杂志汇IT经理世界

开车从北京去天津旅游，不认识路怎么办？对于车主来说，车载导航或者一部带有地图App 的智能手机就足以解决这个难题。但有一个问题，却隐藏在看不见的未来背后——当无人驾驶到来时，要给汽车看什么样的地图？

让一辆车自己跑起来已经不再是问题，在限定的路径中，以限定的速度，按照限定的轨迹，园区、机场等场景的无人车已逐渐投入了使用；但对于理想中的无人驾驶，更复杂的陌生场景、高速行驶的状态，还处于探索之中，而高精度地图正成为探索的关键，也是瓶颈。

自动驾驶的瓶颈

汽车智能业务总监黄亮2015 年来到四维图新在他看来四维图新对自动驾驶的研究始于2013 年对高精度地图的研发。原因很简单，之前的导航地图已经足够普通人日常的使用，而高精度地图，则是天然应用于自动驾驶的。

2015 年时， 自动驾驶的概念虽然已经火热，但领域中的人才却不多，学习计算机出身的黄亮一直从事于地图行业，并将解决自动驾驶中地图的应用视为自己的奋斗目标。当时四维图新是国内少数既有资质背景，又有十余年地图行业积累的公司。

按照SAE（ 美国汽车工程师协会） 将自动驾驶从L1~L5 的级别划分， 业内普遍认为，从L3 开始，就需要高精度地图的支持。如何评价高精度地图对自动驾驶的意义？思考这样的场景：一辆无人驾驶的车和一辆司机驾驶的车，在行驶中司机可以通过肉眼观察道路，无人驾驶汽车则是通过激光雷达等设备来感知，但在路线规划、决策和定位上，人类司机可以看导航软件，机器却看不懂，或者说无法理解人类用的导航地图。

黄亮说这也是他们目前专注于在解决的核心问题，让汽车理解电子地图。类似于人类打开地图App 第一件事就是定位， 无人驾驶应用电子地图首先要解决的也是高精度定位，汽车需要知道，自己在地图的哪个位置上，才能有后续的路线规划。GPS 是目前普遍的定位手段， 但黄亮说， 这只能解决80% 的定位， 由于目前GPS 的算法只能支持1 赫兹~2 赫兹的频率（0.5 秒~1 秒/ 次）， 而无人驾驶需要达到至少100 毫秒（0.1 秒）的反应速度，导致时效性不足，另一方面，多路径效应如云层的遮挡、地物的屏蔽和楼宇的反射等，也会让定位不准确，而多套卫星的组合定位虽然能提升准确度和实时性，也会极大提升成本，并不具备经济可行性。

四维图新结合了多种定位手段互相融合冗余进行精准定位。在有GPS 信号时使用RTK（Real - time kinematic，实时动态）载波相位差分技术进行定位， 获取位置和速度数据；另一方面， 利用高精度地图（HADMap） 和传感器（Sensor） 进行匹配定位。如果说GPS 是定位地球上的绝对位置，HAD Map+Sensor 则是通过获取参照物信息，来得到在高精度地图上的相对定位。传感器包括摄像头、激光雷达和毫米波雷达，分别对应不同的感知特点：摄像头可以识别车道线，以及马路上的指示牌等标志物，指示物会有诸如“此处距离天津50km”等信息，摄像头接收后通过语音识别技术，就可以和高精度地图上的指示牌一一对应，从而获得相对位置，现在目前可以识别的物体已有指示牌、龙门架、灯杆等13 种；激光雷达相比摄像头获取的信息量较少，但可以精准测距；毫米波雷达的优势是可以精准测速，而且可以识别移动的车辆并在实时地图中将之剔除。通过三种传感器和四维图新的高精度地图匹配融合，就形成了可以和GPS 的初始位置、姿态、速度等数据互补的全语义三维地图方案，满足全场景的定位需求。通过三种传感器和四维图新的高精度地图匹配融合，就形成了可以和GPS 的初始位置、姿态、速度等数据互补的全语义三维地图方案，满足全场景的定位需求在目前低速、限定场景的无人驾驶试验中，大多没有应用高精度地图，仅通过感知外界信息规划并遵循设定路线行驶，高精度地图则是能支撑范围更大，信息更丰富，更高级别无人驾驶场景。黄亮告诉记者，高精度地图在无人驾驶上的应用，还需要等待全产业链的成熟，比如传感器、核心计算单元等价格的下降和技术更加成熟，但研发却是时不我待，而目前四维图新在商用车上，已经初步应用于辅助驾驶，提供了限制安全速度、减少油耗等功能。

未来地图生态

车厂一直是四维图新的重要客户，在近几年的转型中，四维图新变得更加专注于汽车，目前四维图新的业务分为导航、车联网、大数据、芯片和智能驾驶五部分，并将“智能汽车的大脑”作为新的业务方向，而这也是与汽车行业的发展分不开的。在过去，汽车行业是以主机厂为核心形成的整个供应链的管理，随着传统汽车逐渐联网，早期的TSP（汽车远程服务提供商）出现了，在终端完成联网后，大数据和人工智能，又催生了汽车的智能网联系统。四维图新副总裁白新平从事于车联网，在他看来，汽车的发展轨迹，就是逐渐将人从开车中解放出来，直至达到自动驾驶。

最初以地图和导航起家的四维图新，对比实时地图和离线地图后发现，联网是大势所趋，而在联网之后，通过终端可以提供更多的服务，并形成闭环的生态，这也是四维图新转向车联网的直接原因。

在传统的汽车导航领域， 四维图新开发ADAS 地图已有十余年，地图内容包含高精度几何、坡度、横向等的结构信息，并且开发了复杂车道模型，能够将道路相关信息，包括宽度、车辆数量、出入口进行详细表达，可以支撑L1-L2 级别的自动驾驶。

应用于自动驾驶的高精地图在更新频率上有着极高的要求，越来越多的车厂意识到，想要做到地图实时更新，仅仅依高精度地图供应商很难做到地图的全面覆盖。因此，四维图新正在积极合作伙伴，建立生态圈。四维图新智能地图研发总监于立志在演讲中谈到，未来动态地图生态的建立，还需要车厂与图商的共同努力。