前言
高精度地图作为自动驾驶系统的核心技术之一，需要提供的服务已经远远不止导航这么简单。
一方面，作为自动驾驶系统的基本传感器之一，自动驾驶对于高精度地图的需求已经远远不满足于“导航”的层面；另一方面，为了更快地帮助自动驾驶实现量产，未来随着5G网络和路侧设备的不断完善，高精度地图将会被赋予更多的商业服务场景。
前不久，四维图新高精度地图服务平台的产品经理周猛就此进行了线上直播，并分享了自己和团队对于高精度地图服务的深度思考，本文，我们就一起回顾一下。
01
高精度地图是否是自动驾驶“必需品”？
大家都已经熟悉了手机以及车载导航地图。在自动驾驶的新趋势里，高精度地图是什么样的？难道仅仅只是精度高一些就可以叫高精度地图了吗？
这还远远不够！
现实世界的复杂度非常高，自动驾驶的基本挑战是：
1.我在哪里，周围有什么？
2.我接下来要做什么？
3.怎么在乘客感到舒适的前提下做好车辆控制?
而以上这一系列的过程中，几乎都需要高鲜度，高精度，高丰富度的高精度地图，其中最重要的是高鲜度。
从实践中，我们发现，单独靠传感器硬件，无法支持自动驾驶。
现在主流的两个技术路线：一个是基于图像传感器的自动驾驶，另一个是基于激光雷达传感器的自动驾驶。
01
基于图像
在比如雨雪天气或光线不清的时候，都无法正常进行自动驾驶，这里我们可以看到下图，即使有了激光雷达的情况下，如果没有开启高精度地图，整个画面看起来车辆几乎处于爬行的状态，因为它不知道前路有什么，仿佛有一种“盲人骑瞎马，夜半临深渊”的艰难感。
即使有激光点云，但仍然无法做到稳定的高精度定位。
02
基于激光雷达传感器
当开启高精度地图后，仿佛开启了车辆上的“上帝视角”，不仅可以看清前方几公里甚至几十公里以外的路况，并且可以高速地行驶在高速公路上，没有高精度地图的情况下这是远远做不到的。
02
自动驾驶时代，图商如何发挥重要作用?
根据国际地图标准协会NDS对业界的观察，在自动驾驶时代，地图内容信息将来自多个源头而不仅仅只来源于图商。
图片来源：NDS协会
原来各自独立的行业，将会在自动驾驶高精度地图的数据层面实现打通。
四维图新正在将‘云端与车端’之间正常数据流动的地图，进一扩展到路端及路外的一系列智能设备，其中包括5G时代的边缘云、V2X、智能路口等等智能设备。
传感器便宜了，汽车算力提升了，那为什么不直接在车上生成高精度地图？图商生产的高精度地图还有价值么？
我们的思考是，硬件传感器的技术革新，会带来整车成本的降低，但并不意味着有了硬件传感器就可以不需要高精度地图了。
未来即使普及了激光雷达，以及高算力，但车端的高精度地图仍具有不可替代性。
从产品形态上，高精度地图是一种在线传感器，它能明显降低车载硬件的成本，并且一旦车端与云端连通，不仅地图，而且C-V2X信息，以及客户定制的数据图层等内容，都可以通过通过统一的服务平台关联到高精度地图，并同步信息给车端，从而服务多种多样的自动驾驶应用。
面向量产的高精度地图一定要做标准化，支持生态及综合应用，具备高可依赖性，并且达到小时级甚至分钟级更新的鲜度。
否则，对于行业中的不同车厂，不同系统供应商，都会造成巨大的成本投入，以及重复建设。
下图是目前自动驾驶协会相关的几大标准：在OADF国际自动驾驶开放论坛的指导下，有4个非常重要的标准。而在这些标准协会中，四维图新都扮演着核心贡献者的角色。
一个行业的发展，都需要有一个标准进行指导和规范，帮助相关企业快速进行验证。
图商，软硬件供应商，车厂共同构建的体系里，图商首先把动态信息，导航，高精度地图三条线发到车端；车端又把采集到的现实信息发回给图商，形成“快速更新的流动闭环“，在这个闭环里三者缺一不可。
03
四维图新如何用“活”地图赋能行业
在这样的背景之下，四维图新为了构建这样一套“活”的流动闭环，做了以下事情：
首先，在云端部署一套拥有高并发能力的自动驾驶服务平台——HDMS（HDmap service高精度地图服务平台）
平台需要满足几个基本的核心职能：
1.HDMS 须要将我们在内网辛辛苦苦生产的高精度地图动态、流式地发送到客户一端；
2.HDMS 要能把客户车队、车端、路端采集到的传感器数据接入到我们的云端，用于后期的地图更新；
3.当这个闭环形成后，一定是一个不断循环壮大的过程，相信为了这个闭环贡献数据的所有参与方，将可以从中共同获益，共同成长。
其次，为了实现这个“闭环”，HDMS已经构建并发布了四个基本子产品来支撑：
01
流式发布服务
自动驾驶系统应该是7*24小时365天在线，支持实时通讯，高速更新。所以高精度地图也需要基于图幅，做到多版本流式发布，支持客户浏览发现新数据，不仅让客户可以得到最新/当前版本数据，也可以按需提取数据的历史版本。
高精度地图分发服务和导航地图不同。导航地图以城市为单位组织数据文件，不能也不需要支持更快和更精准的更新。而高精度地图，更新不但要快，而且要足够精准，甚至要达到每一种应用场景按需更新的标准。这就意味着每个图幅（约6平米公里）内的要素需要达到极快的更新，甚至达到秒级。所以新一代的地图分发服务，主要解决“Tile-based(图幅基准为单位)”的流式发布问题，以及海量文件的版本管理问题，把“复杂逻辑”转化为客户所做的“简单易用”。
02
多源数据关联服务
客户如果拿到了高精度地图，并不意味着就可以完全支持自动驾驶。
一旦开始自动驾驶，不仅需要用到高精度地图，而且要用到其他比如导航地图、动态信息地图、客户自有地图等等数据综合在一起，才能支持自动驾驶应用。
如何做到将不同源，甚至不同更新频率的数据综合起来统一关联应用，为此我们特地设置了用于关联的中间图层——交叉关联图层。
作为最贴近现实世界拓扑关系的稳定图层，在所有多源数据中是相对稳定的存在，基于此，各个不稳定不断变化的数据源就可以挂接到稳定拓扑图层上，从而实现在车端的综合应用，并且保持相互之间的关联关系不变。
03
客户图层数据处理服务
这是一套为客户定制服务专门打造的专有数据特殊处理的发布平台。客户可以手工，或者采用自动化的方法将OEMdata上传到HDMS平台，之后是一系列专业的编辑，关联，编译，分发的自动化处理“流水线”，从而将客户数据与高精度地图关联在一起，再共同输送到车端，由车端完成客户定制的特殊化应用。
04
UGC更新服务
对于地图来讲为了保持足够的鲜度，除了我们之前说的基于激光点云做的高精度地图之外，我们还需要充分采纳各个源传感器的数据，将他们经过处理最终用于地图更新。
对于传感器接入方式，我们采用“流式接入”，也就是传感器在7*24小时内随时可以接入我们的服务，不间断地上传传感器信息，数据经过解析之后，其中的深度学习模块会将来源广泛的数据进行归类、分析以及神经网络的学习，提取出来与现实世界及高精度地图不同的地方，作为数据更新的情报，以此来快速更新数据，从而最大限度地保持高精度地图的鲜度。
简单来说，我们的更新策略就是抓住数据流式发布服务的闭环出口，和UGC更新的数据入口；基于出入口，不断扩展中间的关联服务，满足客户定制，未来将通过平台呈现更多服务的可能。
资源
