據的實效性，即無法保證地圖數據足夠“新鮮”。基于這個特性，其數據采集和更新成本將持續走高。

          ·技術上依舊面臨突破

          由于高精地圖呈現的信息量相對較大，導致高精地圖在數據的采集上較普通電子地圖難度更高，采集周期更長。目前高精地圖還無法做到國內所有道路全面覆蓋，只能覆蓋部分高速公路及主要的城市道路。

          另外，自動駕駛的程度越高，對數據內容和精度的要求就會越高。以車道線和路面標識為例，需要利用深度學習的方法對激光點云進行自動化識別來提取，通過這些自動化處理的方式，可以降低高精地圖生產成本。

           但由于自動識別的效率需要依賴算法的提升，所以這不是一蹴而就的過程，而是一個長期的發展過程。

圖源：sixents

           寫在最后

           放眼市場，在多方勢力角逐之下，高精度地圖的市場進程節奏已然加快。

           但一直以來，大范圍的精度控制難、制作和更新成本高、以及對于實時性的要求，都是高精度地圖面臨的重大挑戰，產業化之路依舊較長。

           同時，隨著面向自動駕駛的完整地圖服務商業模式的逐漸成型，整個市場的競爭門檻或許也將從過去單一的挑戰轉向如何更好的為自動駕駛系統服務。

           從兩種數據采集方式來看，采用專業采集車采集和制作的方式來保障大范圍的精度控制，是當前主流圖商的基本做法；而通過眾包采集，主要依賴算力、AI 及計算機視覺技術，實現無人干預的全自動化實時云端制圖和發布，或將是未來低成本、快速更新高精度地圖的主流趨勢。

          可見，挑戰之下，實踐是發現和解決問題的最佳途徑。

          有業界專家曾這樣表示“高精度地圖就像自動駕駛汽車的記憶，離開了記憶，無論眼睛和思考（攝像頭 / 雷達+控制系統）速度有多么發達，還是無法對事件有全局把控”。

           如今，記憶尚處于模糊地帶，亟待被喚醒，引領自動駕駛去開拓其“蠻夷之地”。