一文了解自动驾驶系统之高精地图

高精地图作为自动驾驶技术的催化剂，能极大提升汽车的智能化程度。业界对此有一个共识就是，高精地图是L3级自动驾驶落地的必修课，L4、L5级别的自动驾驶更离不开高精地图，因此互联网巨头和车企们对于高精地图的布局时常引起业界关注。

01自动驾驶对定位系统的基本要求是什么？

• 高精度：达到厘米级。

• 高可用性：保持它的稳定性，自动驾驶测试已经从封闭的场景转移到更开放的场景，这要求我们定位系统能处理更多更复杂的情况。

• 高可靠性：整个定位的输出是感知，规划与控制的输入，如果定位系统出现偏差将会导致很严重的后果。

• 自主完好性检测：因为我们系统的可靠性只能做到非常接近 100%，但是难以达到真正的 100%，这要求我们在没有办法提供准确的输出的时候，能及时的警告用户，采取措施，避免发生事故。对它的要求就是要保证较低的虚警率与漏警率。

02高精度定位对自动驾驶的重要性是什么？

定位技术是自动驾驶的关键核心，通过对自动驾驶技术框架进行分析，可知有三个关键因素：感知层、决策层、控制层，其中感知层是由电子地图和传感器信息组成，电子地图包含传统的导航、导航电子地图数据和高精度电子地图数据；决策层通过传感器的数据和传感器信息，对车辆进行定位，对路径进行规划，对环境进行理解，对车的行为进行预测；针对车的行动进行规划，从而代替驾驶员通过控制层的电子驱动，对车辆进行控制，从而逐步实现自动驾驶。
从定位的技术发展来看，分为三代：

• 第一是 GNSS 定位，基于卫星定位技术，提供 10 米精度的定位能力；

• 第二是惯导定位，目前前装导航采用惯导定位的技术；

• 第三是高精度定位，基于视觉传感器，毫米波雷达，激光雷达等，提供亚米级到厘米级定位能力。

    因此，精准的定位是自动驾驶的基础也是核心，缺少精准的定位，自动驾驶可能会出现失误。

03什么是高精度地图？

高精度地图，通俗来讲就是精度更高、数据维度更多的电子地图。精度更高体现在精确到厘米级别，数据维度更多体现在其包括了除道路信息之外的与交通相关的周围静态信息。
高精度地图作为实现自动驾驶的关键能力之一，其将成为对自动驾驶传感器的有效补充，为车辆提供了更加可靠的感知能力。与传统的导航地图相比，服务于自动驾驶的高精度地图在各方面要求更高，并能配合传感器和算法，为决策层提供支持。高精度地图将大量的行车辅助信息存储为结构化数据，这些信息可以分为两类：

• 道路数据，比如车道线的位置、类型、宽度、坡度和曲率等车道信息。

• 车道周边的固定对象信息，比如交通标志、交通信号灯等信息、车道限高、下水道口、障碍物及其他道路细节，还包括高架物体、防护栏、数目、道路边缘类型、路边地标等基础设施信息。

高精地图中信息都有地理编码，导航系统可以准确定位地形、物体和道路轮廓，从而引导车辆行驶。其中最重要的是对路网精确的三维表征（厘米级精度），比如路面的几何结构、道路标示线的位置、周边道路环境的点云模型等。有了这些高精度的三维表征，自动驾驶系统可以通过比对车载的GPS、IMU、LiDAR或摄像头的数据精确确认自己当前的位置。另外，高精度地图中包含有丰富的语义信息，比如交通信号灯的位置和类型、道路标示线的类型、以及哪些路面是可以行驶等。

04高精度地图与传统地图的区别？

精度：一般电子地图精度在米级别，商用GPS精度为5米。高精度地图的精度在厘米级别（Google、Here等高精度地图精度在10-20厘米级别）。
数据维度：传统电子地图数据只记录道路级别的数据：道路形状、坡度、曲率、铺设、方向等。高精度地图（精确度厘米级别）：不仅增加了车道属性相关（车道线类型、车道宽度等）数据，更有诸如高架物体、防护栏、树、道路边缘类型、路边地标等大量目标数据。高精度地图能够明确区分车道线类型、路边地标等细节。
作用&功能：传统地图起的是辅助驾驶的导航功能，本质上与传统经验化的纸质地图是类似的。而高精度地图通过“高精度+高动态+多维度”数据，起的是为自动驾驶提供自变量和目标函数的功能。高精地图相比传统地图有更高的重要性。
使用对象：普通的导航电子地图是面向驾驶员，供驾驶员使用的地图数据，而高精度地图是面向机器的供自动驾驶汽车使用的地图数据。
数据的实时性：高精度地图对数据的实时性要求更高。根据博世在2007年提出的定义，无人驾驶时代所需的局部动态地图（Local Dynamic Map）根据更新频率划分可将所有数据划分为四类：永久静态数据（更新频率约为1个月），半永久静态数据（频率为1小时），半动态数据（频率为1分钟），动态数据（频率为1秒）。传统导航地图可能只需要前两者，而高精地图为了应对各类突发状况，保证自动驾驶的安全实现需要更多的半动态数据以及动态数据，这大大提升了对数据实时性的要求。

05高精地图和定位的关系？

高精度地图能够极大地帮助自动驾驶车辆完成定位。自动驾驶要知道自身在地图的位置，首先车辆就需要寻找地标，车辆通过摄像头、雷达等传感器获得的信息同高精度地图上已知地标进行比较。
这一匹配过程需要经过预处理、坐标转换、数据融合这几个复杂过程。预处理来消除不准确或质量差的数据，坐标转换将来自不同视角的数据转换为统一的坐标系，借助数据融合可以将来自各种车辆的传感器数据合并。
定位就是通过这几个复杂的过程完成的，通过高精度地图可以让车辆了解自身的位置。

06实现自动驾驶定位的五种方法？

• 惯性导航（INS）

• 全球导航卫星定位系统（GNSS）

• 高精地图与线上激光雷达点云匹配定位

• 轮式传感器（里程计)

• 结合车辆运动特性的运动约束