高精地圖重建
關注創建者：匿名 創建時間：2026-01-05
高精地圖重建的實例教程
作為自動駕駛重要的感知傳感器，高精地圖和高精定位是L3級自動駕駛功能實現的關鍵支撐, 已基本成為L3車型的標配。
基于ADAS和Tbox領域積累的開發經驗，經緯恒潤自主研發的高精地圖及定位系統，集成實現了高精定位、高精地圖播發、時間同步、OTA等功能，能夠支持智能相機、激光雷達、輪速等信息輸入，能夠實現車道級定位，能夠支持HWP、ALC、NOP等L2以上智能駕駛功能的實現。
· 支持L2+及以上的智能駕駛功能
· 能夠精確提供前方道路的詳細信息，例如道路曲率、坡度、車道線、地理圍欄等
· 支持高精地圖數據OTA升級
· 支持車道級定位
· 支持感知信息擴展輸入（智能相機、激光雷達等）
· 支持高精時間同步（CAN、Ethernet）
經緯恒潤高精地圖及定位系統已于2019年搭載廣汽埃安AION LX成功量產，是國內較早實現量產落地的高精地圖及定位系統，目前還成功配套于紅旗、上汽、長城、江淮等主流客戶，產品性能得到了客戶們的廣泛認可。
科技發展日新月異，未來充滿未知與挑戰！經緯恒潤將繼續憑借優秀的技術團隊和持續創新的進取精神，與所有客戶一起攜手并進，砥礪前行，為汽車智能化的發展貢獻自己的一份力量！
經緯恒潤智能駕駛產品線涵蓋環境感知系統、決策規劃系統和控制執行系統，具備向上集成完整智能駕駛方案的軟硬件產品基礎，是目前國內少數能夠實現覆蓋智能駕駛電子產品、研發服務及解決方案、高級別智能駕駛整體解決方案，能夠提供智能駕駛全棧式解決方案的供應商。未來，經緯恒潤將緊跟汽車行業發展大勢，堅持自主創新，努力為國內外客戶提供優質的產品和服務，為汽車行業的發展貢獻自己的一份力量！
展開 還有一種商業可能，有點類似現在車輛網模式，車企賣給用戶的時候前面兩年流量費，后面用戶需要使用互聯網功能，就自己繳納流量費用，這個高精度地圖到了一定量級也完全可以采用這種模式，基本的高精度地圖費用由車企買單（當然羊毛出在羊身上，最終體現還是在用戶身上），但是后續的高精度使用及更新地圖部分的費用由用戶來買單，而且如果使用量級大了以后，可以按照使用次數或者包月等靈活的使用費用。
這樣的好處就是車企不用一次性付很大一筆費用給到地圖廠家，這樣賣到消費者手里的費用就不會那么貴，就好比賣你一個手機，把20年后的套餐費一次性讓用戶繳納了，這樣用戶也覺得價格貴。類似于買特斯拉，我買這個車具有FSD輔助駕駛功能，我想用的時候才繳費，按照月或者使用的次數來付費（當然這個是我預測特斯拉軟件收費的模式），這樣用戶使用非常靈活，對于地圖廠家也方便，非常靈活，市場也擴大了。
當然未來智能座艙在L3級別車型落地后，高精度地圖還有很多商業方案可以落地的地方，比如把手機的閉環商業方案可以搬移到車上，通過地圖上可以買票，下單、支付等一系列場景，那么可能高精度地圖都不收費了，當然是理想情況，現實5-10年不可能實現。
其實在國內做高精度地圖中最有商業閉環的是滴滴，無論是高精度地圖還是自動駕駛算法，最終都是為了跑無人出租車，滴滴本身這么大的打車業務，可以支持這個市場的前景，關鍵還可以通過滴滴車輛產生眾包的地圖生產更新，這個還可以賺錢或者更新優化自家的高精地圖，滴滴從商業邏輯上對于高精度地圖最具有想象力。
在人類的發展史上，利用科技進步，后世的人總能實現過去的神話，例如登月。
我們可以樂觀的相信，隨著制造業和通訊技術的發展，大范圍低成本的實現高精地圖的生產指日可待。
展開 作者 | Aimee
高精度地圖對自動駕駛系統功能研發的影響已經越來越明顯，整體上來講主要包含但不僅限于提升車端感知性能、拓展自動駕駛新功能、動態建圖等相關應用。具體體現在如下幾個重要方面：
如上所述提升車端感知能力是通過先驗感知的高精度定位引入地圖信息補充獲取車道線、交通標志等交通要素從而提供超距感知：不受距離、遮擋的限制。同時，通過提供車道與交通要素（交通標志、交通燈、路面箭頭）的對應關系，獲取復雜路況先驗信息。
圖片來源：地平線
地圖作為智能駕駛唯一的超距傳感器，突破空間、時間的限制，可以說地圖是通過定位實現的智能駕駛的“知識圖譜”。高精度定位本質上是“知識圖譜讀取”，高精度建圖可以實現“知識記憶”實時更新。通過高精度匹配定位引入地圖從而獲取環境信息，為車輛提供超傳感器距離的感知能力，拓展多種復雜功能場景ODD，是ADAS系統向高級別智能駕駛演變的核心?？傮w來說，通過高精度匹配定位引入地圖獲取環境信息，可以拓展多種復雜功能場景自動駕駛設計運行使用范圍。
高精地圖眾包采集方案
動態高精地圖的本質是實時交通數據信息的時空載體，眾包數據是高頻更新的核心。眾包更新能夠將地圖更新的時間壓縮到分鐘級，高精地圖實時構建與動態信息觀測采集，構建起未來智能網聯汽車數據生態系統。
高精地圖模型分為四個圖層，每個圖層更新的頻率不同，可以支持不同功能應用場景。圖商采取分級采集的方案，滿足高精地圖不同圖層的更新需求，主要包含如下幾種采集方案：
專業采集：通過高精地圖底圖，每月更新一次，其精度為10cm；
行業眾包采集：其地圖更新、施工、交通管制信息等按照每小時更新，精度50cm左右；
社會眾包采集：包含基于底圖坐標的準實時更新、車流量、人流量、天氣等。
展開 基于視覺感知的SLAM基礎建圖構建
在SLAM算法構建中，前視攝像頭/激光雷達化身“智能采集終端”，眾包生產“動態高精地圖數據”，動態高精地圖的本質是實時交通數據的時空載體，眾包數據是高頻更新的核心。主要通過如下幾個步驟進行實時建圖：
1）實時構建高精度地圖：即基于視覺或激光點云數據建圖，并與云端融合冷啟動從0-1構建全路網高精地圖提升高精地圖“廣度”。
2）更新高精地圖元素：通過要素關聯與變化檢測發現地圖元素的變化并實時更新，以確保高精地圖的“鮮度”；
3）自建 “ 記憶地圖 ”：通過自建局部記憶地圖支持記憶泊車、園區記憶式自動駕駛“記憶地圖”提升駕駛體驗；
4）上報事件型動態信息：通過事件型動態信息采集與上報（施工、擁堵、事故等）構建高精地圖“動態信息層”。
如上圖表示了一種典型的視覺SLAM技術方案框圖，其中整個智能駕駛攝像頭（包含前視、側視、環視以及后視攝像頭等）形成SLAM的輸入數據端，使用單目相機的 SLAM 稱為單目視覺 SLAM，單目相機使用一個攝像頭進行移動機器人的定位，由于單目攝像頭只能獲取周圍環境的二維信息，無法給出物體的深度信息，因此會帶來尺度不確定的問題。使用雙目相機的 SLAM 稱為雙目視覺 SLAM，也稱為立體視覺 SLAM，它可以通過比較兩個攝像頭圖像的差異判斷物體的遠近，獲得物體的深度信息。通過中央處理器對輸入圖像進行感知、分割、檢測、跟蹤等操作，輸出給導航網絡端進行語義建圖及匹配定位，同時通過目標識別形成相應的ADAS系統目標屬性。最后分兩方面進行輸出：其一是通過太網連接高精地圖盒子，其接收到相應的局部地圖建圖結果后，更新地圖底圖。其二是通過輸出給MCU（微處理器單元）進行融合定位及車輛控制。
展開 概述
面向自動駕駛場景，高精度地圖讓自動駕駛車輛人性化地理解不斷變化的現實環境，通過云端實時更新的多圖層高精度地圖數據，在自動駕駛車感知、定位、 規劃、決策等模塊起到重要作用。當前高精度地圖的數據處理方式主要是放在自己單獨的地圖盒子里面進行前端處理，包含將原始高精地圖的建圖數據進行有效的分析分解形成自動駕駛域控制器可用的數據。
這一過程我們通常稱之為EHP（Electronic Horizon Provider）數據到EHR（Electronic Horizon Reconstructor）數據的轉化。EHP是ADASIS協會的一個標準，這個標準它主要是為了解決在CAN總線上各模塊異構的問題，能夠以CAN總線消息的方式，向以太網或者向CAN總線發送這個地圖數據，告訴所ECU前方的情況是什么樣。所以它也叫EHP，eHorizon也就是電子
地平線
。車輛通過EHP它就能夠知道前方的路況怎么樣，前方是不是有比較大的彎道，前方限速是不是有變化或者是不是車輛馬上該出主路了等等。然后用EHP播發地圖時相當于把一個地圖的語言轉成一個汽車的語言。而實際上，在自動駕駛中央域控制器單元中，還是無法直接利用高精地圖地平線直接的播發EHP數據，而是需要在終端進行重構，重構后的Can數據才能真正的為自動駕駛系統所用。其中，該重構的過程包含了電子地平線數據的提取、存儲、同步和格式轉化等幾個過程，這個詳細的數據處理模塊也正是放在高精度地圖盒子里的。
下一代自動駕駛系統高精定位架構
為了適應下一代自動駕駛系統的開發需求，我們實際是把如上數據處理過程放入了中央控制單元進行。所有的開發算法需要由自動駕駛AI/SOC芯片或者MCU芯片來承擔。
展開 
高精地圖重建的相關專題、標簽、搜索
高精地圖重建的最新內容
一、從點云到高精地圖的重建
依托獨家的aiData工具鏈與aiSim仿真平臺，本文建立了一套高精度數字孿生地圖構建流程，已經廣泛應用于布達佩斯 Kolosy廣場、ZalaZone測試場等真實道路還原項目。
近日，隨著《深圳經濟特區智能網聯汽車管理條例》正式實施，深圳已允許完全自動駕駛汽車合法上路，深圳也成為國內首個L3級自動駕駛之城。作為自動駕駛重要的感知傳感器，高精地圖和高精定位是L3級自動駕駛功能實現的關鍵支撐, 已基本成為L3車型的標配。
基于ADAS和Tbox領域積累的開發經驗，經緯恒潤自主研發的高精地圖及定位系統，集成實現了高精定位、高精地圖播發、時間同步、OTA等功能，能夠支持智能相機
因此，單幀的深度預測很難應用到高精地圖的重建過程中。
作者 | Aimee
高精度地圖對自動駕駛系統功能研發的影響已經越來越明顯，整體上來講主要包含但不僅限于提升車端感知性能、拓展自動駕駛新功能、動態建圖等相關應用。具體體現在如下幾個重要方面：
如上所述提升車端感知能力是通過先驗感知的高精度定位引入地圖信息補充獲取車道線、交通標志等交通要素從而提供超距感知：不受距離、遮擋的限制。同時，通過提供車道與交通要素（交通標志
作者 |
Aimme
出品 |
焉知
下一代自動駕駛架構設計中已經傾向于以軟件定義汽車的方式集合，主要涉及中央集中處理單元的方式會存在較大的改變。這一改變主要體現在外圍傳感單元將不再有單獨的分布式處理單元進行數據前端處理，而更多的是僅僅作為感知單元將相應的感知數據集中到中央處理單元中進行綜合處理。
概述
來源 |
阿寶1990
知圈 |
進“激光雷達社群”請加微信13636581676，備注激光
前面章節都基本上把高精度地圖定位、采集、更新、應用、國內外高精度地圖的現狀都描述了一遍，這次是本系列的最后一個內容，中國高精地圖未來發展趨勢。
在3-5年內高精度地圖一定會從選配到標配
在【首屆焉知智車年會】上，一汽（南京）科技有限公司/一汽人工智能研究所高精地圖負責人陳雪娟以“主機廠L4高精地圖研發之路”為主題，分享了作為主機廠的一汽在高精地圖方向的打法，作為主機廠為什么需要有自己的地圖自研團隊以及團隊的業務方向，不失為一種值得主機廠借鑒的模式。她在演講中介紹了兩個方面：一是適合小范圍前瞻研究性的建圖技術
高精度地圖對自動駕駛系統功能研發的影響已經越來越明顯，整體上來講主要包含但不僅限于提升車端感知性能、拓展自動駕駛新功能、動態建圖等相關應用。
具體體現在如下幾個重要方面：
應用總述
提升車端感知性能
拓展新功能
動態建圖與應用
詳述
? 補充車道線識別結果
個人簡介：孫剛，Momenta研發副總裁，中國科學院計算機視覺專業博士，高精地圖領域、大規模圖像識別領域、高性能并行計算領域專家，ImageNet 2017圖像分類冠軍和2016 場景分類亞軍，多篇論文曾發表于CVPR/IJCAI等國際頂級學術會議，在人工智能領域擁有超過十年的研發和管理經驗。
Momenta成立于2016年，是中國自動駕駛領域首家估值超過10億美金的獨角獸，《麻省理工科技評論
