自动驾驶火热，但高精地图行业还处在迷雾里。
高精地图是高级别自动驾驶的必需品，能获取车辆定位、道路情况及周边环境等，为一辆汽车开启上帝视角。
论重要性，一点不比激光雷达低。有观点认为，高清地图和激光雷达，是自动驾驶的两根拐杖，一个负责开路，一个负责避障。汽车在实现完全无人驾驶之前，这两根拐杖都丢不掉。
过去这两年，激光雷达得到前所未有的追捧，甚至被神话，电动车企纷纷预埋，先行上车，即便还不清楚能发挥多大作用。但高精地图还在隐秘的角落里，被忽视和淡忘，车企在应用上也慢了一拍。
参考文献链接
参考文献
[1]中国汽车工程学会、天津智能网联汽车产业研究院.中国智能网联汽车产业发展报告（2020）
[2]IDC《全球智慧城市支出指南》（2020年7月发布）
[3]俞庆华.为自动驾驶的精准定位服务,博世与百度、高德及四维图新展开合作[J].汽车零部件,2017,106(04):85-85.
不论是创业，还是投资，高精地图行业都显得冷寂许多。这是一个典型的“理想很美好、现实很骨感、条件不成熟、应用还落后”的赛道。
在智能汽车突飞猛进的路途中，高精地图要展现真正的实力，尚需时日。
高精地图是跟随自动驾驶兴起的。
相比于普通导航地图，高精地图精度更高，数据维度更多，定位也更加精准。像道路的弯度、坡度，车道线位置、类型、宽度，以及交通信号灯、交通标志、路边地标等元素，高精地图都能包含。这些信息对于自动驾驶非常重要。
2017年，通用汽车发布SuperCruise系统，定位为L2级别自动驾驶，最大亮点是应用了高精地图。搭载该系统的凯迪拉克CT6高配版车型，在2018年进入中国，高精度地图供应商为高德。
这是中国最早应用高精地图的智能驾驶辅助系统，也是业内经常会拿来对标的一个项目。
高德拿下凯迪拉克CT6之后，高精地图厂商开始陆续进入汽车产业链。
从去年开始，以蔚小理为代表的造车新势力，在高级别辅助驾驶功能上发力，高精地图的重要性与日俱增。
在高精地图的支持下，汽车可以实现高级别辅助驾驶。由于提前获知了路况信息，汽车在特定路段从A到B的过程中，能够根据导航设定的路线自动驾驶，自动进出匝道和切换主干道。
小鹏是中国车企中在自动驾驶方面跑的最快的一个。去年高德发布第三代车载导航系统，小鹏成为首个合作伙伴，获得超过30万公里的高速公路、城市快速路以及城市内道路的高精地图数据。随后小鹏NGP开放内测，率先实现了高速路段的导航辅助驾驶。
小鹏之外，蔚来的NOP、理想NOA、广汽埃安NDA，以及长城的NOH，都是基本类似的功能，也是车企们在对外宣传时最大的卖点之一。
过去，由于自动驾驶技术不成熟，一直没有大规模量产的车型出现，导致高精地图难有用武之地。但现在，随着越来越多的车型解锁自动驾驶能力，并向更高级别迈进，高精地图跟激光雷达一样，迎来了最好的发展时期。
和高资本创始合伙人何宇华对深途说，在高级别自动驾驶方案中，激光雷达等传感器是一定要跟高精地图做融合的，“高精地图具有高精度、高动态、多维度的特征，可以帮汽车实时检测多传感器融合的结果是否跟地图匹配，不断地去计算累计误差值，然后检测规划的最优解是否是真实的最优解，这在感知失效或不稳定的情况下尤为关键。”
高精地图跟普通的导航地图不同。最直观的差别就是：导航地图是给人看的，而高精地图是给机器看的。这颠覆了传统地图的想象空间，也改变了原来的商业模式。
在何宇华看来，高精地图在落地的时候一定是场景化的，因为不同场景对数据的要求千差万别，部分场景对精度和细节的追求非常苛刻，这让地图厂商可以选择按公里收费的商业模式，告别过去那种出让License的一锤子买卖。
从场景上来看，在乘用车的应用上，目前高精地图的主要落地场景是高速公路和停车场，对应的功能分别是高速领航辅助驾驶和自主泊车。这两个场景的环境相对简单，大部分车企都会从这里起步。
根据企业背景和资源禀赋的差异，目前市场上已经布局高精地图业务的公司可以分为三大类：
其中，四维图新、高德、百度、易图通这四家是业内公认的头部玩家。IDC报告显示，2020年，百度、四维图新、易图通、高德位列中国高精地图市场份额前四位，分别为28.07%、21.61%、16.15%、13.07%。
高精地图厂商向汽车厂商提供地图数据，构成了这门生意的基本模型。这个模型看起来非常简单，但要真正落地困难重重。
首先是难在地图数据的采集和制作上。高精地图对数据要求很高，要采用专业设备，使用专业方法进行测绘。图商通常用搭载了激光雷达、摄像头等大量传感器的车辆，在路上来回扫描获得数据。
这种车辆造价高昂，单车动辄上百万，导致车队养护成本极高。
“中国拥有全世界最复杂的城市道路系统，没有一家地图厂商一开始就把全国的地图扫完，因为那样数据搜集量过于庞大，成本根本盖不住，所以会从高速公路开始，即便如此成本依旧高昂。”何宇华说。
有企业试图用众包的方式降低成本，让具备辅助驾驶功能的汽车在路上自动抓取数据，这是前几年很多初创科技公司入局高精地图赛道时普遍采用的方式。
但众包的问题显而易见，一是高精度地图对采集传感器的要求很高，普通众包根本无法实现高质量数据的采集，二是众包采集可能存在合规问题，数据所有权和涉密数据的保护均会受到威胁。何宇华认为，其实众包无论从经济性、安全性，还是数据质量的角度看，都不是一种成熟的模式。
建图还只是第一步，后续的更新维护是更大的挑战。
高精地图对数据的“鲜度”要求非常高，需要实现日更甚至分钟级的更新，这样才能保证数据的准确，避免因为数据更新不及时而让汽车做出错误的决策。但要实现这一点难度不小，背后的数据存储、数据筛选、建模解析都是挑战，成本也是一个大问题。
在这些现实的问题背后，自动驾驶对高精地图的需求也在变化中，目前尚未达到大规模量产上车的阶段。规模上不来，成本就无法分摊，导致地图厂商缺乏足够的动力去采集和更新数据。
ThirdBridge高临咨询的专家表示，要做出准确率很高的高精地图，在技术上并不难，但是有很多先决条件，比如硬件能力、存储能力、产业阶段等，需要有一定的规模才能支撑得起来。受限于这些先决条件，高精地图目前还无法充分应用。这要求车企在研发过程中，在成本、质量、功能实用性、科技先进性之间找到平衡。
过去这几年，高精地图一直在相对无序的状态下发展，行业没有统一的标准，缺乏靠谱的格式，处于混沌发展的阶段。
最典型的一个现象是，很多汽车厂商并不知道自己对高精地图的需求是什么，没有经验也没有想法，因为自身的自动驾驶系统能力还达不到相应的水准。
“真正的高精地图，一定是跟智能驾驶匹配的，智能驾驶在哪里落地，高精地图就会在哪里落地。现阶段真正落地的高精地图无不集中在垂直封闭场景，比如机场、港口、园区，因为这些场景能产生收入。而乘用车还处在很早期的阶段，毕竟，现在已经实现高速领航驾驶功能的车企也就那么几家。”何宇华说。
这跟激光雷达的处境有点像，车企跟风预埋激光雷达，也是想提升自动驾驶能力。但现实是，很多车企装上后只是个摆设，短期不能发挥作用。不同的是，激光雷达可以预埋，高精地图却无必要。
何宇华认为，高精地图是一个非常必要，但非核心的自动驾驶需求。“更多起到冗余的效果，给感知和定位做反向验证，而且高精度地图可以通过OTA升级后期补装。”
国内某高精定位公司的软件工程师“数据里奥斯”对深途说，“港口搞个高精度地图，提高货物转运效率，降低开支是很明显的，自然有人付费做这种服务项目，但是有多少人愿意开通高精度地图服务，就为了知道自己在第几个车道呢？”
这些因素导致，车企对高精地图的需求被延后了，激光雷达行业的热闹景象，并没有在高精地图身上发生。
真正参与到高精地图战场的玩家，其实并不多。
在上文提到，传统图商、科技公司、主机厂商，是行业里的三大势力。但这里面拿到牌照的公司或单位，不到30家，而实际开展业务有一定影响力的，只有头部几个。
地图是一个敏感行业。在中国，测绘是被严格限制的，企业要采集、储存地图数据，必须拥有测绘资质。中国的测绘资质分为甲、乙、丙、丁四级。其中，进行导航电子地图编制，必须获得甲级资质。甲级资质就是业内所说的“牌照”。
中国第一家拿到牌照的图商是四维图新，第二家是高德，创业公司Momenta、宽凳科技等在2018年前后拿过一批牌照，华为在2019年也拿到了牌照。2021年1月，全道科技拿到最后一张牌照，随后国家收紧了牌照发放。
梳理这些公司会发现，高精地图行业，早已变成了巨头的角力场。
高德早在8年前就被阿里收购，百度收购长地万方获得牌照，腾讯有全资子公司大地通途，同时还是四维图新第二大股东，滴滴的地图公司叫滴图科技，吉利通过箩筐控股易图通，上汽入股光庭信息并控股其子公司中海庭，还是Momenta的第一大机构投资者，小鹏收购智途科技曲线获得牌照。
有资质的地图厂商，已经被瓜分完毕。创业者再涌入这个赛道，出头的机会不多了。
由于BAT这些巨头的加入，扰乱了过去10多年来图商领域的竞争态势。国君产业研究在报告中指出，高精地图边际成本几乎为零，未来行业集中度提升是必然趋势。
高德、百度、四维图新，这是行业公认最有竞争力的三大图商，高精地图行业的未来竞争，大概率会围绕这三家公司展开。
ThirdBridge高临咨询的专家认为，车企、市场、行业对于高精地图都有自己的评价标准，高德、四维、百度是首选的供应商。外资车企在国内上市的车辆，也必须配备国产图商的地图。三家从技术本身的积累来讲各有各的优势，比如四维、高德在测绘领域切入得早，有各种各样行业的数据源，且地图的工艺方面有长期的经验积累。百度通过收购传统的制图企业获得资质，核心优势在于AI能力，使得高精地图的制作效率提升、成本降低。但是综合来看，三者之间并无拉开明显的优势。
“数据里奥斯”分析，在大规模商用之前，高精地图厂商谈自动驾驶实力其实没多大意义，第一数据样本太小的算法鲁棒性都很差，第二是不可能真的落地方案背一大堆复杂的探头上路。好的方案，是数据量大+成本可控。
2019年的时候，高德率先把高精地图的价格打到了100元/车/年以下，然后百度迅速跟进。从去年开始，高精地图加速“上车”，高德和百度在车企端展开争夺。
争夺的范围，往往从导航地图开始，因为导航现在是刚需，而通过导航地图建立起深度合作关系之后，当高精地图批量应用时，就会占据先发优势。
去年12月，百度地图宣布，第二代车道级导航正式上线。1个月后，高德地图发布第三代车载导航，通过普通导航地图和高精地图的无缝切换，来实现“人车共导”。跟高德一样同为阿里系的小鹏汽车，率先搭载了高德地图。
今年4月，蔚来宣布将对Aspen车机系统进行升级，升级的最大一个变化，是增加了高德地图，从此车主可以在百度地图和高德地图之间自由选择。
图商在巨头之间站队，有利也有弊。
何宇华对深途说，BAT、部分主机厂、自动驾驶方案商、电商物流企业瓜分了大部分图商，其中不乏亲自下场造车的，比如百度，当在对外推高精地图业务时，车企难免会有数据安全的顾虑。认为第三方中立的地图公司，未来会扮演更重要的角色。
总体而言，高精地图行业距离爆发还有一段距离。这就像是一场没有硝烟的战争，没有人吹响冲锋的号角，大家都在等待自动驾驶大规模落地的那一刻。
高精地图对于智能汽车最大的意义，按道理讲是要清除行驶途中的迷雾，获得精准的定位和方向，但现在，高精地图还处在迷雾里，等待曙光。
国内外高精度地图发展现状
目前国内高精地图行业呈现三足鼎立格局——百度地图、高德、四维图新。中高德于2014年被阿里并购，四维图新则于2016年获得腾讯的战略融资，高精地图行业背后的BAT格局一目了然。然而作为自动驾驶的重要参与者，车企为了在高精度地图方面避免受到外人掣肘也不甘落后。上汽子公司中海庭拥有甲级电子导航地图制作资质，2017年起开发针对L4级别的高精度地图。虽然目前受政策资质限制，国内进军高精度地图的车企仅上汽一家，但是车企对高精度地图可谓念念不忘。身为政协委员的吉利集团董事长李书福在2017年的两会中上书放开地图精准测绘。李书福认为，放开地图精确测绘有助于减少自动驾驶技术发展壁垒，帮助中国抢占自动驾驶领先地位。
第一阶段的关键词是高精数据，核心是建立能够满足商业化需求，实现高精度地图数据采集和更新的流水线。
第二阶段的关键词是融合定位，重点是利用高精度地图数据及环境信息，实现基于差分和高精惯导、航位推算等手段的高精绝对定位能力，以及基于视觉识别、点云匹配等手段的高精相对定位能力。
相比前两个阶段更多为自动驾驶汽车进行个体赋能，高德高精度地图技术发展第三阶段更偏重于全局。第三阶段的关键词是动态信息，重点是在实现了精准定位的基础上，为自动驾驶提供动态、实时的数据服务，比如动态交通信息、智慧红绿灯等交通设施信息、施工等临时或突发信息等。基于这些动态信息，高德的云端交通大脑不仅能实现不同交通参与者的全局最优调度，更能为每个自动驾驶用户带来更舒适、安全的乘坐体验。
3、百度携带AI技术把地图从消费领域进入到高精度地图百度地图成立于2005年，作为地图行业市场的领先者，百度地图秉持“科技让出行更简单”的品牌愿景，以“服务用户出行”为使命，以“科技”为手段不断探索创新。百度地图目前已覆盖全球209个国家和地区，成为“全球地图”。伴随着AI时代的到来，百度地图实现了语音交互覆盖用户操控全流程，还上线AR步导、AR导游等实用功能，更加方便用户的出行。2013年百度地图收购拥有“电子导航地图制作”甲级测绘资质的长地万方，目前百度地图事业部员工超过2000人。
自从百度ALLinAI技术之后，其实可以看到很明显的特点，所有产品结合AI来打造闭环的交易环境，百度地图与AI相结合，升级成为新一代人工智能地图。从2018年起，百度的人工智能技术全面融入百度地图，一方面在地图数据的生产中，融合大量图像识别、文字识别等技术，实现实时路况的采集与分析以及对用户更友好、更便捷的交互。
百度地图具有很好的行业赋能基因，服务智能交通，逐渐从导航APP进化为具有城市管理角色的智能出行平台。数据类型丰富的高精度离线地图、每分钟亿级路况数据的更新能力、智能判断拥堵程度、分钟级拥堵报警，这些先进的技术和数据正深度赋能交通管理业务应用开发。由此，百度地图已成为城市交通类开发者的首选，通过与政府、高校科研机构、应用开发组织、交通管理与集成单位等多方的长期合作，百度地图也衍生出一系列与对接的产品，如政府专网地图、智能拥堵研判系统、智能信号灯、交通应用开发、路况看板联盟、路况播报联盟等，形成智能交通产业闭环。
百度智驾地图针对不同等级的智能驾驶推出了不同的产品：1）针对手机车机导航的SDMAP覆盖道路路网形状、拓扑等内容，精度在5~10米左右；2）针对ADAS功能需求，ADAS地图在导航地图基础上增加了一些道路坡度、曲率、简单的车道信息，精度在50厘米；3）对于更高级别辅助驾驶的全域智能驾驶地图，则是包含了详细的车道属性等，用于实现高速、城市道路的L2+、NOA等功能，精度在20~50厘米；4）最后一种则是高精度地图，主要包含高精度的车道几何信息、路口表达，红绿灯停车位等语义，主要用在L3/L4高级自动驾驶上，精度达到10厘米；
百度在高精度地图这个领域属于后起之秀，但是由于本身的AI技术牛掰，所以在实现图层数据采集的全自动化、并提升定位技术。百度地图未来将从技术出发，通过OCR图像识别技术，结合无人机、无人车等技术来降低数据采集成本、提升效率。
在高精度定位方面，由于过往室内定位和立体定位技术不成熟，限制了自动泊车、商场导航、VR游戏等应用的发展，百度地图借助于iBeacons等技术，未来定位将突破GPS和无线基站体系更加准确。目前百度地图已投资室内定位公司，同时拥有人工智能、图像识别等技术，将充分发挥优势，在新一代定位技术上取得突破。4、宽凳科技：人工智能量产高精度地图，高精度地图中的后起之秀宽凳科技由百度前副总裁刘骏于2017年初创立，是一家人工智能及自动驾驶研发公司，主要从事吸收和处理来自于不同传感器的海量地理空间信息、用户行为信息、实时环境信息，并对这些信息进行深度建模、智能识别等工作。
核心成员多来自于谷歌及BAT等互联网新兴企业。宽凳科技还是世界第一家，也是目前唯一一家加入导航数据标准协会(NDA)的初创公司。2018年2月，宽凳科技完成数亿元人民币的A轮融资。本轮融资由IDG资本领投，成为资本、澜亭资本等跟投。2019年年初，宽凳科技成功取得甲级电子导航地图制作资质，这也是从成立到颁发甲级资质最快的一张证书。
宽凳科技的高精度地图采取众包采集。一方面以纯视觉模式替代激光雷达，解决了高精度和低成本之间的矛盾，使众包和实时更新成为可能，解决了自动驾驶领域的行业痛点；另一方面，基于人工智能的地图加工工艺，解决了规模化地图生产的瓶颈问题。
作为一个后起之秀，很多人好奇宽凳科技的核心竞争力在哪里，具体有三点：
1、人工智能宽凳科技基于深度学习、三维视觉、图像识别等AI技术，无需大规模人力标注，能够快速实现高精度地图的构建。
2、地图能力地图是一个技术和经验相互结合的领域，需要大量的行业积累，高质量的高精度地图的建设离不开地图行业专业人员，宽凳科技吸引了大批具有地图背景的世界顶尖名校毕业生，为自动驾驶精确制导。
3、最关键的是有金主爸爸，车厂合作高精度地图用户为主机厂，认证周期长，更换供应商成本高，宽凳已经率先布局各大主机厂及一级供应商的深度合作，有先发优势。
宽凳科技的盈利方式是将高精度地图售卖给各家主机厂，搭配在每一辆售出的具有无人驾驶技术的车辆中。宽凳科技在后续的高精度地图更新中将作为数据服务商向主机厂收取费用。
一、引言
自动驾驶技术主要分为感知、决策和执行三个部分。感知层，主要通过使用多种视觉传感器（摄像头+雷达），以感知探测汽车周围的车、人、交通状况、所处的位置等信息；决策层，是在感知层搜集信息的基础上，通过算法对于信息进行综合处理，判断出下一步的行驶方向、速度、转向角度等；执行层，是决策层将指令发送给控制层，由控制层通过对车辆进行转向控制、驱动控制、制动控制和安全控制。
自动驾驶技术从硬件到软件都取得了很大的进步，但从具体的技术实现方式看，大多数量产车产品是依托于视觉传感器和控制系统。传感器监测周围环境，控制系统处理数据并生成决策，执行系统根据指令控制车辆驾驶动作。这种技术解决方案有一定的局限性，短期来看效果不错，但长期而言，随着自动驾驶级别的不断增高，道路复杂情况不断增强，数据量不断攀升，会对整体的自动驾驶实现成本和效果稳定性产生影响。并且，传感器由于本身的物理局限性和易损耗等特点，无法保证自动驾驶汽车在全天候、全工况环境下行驶的可靠性。此时，高精度地图就会发挥出重要作用，将成为视觉传感器的有效补充，为车辆环境感知提供辅助，提供超视距路况信息，从而提升车辆定位精度、感知可靠性以及路径规划能力。
高精度地图是智能网联汽车产业的重要基础技术，尤其是L3及以上级别的自动驾驶功能所必备的支撑技术[1]。相较于为人工驾驶员服务的传统车载导航电子地图，高精度地图是为自动驾驶系统服务的专属地图，蕴含更为丰富细致的路面、路侧及路上的静态信息，还需要辅以实时动态交通信息，制作难度和复杂度远高于传统地图。高精度地图具备的地图匹配、辅助环境感知和路径规划三大功能，在自动驾驶中具有难以替代的特殊优势。
目前，高精度地图技术已经过多年的发展摸索阶段，新技术、新工艺逐步走向成熟，形成了一系列相对稳定的生产模式与基本定型的地图产品，对智能网联汽车产业的发展起到了支撑和推进作用；汽车主机厂和系统集成商更是积极开发基于高精度地图的自动驾驶汽车，不断优化高精度地图模型和数据内容，使得高精度地图更加符合自动驾驶需求，形成良性循环；清华大学、武汉大学、北京理工大学等知名院校也已加快对高精度地图数据要素等内容的理论研究。二、高精度地图背景介绍
（一）高精度地图概念与定义
高精度地图，也被称为“自动驾驶地图”或“智能汽车基础地图”，英文通常翻译为HDMap（HighDefinitionMap）。高精度地图是指绝对精度和相对精度均在厘米级（10厘米至20厘米）的高分辨率、高丰度要素的导航地图。高精度地图提供了一个自动驾驶车辆所处的环境模型，包含了最底层的静态高精度地图以及其他动态信息。静态高精地图中包含了车道模型、道路部件、道路属性和其他的定位图层。车道模型包含道路细节信息，如车道线、车道中心线、车道属性变化等，此外车道模型中还需要包含道路的曲率、坡度、航向、横坡等数学参数。自动驾驶动态信息是指智能网联体系下所有的动态信息，一般包括地图动态信息、传感器信息、驾驶行为、交通动态信息管控等方面。
（二）高精度地图所表达的数据内容
通常，要素完整的高精度地图，会通过三类数据来完整表达真实道路信息，第一类是道路和车道信息，主要记录道路信息及引导拓扑信息；第二类是道路周边设施信息，是定位和障碍物等辅助信息；第三类是定位图层，用于自动驾驶车辆现场匹配。
（1）道路&车道表达的内容
图1道路&车道数据
（2）道路周边设施表达的内容
图2道路周边设施数据
图3高精度地图产品效果图
（3）定位图层内容
道路定位图层分为两类，一类是道路采集时的原始点云信息，一般压缩抽稀后点云数据；第二类是从矢量化之后的道路周边设施数据中抽取部分特征要素作为定位图层。道路定位图层非强制性要素，随各家图商产品规格策略确定是否制作。
如图4所示，是OpenDrive中定义的高精地图图层，基于Features图层提取出来的要素或原始数据层被用来作为定位图层。
图4OpenDrive格式的道路模型
（三）高精度地图的特点
随着自动驾驶汽车逐步走向量产，未来的车载地图将迈入以高精度、高现势性（活地图或动态地图）为特性的高精度动态地图时代。与传统的导航电子地图相比，高精度地图在各方面的要求更高，并且能够配合传感器和算法，为决策层提供支持。
高精度地图作为一种全新的电子地图类型，有着独有的特点：
1.以自动驾驶车辆为服务对象
传统的导航电子地图是显示给行人和人工驾驶员，高精度地图只会为自动驾驶系统提供服务。为了满足自动驾驶汽车的需求，高精度地图除了包含传统地图的内容，还会描述精细的车道标线信息，以及道路参考线和车道参考线信息，也包含了复杂的车道交换引导参考线及周边设施信息。
2.地图精度更高
普通导航电子地图的绝对精度通常在10米左右，高精度地图的绝对精度被普遍认为需达到50厘米，相对精度在100米的行驶距离内，不能超过20厘米误差，即基本与一个车道标线的宽度相同。因此，只有在20厘米相对精度的情况下，才能保证车辆不会发生侧面碰撞。
3.表达内容更具体
导航电子地图会将道路抽象为一条直线或曲线，高精度地图需要尽量还原道路真实的现场状况，建立精度极高的车道模型，以及道路通行空间范围边界区域内的精细化对象模型。
4.地图鲜度更高
自动驾驶车辆需要实时掌握车辆周边的设施变化情况和交通状态，以此作为自动驾驶决策的依据。因此，高精度地图需要提供日更新的高现势性的地图和以分钟、秒为更新频率的动态交通信息。
（四）高精度地图的作用
1.辅助高精度定位
通过基于高精度地图的辅助感知，自动驾驶车辆能准确的知道周边的物体（对象）的高精度位置坐标，同时通过传感器得到车辆与周边物体的相对距离，自动驾驶车辆即可基于探测到的物体（对象）高精度坐标和相对距离反算出车辆的高精度位置坐标，从而实现对自身位置的持续修正。
2.先验感知识别
高精度地图能够辅助汽车超视距感知，当车辆道路环境被其他物体遮挡，或者转弯，或者超出了汽车电子设备感知范围时，高精地图能够帮助车辆对行进方向环境的感知。
高精度地图能够辅助车辆快速识别道路环境周边固定物体及车道标线。高精地图能够提高自动驾驶车辆数据处理效率，自动驾驶车辆感知重构周围三维场景时，可以利用高精度地图作为先验知识减少数据处理时搜索范围。高精度地图还能为车辆提供各种危险区域，车辆可以提前做出应急方案。
3.支持驾驶决策
高精度地图提供道路曲率，当车辆转弯时可以根据曲率进行提前减速，控制传感器甚至大灯转向辅助。高精度地图提供隧道等遮蔽信息，车辆在进入前可以提前开启大灯或调整传感器感光参数。高精度地图提供坡度，能够辅助车辆控制油门节省能源。高精度地图的限速信息精确到车道和车型，智能网联汽车用以精准控制执行器和相应车型合规运行。
4.车道级路径规划
基于高精度地图的车道级动态路径规划及辅助感知成果最终都将作为参考信息提供给决策单元，决策单元在已知固定环境、已知线路和动态目标的基础上通过算法生成车道级控制指令。
（五）高精度地图制作技术概述
目前，高精度地图的生产与更新出现了三种技术模式：
（1）基于“激光雷达+人工智能处理”模式。该模式稳定性高，但是采集设备成本高，是各大图商采用的主流模式。
（2）“众包采集+AI识别提取”模式。该模式成本低，但是精度和稳定性待提升，是主流图商更新和初创图商采用的主流模式。
（3）“车辆动态上传+动态地图自动下发更新”模式。该模式是最为理想的高精度地图生产与更新模式，尚处于论证阶段，需要随着智能网联汽车产业的发展不断完善。
1.需要专业的采集和生产技术
高精度地图有严格规范的生产流程。首先根据用户应用的需要（一般是车厂，且需明确将地图应用于何种级别的自动驾驶车型中）对产品进行规划，制定生产计划；其次，数据信息采集部门开始收集数据信息；再次，对收集的数据进行处理编辑绘制地图；最后，对数据进行规格转换。在地图数据生产过程中需要经过层层数据检查，确定数据生产的安全和准确。
图5国内三大主流图商使用的采集车
图6国外两大图商Here和TomTom使用的采集车
外业采集数据后，形成了惯导数据、GNSS数据、DMI数据、激光点云数据、全景相机或双目相机数据、精密星历数据等大批量原始数据，经过自动化的GNSS组合导航解算，生成解算成果。解算成果还需要经过多次采集偏差校正、路面异常变形校正等软件自动化处理才真正完成原始数据的解算。原始点云数据如图7所示。
自动化解算后的原始数据进入要素自动提取环节。要素提取一般有两个主要过程，分别是自动分类和噪点滤除和自动化提取。
图7四维图新原始点云数据
1）自动分类和噪点滤除
图8自动分类和噪点滤除
图8为点云自动分类和噪点滤除的结果，该过程利用智能算法对有先验知识对点云进行要素分类，给定分类值，确定有价值的要素点云后，对影响后续提取的噪点进行滤除，对作业范围外无效的点云进行自动裁切。
2）自动化提取
图9自动化提取结果
图9为点云自动化提取的结果，该过程是成图的关键步骤，通过点云分类结果和点云的强度值自动跟踪提取车道标线、路面标志、交通标志、护栏、路牙、杆状物、上方障碍物等路面、路侧、路上的交通设施和对自动驾驶有影响的附着物。提取的矢量数据根据识别结果自动赋属性值，和相邻的其他要素组织逻辑关系。
图10为四维图新制作的高精度地图
2.“众包采集+AI识别提取”模式
基于市场客户的需求，数据采集速度要非常快速且需要全区域覆盖。出于成本考虑，专业的采集设备不能无限制的扩张。因此，传统图商在数据采集时考虑低成本众包采集技术，通过众包采集大量可靠数据发现数据变化的范围，再根据数据变化的可信信息派专业采集车进行核实和专业测量。
目前，市面上应用最广泛的众包采集方案是采用“视觉+GNSS”的方案。如图11所示，由以色列Mobileye公司生产的EyeQ视觉芯片，占据了市场的垄断地位，截至2020年年底，所有EyeQ视觉芯片在全球的累计出货量已到达6000万颗，为近30家车厂的300余种车型ADAS功能所采用，超过L2+系统量产车型的70%。EyeQ芯片可以支持REM地图，即路网采集管理系统的快速搭建。具体的工作原理是利用视觉神经网络抓取变化的车辆、车道标线、路牌等信息，将收集的信息匿名化加密，再上传到云端，生成REM地图，然后生成地图信息分配到自动驾驶汽车中。
图11MobileyeEyeQ系列芯片
不含激光雷达的低成本高精度采集设备成本大约在5万~8万元，带有16线激光雷达的成套采集设备大约在10万~16万元，虽然用于众包更新成本仍然较高，但是作为地图供应商用于快速更新采集却非常合适。用于众包的设备，成本控制到千元级，才可能大批量装配到出租车、分时租赁车等服务性车辆上；成本控制到3000元以下，才能批量前装到所有车辆。图12为某图商众包采集设备情况。
图12某图商众包采集设备
对于初创企业来讲，该方法设备成本低，采集效率高，成图快，但是需要投大量研发资源提升采集精度和传感器识别率。经过最近几年发展，国内以Momenta（初速度）和宽凳科技为首的初创企业，已经在轻量化采集的基础上形成了高精度地图制作的突破，其他企业也在轻量化设备和整体解决方案上做了大量尝试，各种技术百花齐放。图13为某图商基于图像的高精度地图制图结果。
图13某图商基于图像的制图展示
3.“车辆数据动态上传+动态地图自动下发”模式每辆行驶中的自动驾驶汽车，是地图云中心数据成果的使用者，同时也是地图云中心数据的提供者。车端的运营状态数据（如实时位置、车身姿态、驾驶行为、各类传感器数据、实时交通数据等等）通过路测设备或蜂窝网络传送至地图云中心，云中心对这些实时大数据进行深度挖掘分析，形成对高精度地图的有效更新并通过空中激活（OTA）等形式下发到车端，如此循环往复，不断对高精度地图进行实时更新优化，形成一套智能网联汽车体系下的高精度地图生产运营一体化闭环运营模式。该闭环生态模式已经成为业界共识，相应的标准也应运而生，图14为国际标准组织Sensoris的数据流设想图。
图14Sensoris标准数据流设想图
四维图新是国内第一家基于该模式开发完成了“车辆/车厂-图商-车厂/车辆”的闭环模式验证，百度和TomTom联合开发的AutoStream也是“车辆动态上传+动态地图自动下发”模式。
三、高精度地图行业发展现状自动驾驶行业的发展催生了高精度地图。从世界主要汽车强国的自动驾驶技术发展规划来看，在众多为自动驾驶汽车赋能的技术单元中，高精度地图作为无人驾驶的基础，是不可或缺的重要支撑技术，被业界认为是未来自动驾驶产业中的重要产业分支之一。高精度地图已逐步成为了自动驾驶领域研究的热点，互联网企业、车企和科技公司都瞄准了高精度地图这个潜力巨大的市场，目前已形成两级竞争的格局：国外主要是大型互联网科技公司、车企和初创公司3方在竞争中合作，在合作中竞争；国内主要是传统的地图服务商与滴滴、京东、美团、华为和一批初创公司等新晋挑战者进行竞争。
（一）高等级自动驾驶汽车应用中国高精度地图行业正在稳步向前发展，结合中国汽车产销量迎来的稳步复苏，如图15所示，中研普华产业研究院预测到2022年，高精度地图市场规模可达到约334亿元，到2026年将突破470亿元。
图15道路&车道数据
图162019-2024中国智慧城市支持规模[2]
五、高精度地图应用发展的问题与挑战
（一）政策法规亟待完善
1.尚无明确的高精度地图政策
2.已有规定形成对自动驾驶的制约
传统导航地图的一些限制措施直接应用于对高精度地图的管理要求，比如不允许在地图文件和服务平台里发布高程信息，且坡度信息只能按等级发布等等，严重制约了自动驾驶对复杂道路的高精度适应性要求，急需破解之道。
（二）地图标准有待统一
虽然国内大部分地图数据都是基于NDS等欧美规范出品的，但往往存在大量定制，既有图商自己的、也有应主机厂要求的；各家图商能提供的交换格式因此也不统一，互相之间缺乏互通性，为今后用户自由选择和政府统一监管造成障碍。中国道路交通条件特点鲜明，中国的地图厂商和车企具有丰富的制图和用图经验，完全具备独立完成中国标准自动驾驶地图的能力。
（三）急需建立更新生态
高精度地图涉及到的要素种类多，容易发生变化的要素种类多，自动驾驶车辆对高精度地图的要素变化比传统导航敏感得多，这些变化对自动驾驶的决策至关重要的。因此，主机厂、出行服务商等智能网联运营机构对于高精度地图的更新响应机制要求往往比高精度地图的规模化覆盖采集的要求更为关切，需要尽快建立高精度地图的更新生态体系，以保障智能网联汽车安全。
（四）普通路制作效率低、成本高
中国的高速公路单向里程约30万千米，而道路的总里程约600万千米。从目前的技术现状来看，普通路的制作效率只有高速公路制作效率的十分之一，而生产单价接近高速公路的十倍。主要难点在于城市区域受树木、建筑、车辆等遮蔽了GNSS信号和摄像头、激光雷达的采集信息，造成精度差，道路信息缺失严重。除了遮挡，还因为普通道路场景过于复杂，路口、红绿灯、拥堵严重影响了采集效率；普通道路的设施多，交通标志类型多、要素密度大，是高速要素的20倍左右，严重制约了制作效率；路口交通规则复杂，即便是人工有时也难于判断逻辑连接关系，自动化水平提升非常困难。作为自动驾驶车辆来讲，要达到高度自动驾驶，必然不分高速道路和普通道路场景，都需要提供高精度需求以满足需求。因此，尽快突破普通路采集技术将会是各图商发展的命脉所在。
（五）硬件装备核心零件
（六）高精度地图的信息安全需求
高精度地图作为车辆超视距感知和决策的关键手段，在线升级和实时动态交通信息更新的要求非常关键。而在车载软硬件系统日益受到网络黑客攻击的情况下，信息安全的管理尤为重要。