◆地圖的用戶是人。

◆米級精度：地圖精度是米級別的，對于人類使用這已經(jīng)足夠了，因?yàn)槿藭杂X判別周圍的環(huán)境，做出自己的變化。

但是這些信息對于自動(dòng)駕駛的車輛來說，是不是必要的、準(zhǔn)確的或者足夠的呢？

一個(gè)自動(dòng)駕駛典型場景

上圖展示了一個(gè)典型的駕駛場景——假設(shè)我們正在駕駛的車輛是后面的白車，可以看到我們前方有輛自行車，那么對于白車而言，可以有兩個(gè)決策：跟車或者變道。

對于自動(dòng)駕駛車輛來說, 它作出變道決策需要知道很多具體的信息：

◆在哪條車道上以及當(dāng)前車道的具體位置。

◆是否有隔壁車道，如果沒有車道你是變不過去的。

◆是否允許變道，車道的類型，車道線是虛線還是實(shí)線，變道距離是否足夠長，變道后是否能夠達(dá)到終點(diǎn)。

自動(dòng)駕駛車輛不能像人一樣做出各種復(fù)雜的動(dòng)作，這時(shí)就需要有一些先驗(yàn)的約束條件，那么這些先驗(yàn)信息都可以從地圖中來。

HD Road Graph如何應(yīng)用于自動(dòng)駕駛

HD Road Graph （高精道路圖）也是高精地圖的一部分，又叫做拓?fù)涞貓D。HD Road Graph 以厘米級精度來描述道路細(xì)節(jié)，主要包含：車道類型、車道連通性、交通標(biāo)注/交通燈、人行橫道、道路幾何特征、其他語義信息。

大家可以看一下上圖左側(cè)，每一條路都已精細(xì)到車道，包括直行或左轉(zhuǎn)的車道，當(dāng)然也包括周邊的一些幾何信息。總體上你會發(fā)現(xiàn)高精地圖上的信息要比傳統(tǒng)地圖大很多。

感知系統(tǒng)+高精地圖

高精地圖在自動(dòng)駕駛里有很多應(yīng)用，首先是與感知系統(tǒng)相結(jié)合。例如，高精地圖里會描述紅綠燈所在位置，當(dāng)自動(dòng)駕駛車輛到達(dá)路口后，可以根據(jù)當(dāng)前的位置，更加準(zhǔn)確地識別前方的紅綠燈。

上圖左邊是一個(gè)普通的道路場景，而右邊則是安裝有幾十盞紅綠燈的特殊場景（其實(shí)現(xiàn)實(shí)情況基本不存在），在這種極端情況下，人類都很難分辨在哪個(gè)路口對應(yīng)哪盞紅綠燈。但如果前期在離線地圖上就能把這個(gè)對應(yīng)信息驗(yàn)證準(zhǔn)確，無疑將對自動(dòng)駕駛的安全性、可靠性起到很大幫助。

決策規(guī)劃+高精地圖

我們再來看下高精地圖在決策規(guī)劃方面的應(yīng)用。前面我提到了一個(gè)典型駕駛場景，以及在此情況下，自動(dòng)駕駛車輛的行駛需要得到一個(gè)全局的路徑信息以及變道所需要的信息。

上圖右側(cè)的地圖強(qiáng)調(diào)了綠化帶，這其實(shí)為自動(dòng)駕駛提供了語義信息。而地圖里包含的語義信息將幫助自動(dòng)駕駛做出更好的行駛決策。

還是以綠化帶為例，當(dāng)自動(dòng)駕駛車輛能夠提前知道旁邊是綠化帶，它便可以做一些先驗(yàn)的決策，例如可以提前判斷在行駛中是否有行人、車輛直接從對向車道穿過來。這不僅提升了決策的準(zhǔn)確性，也使得系統(tǒng)性能得到提升，因?yàn)樽詣?dòng)駕駛車輛此時(shí)不需要過多關(guān)心對面車道的物體，計(jì)算量也因此減少。通過上面的例子，你會發(fā)現(xiàn)先驗(yàn)信息對自動(dòng)駕駛決策來說必不可少，并且非常關(guān)鍵。

高精地圖生成與發(fā)布

當(dāng)前高精地圖生成發(fā)布用到的流程（Pipeline）一般分為以下幾個(gè)環(huán)節(jié)：

◆數(shù)據(jù)收集，地圖信息的采集。

◆數(shù)據(jù)清洗/聚合。

◆自動(dòng)化識別，把地圖里的必要信息處理出來，包括車道線、紅綠燈、十字路口等等各種信息。

◆人工檢查/標(biāo)注，現(xiàn)有的算法還做不到100%的自動(dòng)抽取，所以仍會加入人工檢查和標(biāo)注的環(huán)節(jié)。

◆后處理和驗(yàn)證，整個(gè)數(shù)據(jù)出來之后，還需要進(jìn)行后處理和驗(yàn)證。處理的最終目的是保證提供的地圖信息是準(zhǔn)確的，假設(shè)一個(gè)紅綠燈位置標(biāo)錯(cuò)了或者自動(dòng)識別錯(cuò)了，那可能會導(dǎo)致路測過程中會出現(xiàn)安全隱患，所以驗(yàn)證環(huán)節(jié)是很重要的部分。

◆Release（發(fā)布），驗(yàn)證通過后，將會進(jìn)行數(shù)據(jù)的發(fā)布（Data Release），所有數(shù)據(jù)會納入統(tǒng)一的管理中，每一版本Release的地圖的質(zhì)量已得到嚴(yán)格驗(yàn)證。

這是一個(gè)常規(guī)的發(fā)布流程。現(xiàn)實(shí)中整個(gè)路網(wǎng)結(jié)構(gòu)是不斷往外擴(kuò)張的，且周圍環(huán)境會有變化，所以也會有增量的更新。

成本與挑戰(zhàn)

前面簡單介紹了整個(gè)HD Road Graph的生成發(fā)布流程，我們來看下HD Road Graph可能會遇到的問題與挑戰(zhàn)。

成本

◆厘米級別的精度：需要各類傳感器（LiDAR、Cameras、GNSS/IMU），上圖右邊是蘋果的地圖車，大家可以看到上面裝了很多傳感器，顯然制造這樣一輛高精地圖車輛的成本不低。

◆數(shù)據(jù)量：海量存儲資源和計(jì)算資源。

◆覆蓋范圍：當(dāng)?shù)貓D從局部區(qū)域逐步向外擴(kuò)張，例如從中關(guān)村壹號附近地區(qū)，擴(kuò)張到海淀區(qū)，再到北京市，甚至是半個(gè)中國，這其中涉及的硬件成本和人力成本等，都會相應(yīng)增加。

復(fù)雜性挑戰(zhàn)

第二個(gè)是高精地圖的復(fù)雜性帶來的挑戰(zhàn)。復(fù)雜性體現(xiàn)在地圖Data Model（數(shù)據(jù)模型）需要包含三部分信息：

◆語義信息，從上圖里的標(biāo)志牌示例圖可以看出，目前道路存在各式各樣的交通標(biāo)記。因此，高精地圖需提高語義信息的準(zhǔn)確性，并且盡可能提高覆蓋度。

◆空間信息，上圖中的立交橋是以復(fù)雜聞名的西直門立交橋——有人說，即使借助導(dǎo)航軟件，你都未必能夠從縱橫交錯(cuò)的道路中準(zhǔn)確找到下一條你要行駛的車道。因此挑戰(zhàn)就是如何能夠把整個(gè)空間信息描述好，集成到地圖中去。

◆時(shí)間信息，北京有一些潮汐街道，早高峰和晚高峰走的方向是不一樣的；或者某些公交車道在早高峰的時(shí)候只允許公交車行駛，其他車輛禁止使用。這類時(shí)間信息也需要包含進(jìn)地圖里。

當(dāng)三類信息準(zhǔn)確地整合進(jìn)高精地圖時(shí)，決策規(guī)劃模塊和感知模塊才能有效地運(yùn)作。

拓展性挑戰(zhàn)

◆自動(dòng)駕駛車輛每行駛一公里會產(chǎn)生GB級別的原始數(shù)據(jù)，處理這些數(shù)據(jù)會使得功能架構(gòu)面臨很大的挑戰(zhàn)。

◆地圖更新方面，從“天”級別到“小時(shí)”級別再到“分鐘”級別的更新，對應(yīng)的整體功能架構(gòu)是不一樣的。

實(shí)時(shí)性挑戰(zhàn)

交通管制、環(huán)境變化等怎么反饋到HD Road Graph上？假設(shè)今天某條路修路，對于人類駕駛員而言，他可以選擇繞過這條路。對于自動(dòng)駕駛而言，這樣的信息如何反饋到行駛過程呢？是靠人去反饋，還是系統(tǒng)自動(dòng)去識別？得到反饋之后，怎么實(shí)時(shí)更新到地圖數(shù)據(jù)里？

所以說，自動(dòng)駕駛需要打通offline（線下）到online（線上）的環(huán)節(jié)，及時(shí)更新到我們正在運(yùn)行的自動(dòng)駕駛車輛里去。