來源 | 阿寶1990

知圈 | 進“激光雷達社群”請加微信13636581676，備注激光

本期咱們來看看目前有哪些限制了高精度地圖發展的痛點。

資質壁壘制約高精度地圖行業發展

地圖雖然比不上糧食這樣國計民生的物品，但是仍然是影響國家安全，所以是有資質門檻是必然存在的問題，由于地理信息涉及國家安全，地圖信息的采集受到嚴格監管。根據《關于加強自動駕駛地圖生產測試與應用管理的通知》規定，自動駕駛地圖（高精地圖）的數據采集、編輯加工和生產制作必須由具有“導航電子地圖制作測繪資質”的企業承擔。

 

根據《測繪資質管理規定》，若想擁有甲級電子導航地圖測繪資質，申報企業必須滿足硬件和專業人才兩個方面的要求。硬件方面，申報單位或者企業外業數據采集設備不得少于50臺（定位精度≤10m）；人才方面，測繪及相關專業技術人員不得少于100人（含注冊測繪師5人），其中高級10人、中級20人。

 

其實要滿足上面的管理規定是蠻簡單的，無論是硬件和人才方面，這方面都是可以砸錢搞定的，關鍵資質不是錢的問題，對于創業企業來說，錢能搞定的問題都是小問題，資質問題講起來很復雜，而且敏感。這里就不展開說了。

 

并非所有廠商都有資質能進行高精地圖數據采集。受到國內地圖測繪政策限制，測繪資格成為當前高精地圖產業的“敲門磚”。由于地圖行業涉及國家安全，截至2020 年7 月，擁有“導航電子地圖制作（甲級）資質”的單位僅24 家，其中企業單位20 家，外國圖商則被完全排除在外。

而不具備該資質的廠商則禁止參與自動駕駛地圖（高精地圖）的數據采集、編輯加工和生產制作環節。被排除在外的企業只能通過投資、合作等方式間接使用該測繪資質，例如吉利、東風等汽車廠商。在自動駕駛汽車亟待商業化落地當下，不排除政府未來極放寬相關資質審查政策，促進高精地圖領域內的良性競爭，推動國內自動駕駛技術蓬勃發展。

互聯網公司進入高精度地圖行業，百花齊放帶來機會也帶來危機

從上面資質的可以看到傳統的地圖廠商在2010年前就獲得了甲級資質的單位，我們經常聽到的是四維圖新、高德、凱立德、易圖通、這些都是比較早就獲得資質了。

早期，地圖資質是不對民用開放的，完全屬于軍用或國家基礎建設領域。2010年之后，互聯網突飛猛進，政策放緩，BAT巨頭通過收購有資質的企業，獲取地圖資質，推進地圖行業的互聯網化，隨著PC互聯網和移動互聯網的發展，大家越來越離不開手機地圖APP了。

 

我們可以看到在2013左右年發生了好多收購案例；2013年可以看成一個分水嶺，但這時候，僅僅是普通的導航電子地圖（精度在百米左右），而非高精度。大佬入局，瘋狂砸錢，加之手機產品更新換代，手機導航地圖的時代來臨，互聯網地圖走進千家萬戶?？梢钥闯龌ヂ摼W大佬，都是2013年入局地圖產業。

 

2013年，百度全資收購有甲級導航電子地圖資質的長地萬方。

2014年，阿里先期斥資2.94億美元收購高德28%股份，資產重組后完成全面控股。

2013年，騰訊將soso地圖更名為騰訊地圖，之后入股四維圖新。

 

但是高精地圖產業，仍然在傳統的國家單位手中，因為它并沒有明晰的民用方向。

2013年到2018年，互聯網地圖蓬勃發展，高舉不要錢的大旗，造成了行業變革，車載導航市場一蹶不振，只有后裝市場的凱立德、四維圖新雄霸在車載后裝地圖市場，漸漸落幕，這是日新月異的科技時代，不得不經歷的陣痛。

時代洗禮下，墻頭變換大王旗，山河歲月空惆悵。

2019年，自動駕駛的春天艷陽高照，風投紛至沓來，企業百花齊放，似乎滿大街都是自動駕駛的測試車，自動駕駛的確有很多法律上和技術上的未定因素，導致其充滿變數，但它推動了高精地圖的民用化。導航必然需要地圖，普通導航地圖十米、甚至百米的精度，根本無法滿足無人自動駕駛的需求。

在自動駕駛的浪潮下。

互聯網巨頭們在做高精地圖，高德、百度、騰訊，在地圖產業的旗下，都有自己的高精地圖事業部門，京東、滴滴、美團等，也都有做高精地圖的團隊。

傳統地圖數據生產商，四維圖新一直根植其中。

通訊業巨頭，華為、小米也都在做高精定位和高精地圖。

車企更是惶不多讓了，上汽集團、吉利汽車等等。

更別說那些概念性的短命新興科技公司了。

入局、破局，發展，抽身，成敗蕭何，關鍵性的問題就是，有錢有人嗎？

2021年，自動駕駛熱度已經不如18年19年那么瘋狂了，還能在這個行業中留下并堅持的，都是財力雄厚的大廠。

高精地圖這個行業肯定是要發展的，因為技術的發展永遠會超越我們的想象。

但如何發展，我們可能要翻看一番，毛主席的《論持久戰》了。

 

看到這里不是有毛病吧，互聯網公司進來是好事啊，相當于鯰魚攪動市場，為啥還帶來危機呢，你想想滴滴，美團哪個不是壟斷后開始提價，價格就不提了。

其實每家互聯網公司進來做高精度地圖的目的還不一樣，你看京東做高精度地圖就是為了做物流運輸，做一些低速的配送，這個地圖所要求的精度和自動駕駛的精度還不在同一個等級，而華為進來做高精度地圖肯定是做自動駕駛的高精度地圖。

所以我們看到地圖可以顯著提升自動駕駛成功率、安全性、駕駛體驗。但是不同的產品對于自動駕駛系統的要求不同，即使是相同的產品，不同的自動駕駛解決方案在選擇技術路徑上也有差異，不同地圖的采集范圍，采集要求不同，最終對應的標準就是不同，這就帶來一個非常致命的問題，車企的遷移成本太貴。

高精度地圖標準不統一，而且有保密政策，影響整個行業發展

我們想想以前在紙質地圖和普通電子地圖的時候，這個非常容易讀懂，而且更換起來非常方便，因為無論是紙質地圖還是普通電子地圖有比較明確的標準，哪些位置要有標注，POI有哪些內容，地圖比例要求是多少等等，就相當于你手機上既可以按照騰訊地圖，也可以使用高德地圖，也可以使用百度地圖，手機上的兼容性都非常好，無論使用哪家的導航地圖的精度影響都微乎其微，都可以使用。

 

而且地圖還可以在手機上做很好的閉環交易使用環境，比如你在手機上使用高德地圖搜某個地址，可以直接使用打車軟件，搜到某個火鍋店，可以直接在導航軟件這里購買火鍋優惠券下單，這些都是在手機普通電子地圖上可以形成的閉環交易，所以手機上的地圖導航軟件都基本上上免費的，畢竟它有很多其他變現的途徑，但是這個在車載上這個不行，如果車機上沒有微信或者其他軟件沒有辦法做支付，所以車載的導航地圖基本上沒有辦法變現，所以現在普通的車載導航地圖都是收費的，直接是車廠想地圖廠家付費的，這個價格不貴，一臺車估計在100RMB左右。

 

前面我們也提到了，高精度地圖每家采集的儀器設備，形成高精度地圖的算法，數據處理方式包括元素識別內容，比如有的廠家就把路燈和路燈外面的花壇一起標注進高精度地圖，有的廠家又不標注路燈，所以最終形成的高精度地圖就很大的區別，這樣就會涉及一個問題，車企選擇高精度地圖廠家很慎重，在L3向L4/5演進的過程中，規劃是最關鍵的能力，而規劃算法需要與地圖深度綁定。

L3與更高級別自動駕駛的關鍵區別在于激烈駕駛情況的介入方；系統需要能夠在可能出現意外的時刻代替駕駛員做出正確的選擇，除了與意外的對手方進行交互，還需要對周圍的靜物、車道環境、交通規則做出綜合考慮，需要強大的高精度地圖作為基礎支撐。而在各家地圖廠商數據結構不盡相同的情況下，算法需要對選擇的供應商深度綁定。

一旦選定某家高精度地圖以后，這個算法和高精度地圖的綁定程度非常深，如果在半途再更換高精度地圖廠家，那么基本上所有的算法就得重新來過，這個工作量巨大，遷移成本巨大，導致車企不敢輕易的選擇地圖廠家，影響整體的高精度地圖的發展，就好比一個U盤一旦配了這個電腦使用，如果再換一個U盤，就基本上不能使用了，對于車廠無論后期的價格議價，還是后期的軟件分離都不是特別友好，所以車廠都非常期待整個高精度地圖能夠快速標準化。

 

2019年6月，全國智能運輸系統標準化技術委員會正式在官方網站發布智能駕駛電子地圖數據模型與交換格式的相關國家標準征求意見稿，相信過不久標準也能得到統一。參與起草相關的國家標準的單位有四維圖新、高德軟件有限公司、北京百度網訊科技有限公司、交通運輸部公路科學研究院、武漢中海庭數據技術有限公司、上海汽車集團股份有限公司、北京建筑大學等。

統一高精地圖的數據模型與交換格式，將有助于減少汽車制造商的開發時間和不必要的成本，同時保證未來跨品牌車輛使用的高清地圖都可以不斷共享刷新數據。

 

除了上述標準外，這里面還涉及到一個非常關鍵的地圖數據標準，高精度地圖采集后，自動駕駛對高精度地圖的實時更新還有強依賴性，因為后續高精度地圖更新基本上發展趨勢是眾包為主，那么就需要有統一的，支持增量更新的格式，這里介紹兩種國際比較通用的標準和格式。

 

NDS

NDS（Navigation Data Standard Association）是面向汽車生態系統的地圖數據全球標準, 由寶馬、大眾、戴姆勒等知名國際汽車廠商、系統商以及數據商為主導成立，旨在通過多方的共同努力，制定出新的適合汽車制造商、系統供應商以及地圖供應商未來發展的標準導航電子地圖數據格式。

 

其突出特點是：在兼顧性能和功能的基礎上，采用了數據庫技術存儲地圖數據，能夠比較好地解決地圖增量更新、擴展和數據安全的問題。這種規格的價值在于全球規格、地圖切換、增量更新、云混合、高精度地圖標準等。

下圖是實際的NDS地圖的模型，這里可以看到，傳感器主要是以攝像頭+激光雷達為主，地圖是地圖分塊封裝地圖數據，數據包括車道模塊+object 模型。

在自動駕駛領域，NDS格式可以算是高精度地圖行業的默認專業標準。

 

Opendrive

Opendrive是德國制定的國際通用的標準，國內百度阿波羅采用的就是這種地圖數據規范。

Apollo Opendrive規范是在標準Opendrive規范基礎上結合阿波羅在自動駕駛方面的技術積累和實踐經驗改造而成的，相對于標準Opendrive規范，在數據表達上更加簡單易行，對自動駕駛開發者也更加友好。

 

Opendrive中，道路被切分成多個section，車道線變化、虛實線變化、道路屬性變化都是其劃分原則。規定了參考車道，基于參考車道向左向右的車道ID分別遞加遞減，參考線ID 初始值為0，ID 正向遞增表示向左——1、2、3；負向遞減表示向右——-1、-2、-3 等，規定了路口概念，包含紅色線（虛擬路），用于連接可通行方向。

 

雖然百度的Apollo Opendrive 也在在這個標準上修改而來的，但是有很多方面都進行了優化，對于自動駕駛的軟件更加友好。

（1）標準是通過參考車道偏移量計算，Apollo是采用絕對坐標點序列描述邊界形狀，不采用方程的方式。好處是對下游的計算友好，不用再做點的采樣。

（2）標準基于偏移量的計算在道路急轉彎情況會出現道路上的毛刺，可能導致無人車猛打方向盤造成危險。

（3）擴展了禁停區、人行橫道、減速帶等元素。

（4）新增了junction和junction之間的關聯關系。

（5）增加了車道中心線到真實道路邊界的距離、停止線和紅綠燈的關系。

（6）overlap：用來描述兩個元素的空間關系。兩個車道在空間上有重疊，則這兩個車道有overlap。能進入到路邊停車位的車道與停車位之間也存在overlap。下游的控制決策模塊拿到地圖之后，知道哪個車道進入停車位。

（7）HDMAP引擎：從HDMAP中提取相關元素給下游用。通過ID檢索或者空間位置（點或半徑）檢索。

 

可以看到，這些優化對于自動駕駛的性能提升不是一星半點，特別是是采用絕對坐標點序列描述邊界形狀，不采用方程的方式。好處是對下游的計算友好，不用再做點的采樣，這樣后端的算法和算力都減輕了非常多的工作量。

保密政策影響高精度地圖精度

由于我國道路樣式包括曲率、高程等均為保密信息，所以目前，國內出版的所有地圖系統（包括電子形式）都必須采用GCJ-02（一種對地理信息加入隨機偏差的加密算法）對地理位置進行首次加密，高精度地圖也不例外。由于中國的地圖是偏轉后的地圖，想要使用就必須在車載端加載偏轉插件，而偏轉插件在傳統地圖上會有隨機抖動。根據有限的觀察，抖動的幅度最大可達1.7米。

 

如果廠商的定位較多依賴于絕對定位（即高精度地圖所提供信息），那么插件的偏轉可能導致車道匹配錯誤。當前在這一問題上的解決方案是通過分檔來反映該類信息，然而效果不甚理想。目前百度、四維圖新、高德等國內高精度地圖頭部企業都在與國家測繪相關部門就高精度地圖保密處理以及偏轉插件進行合作。 

技術瓶頸：現有AI技術無法取代人海與設備昂貴

設備前面已經提了，在制作高精度地圖采集的時候，必須要使用專業的采集車，哪怕是后期更新采用眾包方式，但是專業采集的更新一年12次也少不了，每輛專業采集車成本至少200W，按照這個更新頻率，至少需要40輛車，純的硬件成本一次性投入至少上億元了，每次的設備折舊也是一個非常大的費用。

 

自動駕駛、高精地圖，宣傳一直主打人工智能、視覺算法等，我們對高大上的技術充滿了期待，但是就是這么一個高大上的行業，人工投入比其他傳統行業還多，是不是感覺很詫異，和你的認知相悖，就好比印度孟買最富的富人區旁邊就是窮人區，但是不影響孟買是國際化大都市。

 

地圖行業，一直都有一個老大難題，那就是在數據的采集加工更新上，無法避免海量的人力、物力的投入。國內，高德地圖成百上千人的數據團隊（內業、外業，外包、分布各地的兼職人員），阿里巴巴技術不牛嗎？牛的話，為什么要用這么多人呢？

 

是因為地圖數據采集更新的問題，是沒有辦法在短期之內不利用人海解決的。

舉個例子，車道線問題。

 

我們會理所應當的想，瀝青地面是黑色的，車道線是白色的，那很容易把車道線提取出來，其實不然，路況是復雜多變的，萬一道路上有貓貓狗狗塑料袋反光水坑把車道線遮擋住了呢？萬一這條道路川流不息，把車道線磨得黑乎乎的，跟地面沒啥區別了呢？

現實應用要比實驗室里的不確定因素多很多。

這種就道路的在高精地圖上的車道線就得要人工去補充，否則圖像和雷達是沒有辦法自動畫線的。

 

再舉個例子，POI更新。地圖采集車上路掃街，刮風下雨，照片拍攝得模糊不清，通過程序將店名識別出來，準確性不高，仍然需要人工核對。還有些小街小巷，汽車無法出入，那就需要人去實地看了。甚至像下圖，一張圖，無數個招牌，怎么看？

想做高精度地圖，就必然逃離不了投入海量的人員的事實，21世紀，人才最貴。