多轻算“轻高精地图”？自动驾驶需要摆脱文字游戏

一场技术分享会，再次将「高精地图」推向风口浪尖。

2022 年以来，「重感知、轻地图」成为业内高频词汇，部分自动驾驶公司纷纷引用以突出自身在单车智能上取得的新成就，然而细究容易发现，这种说法不免存在言语「偷鸡」之嫌。

所谓「重感知」究竟能做到多「重」，「轻地图」可以「轻」到什么程度，无人界定，更没有判定标准，全仰仗自动驾驶公司五花八门的说辞。 

一位业内人士表示，自己听到的每个「重感知、轻地图」的版本都不一样。不过可以肯定的是，无论是 L2+，还是 L4，搞自动驾驶仍然离不开高精地图。

日前，在百度 Apollo Day 技术开放日活动上，百度自动驾驶技术专家黄际洲也明确了这一观点，并指出轻成本、重体验的地图对自动驾驶至关重要。 

01

重感知、轻地图，

源于对现实的妥协

事实上，「重感知、轻地图」在今年屡屡被提及，实乃事出有因。

最直接的原因在于，监管正在收紧对高精地图甲级资质的审批，2021 年，有 31 家企业拿到这一资质，而到了 2022 年，仅有 19 家通过复核，对比之下，数量锐减约 1/3。

8 月 30 日，自然资源部又下发《关于促进智能网联汽车发展维护测绘地理信息安全的通知》，明确规定，高精地图测绘制作，只能由具备导航电子地图制作甲级资质的单位进行。

意味着，没有取得相关资质的企业，要么放弃「高精地图」路线，要么找有资质的企业合作，以支撑自身自动驾驶技术的上车应用。

这看似是一个「二选一」的问题，实际上却只有一个答案。背后原因在于，放弃「高精地图」等于放弃自动驾驶。

尽管自动驾驶公司拼命堆各种硬件，例如 800 万像素摄像头、激光雷达、大算力芯片，以及训练愈加复杂的神经网络，来增强车端感知能力，然而若没有「高精地图」的辅助，在后者实际上路时，将不可避免地出现各种难以应对的问题。

举例来说，树木遮挡住的高速公路交通牌，此时就无法在车端被实时感知到，故此导致智能汽车忽略掉了重要的提示信息，容易造成违反交规，甚至安全事故的发生。

城市道路的情况更为复杂，纷繁多样的红绿灯、污损严重的车道线、新旧重叠的地标痕……以上种种都为实时感知能否给出正确语义，带来了很大挑战。

而高精地图包含了交通标志、信号灯、防护栏、周边树木、车道线、道路边缘等先验信息，且精度达到厘米级别，有助于弥补上述感知的不足。

除此之外，高精地图包含的车道级路径规划功能，同样不可取代。由于具备超视距感知，高精地图可以在几公里外就「看到」高速匝道口，辅助车辆提前做好变道规划；

再例如在城区道路中的连续路口转弯，由于有高精地图的加持，车辆能够事先选择一条最优路径畅行；

在过大曲率弯道时，车辆也能提前减速，保证乘坐者安全、舒适的体验。而这些仅凭借视野有限的感知硬件，均难以实现。

当然，高精地图并非无所不能，其本身存在两个较大的缺点：

成本高和鲜度低，这样构成了自动驾驶企业除了出于缺乏地图资质外，试图走「重感知、轻地图」路线的另一大主要原因。

首先是成本高，据了解，采用传统测绘车方式，厘米级地图的测绘效率约为每天每车 100 公里道路，成本可能达每公里千元，而要覆盖国内如此多的道路，意味着相当大的投入。

武汉大学测绘遥感信息工程国家重点实验室教授李必军曾表示，把全国的道路数据采集下来至少需要 200 亿左右。 

分摊到自动驾驶企业身上，高精地图是一笔「不可承受之重」的支出。

高精地图更新是另一个大难题。市面上的图商只能做到 3 个月更新一次高精地图，而对于自动驾驶而言，理想状态是日更，乃至小时级的更新。

小鹏汽车自动驾驶副总裁吴新宙就曾表示，希望 NGP 发布的时候能够做到以「天」级更新高精地图的能力。

这是因为道路交通的变更、维修，红绿灯状态等信息的更新速度快，倘若地图更新频率太低，将很难为自动驾驶提供支持。

例如曾有自动驾驶车辆，因高精地图未及时更新，撞上了路边新建的防护带。 

可以看到，高精地图在自动驾驶技术中扮演着不可或缺的角色，但高成本、低鲜度的问题成为约束其将能力发挥到最大的阻碍。

针对于此，百度在 Apollo Day 上给出了对策。

02

AI 赋能，百度为高精地图「降本提鲜」

黄际洲介绍，百度应用 AI 赋能规模化生产，实现高精地图生产成本的持续的降低。具体来说，分别从自动化数据融合和自动化标注入手。

自动化数据融合的目标是全自动地将多次采集到的传感器数据，例如激光点云或者道路的影像，在统一的坐标系下进行融合，这是高精地图大规模生产的重要基础和核心能力，其中的挑战在于融合的精度要达到厘米级。

一般来说，图商的做法是先将传感器数据按照块或者道路进行划分，然后依次先在每个分块里进行数据的融合，再对块之间进行高精要素的串线和几何的调整，以增强块间高精要素的连续性。

不过这种方式存在一个重大缺陷：很难保证所得到的基础数据完全对齐。

「我们的解决方案是按照数据空间分布划分去构建多层级的图结构，确保这个全图的精度是一致的。」黄际洲分享，百度在几个方面进行了技术创新。

首先是多层级的图优化，通过建立块内的局部图来保证块内数据融合的一致性；通过块间的关键帧的关联关系，建立块之间这个全局图，从而确保了全图精度一致。 

其次，作场景化关联和匹配，将道路路段划分成多种不同的场景，然后按照场景设计关联策略和匹配算法。

最后还运用基于学习的匹配算法，使用一个同时进行重叠区域估计以及特征点提取的网络，仅在重叠的区域进行特征点的匹配和提取，极大地提升了匹配的鲁棒性。

在开放日现场，百度展示了其自动化数据融合的效果，点云底图过渡十分自然，几乎看不出拼接的痕迹，相较之下，传统方法的融合结果在块边界的地方往往存在严重的错位情况。

「我们多层次优化方法的融合结果完全正确。」

地图自动化标注是基于点云和图像数据自动生成高精地图的过程，也是能够显著降本增效的核心驱动。

为了达到高自动化率，百度在要素识别、矢量提取、自动建模等关键步骤上进行了技术创新：

• 在要素识别上，采用多层级的点云识别方式，识别的结果远远优于单次识别；

• 在矢量的提取上，对点云和图像中提取的矢量要素进行后融合，保证了要素的高精度和高召回；

• 在自动建模上，基于车道级的拓扑模板进行矢量要素的匹配，极大提高了拓扑的生成以及车道线串接的准确性。

百度通过一系列 AI 技术的落地应用，显著降低了高精地图的生产成本。

而在保障地图的鲜度方面，百度采用融合车端感知数据与多源地图来实时生成在线地图。

在车端，百度利用环绕安装的摄像头和激光雷达，基于 Transformer 生成 BEV 的 Feature Map，生成实时地图；

接着将其和高精地图以及众源地图进行有效的融合，生成在线地图，以提供给下游的感知、决策和规划模块进行使用。

如此一来，高精地图集合了「预知」和「实时更新」的特点，能更高效地适应自动驾驶运行中的动态环境。

黄际洲举例，当出现恶劣天气的时候，例如开车回家常途经的道路积水过深，通过地图的实时动态数据，车辆可以主动地避开这些区域，降低安全的风险。

03

从 L2+到 L4，

轻量化高精地图打通统一

对于百度来说，实现高精地图和车端实时感知的融合还远远不够，要保证乘坐的舒适度，需要对自动驾驶提出更高要求。

黄际洲拿车辆从高速路下匝道的场景举例，一般来说，匝道都有明确的限速要求，大概在 30 公里每小时，如果车辆在匝道出口运行速度达到 120 公里每小时，此时若立即执行减速，将给车内的人带来非常糟糕的体验。

同样的，在城市路段，经常遇到交通汇流，如果后方有车辆快速驶来插入本车道，极易造成自动驾驶汽车为确保安全，一脚刹停，影响乘坐舒适度。

为了解决这个难题，百度提出引入驾驶知识图谱，基于百度地图超过 1200 万公里的路网覆盖、日均 20 亿公里轨迹里程的独有数据资源，向数亿名司机进行学习。 

「在这个驾驶知识图谱中，包含了多维度、丰富的驾驶知识，例如经验速度、变道的时机、变道的轨迹等等。」

黄际洲介绍，在驾驶知识图谱的加持下，自动驾驶的速度转换可以更合理，变道能够更及时，转向可以更顺滑，显著提升乘坐的舒适度。

与此同时，百度还引入车路协同技术，为自动驾驶提供实时路况、道路的事件、ETA 等全局交通信息，通过智能信控、智能规划，帮助车辆提升出行效率。

「高精地图+实时感知+知识图谱+车路协同」正构成了百度 Apollo 自动驾驶地图从下到上的四层全景图：

最下面一层是静态层，也就是传统高精地图的内容，包括了车道级数据、拓扑数据以及辅助车辆定位的数据。

第二层是动态层，包括实时交通事件、实时环境变化，其构建依赖于海量的时空数据以及车路协同等。

第三层是知识层，也是百度首创的驾驶知识图谱，与自动驾驶体验强相关的安全驾驶，以及驾驶行为与知识等等。

最上层是驾驶层，包含驾驶策略的融合，深度融合地图和感知、决策、控制应用；数据实时感知的融合，数据闭环和实时更新，保证地图的高鲜度。

「如果用一句话定义 Apollo 自动驾驶地图，那就是知识增强、分层多维、为自动驾驶而生的新一代地图。」而从实现效果上来说，黄际洲总结，就是轻成本、重体验。

事实上，地图的意义并不仅限于应用在 L4 自动驾驶上，做 L2+/L3 的城市级高级辅助驾驶，高精地图也是保证智驾安全、乘坐体验的必需品。

百度将在 2023 年面向市场推出一款 L2+领航辅助驾驶旗舰产品 ANP3.0，在其上面也浓缩了百度多年深耕高精地图积累的优势，为车企提供领先一代、覆盖广、成本低的产品，让智驾功能随时随地开启。

回到文章开头，业内「重感知、轻地图」的提法固然振奋人心，然而在车辆实际运行中，却充满了玄学意味，一方面车端的传感器远远做不到如高精地图一般的超视距感知，以及丰富多样的语义理解，另一方面，自动驾驶公司又竭力将运行范围扩充到场景更为复杂的城区道路和停车场。 

这二者之间的矛盾，让自动驾驶公司嘴上说不要，身体却很诚实地用上了高精地图。而至于用的多少，全凭各自的话术包装了。

而百度提供的思路是承认高精地图的必要性，并将其短板补齐，通过自动化数据融合和自动化标注等，不断降低地图生产的成本，再结合车端实时感知、知识图谱、车路协同等，提高高精地图的鲜度，在保障安全之余，还确保舒适的乘坐体验。

与此同时，百度在自动驾驶和高阶辅助驾驶实现轻量化高精地图的统一，随着 2023 年其智驾 ANP3.0 产品上市，后续 L4 和 L2+技术的协同飞轮将运转起来，形成「高使用率——持续降本」交替的正反馈。