近日，邀請了四維圖新自動駕駛地圖標準總監(jiān)朱大偉作為【高精度地圖的上車元年】云峰會的首位演講嘉賓，分享高精度地圖在上車過程中的實踐、面臨的挑戰(zhàn)以及未來的商業(yè)發(fā)展模式。
以下為朱大偉的演講全文，做了不改變原意的編輯：
我叫朱大偉，來自北京四維圖新，有14年的地圖行業(yè)經(jīng)驗、5年的更新地圖標準工藝經(jīng)驗。
今天我分享的題目是《從高精度地圖到云開放-自動駕駛地圖服務進化論》。四維圖新成立于2002年，經(jīng)過十幾年的創(chuàng)新發(fā)展，四維圖新已經(jīng)成為一個擁有導航地圖、導航軟件、動態(tài)交通信息、位置大數(shù)據(jù)以及乘用車乘商用車定制化車聯(lián)網(wǎng)解決方案的企業(yè)。
在汽車“新四化”時代，我們更加致力于自動駕駛地圖、高精度定位、云服務平臺，以及應用于ADAS和自動駕駛的車規(guī)級芯片等核心業(yè)務，打造“智能汽車大腦”，賦能智慧出行。
為什么自動駕駛需要高精度地圖?
言歸正傳。
講到自動駕駛地圖，為什么自動駕駛需要高精度地圖? 我們認為有幾個原因：感知、定位和車道級的規(guī)劃方面的需要。
在感知方面，在很多路口的紅綠燈場景下，自動駕駛傳感器很難識別紅綠燈。有了高精度地圖之后，就可以提供一種冗余性。在極端天氣的情況下，傳感器容易失效，地圖也都可以提供很好的幫助。
第二點關于定位。大家都知道國家有北斗導航系統(tǒng)，現(xiàn)在也正式全球商用了。基于北斗的地基增強系統(tǒng)，按理說整體的效果是可以滿足全場景要求的。但其實在一些城市隧道場景下很難做到連續(xù)性導航，高精度地圖就可以提供給定位幫助。
第三是自動駕駛需要做到車道級導航。 一個好的車道級導航需要知道車道在哪，以及車道發(fā)生變化的點在哪里。有了高精度地圖，就可以很精確地告訴車輛，車道出入口、停車的位置以及車道的變化。
在路口，假如車輛處于遮擋、擁堵的情況下，車輛也大概知道停車的位置、紅綠燈在哪。還有一些轉向情況，常規(guī)左轉是車輛從最左側車道進行轉彎，但很多交通場景下左轉車道并不在最左邊，而是在最右邊。這時候單純靠視覺，沒有提前先驗信息，車輛很難在最右車道實現(xiàn)左轉，可能會出現(xiàn)一些故障或失效的情況。
再舉個例子，大家都認為在高速上自動駕駛車輛可以跑得很順暢，但其實不是。如果某個路段車道突然消失了，自動駕駛車的反應是來不及的，可能出現(xiàn)緊急剎車、剮蹭的情況。
另一種很特殊的場景是，高速公路上接近出口的地方有一些緊急停車帶，自動駕駛車輛很可能會誤以為就是出口，但事實上可能距離出口還有100米左右，畢竟導航地圖有精度限制。所以當自動駕駛車輛發(fā)現(xiàn)這個地方出不去的時候，再緊急轉彎就很難了。高精度地圖就可以提供幫助，提前規(guī)避這些有危險的地方。
還有一種平時可能會忽略的情況是，比如公路服務站等正好開在高速路邊上，但導航地圖上是不會體現(xiàn)的。如果是人類駕駛可能會識別到一些突然出現(xiàn)的車輛，但對車輛來說是比較難的。
在這幾年的高精度地圖的制圖過程中，除了剛才說的常規(guī)例子，還有很多特殊場景比如高速調(diào)頭口、交叉路口，甚至還有紅綠燈，在各種功能安全要求的情況下，沒有先驗知識是很難做到的。
作為一個高精度地圖商，我們有意愿、有責任把地圖每一個特殊情況都做出來，為各個車廠提供更好的服務。
當下業(yè)內(nèi)也很關注特斯拉的動向。特斯拉總說自己不使用高精度地圖。但我們發(fā)現(xiàn)最近他發(fā)布了一個叫 FSD Better Test的軟件，聲稱在普通道路上也能夠穿過環(huán)島、通過路口等。從各種測評以及反饋結果來看，特斯拉應該使用了一個高精度地圖，但他用的可能不是別人家的高精度地圖，而是自家的。
特斯拉擁有三個別人所不具備的能力：一是算力強，目前他的HW3.0算力能達到144 TOPS，這是大多數(shù)車廠以及目前市面車輛所達不到的一個算力。第二是他有很強的算法，通過自己多年的積累，可以很好地識別以及提取路端的一些信息。第三是他很有很好的生態(tài)，眾多車輛可以將車輛數(shù)據(jù)傳到數(shù)據(jù)中心，然后進行融合，快速生成地圖。
當然，特斯拉的地圖主要是滿足他L2+或者L2.9的需求，地圖相對來說粗糙一些，而不是像圖商一樣，會把周圍的各種對象都表達出來，這是有差異的。所以特斯拉不是不用地圖，只是沒用我們說得高精度地圖。
不同級別的自動駕駛量產(chǎn)需要不同的高精度地圖產(chǎn)品
可以看到，地圖的應用是多種多樣的。
我們一直認為，從L2+到到L3、L4，地圖的使用比重一直是越來越重的。
首先L2+來講，首先要滿足動態(tài)ODD的要求。地圖是能滿足ODD要求的，但是這應該是一種動態(tài)的要求，所以還需要車廠基于自定義要求來做。
第二，除了OOD之外，定位這塊可以分為兩種：一種是基于傳感器的定位，一種是基于語義的定位方式。比如博世就是基于毫米波雷達等傳感器采集的信息產(chǎn)生定位，而Mobileye的定位方式就類似于眾包方式，通過客戶使用他的EyeQ 系列芯片產(chǎn)生相應數(shù)據(jù),然后通過REM的形式，發(fā)給車輛進行定位。
在L3、L4級別，我們了解最多的可能是Waymo。Waymo在鳳凰城已經(jīng)基本實現(xiàn)了去掉安全員的純自動駕駛，但他對地圖的使用也是最重的。他使用了雷達的點云定位圖層、語義的定位圖層，同時他還在鳳凰城已經(jīng)跑了上千萬英里測試。除此之外，Waymo還做了一個概率圖層，也叫可用性圖層，看看有沒有行人和車輛出入。還有一點是，Waymo的地圖要做到很高的更新頻率，才能在鳳凰城跑起來。
但如果從車廠的角度來看，一般要從功能安全的角度出發(fā)，保證精度、質(zhì)量以及更新頻率，還要保證車輛對于精度的要求，這也是圖商的優(yōu)勢。
四維圖新從一開始就瞄準了L3、L4自動駕駛地圖方向，所有的供給鏈都是基于L3、L4打造的，具有完整的能夠支撐L3、L4的地圖整體供應。
要做好服務，我們認為要達到幾點：高度的高質(zhì)量化、高度的自動化、高度的更新頻率。
首先是高精度，從供應鏈來看，四維圖新有測繪級的采集車，通過我們的慣導、差分來滿足高精度要求。除此之外，為了保證整體的相對精度或絕對精度，我們還要做事后的確認檢查，檢查采集過程中有沒有一些不應該出現(xiàn)的情況，根據(jù)這個來做自動化的優(yōu)化。
當然，如果想要保證更快的更新頻率，最主要的是圖商對道路的提取能力。四維圖新在這方面有60種場景集合都是全自動化提取的，包括一些很特殊的場景，比如很靠近墻體的墻牌也能進行識別和區(qū)分。對于不能完全確認的信息，我們還會留到一個人工平臺，進行人工確認，保證地圖完整的質(zhì)量。
最后還要做一個戶外現(xiàn)場的整體驗證。四維圖新每年的驗證規(guī)模接近建圖的10%，一個高速公路接近3萬公里。此外還要在高速公路上打幾萬個點，以此驗證具體點的進度。
此外，四維圖新還有快速更新能力，可以將所有的眾包數(shù)據(jù)拿回來，做快速的融合和翻譯變化。
到目前為止，四維圖新已經(jīng)積累了32萬公里的一個高速、和城市快速路。服務于L4級的普通道路，我們也做到了5000+公里的級別。
在和國際圖商合作的過程中，他們認為四維圖新不管從能力、質(zhì)量、還是規(guī)格層面，都能滿足他們的要求，所以也邀請四維圖新在國外和他們一起做聯(lián)合驗證。
針對L3的地圖，我們稱之為HD PRO，其更新組成有幾方面：首先需要通過圖像、點云來建圖，然后通過自動化提取出相應的集合，再通過人工的監(jiān)督驗證完整更新。L4級主要是針對L4級的Robotaxi和未來的L5級自動駕駛。
L5是一個非常重要素的高精度地圖。從數(shù)據(jù)量級來看，是普通道路的大概5~10倍不等;從制作難度來看，其采集本身就是一個很大的難題。比如在一個路口，地圖上表達的語義是非常多的，包括路口停止線在哪、用來左轉還是右轉，或者要跟紅綠燈關聯(lián)起來。
四維圖新自動駕駛地圖完整解決方案
目前四維圖新已經(jīng)形成了完整的自動駕駛地圖解決方案。
針對L3需要的高精度地圖，為了更快地客戶提供服務，四維圖新成了HDMS服務平臺。
在這個平臺，我們首先會強調(diào)安全性。安全性體現(xiàn)在幾個方面：一是體現(xiàn)在自身數(shù)據(jù)通路的安全性上，二是車輛的安全性，要防止對車輛的各種攻擊。目前這一塊我們也和車廠做了多重驗證，能夠滿足現(xiàn)在的要求。
另外，還涉及到數(shù)據(jù)回傳到終端的問題。一種是針對客戶的服務器，我們可以提供服務器到服務器的服務，另外也可以提供服務器發(fā)送到車端服務。這個服務涉及自動駕駛，要求等級是比較高的，現(xiàn)在OEM廠商的要求是7×24小時提供服務，方便車輛進行OTA升級。
OTA升級會涉及到數(shù)據(jù)大小問題，大家可能會有一個誤解，高精度地圖跟導航地圖不同，數(shù)據(jù)量可能會特別大。但事實上，從我們的數(shù)據(jù)來看，L3級別所需要的高精度地圖，一公里的數(shù)據(jù)量大概只有20k左右。支撐L4的地圖數(shù)據(jù)，量級大概是L3的10倍左右，30萬公里也就大概幾個 G的樣子。
所以，車企在車輛進行架構設計或者空間預留時，留有最多20G的空間就可以滿足未來幾年的高精度地圖使用情況。但其實不需要這么做，因為地圖是動態(tài)更新的，很多舊有數(shù)據(jù)和材料沒有太多意義。
至于眾包更新，我們也和車廠做了一些驗證。高精度地圖想要發(fā)揮作用，眾包更新是一個很關鍵的點。
四維圖新也有自己的眾包車隊，能夠把需要的區(qū)域信息更新通過眾包的方式全部上傳上來，但這種方式的經(jīng)濟性不太好。另外一種方式是，通過下發(fā)任務，讓車輛將所有識別的變化內(nèi)容以任務的形式上傳到云端。這種方式更加輕量化，能夠保證按需所取，快速進行更新。
眾包更新聽起來很好，但其實還遠遠不夠的。因為現(xiàn)在路上跑的沒幾輛是自動駕駛車輛，或者說不能達到眾包更新所要求的精度。所以現(xiàn)在的眾包更新可能和專業(yè)車輛的更新成本差不太多。
但未來眾包更新是必須的。這體現(xiàn)在幾個點：一是范圍，只有通過眾包更新的方式才能將實現(xiàn)高速公路、普通公路的全范圍覆蓋;另一個是時效性，能夠最先發(fā)現(xiàn)道路上的變化的，肯定是路上在跑的車輛。所以通過眾包地圖能夠實現(xiàn)快速地發(fā)現(xiàn)變化，即便不能更新，也能發(fā)現(xiàn)哪些地方確實是有問題的。此外還可以對整個地圖系統(tǒng)進行交叉驗證。
接下來我們說一下標準方面的內(nèi)容，對于國際市場、零部件的 OEM廠商來說，有統(tǒng)一的標準是最有利和最經(jīng)濟的。在高精度地圖行業(yè)，國際上最通用的高精度地圖標準是NDS，四維圖新是第一家編出來NDS格式，然后在車上應用的圖商，我們一直在標準聯(lián)盟里積極活躍。
除了NDS標準之外，我們還有關于眾包回傳的一些標準，比如矢量化、要素種類以及屬性等;還有關于實時交通的信息要求標準、ADAS的車內(nèi)傳輸標準等。
為了達到更好的共同性，四維圖新還和其他圖商如HERE及聯(lián)盟里的成員，將相應的地圖規(guī)格做到共通。同時，我們還和DMP一起成立聯(lián)合工作組，在地圖規(guī)格上一個形成統(tǒng)一意見，更好地支持及DMP規(guī)格、支持車企的設備。
四維圖新從2015年開始參加聯(lián)盟，那時候高精度地圖的標準并不成熟，從那時候開始我們就起草高精度地圖的標準。目前這個標準應通過了國標委的答辯，正在跟交通部和自然資源部聯(lián)合共同推動標準更新。
我們的標準分為兩部分：高速道路標準、普通道路標準。說到標準，大家可能會關心一些法律法規(guī)問題，覺得現(xiàn)在的法律法規(guī)限制蠻多。但其實從行業(yè)發(fā)展來講，在還沒有準備好的情況下，還不能充分證明自動駕駛車輛的安全性，就貿(mào)然修改法律和法規(guī)嗎?
法律本身不是優(yōu)先對待自動駕駛，而是需要先做一個未來的規(guī)劃，里面會包含很多場景，需要考慮的很全才能在法律上做得完善。現(xiàn)在很多部門都在想辦法推動各種測試驗證，希望各個圖商、車廠能共同驗證地圖方案的安全性，所以在法律方面大家比較謹慎，也是可以理解的。
有一位院士講過，地圖、V2X以及網(wǎng)聯(lián)汽車，是未來自動駕駛的三個基礎設施。地圖想要作為一個基礎設施(好比水電煤)，他的特點就是拿來即用。所以四維圖新在這方面也做了一個相應的SDK解決方案，包括地圖的OTA在線更新、APP，ODD、眾包更新、還有V2X的一些支持。
大家最關注的兩點是：車道級的路徑規(guī)劃，我們能和別的導航地圖做一個動態(tài)的關聯(lián)，不管是誰家的導航地圖，都能和四維圖新的高精度地圖可以隨時關聯(lián)，做一個車道級的導航。
還有定位的內(nèi)容，傳統(tǒng)的定位主要是基于GNS+IMU。定位在傳統(tǒng)導航里是非常起作用的，主要給人來看，稍微有點偏差影響不大。但如果要做自動駕駛級別的車道級導航，需要攝像頭和地圖匹配找到具體車道，然后基于匹配的結果和定位點做適配，再加上地圖的一些屬性比如坡度、曲率等，實現(xiàn)絕對定位和行駛軌跡的推算，這是地圖的特別價值所在。
但現(xiàn)在定位也面臨一些問題，一款車型上市之前大概有需要至少2萬~10萬公里的測試，這是很正常的。
還有一點是，自動駕駛需要自身自動選擇車道行駛，但自身車輛的絕對精度和相對精度是怎樣的?傳統(tǒng)的評測辦法是用慣導加GPS，然后做事后的對比。但現(xiàn)在還不能解決的一個問題是，車輛到底距離車道線還有多遠?這個確定起來非常復雜。
四維圖新基于高精度地圖以及自動駕駛解決方案，形成了完整的解決方案。通過和車道對比進行實時測評，出來的結果涉及的維度還挺多，包括相對精度、絕對精度、高精度慣導等評價都可以體現(xiàn)。當然我們按照客戶要求做的一些更高精度的評估，包括夜晚場景都可以覆蓋到。
以上就是四維圖新整體的產(chǎn)品組合，云端的HDMS服務云可以做到整體的模擬仿真和眾包的變化，發(fā)現(xiàn)更新;車端層面可以做到定位、交叉關聯(lián)、路徑規(guī)劃。
自動駕駛地圖的未來
5年前大家都認為L3、L4能很快來臨，但是實際上L3、L4的到來比想象中要晚一些。
從現(xiàn)在各個車廠的規(guī)劃來看，2023年L3才有可能正式量產(chǎn)，2025年L4以上才可能大規(guī)模量產(chǎn)。現(xiàn)在L2+才是最主要的市場，包括算力、各種傳感器，功能安全，法律法規(guī)要求都在逐步完善。
我們也對比了一下，在國外，可能高速上跑的情況更多一些，但在國內(nèi)，從家到公司兩點一線的情況比較多。大部分情況下，百分之七八十都是在普通道路上行駛，百分之三十是在高速道路，很多場景功能ACC這些反而在普通道路上是用不起來的。
所以我們認為，在L2一塊還面臨著很大體驗提升需求。從L2本身來講，城市路口多，只能在高速上用。對于L4來講，成本、以及商業(yè)模式還沒到臨界點。L2+是一個很好的選擇點，因為在高速上很多能力都已經(jīng)實現(xiàn)了，這些能力在城市道路上也能用，能提升基于地圖的普通道路的可用率。
因此，我們認為在普通道路上，未來會有成本相對低、自動化相對高的地圖來支撐場景應用。
在這方面，我們和客戶打造了一個叫LitePilot的地圖，就是為了隨時能讓大家享受到自動駕駛的樂趣。他通用的功能是車道的路徑規(guī)劃，就是普通道路上一個車道的規(guī)劃，他能無縫地把普通道路和高速道路連為普通道路，實現(xiàn)全場景的連接，幫助做到上下匝道環(huán)島通行、路口通行，提前右轉輔助等，這在以前沒有地圖的情況下是完全做不到的一些功能。
對于未來的HD MAP，我們認為，V2X在中國是未來一個很好的增強自動駕駛能力的方向。邊緣計算的一個好處是，能實時發(fā)現(xiàn)車輛所不能發(fā)現(xiàn)的信息，再結合高精度地圖，能提供一個更穩(wěn)定的信息，包括corner case、一些危險信息等。
最近我們在上海參加了一個“新四跨”活動，四維圖新在里面做了高精度地圖的支撐，70%的車廠都選用了四維圖新的高精度地圖。
要實現(xiàn)高精度地圖從L2~L5的的無縫升級，我們認為有一個整體的演進路徑。他是一個平滑的過程，從ADAS到L4的整體演進過程。
最后我們講一下，地圖想要真正用起來，其實要有一個完整的閉環(huán)生態(tài)。隨著自動駕駛車輛越來越多，各種傳感器配置越來越多，需要車輛和地圖的云服務共同打通。我們會提供基于地圖的客戶化服務、基于用戶運營的服務，通過大數(shù)據(jù)驅動，產(chǎn)生實現(xiàn)自動駕駛的一個演進。
