Self-Driving干货铺3：HD Map
我们常用的导航地图有车载地图或手机地图，当我们想去某个地方时，只需要输入目的地，地图就能给出最佳的路径，但无人驾驶汽车需要更精细和更准确的地图，有了地图汽车可以进行定位或预先做一些规划。
01
高精度地图与传统地图差异
首先无人驾驶汽车没有人固有的视觉和逻辑能力，当我们驾驶时，地图会向我们提供一条或多条推荐路径，并给出道路是否拥堵、是否发生事故以及每条可能花费的时间等一系列提示信息。
当我们得到这些信息，我们会根据信息及对周围环境的评估决定直行、左转还是右转，期间我们还会考虑交通管制，例如交通信号灯或限速标志等。
我们可以很轻松准确的识别自己所处的位置、障碍物、其他车辆、行人以及交通信息等等，但对无人车来说则是一项艰巨的任务，因此高清地图是当前无人驾驶技术不可或缺的一部分。相比传统地图，高清地含有更丰富的驾驶辅助信息，首先高清地图含有道路网精确的三维表征：
例如，交叉路口布局、路标位置和交通事故发生地点：
其次高清地图还包含很多语义信息，例如地图会报告交通灯上不同颜色的含义，也能给出道路的速度限制以及左转或右转开始的位置。
而高清地图最重要的特征之一就是精度：普通地图精度一般是米级，而高清地图必须具有厘米级，为啥呢？我们以停车为例，如果使用普通地图，很显然在使用地图导航时必造成撞车，而高清地图则可避免。因此厘米级的精度对于确保车辆的安全性至关重要。
因此总结下来，高清地图主要具有如下几点特点：
目前结合实时交通情况的高清动态地图是重要的研究和未来的发展方向，动态地图由不同的层构成，最主要是能把道路的实时变化情况能糅合在地图里：
我们来看下Here所展示的具有实时交通情况的汽车地图服务：
高清地图的供应商国外有如下几家，Here、TomTom是我们见到最多的：
国内的有四维、千寻、百度等图商供应商。
02
高精度地图的构建
高清地图的构建有两种：一种是专业集中制图，另一种是众包制图。专业集中制图是目前高德、四维这些图商的制图方式。专业的人员，采用专业的方法，使用高精度设备，自主进行数据采集而后加工建图。采集成本较高，包括设备成本（一辆采集车就近千万）和人力时间成本。采集精度较高（如绝对精度小于1米，相对精度小于20厘米）。众包制图是将地图数据的采集分配给普通人及设备分别进行，然后收集合并数据的方式来构建地图。众包的方式具备快速制图，成本低廉等显著优势，但精度相对较低。采用这种方式的方案商有Tesla、Mobileye和Momenta。其他主流方案上都依赖专业制作的高精地图数据，专业集中制图一般由五个过程组成：数据采集->数据处理->对象检测->手动验证->地图发布。
其中最主要是前期的数据采集，这是一项非常庞大的密集型任务，需要多辆车辆不断运行持续收集用于制作地图的源数据，需要很多传感器及大容量存储设备的支持。这些数据采集车辆收集的信息一方面用于构建地图，另一方面又起着地图维护和更新的作用，因环境、道路、建筑等等都在不断变化，所以高清地图的构建需要投入大量的时间、人力、物力和财力。高清地图采集车辆需要GPS/IMU、激光雷达、摄像头等传感器的支持：
数据处理是对收集的数据进行整理、分类和清洗以获得没有任何语义信息或注释的初始地图模板，例如，下面的点云信息是对收集的数据融合而成的：
对象检测环节则是使用AI等技术检测静态对象并对其分类，其中包括车道线、交通标志以及电线杆。
目前很多高清地图提供商都结合应用目前的AI和机器学习技术来提升制图的效率，例如Here基于深度学习进行高清地图的更新：
手工验证则可确保地图创建过程正确进行并发现存在的问题，例如手工验证环节能高效标记和编辑地图。经过上面的步骤后，地图就可发布。
百度阿波罗在构建和更新地图的过程中使用了众包，从而加快高清地图的制作和维护过程。
未来最可能普遍采用的方案是专业集中制图+众包更新，可以同时满足精度和新鲜度的要求。尤其等5G、V2X发展起来后，每辆车都可为高清地图的构建和更新贡献力量：
我们知道高清地图因含有大量信息因此数据量会很大，其次又由于高清地图实时更新的，因此在无人车上本地存储显然不现实，因此在无人驾驶车上一般具有专门的应用模块，如地图引擎，负责高清地图从云端的导入。
03
高精度地图的标准
高清地图信息存储和交换的工业标准目前没有统一的认同标准，因此标准化道路还很长，目前有三种常用的工业级标准，分别是：
基于Here的项目是基于NDS格式的高清地图：
这三种标准的比较如下：
其次ADASIS V3版本支持高度自动驾驶HAD。
04
高精度地图作用
高清地图对于无人汽车是非常核心的部分，因为很多模块都要依赖于它，例如有了高清地图，就可进行自定位，即搞清楚汽车在地图上的位置，这就好比拼图，当我们知道完整图案时，此时若给了一小片图案，我们就可找到该片所在的位置。
无人车基于车载激光雷达的点云数据、摄像机的图像数据等传感器搜集的信息识别周围的环境和查找地标。
车辆将搜集的信息进行预处理、坐标转换和数据融合等复杂过程与高清地图进行匹配。
其中预处理可消除不准确或质量差的数据，坐标转换则将来自不同视角的数据转换成统一的坐标系，借助数据融合则可将各种车辆和传感器的数据合并，无人车当确定了其位置那么定位任务也就完成，整个定位过程取决于高清地图，
此外无人车还可基于高清地图来帮助感知，例如我们虽然有眼和耳朵，但都有距离限制，再远的地方我们就毫不清楚状况了，无人驾驶车的传感器也受到类似限制，其摄像机、激光雷达和毫米波雷达探测物体的能力在超过一定距离后都会受到一定限制，在恶劣天气下或夜间将更差，此外当车遇到障碍物后，汽车无法知道障碍物背后的物体，在这种情况下，高清地图将会起很大作用，即使传感器未检测到交通信号灯，它也可以将交通信号灯的位置提供给软件其他部分从而帮助汽车做下一个决策，此外高清地图还可帮助传感器缩小检测范围，例如其可告诉汽车在特定位置寻找停车标志，汽车就可集中在该位置检测停车标志，这被称为感兴趣区域或ROI，ROI可协助提高检测精度和速度并节约计算资源。
正如感知和定位需要依赖于高清地图，软件规划也是如此，高清地图可帮助汽车寻找合适的行车空间，还可帮助规划器确定不同的路线选择，并帮助预测路上其他车辆在将来的位置。
高清地图可帮助车辆识别车道的确切中心线，这样车辆就可尽可能靠近中心行驶，在具有低速限制、人行横道或减速带区域，高清地图可使汽车提前查看并预先减速，更重要的是如果前方有障碍物，车辆可能需要变道，高清地图可帮助汽车缩小选择范围以便选择最佳方案。
如上面所述，高清地图在无人车的感知、定位和规划等模块中都会发挥重要的作用，下面是两个应用Case:
参考文献：
1、百度Apollo、HERE Technologies、Tire IV等资料