AceCamp本营科技

2021-02-09

导读：自动驾驶的“指南针--高精地图行业分析

文章要点

1. 当前传感器存在诸多不足，高精地图可为自动驾驶提供道路精确信息并大幅降低系统计算复杂度

2. 高精地图存在较高的行业壁垒，前期采集设备昂贵，后期数据处理技术复杂

3. 国内主要图商的定位策略各有侧重，地图价格未来将下降，但毛利率或保持较高水平

4. 高精地图目前仍面临法律法规、安全性及政策上的挑战

本文核心观点：

当前的车辆传感器在探测距离、响应时间、环境适应能力及成本等方面均存在不足，高精地图可为自动驾驶提供道路精确信息并大规模降低自动驾驶计算系统的负荷，降低计算能耗。
高精地图在成本与技术方面均存在较高的行业壁垒，需要昂贵的高精度采集设备及复杂的数据后处理技术，且需要不断的更新地图鲜度。
国内的地图厂商主要玩家针对各自不同的客户制定了各自的策略，在技术含量及生产难度上各有侧重，地图价格将呈现下降趋势，但毛利率或将保持较高水平。
高精地图目前仍面临法律法规、安全性及政策上的挑战。

一、自动驾驶需要高精地图的原因

自动驾驶的构成，包括摄像头、雷达、编码器、AI计算平台等，这些均属于车辆自身的单车智能。自动驾驶的高精地图，一般被列为超感的内容，即把环境规则和内容预先装载在车上。此外还包括V2X设备和服务，使车与路之间、车与车之间、车与计算中心之间进行信息交换，以此得到车辆自身传感器无法感知的信息，来辅助车辆安全驾驶。

1. 当前车辆传感器的不足之处

目前的传感器，常用的如摄像头、毫米波雷达和括激光雷达，存在一些不足之处，比如这三种传感器最大的传感距离约250米，一般情况下在150米左右，对于更远距离便无法进行探测，此外其响应时间、在不同温度环境下的稳定性以及环境适应能力也均有不足，其中激光雷达表现最好，但成本过高，整套激光雷达在几千甚至上万元的价格区间，对于量产车基本无法接受。此外目前所采用的机械式激光雷达的后续维修保养的工作量和成本也非常高。因此如果仅依靠单机智能，很难达到高质量同时高安全性的自动驾驶功能。

2. 高精地图对自动驾驶的意义

高精地图对自动驾驶的意义，可概况为提供一个上帝视角，或称为超感知视角，在提供道路信息的同时可弥补上文提到的车载传感器在极端天气和极端情况下的感知缺失。高精地图在自动驾驶的应用主要包括三个方面。

能够提前获取传感器很难捕捉到的道路精确信息，例如坡度、曲率等，此外普通传感器的传感距离大概在100-200米左右，而高精地图能够提供前方几公里道路的重要信息，可辅助车辆提前进行规划；
可通过预设条件，帮助车辆提前判断某段道路是否适合自动驾驶，进而决定自动驾驶功能是否开启；
当自动驾驶功能开启时，可事先确定感知对象的存在位置，比如红绿灯所在位置的数据已经存储在高精地图里，传感器便可减少其扫描范围，使得原本要对一个区域进行360度球形空间的感知缩小到具体的一个小区域内，可降低算法复杂度并减少系统计算负荷，从而提高自动驾驶系统功能。如果没有高精地图，则需要全程保持高密度的计算，很容易导致整个系统崩溃。高精地图能够大规模地缩小计算范围，降低AI计算处理单元的负荷，从而降低计算能耗。

二、高精地图的生产模式

高精地图的生产成本较高。目前采集车辆的成本通常会在200-300万之间，如果采用厂家定制车辆，2018年的成本最高达1000万左右。采集车之所以价格贵：① 激光雷达，大概在30万左右的级别；② 车上最贵的是GNSS（全球导航卫星系统）+惯性导航设备，即卫星定位设备，通常会达到70-80万的级别，GNSS+惯导才能保证绝对精度。加上在采集过程中的人力、车辆的过桥过路费、油费等，采集一公里数据的纯采集成本大约数百元，再加上后处理的成本，每公里数据的实际生产成本近千元。

当前主流图商的规划是在高速公路、城市主干道路及城市快速路生产高精地图。目前几个大的车厂，包括高德、百度都是首先完成了全国封闭道路的初次覆盖，然后在停车场和重点城市的普通路开始进行铺设，但没有大规模生产。目前国内高精地图总里程大约32万公里，经过压缩之后的整体数据量在10GB左右，经过切割后储存在地图服务器上，根据车辆前端的请求可进行数据的实时更新和分发。

整个生产流程，首先是高精度数据的实地采集，采用高精度基站、高精度设备等。采用的高精度移动设备称为移动测量车，通常在此基础上增加激光雷达、全景相机、高精度DNS设备及惯性导航，以实现高效、高质量的激光影像和图片的采集。

数据实地采集之后，便是后处理阶段，主要包括以下几个步骤：

位置精度修正。把得到的点云和图片数据进行更精密的位置记录优化，优化后可达到厘米级精度，通常行业标准为绝对精度达到30厘米、相对精度为在100米之内10厘米，即100米之内物体之间相对距离的误差要小于10厘米。
激光点云和图像的融合。激光点云的优点是能够精确地得到地面与物体的几何信息，但由于技术限制，只能得到具有明显几何特征的点，而其本身的文理信息，如标板上的文字信息、道路标线的颜色等，通常便无法获得。因此首先要把点云和图像进行融合，得到更精细的信息，保障基本的精度。
智能化处理。将已经处理好的点云和图像，通过计算机视觉、机器学习等人工智能算法，提取出需要感知的要素，如车道标线标牌、路面的箭头、过街天桥、路边的路灯等。
进行数据的人工编码及验证。关于数据编码，首先是矢量化，矢量化过程的作用为：一公里的激光点云及图片的数据容量大概10GB-30GB，通过矢量化之后每公里数据大约会缩小到100KB左右，实现数据压缩。初步编辑之后，再提取道路交线信息，类似于左转、右转和限速等信息。比如将位于高速公路路侧的线路信息标牌在高精地图里做成一个点。另外，在自动驾驶过程中，需要把标牌的基本信息转移到整条车道的中心线，并且在转移完成之后需要进行有效性验证，即通过要素之间的理论与逻辑关系来验证数据是否有效，是否能够符合车厂对自动驾驶的质量要求。
进行数据转化。将得到的具有较高可读性的数据格式经过编译和转化，转换成目前的通用格式，以及将易于编辑和修改的数据转变成易于检索和引导的数据，该步骤会进一步缩小数据体积。

此外，高精地图需要维持鲜度。由于自动驾驶地图对数据的质量要求非常高，所以会要求地图的鲜度，一般通过众包更新来维护。众包更新是指不需要到现场，而是通过在当地的个人或企业的合作伙伴来采集数据实现更新。具体方式为通过装备自动驾驶功能及感知设备的车辆，比如装备摄像头、激光雷达的车辆，来进行信息采集，将采集到的信息传到中心服务器，经过处理后和原来的数据进行对比然后判断数据是否需要更新。

三、地图厂商的主要玩家

国内目前的头部数据采集商为四维图新、高德与百度，各自的理念存在差异。四维图新由于在和欧洲的几家车厂合作时，欧洲车厂对于数据的准确性要求较高，因此四维图新的数据量和数据要素较多，数据的生产难度较大。百度意欲制作轻量级的地图，所包含的地图要素及其表示方式更加简单，以便能够完全用AI的方式进行数据的生产，然后以较低的成本保持数据更新。高德的要素数居中，或许与其服务的客户有关。对比来看，高德客户主要是美系车厂，四维图新主要欧洲客户，百度主要是国内车厂以及自己的阿波罗应用，客户不同导致策略不同。

国外方面，目前Mobileye生产的地图实际上仍是支持辅助驾驶的地图，在自动驾驶方面并没有经过认证表明其能够完全支持。此外Mobileye在中国受到相关限制。按照国家当前要求，测绘企业股权结构里不能出现外资，因此Mobileye不能够参与到数据的采集制作过程中。如果国内某公司在和Mobileye合作中直接使用Mobileye的芯片或套件，那么该公司必须自己进行地图数据的采集。

厂商的收费模式，目前主要是以年服务费的方式来收取。例如消费者购买自动驾驶服务包，则每年要向车厂支付大约数千元的服务费，车厂会将收到的服务费按比例支付给图商。

高精地图的价格将呈现逐渐下降的趋势。目前国内头部三家图商各自的总投入都在10亿以上，在量产化的几年之内若收回前期投入，则地图价格相对昂贵，主要原因是研发成本的分摊。未来随着众包更新技术的成熟，成本可实现快速下降，加之前期投入逐渐回收，未来地图的价格将呈现逐渐下降的趋势，但高精地图的毛利率或将保持较高水平。

四、高精地图面临的挑战

1. 法律法规的挑战

虽然四维图新、高德及百度都已经完成了第一版数据并经过了合规处理，已经可以对外商业化，但在实际审批时，首先都是以高级辅助驾驶地图的名义获批，其次都是以测试的名义获批。目前多方力量正在推动法律法规的出台，同时通过技术手段解决安全保密的问题，主要涉及车端数据如何与后台通讯，目前国家资源部正在联合几家图商进行商业密码的推广实验，同时计划推广到整个测绘行业。

2. 安全性的挑战

高精地图的质量要求很高。按照要求，通常一些要素的准确率要达到99.9%的要求。当前中国道路的年变化率大概在1%-2%之间波动，如果要达到99.9%的要求，即千分之一的准确率，即使第一版地图完全正确，也需要每年至少10次以上的更新才能达到该要求，这里的难度非常高。由于高精地图会直接影响车辆驾驶行为，在车端已经被归为安全件，需要符合ISO 26262《道路车辆功能安全》的国际安全标准。高精地图本身作为一个数据产品和软件产品，如何满足ISO 26262《道路车辆功能安全》的国际安全标准，各图商都在努力，现在业界仍处于探索阶段。