從去年下半年開始，關(guān)注自動駕駛領(lǐng)域的人感覺到，這個領(lǐng)域已經(jīng)從頭幾年的狂熱期逐漸趨于冷靜，無論是融資還是關(guān)于技術(shù)突破方面的消息不再源源不絕。另一方面，高精地圖對于推動自動駕駛應(yīng)用在實際場景來說至關(guān)重要，它相當(dāng)于自動駕駛車輛的“雙眼”+“指揮中心”，決定著自動駕駛車輛的行駛路線，從而也決定了車輛和乘客的安全。本文將通過自動駕駛高精地圖服務(wù)公司 DeepMap 工程技術(shù)總監(jiān)鄒亮，全面了解對于自動駕駛至關(guān)重要的高精地圖從生產(chǎn)制作到實踐部署的過程，以及他對于自動駕駛生態(tài)的看法。

2016 年，在硅谷 Palo Alto，前百度無人車部門的首席架構(gòu)師吳夏青（James Wu）與他的前同事——谷歌地圖引擎創(chuàng)始人 Mark Wheeler 一同創(chuàng)辦了一家名為 DeepMap 的公司，旨在開發(fā)能夠幫助無人駕駛車輛在復(fù)雜而不可預(yù)測的真實世界中自主導(dǎo)航的技術(shù)能力，其中高精 3D 地圖是他們的主打產(chǎn)品。

高精地圖主流技術(shù)

首先我們來了解一下高精地圖的概念。高精地圖不是相對于普通的導(dǎo)航電子地圖精度更高的一種地圖，普通的導(dǎo)航電子地圖是面向人類駕駛員使用，而高精度地圖由自動駕駛汽車直接讀取，用于自動駕駛汽車的定位和道路規(guī)劃。高精地圖自動駕駛常用的傳感器包括：激光雷達 (LiDAR)、相機 (Camera)、GPS 和慣導(dǎo) (IMU)。

DeepMap 3D 定位地圖

高精地圖對于自動駕駛的重要性不言而喻，它們就像是人類的“雙眼”+“指揮中心”，決定著無人車行駛的路線。現(xiàn)在市面上的高精地圖產(chǎn)品主要有哪些類型呢？它們的優(yōu)勢和不足有哪些？

鄒亮告訴 AI 前線記者，目前主流的高精地圖主要分為兩大類，一是激光點云融合技術(shù)，簡單來說就是用激光雷達掃描，返回場景分布點的技術(shù)；二是基于圖像和 GPS 的技術(shù)。其中，激光點云融合的技術(shù)又分為兩種，一是基于點云融合的算法，其應(yīng)用場景較廣，不僅限于 GPS 場景，這也是 DeepMap 采用的技術(shù)思路；第二種是基于比較精確的差分 GPS 和精確慣導(dǎo)（IMU，慣性測量單元），其對場景依賴較強，必須在比較開闊的場景使用，對于高架橋等 GPS 信號弱的場景效果不佳?；趫D像和 GPS 技術(shù)解決方案精度比較差，主要用來制作 L2、L3 的 ADAS 地圖，而激光點云則可以滿 L4、L5 的需求。

鄒亮表示，DeepMap 生產(chǎn)的高精地圖，精度可達到 5cm，定位精度在 10cm 以內(nèi)，而市面上的產(chǎn)品精度一般在 20cm 左右。

高精地圖生產(chǎn)關(guān)鍵點

大規(guī)模、低成本生產(chǎn)無人駕駛高精地圖是業(yè)界難點，解決這個問題的關(guān)鍵點是什么？鄒亮表示，大規(guī)模制圖的關(guān)鍵點主要包括三點：

數(shù)據(jù)采集的管理，需要有數(shù)據(jù)采集路線和需要更新的數(shù)據(jù)，才能合理判斷道路的采集方式和最省時省資源的路線，而這些都需要好的設(shè)計才能優(yōu)化達到最高效率；

大數(shù)據(jù)處理，高精地圖所需要處理的數(shù)據(jù)量巨大，必須使用數(shù)據(jù)中心計算機集群來做處理，并且涉及到很多并行計算和處理，這些對數(shù)據(jù)處理能力都是極大的考驗；

高精地圖的實時更新也相當(dāng)重要，道路環(huán)境有可能在不斷的變化，需要實現(xiàn)快速有效的更新發(fā)生變化的區(qū)域。

實際應(yīng)用中的挑戰(zhàn)

目前，DeepMap 在高精地圖生產(chǎn)過程中主要有以下應(yīng)用，但各種應(yīng)用過程中都還有需要不斷克服的挑戰(zhàn)：

圖像語義分割

圖像語義分割是將圖像中每一個像素劃分在預(yù)先規(guī)定的幾個類別中，不同類別對應(yīng)不同的語義信息。用于交通標(biāo)識的檢測，包括車道線、標(biāo)識牌、信號燈等，它的難點在于需要生成出不同國家或地區(qū)的訓(xùn)練集。比如在美國，同屬加州的舊金山收集的數(shù)據(jù)不一定在洛杉磯可以用，不同國家之間差異就更大了。

路牌、信號燈檢測

現(xiàn)在可以做到自動生成路牌和信號的 3D 位置，但還需要進一步提高檢測的召回率，這很好理解，在真正的無人駕駛場景中，不能輕易漏掉任何一個物體，因為如果漏掉了會容易產(chǎn)生嚴(yán)重的安全事故。難點二是從 2D 圖像到 3D 坐標(biāo)中的朝向有時不太準(zhǔn)確，需要人工調(diào)整。

車輛檢測

高精地圖需要把車輛等臨時存在物去除，所以需要做車輛檢測。車輛是一種很常見的可移動障礙物，可以使用現(xiàn)有的深度學(xué)習(xí)模型計算出車輛的 3D 位置，來完成車輛的移除，除此之外還會用到相機和激光雷達得到的數(shù)據(jù)結(jié)果。

3D 點云車輛檢測

DeepMap 3D 點云車輛檢測

通過算法，DeepMap 使用點云數(shù)據(jù)和圖像訓(xùn)練出的模型，可用于直接去除點云中的車輛點，并提高點云匹配的精度。但 3D 點云車輛檢測也存在一些挑戰(zhàn)，難點之一在于前面提到的訓(xùn)練集，高質(zhì)量的訓(xùn)練集比較難以獲取，這些數(shù)據(jù)集獲取時間久、價格高；難點二在于精確率不如 2D 圖像深度學(xué)習(xí)結(jié)果準(zhǔn)確。

除此之外，高精地圖技術(shù)和實際應(yīng)用之間的鴻溝還有很多，在自動駕駛真正上路之時仍然會遇到很多挑戰(zhàn)。比如在地下車庫場景中最突出的完全沒有 GPS（+ 信號）的現(xiàn)象。由于低成本 IMU 慣導(dǎo)無法獲取精確的初始位置，因此難以進行定位。面對這一問題，DeepMap 采用了基于低成本的傳感器，以及點云融合和 ICP 的算法成功地進行了車庫地圖制作。而對于其他廠商來說，地下車庫地圖制作很困難，但也不是沒有辦法，一種方案是采用高成本的激光雷達進行精準(zhǔn)測量，但是成本較高。在這一問題上，DeepMap 的優(yōu)勢在于可以低成本完成高精地圖制作。

激光雷達不可或缺，高精地圖也遠未完善

關(guān)于高精地圖，馬斯克近日來發(fā)表的那句引起了很大爭議的言論絕對值得一提：“False and foolish = HD maps and LiDAR”。和很多人一樣，鄒亮也并不認同這一說法。

他認為，馬斯克說這句話的出發(fā)點可能在于目前來說激光雷達的成本太高，甚至超過一輛汽車的價格，如果激光雷達的成本降低，馬斯克也許就不會這么說了。在他看來，目前激光雷達對于安全自動駕駛是必不可少的設(shè)備之一，隨著激光雷達創(chuàng)企的發(fā)展，激光雷達的成本將達到廠商可承受的范圍之內(nèi)。但另一方面，這句話在未來也許會成為現(xiàn)實，那就是當(dāng)圖像技術(shù)能夠達到人眼的級別時，激光雷達可能就不是必需的了，但這一天何時到來，鄒亮表示至少要在十年之后。

鄒亮認為，高精地圖技術(shù)現(xiàn)在仍然有待開發(fā)，遠遠還未達到完善的階段，我們雖然有全國高速公路的數(shù)據(jù)，但 還沒有任何一家廠商能夠制作覆蓋全國的針對 L4 和 L5、采用點云融合技術(shù)的高精地圖， 這是自動駕駛領(lǐng)域的一個缺憾和空白。

目前，高精地圖主要面向 L2、L3 級自動駕駛車輛，但由于國家政策和技術(shù)能夠?qū)崿F(xiàn)的精度不夠，高精地圖還未大規(guī)模使用。另一方面，L4、L5 級自動駕駛依賴于激光雷達，但是由于需求的數(shù)據(jù)量太大、場景變化太多，相應(yīng)的點云融合技術(shù)目前還未實現(xiàn)，未來還需要繼續(xù)完善。

那么，高精地圖的發(fā)展究竟受到了什么限制，才遲遲難以突破近在眼前的問題？鄒亮表示，主要瓶頸在于這幾點：

測繪行業(yè)政策嚴(yán)格，并非所有企業(yè)都被允許進入測繪行業(yè)；

國家還未確定何時開放公共道路無人車測試，只有大規(guī)模的需求才能促進高精地圖發(fā)展；

高精地圖的商業(yè)模式還無法支撐整個行業(yè)的進一步發(fā)展。在 DeepMap，商業(yè)產(chǎn)品的形式主要包括四種，一是為無人車初創(chuàng)公司、傳統(tǒng)車企和技術(shù)難點無法突破的圖商提供高精地圖定制化生產(chǎn)；二是定位服務(wù)，這和高精地圖息息相關(guān)；三是多傳感器的標(biāo)定，實現(xiàn)坐標(biāo)轉(zhuǎn)換；四是低成本數(shù)據(jù)收集方案。

自動駕駛領(lǐng)域趨于冷靜是好事

鄒亮表示，高精地圖是自動駕駛不可或缺的技術(shù)，Waymo、Cruise 等已經(jīng)證明了其價值。但在技術(shù)上，高精地圖廠商亟需解決制作覆蓋全國的點云融合高精地圖的問題，以及實現(xiàn)地圖的及時更新。

關(guān)于自動駕駛趨于冷靜，鄒亮表示，自動駕駛是一個對技術(shù)要求較高的領(lǐng)域，市場冷靜下來有利于優(yōu)勝劣汰，讓真正做技術(shù)的自動駕駛公司存活下來，讓一些公司可以做真正有利于這個行業(yè)的技術(shù)，總體上利大于弊。Cruise 剛拿下的天價融資額，也驗證了這個觀點。

而對于繞不開的自動駕駛安全性問題，鄒亮則直接給出了建議，他認為可以通過多傳感器融合技術(shù)來解決，因為依賴于任何一個傳感器都會存在風(fēng)險，如果特斯拉不過于依賴攝像頭，使用了激光雷達，也許多起悲劇事故本可以避免，將風(fēng)險降到最低。