高精度地圖作為無人駕駛發展成熟標志的重要支撐，在橫向/縱向精確定位、基于車道模型的碰撞避讓、障礙物檢測和避讓、智能調速、轉向和引導等方面發揮重要作用，是無人駕駛的核心技術之一。精準的地圖對無人車的定位、導航與控制，以及無人駕駛的安全至關重要。

與傳統電子地圖不同，高精度電子地圖的主要服務于對象是無人車，或者說是機器駕駛員。和人類駕駛員不同，機器駕駛員缺乏人類與生俱來的視覺識別、邏輯分析的能力。例如，人可以很輕松、準確地利用圖像、GPS定位自己，鑒別障礙物、人、交通信號燈等，但這些對當前的機器人來說都是非常困難的任務。借助高精度地圖能夠擴展車輛的靜態環境感知能力，為車輛提供其他傳感器提供不了的全局視野，包括傳感器監測范圍外的道路、交通和設施信息。

高精度電子地圖

高精度電子地圖包含大量的行車輔助信息。這些輔助信息可以分成兩類，一類是道路數據，如道路車道線的位置、類型、寬度、坡度和曲率等車道信息；另一類是行車道路周圍相關的固定對象信息，如交通標志、交通信號燈等信息、車道限高、下水道口、障礙物及其他道路細節，還包括高架物體、防護欄、樹、道路邊緣類型、路邊地標等基礎設施信息。

所有上述信息都有地理編碼，因此導航系統可以準確定位地形、物體和道路輪廓，從而引導車輛行駛。其中最重要的是對路網精確的三維表征（厘米級精度），例如路面的幾何結構、道路標示線的位置、周邊道路環境的點云模型等。有了這些高精度的三維表征，車載機器人就可以通過比對車載的GPS、IMU、LiDAR或攝像頭的數據精確地確認自己當前的位置。除此之外，高精度地圖還包含豐富的語義信息，比如交通信號燈的位置及類型、道路標示線的類型、識別哪些路面是可以行使的，等等。

通過對高精度地圖模型的提取，可將車輛位置周邊的道路、交通、基礎設施等對象及對象之間的相對關系提取出來。這些能極大地提高車載機器人鑒別周圍環境的能力。此外，高精度地圖還能幫助無人車識別車輛、行人及未知障礙物，因為一般的地圖會過濾掉車輛、行人等活動障礙物。如果無人車在行駛過程中發現當前高精度地圖中沒有的物體，這些物體有很大的概率是車輛、行人或障礙物。因此，高精度地圖可以提高無人車發現并鑒別障礙物的速度和精度。

高精度地圖的特點

相比服務于GPS導航系統的傳統地圖而言，高精度地圖最顯著的特征是其表征路面特征的精準性。一般情況下，傳統地圖只需要做到米量級的精度即可實現基于GPS的導航，但高精度地圖需要至少10倍以上的精度，即達到厘米級的精度才能保證無人車行駛的安全。

此外，高精度地圖還需要有比傳統地圖更高的實時性。由于道路路網每天都會有變化，比如道路整修、道路標志線磨損及重漆、交通標示改變等。這些改變需要及時反映在高精度地圖上以確保無人車行駛安全。要做到實時的高精度地圖有很高的難度，但隨著越來越多有多種傳感器的無人車行駛在網路中，一旦有一輛或幾輛無人車發現了路網的變化，通過和云端的通信，就可以把路網更新信息告訴其他人的無人車，使得其他無人車變得更加聰明和安全。

（1）數據特征類型

和傳統地圖相似，高精度地圖也具有分層的數據結構。底層是一個基于紅外線雷達傳感器建立的精密二維網格。一般這個二維網格的精度保證在5x5厘米左右，可以行駛的路面、路面障礙物，以及路面在激光雷達下的反光強度都被存儲于相應的網格中。無人車載行駛的過程中，通過比對其紅外線雷達搜集到的數據及其內存中的高精二維網格，就能確定車輛在路面的具體位置。

除了底層的二維網格表征外，高精度地圖還包含很多有關路面的語義信息。在二維網格參照系的基礎上，高精度地圖一般還包含道路標識線的位置及特征信息，以及相應的車道特征。由于車載的傳感器可能會因為惡劣天氣、障礙物，以及其他車輛的遮擋不能很可靠地分析出車道信息，高精度地圖中的車道信息特征能幫助無人車更準確可靠地識別道路標識線，并理解相鄰車道之間是否可以安全并道。

高精度地圖還會標明道路標示牌、交通信號燈等相對于二維網格的位置。這些信息有如下兩方面的作用。

（1）提前預備無人車，告訴無人車在某些特定的位置檢測相應的交通標志牌或交通信號燈，提高無人車的檢測速度。

（2）在無人車沒有成功檢測出交通標志牌或信號燈的情況下，確保行車的安全。

（2）數據量估計

無人車使用的高精度地圖是個2D的網格，數據主要由激光雷達產生，由于激光雷達的精度大約是5厘米左右，所以地圖的最高精度可以達到美國網格5厘米x5厘米。在如此高的精度下，如何有效地管理數據是高精度地圖的一個大挑戰。首先，為了盡量讓地圖在內存里面，我們要盡量去掉不需要的數據。一般的激光雷達可覆蓋方圓100米的范圍，假設每個反光強度可以用一個字節記錄，那么每一次激光雷達掃描可以產生4MB的數據。這樣的掃描會包括公路旁邊的樹木及房屋，但是無人車的行駛并不需要這些數據，我們只需要記錄公路表面的數據即可。假設路面的寬度為20米，那么我們可以通過數據處理把非公路表面的數據過濾掉，這樣每次掃描的數據量會下降到0.8MB。在過濾數據逇基礎上，我們可以使用無損的壓縮算法，比如LASzip去壓縮地圖數據，可以達到超過10倍的壓縮率。經過這些處理后，一個1TB的硬盤就可以存下全中國超10萬公路的高精度地圖數據。

高精度地圖的制作

傳統的電子地圖主要依靠衛星圖片產生，然后依靠GPS定位，這種方法可以達到米級精度，而高精地圖需要達到厘米級精度，僅僅靠衛星與GPS是不夠的。因此，高精地圖的制作涉及多種傳感器，由于制作的數據量很大，通常我們會使用數據采集車收集數據，然后通過線下處理把各種數據融合產生高精度地圖。

高精度地圖的制作是一個多傳感器融合的過程，包括以下傳感器。

（1）陀螺儀（IMU）：一般會使用6軸運動處理組件，包含了3軸加速度和3軸陀螺儀。

（2）輪測距器（Wheel Odometer）：可以通過輪測距器推算無人車的位置。在汽車的前輪通常安裝了輪測距器，會分別記錄左輪與右輪的總轉數。

（3）GPS）：GPS接收機的任務就是確定四顆或更多衛星的位置，并計算出它與每顆衛星之間的距離，然后用這些信息使用三維空間的三邊測量法推算出自己的位置。

（4）LiDAR：光學雷達通過首先向目標物體發射一速激光，然后根據接收-反射的時間間隔確定目標物體的實際距離。根據距離及激光的角度，通過簡單的幾何變化可以推導出物體的位置信息。

高精度地圖制作流程，過程中涉及了多個傳感器與多計算步驟。首先，陀螺儀（IMU）及輪測距器（Wheel Odometer）可以高頻率地給出當前無人車的位置預測，但是由于陀螺儀及輪測距器的精度原因，給出的位置可能會有一定程度的偏差。為了糾正這些偏差，我們可以使用傳感器融合技術（比如使用Kalman Filter）結合GPS與LiDAR的數據算出當前無人車的準確位置。然后根據當前的準確位置與激光雷達的掃描數據，我們可以把新的數據加入地圖中。

下面的公式是個高度簡化的高精地圖計算模型，Q代表優化方程，z代表激光雷達掃描出的點，h方程預測最新掃描點的位置與反光度，m掃描到的點在地圖中的位置，x代表無人車當前的位置。這個方程的目的是通過最小J求出測量出的點在地圖中的準確位置。在這個計算模型中，m與x開始都是未知的，所以我們可以先通過多傳感器的融合求出無人車的位置x，然后求出測量點在地圖中的準確位置m。J = Q（z-h（m，x））
責任編輯：tzh