论文部分内容阅读
未来，要想让自动驾驶中人工介入程度更浅、频次更少，高精度地图的绘制与完善是不可或缺的一环。
作为自动驾驶技术推广应用的关键所在，高精度地图绘制既是绕不过去的重点环节，也是难点之一。为了突破技术障碍、协调各方资源形成合力，近年来全球车企、科技企业乃至政府机构都频频发力。
2015年3月，Uber收购了位于加州的地图和搜索创业公司deCarta;在政府支持下，日本10余家企业在2016年6月成立了“动态地图基盘企划株式会社”;今年4月底，以色列科技巨头Mobileye与日产汽车签订协议，共同创建适用于自动驾驶的新一代地图。各方如此大动干戈，这张地图真的那么难“画”吗？
高精度地图有什么不一样
区别于日常生活中用于导航的普通电子地图，适用于自动驾驶汽车的高精度地图主要有两大特点。
一是包含更加丰富和详细的数据信息。这些数据按照动、静两方面来划分。静态数据既包括基础性的二维道路数据——如车道标记、周边基础设施等，也涵盖了交通管制、道路施工、广域气象等准静态数据。
此外，高精度地图还囊括了事故、拥堵情况以及周边车辆、行人及信号灯等瞬息万变的动态信息数据。与普通地图几个月甚至几年更新一次不同，高精度地图必须保持分钟级、乃至秒级的更新速度。
二是定位精准度更高。在手机上使用的GPS导航，其精准度一般在5-10米范围内，在楼宇密集地区或地下隧道的精度还要更低一些。而自动驾驶技术所需的高精度地图则要达到厘米级精度。
当前，走在全球高精度地图绘制前沿的企业——包括科技巨头谷歌和地图软件服务商HERE等，都声称在不久的将来有能力达到10-20cm的定位精度。丰田则宣称其空间信息生成技术“COSMIC”，可将直线道路定位精度控制在5cm以内。
自动驾驶需要怎样的地图
随着自动驾驶技术不断进步，未来要想让人工介入程度更浅、频次更少，使车辆行驶更加安全可靠，高精度地图的绘制与完善是不可或缺的一环。
为何自动驾驶汽车对地图的详细度和精准度要求如此之高？其原因还要从地图的服务对象说起。普通电子地图直接服务于驾驶者，通过提供周边路况信息、路径规划等服务，最终将决策判断权和操作权留给驾驶者。而高精度地图的服务对象，却是搭载自动驾驶系统的车辆本身，通过结合传感器对行驶环境的实况感知，帮助车辆对道路及周边环境进行预判，最终交由车辆的决策和控制系统综合判断并做出响应。
在自动驾驶状态下，车辆必须像驾驶员一样，拥有极高分辨率的“眼”和极快反应速度的“脑”。高精度地图所扮演的角色就是为了能让车辆视野更广，“看”得更清晰、更及时。
例如，行驶中的汽车常常会遇到压线问题。许多道路交通标线的宽度都定在20cm，普通车辆的驾驶员可以根据视觉判断和行车经验避免压线。但是自动驾驶汽车的“眼睛”必须将定位精准度限制在20cm以内，才能保证车辆安全、规范地行驶在车道内，而低精度地图根本无法达到这一要求。
此前曾有车企提出，先进传感器能弥补低精度地图的不足，二者结合同样可以满足自动驾驶系统的需要。实际上，目前路面上配备了ADAS（高级驾驶辅助系统，Advanced Driver Assistance Systems）的汽车就是采取这种方式，利用车辆传感器感知周围环境、辨识动静态物体，再通过系统运算分析，辅助驾驶者做出决策判断。
可是，这一构想只限于处于较低级别水平的自動驾驶。按照美国国家公路交通安全管理局（NHTSA）的分类，就是2级以下、随时需要“驾驶员之眼”介入的级别。尤其是，当该类型的自动驾驶车辆遭遇雨雪天气时，激光雷达传感器很可能无法辨识路面标识，而低精度地图又不能给出清晰的预判信息，这将为行车安全带来严重隐患。更何况，在真实路况下，道路指示牌、障碍物等有可能被周边高速行驶的车辆和行人暂时掩盖，容易造成传感器的“视觉盲区”。
难点在“信息数据的收集共享”
从高精度地图采集测绘数据的方式来看，全球主要有两大流派。一种以谷歌、HERE的地图测绘车为代表。例如，HERE高精度测绘车上的激光雷达传感器可以一秒内感知约60万个扫描点（包括周边建筑物、树木等）;在一天内，测绘车能够收集和处理超过100G的数据。
另一种则以特斯拉的“车队学习网络”（Fleet Learning Network）为代表，相当于利用量产车，把测绘任务“众包”出去，调动整个车队的所有传感器来收集数据，并通过云技术上传到中央数据库，最终每一辆车都是地图数据贡献者，也是获得者。该方法弥补了由于测绘车数量不足，而造成的数据实时更新缓慢的缺点。
无论采取何种方式，高精度地图的绘制与完善，在全球范围内都存在着一些共性难题。除了不断突破技术障碍提高测绘水平、完善道路基础设施（如道路标识和标线等）方便车辆系统辨识之外，高精度地图在信息数据的收集共享方面，还存在着两大难题：
一是数据开放与分享问题。当前，高精度地图所需的各类数据散布于车企、地图提供商等各个主体。最理想的状态是各方能通过互换和共享数据，实现道路信息全覆盖，助力自动驾驶技术的进步与普及。
为协调各方关系，打通自动驾驶系统所需的数据接口，2016年，包括车企、地图绘制商等10余家日本企业，在日本政府的支持下成立了“动态地图基盘企划株式会社”。但这一努力能否得偿所愿还是未知数。
在我国，从去年高德宣布免费向合作车企提供高精度地图数据，到今年上海车展开幕当天百度发布“阿波罗计划”，均引发争议。各方围绕数据归属问题展开了利益博弈：地图供应商想通过开放换取更多数据，而车企却担心丧失核心数据，沦为科技企业的“代工厂”。
二是数据隐私与安全问题。往小了说，地图测绘可能会涉及非法获取个人隐私;往大了说，这是关乎国家安全的大事。
在十分重视个人隐私保护的欧盟国家，因为担心地图测绘采集车会在有意无意间获取到公民通过非加密无线网络发布的个人信息，当地政府曾多次对谷歌做出处罚。而出于国家安全考虑，许多国家的相关政府部门对公共地图的信息采集与绘制也有诸多规定——包括对于精确度、测绘区域、机构和人员等诸多限制条件。
眼下，如何在保障信息安全和鼓励自动驾驶技术发展之间，找到最佳平衡点和解决方案，已成为摆在各国政府面前的一道难题。
作为自动驾驶技术推广应用的关键所在，高精度地图绘制既是绕不过去的重点环节，也是难点之一。为了突破技术障碍、协调各方资源形成合力，近年来全球车企、科技企业乃至政府机构都频频发力。
2015年3月，Uber收购了位于加州的地图和搜索创业公司deCarta;在政府支持下，日本10余家企业在2016年6月成立了“动态地图基盘企划株式会社”;今年4月底，以色列科技巨头Mobileye与日产汽车签订协议，共同创建适用于自动驾驶的新一代地图。各方如此大动干戈，这张地图真的那么难“画”吗？
高精度地图有什么不一样
区别于日常生活中用于导航的普通电子地图，适用于自动驾驶汽车的高精度地图主要有两大特点。
一是包含更加丰富和详细的数据信息。这些数据按照动、静两方面来划分。静态数据既包括基础性的二维道路数据——如车道标记、周边基础设施等，也涵盖了交通管制、道路施工、广域气象等准静态数据。
此外，高精度地图还囊括了事故、拥堵情况以及周边车辆、行人及信号灯等瞬息万变的动态信息数据。与普通地图几个月甚至几年更新一次不同，高精度地图必须保持分钟级、乃至秒级的更新速度。
二是定位精准度更高。在手机上使用的GPS导航，其精准度一般在5-10米范围内，在楼宇密集地区或地下隧道的精度还要更低一些。而自动驾驶技术所需的高精度地图则要达到厘米级精度。
当前，走在全球高精度地图绘制前沿的企业——包括科技巨头谷歌和地图软件服务商HERE等，都声称在不久的将来有能力达到10-20cm的定位精度。丰田则宣称其空间信息生成技术“COSMIC”，可将直线道路定位精度控制在5cm以内。
自动驾驶需要怎样的地图
随着自动驾驶技术不断进步，未来要想让人工介入程度更浅、频次更少，使车辆行驶更加安全可靠，高精度地图的绘制与完善是不可或缺的一环。
为何自动驾驶汽车对地图的详细度和精准度要求如此之高？其原因还要从地图的服务对象说起。普通电子地图直接服务于驾驶者，通过提供周边路况信息、路径规划等服务，最终将决策判断权和操作权留给驾驶者。而高精度地图的服务对象，却是搭载自动驾驶系统的车辆本身，通过结合传感器对行驶环境的实况感知，帮助车辆对道路及周边环境进行预判，最终交由车辆的决策和控制系统综合判断并做出响应。
在自动驾驶状态下，车辆必须像驾驶员一样，拥有极高分辨率的“眼”和极快反应速度的“脑”。高精度地图所扮演的角色就是为了能让车辆视野更广，“看”得更清晰、更及时。
例如，行驶中的汽车常常会遇到压线问题。许多道路交通标线的宽度都定在20cm，普通车辆的驾驶员可以根据视觉判断和行车经验避免压线。但是自动驾驶汽车的“眼睛”必须将定位精准度限制在20cm以内，才能保证车辆安全、规范地行驶在车道内，而低精度地图根本无法达到这一要求。
此前曾有车企提出，先进传感器能弥补低精度地图的不足，二者结合同样可以满足自动驾驶系统的需要。实际上，目前路面上配备了ADAS（高级驾驶辅助系统，Advanced Driver Assistance Systems）的汽车就是采取这种方式，利用车辆传感器感知周围环境、辨识动静态物体，再通过系统运算分析，辅助驾驶者做出决策判断。
可是，这一构想只限于处于较低级别水平的自動驾驶。按照美国国家公路交通安全管理局（NHTSA）的分类，就是2级以下、随时需要“驾驶员之眼”介入的级别。尤其是，当该类型的自动驾驶车辆遭遇雨雪天气时，激光雷达传感器很可能无法辨识路面标识，而低精度地图又不能给出清晰的预判信息，这将为行车安全带来严重隐患。更何况，在真实路况下，道路指示牌、障碍物等有可能被周边高速行驶的车辆和行人暂时掩盖，容易造成传感器的“视觉盲区”。
难点在“信息数据的收集共享”
从高精度地图采集测绘数据的方式来看，全球主要有两大流派。一种以谷歌、HERE的地图测绘车为代表。例如，HERE高精度测绘车上的激光雷达传感器可以一秒内感知约60万个扫描点（包括周边建筑物、树木等）;在一天内，测绘车能够收集和处理超过100G的数据。
另一种则以特斯拉的“车队学习网络”（Fleet Learning Network）为代表，相当于利用量产车，把测绘任务“众包”出去，调动整个车队的所有传感器来收集数据，并通过云技术上传到中央数据库，最终每一辆车都是地图数据贡献者，也是获得者。该方法弥补了由于测绘车数量不足，而造成的数据实时更新缓慢的缺点。
无论采取何种方式，高精度地图的绘制与完善，在全球范围内都存在着一些共性难题。除了不断突破技术障碍提高测绘水平、完善道路基础设施（如道路标识和标线等）方便车辆系统辨识之外，高精度地图在信息数据的收集共享方面，还存在着两大难题：
一是数据开放与分享问题。当前，高精度地图所需的各类数据散布于车企、地图提供商等各个主体。最理想的状态是各方能通过互换和共享数据，实现道路信息全覆盖，助力自动驾驶技术的进步与普及。
为协调各方关系，打通自动驾驶系统所需的数据接口，2016年，包括车企、地图绘制商等10余家日本企业，在日本政府的支持下成立了“动态地图基盘企划株式会社”。但这一努力能否得偿所愿还是未知数。
在我国，从去年高德宣布免费向合作车企提供高精度地图数据，到今年上海车展开幕当天百度发布“阿波罗计划”，均引发争议。各方围绕数据归属问题展开了利益博弈：地图供应商想通过开放换取更多数据，而车企却担心丧失核心数据，沦为科技企业的“代工厂”。
二是数据隐私与安全问题。往小了说，地图测绘可能会涉及非法获取个人隐私;往大了说，这是关乎国家安全的大事。
在十分重视个人隐私保护的欧盟国家，因为担心地图测绘采集车会在有意无意间获取到公民通过非加密无线网络发布的个人信息，当地政府曾多次对谷歌做出处罚。而出于国家安全考虑，许多国家的相关政府部门对公共地图的信息采集与绘制也有诸多规定——包括对于精确度、测绘区域、机构和人员等诸多限制条件。
眼下，如何在保障信息安全和鼓励自动驾驶技术发展之间，找到最佳平衡点和解决方案，已成为摆在各国政府面前的一道难题。