吃饱了还骂厨师！我们真的要告别高精的地图吗？

毫无疑问，新能源技术的崛起正在深刻改变整个汽车行业，智能驾驶技术已成为发展最为迅速的关键技术之一。

从目前各大车企推出的大部分新车来看，智能驾驶能力在其宣传中尤为响亮。

但现在有一个话题却成为了大家热议的话题。

智驾用过的高精地图该放弃吗？什么是高精地图？对于一些不具备高级智驾能力的汽车，大多数会使用手机地图或车载导航进行驾驶。

但这样的地图与高精的地图相去甚远。

通常，手机导航地图的主要用户是人类，其功能是导航和搜索。

相比之下，地图的主要用户是计算机，主要用于定位、环境感知、规划和决策等任务。

因此，导航地图被视为车内的车载信息娱乐系统，通常配备有显示屏；而高精地图是车载安全系统，不需要显示屏。

从地图元素和属性来看，导航地图主要包含简单道路线、信息点（POI）、行政区划边界等；高精地图包含了更详细的道路模型，涵盖了车道模型、道路成分、道路属性以及其他定位图层等。

目前，智能驾驶分为五个级别：L1-L5。

在车载地图应用中，不同级别的智能辅助驾驶对地图精度的要求存在明显差异。

首先，在L1-L2级别的智能辅助驾驶中，由于该类系统缺乏自主规划行驶路线的能力，只有米级精度的地图才能满足需求。

不过，随着自动驾驶级别升级到L3，车辆本身就具备了一定的路线行驶能力。

在这种情况下，除了大部分地区仍需要米级精度的地图外，部分地区还需要厘米级的地图导航，车载地图成为必需品。

最后，在L4及以上级别，车辆要从一个城市行驶到另一个城市，并且车辆必须始终保持自动驾驶状态。

因此，这一区域的地图必然有厘米级的高精地图。

因此，高精的地图就是自动驾驶前面铺设的轨道，可以让车辆时刻保持在“正确的轨道”上。

高精的地图能带来什么？作为高精地图，首先要满足车道级自动驾驶导航，因此需要包含详细的道路信息，比如车道线、车道中心线、车道属性变化等，比如让汽车知道哪些区域是虚线，可以改变车道。

另外，车道模型还需要包括道路的曲率、坡度、航向、横向坡度等数学参数，以便车辆能够准确地转向、制动、爬坡等，这些信息就构成了车道模型。

它还需要包括交通标志和人行道标志等道路组件。

可以说，高精度地图为自动驾驶系统提供了超越传统传感器感知范围的能力，极大拓展了车辆对周围环境的认知边界。

然而，自动驾驶所依赖的传感器检测范围有限，这可能会缩短控制响应时间，从而可能导致决策错误或响应不及时。

例如，在每小时公里的速度下，摄像头只能在9秒内捕捉路况（并且需要在笔直的道路上），这在复杂路况下可能不够。

如果车辆需要在数米外的出口匝道处变道，且该匝道仅允许进入特定车道，则车辆必须提前做出变道决定。

九秒可能不足以完成此任务，从而增加了错过路口的风险。

不过，借助高精地图提供的超视距信息，如匝道出口位置、弯道曲率和坡度等，自动驾驶系统可以提前规划变道并调整车速，有效避免错过路口。

此外，高精度数图可以提供感官冗余，以弥补特定情况下传感器的缺陷。

例如，在复杂的光照条件下，传感器可能难以识别交通信号灯；当视野被遮挡时，车道线可能不可见；在雨天，雷达噪声可能会干扰其性能。

在这些情况下，高精地图可以提供预先设定的参考信息，以增强车辆的感知能力。

高精度地图还可以提高感知效率。

一般来说，自动驾驶系统通常需要通过图像数据来识别交通信号灯。

如果系统需要连续扫描整个图像进行分析，将会消耗大量的计算资源和时间。

不过，借助高精地图，系统可以根据定位信息预先确定需要关注的区域，仅对特定区域（ROI）进行图像分析，从而快速准确地识别交通信号灯及其状态。

该方法显着减少了计算负担。

并加快识别过程。

那么为什么最近有人呼吁废除高精的地图呢？最大的原因是成本。

对于高精地图来说，创建一个地区的内容需要以下步骤： 1、数据采集：这是制作高精地图的第一步，需要使用专业的采集车辆或设备来采集详细的道路信息。

采集车通常配备激光雷达（LiDAR）、GPS、惯性导航系统（IMU）、摄像头等传感器，获取道路的三维空间信息、车辆定位信息以及周围环境的视觉信息。

2.数据处理和标注：收集到的原始数据需要进行处理，包括数据清洗、过滤、配准等，以提高数据质量。

随后，对数据进行三维矢量信息提取和点云标注，这可能涉及车道线、交通标志、红绿灯等关键元素的识别和分类。

3.要素识别与提取：在数据处理的基础上，进一步识别和提取道路的各种要素，如车道模型、道路成分、道路属性等。

这些要素的准确识别对于高精地图的实用性至关重要。

4、人工验证：虽然自动化处理可以大大提高效率，但在某些情况下，人工验证仍然是必要的。

专业人员会对自动化处理的结果进行检查和修正，以确保地图的准确性和可靠性。

5、产品编译：经过上述步骤处理后的数据将被编译成最终的高精地图产品。

该产品通常包含静态数据层和动态数据层，以支持自动驾驶系统的各种功能，例如路径规划、定位、感知等。

6.更新和维护：高精地图不是一次性产品。

随着道路环境的变化，地图需要定期更新和维护。

这可能涉及新的数据收集、处理和验证工作。

然而，当高精地图成为企业产品后，企业需要使用自己的车队来验证驾驶，然后才能投放市场。

在市场竞争中，用户反映的问题通过车企传递给高精地图供应商，由供应商进行优化或更新。

然而，这个过程无休止地重复，导致成本不断上升。

由于跟不上用户体验的更新速度，有些问题只能通过降级来解决，从而逐渐恶化用户体验。

此外，政策限制也是原因。

因为高精的地图涉及大量地理信息和个人位置数据，在某些情况下可能会触及国家安全和个人隐私。

因此，政府往往对地图数据的收集、处理、存储和使用制定严格的法律法规。

例如，我国的《测绘法》规定了测绘资质要求，并对地图数据的发布和使用进行了限制。

这些政策要求地图服务提供商在合规前提下开展业务，并确保数据安全。

不仅如此，制图学还是一个受到高度监管的领域。

企业需要取得相应测绘资质才能采集、制作地图数据。

例如，我国要求企业在申请测绘资质时必须满足技术人员数量、装备标准等一定要求。

这些政策限制了市场参与者的数量，提高了行业门槛。

不依赖高精地图如何实现智能驾驶？事实上，对于那些告别高精地图的汽车厂商来说，随着纯电动汽车大型车型的成熟以及芯片运算能力和传感设备的提升，车辆本身已经具备了感知和判断道路信息的能力，从而实现更加鲁棒的智能驾驶。

所谓BEV感知方案，就是Bird's Eye View，即以视觉为中心的俯视图。

一般来说，国内车企大多选择了包括视觉和雷达在内的多融合传感解决方案，但它们的共同点是都需要从其他传感器获取视觉信号或数据进行综合计算分析，然后通过处理系统。

规划驾驶路线。

然而，在这个过程中，每个独立传感器收集的数据往往受到特定视角的限制。

经过各自的分析计算后，融合阶段会导致误差叠加，无法拼凑出准确、完整的实际路况图，并提供车辆决策。

规划带来困难。

BEV自动驾驶感知利用深度学习网络融合采集多传感器数据，将汽车周围场景转化为鸟瞰图，实时重构周围静态道路要素和道路拓扑，实现高精的全方位感知能力。

就像是站在高处看全局的“上帝视角”。

车辆上多个传感器采集的数据将输入统一模型进行整体分析推理，生成鸟瞰图，可以有效避免误差叠加。

当然，仅有感知是不够的，决策和处理也很关键。

目前，在纯视觉方面，一些智能驾驶会与Transformer配合，除了BEV之外，还使用Occupancy Network（占用网络）进行处理。

其中，Transformer将2D图像转换为3D鸟瞰图，实现实时局部建图和3D识别检测。

然而，自动驾驶不仅仅是感知，更重要的是如何像人类驾驶员一样做出最优的驾驶决策。

大型自监督认知模型是在大量数据上进行训练，使模型具有自学习能力，而不是基于规则的决策规划算法。

Occupancy Network将现实世界视为3D网格世界，并将这个空间划分为无数网格分区。

划分后，每个小方块称为体素，类似于像素。

只要这个空间中的体素被占据，系统就会认为是1，并赋值为1，否则赋值为0。

最后，当物体占据空间中的某个体素时，系统将显示它并确定它是障碍物。

在这里，我还想提一下激光雷达。

目前，除了少数公司采用纯视觉解决方案外，大部分都在整个传感设备中加入了激光雷达。

这是因为摄像头作为车载传感器，也存在一些缺点，包括识别精度要求高、容易受到强光、雨幕、雾等恶劣天气的影响。

因此，激光雷达的优势体现在对物体的识别度较低。

错误。

在纯电动汽车大模型中，为自动驾驶系统提供精确的三维空间信息，增强对周围环境的感知，保证车辆在各种复杂场景下安全准确的导航和运行。

简而言之，激光雷达是自动驾驶汽车“看”世界的关键传感器。

最后我想说，当我参加一个车企的活动时，他们的工程师告诉我，对于自动驾驶来说，高精的地图解决方案是终极解决方案。

虽然目前还不能确定他的话是否准确，但足以验证高精地图在智能驾驶中的关键作用。

不过，车辆毕竟是需要和市场消费进行比较的东西。

谁的性价比更高，谁就会成为消费者心目中的首选。

更重要的是，一些地区还限制高精地图的使用，因此弱化高精地图是不可避免的，这样也将成为行业发展的新方向。

最后我想强调的是，在某汽车制造商的活动上，其工程师表示，自动驾驶技术的最佳解决方案应该是高精地图解决方案。

虽然没有评论这一观点的正确性，但毫无疑问，高精的地图在智能驾驶领域发挥着至关重要的作用。

但由于汽车属于消费品，其市场竞争力取决于性价比，有些地区甚至限制高精地图的使用，因此高精地图的地位势必受到影响。

这也将引发行业发展的新趋势。