與專業(yè)測(cè)繪車相比，眾包更新的優(yōu)勢(shì)和劣勢(shì)有哪些？激光和視覺兩大主流眾包方案的區(qū)別是什么？基于端、管、云構(gòu)建的數(shù)據(jù)生態(tài)系統(tǒng)各有什么作用？眾包更新技術(shù)存在的技術(shù)瓶頸有哪些？中海庭常務(wù)副總經(jīng)理羅躍軍給你答案。

中海庭常務(wù)副總經(jīng)理羅躍軍主講，主題為《眾包模式下的高精地圖測(cè)繪技術(shù)》。本文為羅躍軍的主講實(shí)錄。下面一起了解下羅躍軍的主講提綱：

1、高精地圖的未來發(fā)展趨勢(shì)

2、眾包測(cè)繪的理論及實(shí)施現(xiàn)狀

3、眾包更新關(guān)鍵技術(shù)與實(shí)現(xiàn)路徑

4、眾包模式下所面臨的難題與突破

在瀏覽正文之前，可以帶著以下4個(gè)問題：

-與專業(yè)測(cè)繪車相比，眾包更新的優(yōu)勢(shì)和劣勢(shì)有哪些？

-激光和視覺兩大主流眾包方案的區(qū)別是什么？

-基于端、管、云構(gòu)建的數(shù)據(jù)生態(tài)系統(tǒng)各有什么作用？

-眾包更新技術(shù)存在的技術(shù)瓶頸有哪些？

主講實(shí)錄

羅躍軍：大家好，我是中海庭的羅躍軍。第一次用這種方式跟大家交流，如果有講得不好的地方，大家多多包涵。

今天跟大家交流的是眾包模式下高新技術(shù)的測(cè)繪技術(shù)。主要圍繞四個(gè)方面來闡述，第一：高精地圖的技術(shù)發(fā)展趨勢(shì)；第二：眾包更新的理論基礎(chǔ)和實(shí)施現(xiàn)狀；第三：眾包更新的關(guān)鍵技術(shù)和實(shí)施路徑；第四：存在的一些問題。

首先我們來看一下自動(dòng)駕駛。在自動(dòng)駕駛時(shí)代最核心的觀點(diǎn)是要實(shí)現(xiàn)零碰撞的理想交通社會(huì)，車輛可以安全移動(dòng)、環(huán)保節(jié)能，同時(shí)人類可以舒適愉快地移動(dòng)，這里包含了三個(gè)維度：安全、環(huán)境和舒適。為了實(shí)現(xiàn)這個(gè)理想的交通社會(huì)，從上世紀(jì)90年代開始，汽車企業(yè)不斷發(fā)展，包括倒車?yán)走_(dá)、360度環(huán)視、車道維持以及自動(dòng)巡航等功能，最終的技術(shù)形態(tài)就是自動(dòng)駕駛。

對(duì)于自動(dòng)駕駛的實(shí)踐，在業(yè)內(nèi)比較公認(rèn)有價(jià)值的實(shí)踐路徑，就是SAE的分級(jí)定義：從輔助駕駛到部分自動(dòng)駕駛再到高度自動(dòng)駕駛以及完全自動(dòng)駕駛。業(yè)界廣泛預(yù)判2020年將是一個(gè)重要的時(shí)間節(jié)點(diǎn)，在這個(gè)時(shí)間節(jié)點(diǎn)會(huì)實(shí)現(xiàn)部分自動(dòng)駕駛的量產(chǎn)，同時(shí)高度自動(dòng)駕駛開始進(jìn)入市場(chǎng)，這是一條主線，但是在局部上可能還會(huì)實(shí)現(xiàn)分場(chǎng)景的實(shí)施，比如場(chǎng)景優(yōu)先的高級(jí)自動(dòng)駕駛功能。貫穿自動(dòng)駕駛實(shí)踐的技術(shù)核心是感知、認(rèn)知和控制，不同級(jí)別的自動(dòng)駕駛，對(duì)這三個(gè)核心技術(shù)的需求是不一樣的。

圍繞著自動(dòng)駕駛，可以看到自動(dòng)駕駛對(duì)時(shí)空的感知需求催生了高精地圖的問世。高精地圖一般具有以下四個(gè)特點(diǎn)。

第一，它提供了先驗(yàn)的知識(shí)，它的感知范圍比現(xiàn)有的傳感器感知范圍要遠(yuǎn)很多。視覺和激光最多能達(dá)200米，但更遠(yuǎn)的地方以及視距范圍外的情況，傳感器是無法獲得的，而地圖具有無限遠(yuǎn)的數(shù)據(jù)感知。

第二，地圖可消除傳感器的一些誤差。有些傳感器會(huì)判斷錯(cuò)，雖然現(xiàn)在這種情況越來越少了，但還存在。當(dāng)傳感器無法識(shí)別像金屬這些狀況時(shí)，通過地圖可以解決，同時(shí)地圖可以告知該地區(qū)誤差范圍可能是多大，通過一系列AI算法，可消除傳感器的一些誤差。

第三，地圖不受惡劣天氣的影響，在雨雪天氣的情況下，幾乎任何傳感器都失效。但只要有位置信息和地圖，完全不可視的環(huán)境中，也能完成一些自動(dòng)駕駛功能。

第四，地圖能夠表達(dá)傳感器無法獲得的部分知識(shí)，通過數(shù)據(jù)積累、挖掘獲得部分駕駛經(jīng)驗(yàn)的載體，可集成在地圖中作為一種相應(yīng)的知識(shí)傳達(dá)給每一個(gè)自動(dòng)駕駛終端，補(bǔ)充其他傳感器的一些功能。

前面講了自動(dòng)駕駛和地圖，相信業(yè)內(nèi)朋友都很清楚，這里再多談一下地圖的發(fā)展趨勢(shì)，地圖的產(chǎn)生必須經(jīng)歷從現(xiàn)實(shí)世界到采集加工處理、數(shù)據(jù)發(fā)布多種表達(dá)形式、用戶使用，再到數(shù)據(jù)發(fā)生變化，最后回到現(xiàn)實(shí)世界，形成地圖的在現(xiàn)實(shí)世界的一個(gè)閉環(huán)。隨著軟硬件的不斷發(fā)展，在地圖的各個(gè)環(huán)節(jié)中，地圖的采集、加工、存儲(chǔ)、表達(dá)和應(yīng)用這幾個(gè)環(huán)節(jié)都不斷會(huì)有技術(shù)引進(jìn)和更新。

技術(shù)不斷的變化可以使每個(gè)環(huán)節(jié)不斷演變，進(jìn)而導(dǎo)致新地圖發(fā)生變化。在采集端，從最開始人眼獲取數(shù)據(jù)，通過各種采集終端、采集設(shè)備、傳感器系統(tǒng)來獲取數(shù)據(jù)，同時(shí)從基礎(chǔ)測(cè)繪和遙感技術(shù)變成社會(huì)化大眾化采集；在加工環(huán)節(jié)，從開始純?nèi)斯ぬ幚?，到AI做多元自動(dòng)化的處理；在數(shù)據(jù)存儲(chǔ)和表達(dá)上，從開始紙質(zhì)載體到各種多媒體載體，從二維到三維，從靜態(tài)到實(shí)時(shí)動(dòng)態(tài)，從圖紙記錄到本地?cái)?shù)據(jù)庫，再到云端，技術(shù)在不斷演變。在應(yīng)用端，除了基本的導(dǎo)航、自動(dòng)駕駛的決策規(guī)劃，還會(huì)擴(kuò)展到智慧城市的更多其他應(yīng)用。

上面講了地圖發(fā)展趨勢(shì)，高精度地圖發(fā)展趨勢(shì)會(huì)從專業(yè)測(cè)繪向眾包更新發(fā)展。上圖有幾個(gè)的采集方式，最上面是專業(yè)測(cè)繪車，這是我們幾個(gè)圖商按照功能制作，它的成本和精度都很高，但是可以做到這種專業(yè)測(cè)繪車的很少，它通過自主采集半自動(dòng)化以及全自動(dòng)化生產(chǎn)的方式獲得了高精度的矢量地圖，矢量地圖包括車道級(jí)拓樸、車道邊線、道路區(qū)間以及ADAS數(shù)據(jù)信息，它能夠滿足車道級(jí)的導(dǎo)航功能的自動(dòng)駕駛，精度和可信度高，問題是成本非常高。

在這些專業(yè)的測(cè)繪車采集高新技術(shù)基礎(chǔ)上，我們認(rèn)為可以出現(xiàn)一種Low Cost采集車，它的成本和精度比較低，它的數(shù)量可以多一些，它會(huì)通過采集一些精度稍低的數(shù)據(jù)，通過人工驗(yàn)收、數(shù)據(jù)的差分融合等技術(shù)手段來不斷地更新高精度的矢量地圖。最下面是眾包車，成本最低，精度也很低，我相信未來自動(dòng)駕駛車很多會(huì)采用同樣的設(shè)備來去做自動(dòng)駕駛，優(yōu)勢(shì)在于數(shù)量非常大。

通過數(shù)量大彌補(bǔ)單個(gè)數(shù)據(jù)質(zhì)量精度低的問題，可通過大數(shù)據(jù)分析獲得動(dòng)態(tài)交通情報(bào)。對(duì)地圖比較了解的人會(huì)知道，高精地圖實(shí)際上分靜態(tài)地圖、動(dòng)態(tài)地圖，很多動(dòng)態(tài)信息是來自于眾包車輛的數(shù)據(jù)獲取，包括擁堵、交通事故、天氣等，還可通過多視幾何、攝影測(cè)量、深度強(qiáng)化學(xué)習(xí)以及云霧計(jì)算等方式生成語義地圖和特征地圖，另外也通過大量數(shù)據(jù)共享、挖掘、分析和融合來提升精度和可信度。

眾包車輛生成的數(shù)據(jù)，除了生成動(dòng)態(tài)的信息能夠更新一部分高清地圖外，還生成了一些感知地圖，用于自動(dòng)駕駛輔助定位。

簡(jiǎn)單小結(jié)眾包更新的創(chuàng)新和優(yōu)勢(shì)，首先眾包更新是實(shí)現(xiàn)實(shí)時(shí)更新的低成本和可量產(chǎn)化的方案，具有一些非常顯著的優(yōu)勢(shì)，中國(guó)大概600多萬公里的道路數(shù)據(jù)，如果按照專業(yè)測(cè)繪的方式采集，將是個(gè)天文數(shù)字，因此如果有一個(gè)基礎(chǔ)的高精度地圖網(wǎng)，通過眾包的方式來更新地圖獲得城市細(xì)道路數(shù)據(jù)，它將是低成本可量產(chǎn)的方案。

第二，在商業(yè)模式上也有新的吸引力，數(shù)據(jù)的使用者同時(shí)也是數(shù)據(jù)的提供者，在未來商業(yè)模式上可能會(huì)發(fā)生一些變化，隨著區(qū)塊鏈技術(shù)的發(fā)展，可能會(huì)看到新的商業(yè)模式出現(xiàn)。在技術(shù)上，它的難度在于精度和可信度都比較低，但是隨著大數(shù)據(jù)技術(shù)的發(fā)展以及AI技術(shù)的突破，這些技術(shù)門檻會(huì)逐步降低，同時(shí)精度和可信度將逐步提高。

第二部分講一下眾包更新的理論基礎(chǔ)。實(shí)際上，眾包的概念很早就已提出，講三種形態(tài)，第一是UGC，用戶原創(chuàng)內(nèi)容，這個(gè)概念來自于互聯(lián)網(wǎng)，用戶就是網(wǎng)絡(luò)內(nèi)容瀏覽者，也是網(wǎng)絡(luò)內(nèi)容的創(chuàng)造者，也得到了非常廣泛的應(yīng)用，比如維基百科、豆瓣、知乎以及抖音，每個(gè)人都可以上傳和分享自己的作品，都可以作為自媒體在網(wǎng)上活躍起來。

第二是劉經(jīng)南院士提出的泛在測(cè)繪的概念，傳統(tǒng)測(cè)繪是利用測(cè)量的儀器測(cè)定地球表面形態(tài)的地理要素以及地表人工設(shè)施形狀、大小以及空間位置等屬性。根據(jù)觀測(cè)到的數(shù)據(jù)，通過地圖制圖方法，向地面的自然形態(tài)人工設(shè)計(jì)繪制成地圖，而泛在測(cè)繪是在任何地點(diǎn)、任何時(shí)間為認(rèn)知環(huán)境和人而使用和創(chuàng)造地圖的活動(dòng)，可以理解為所見即所測(cè)繪，使用即測(cè)繪。

第三個(gè)是群智感知，是將普通用戶的移動(dòng)設(shè)備作為基本感知單元，通過通訊的方式形成群智感知網(wǎng)絡(luò)，從而實(shí)現(xiàn)感知任務(wù)分發(fā)和感知數(shù)據(jù)收集，完成大規(guī)模復(fù)雜的社會(huì)感知任務(wù)。

接下來我們講眾包更新的數(shù)據(jù)來源和分類，可以分為四大類。第一是軌跡數(shù)據(jù)，眾包、自動(dòng)駕駛或其他的輔助安全駕駛有相通的功能，首先定位必須是一個(gè)高精度的定位來源，一般來自于GNSS+慣導(dǎo)的位置感知數(shù)據(jù)以及通過SLAM或相關(guān)技術(shù)把視覺定位、高精度定位、激光雷達(dá)定位、毫米波雷達(dá)定位等定位方式進(jìn)行融合得到一個(gè)融合定位的高精度軌跡數(shù)據(jù)。但在軌跡數(shù)據(jù)中，單一的軌跡信息價(jià)值非常低，必須形成規(guī)模效應(yīng)。我們要形成的產(chǎn)品主要是拓?fù)渚W(wǎng)和拓?fù)渚W(wǎng)的更新，同時(shí)還包括一些動(dòng)態(tài)的交通信息。

第二是圖像數(shù)據(jù)，圖像數(shù)據(jù)包含的信息量是非常大的，大部分是非結(jié)構(gòu)化的數(shù)據(jù)。實(shí)際上，這些非結(jié)構(gòu)化數(shù)據(jù)要處理成結(jié)構(gòu)化數(shù)據(jù)，是要通過標(biāo)定和AI算法把圖像數(shù)據(jù)變成矢量化數(shù)據(jù)。

第三是雷達(dá)數(shù)據(jù)，雷達(dá)包括激光雷達(dá)、毫米波雷達(dá)、一些超聲波雷達(dá)。激光雷達(dá)的精度非常高的，成本也非常高，這是最大的缺點(diǎn)。而毫米波雷達(dá)也能夠覆蓋所有應(yīng)用，在一些場(chǎng)景重構(gòu)方面，對(duì)數(shù)據(jù)精度的提升很有價(jià)值。通常，激光雷達(dá)精度是足夠的，如果使用毫米波雷達(dá)，需要跟圖像數(shù)據(jù)等其他的數(shù)據(jù)進(jìn)行融合才能得到比較好且能使用的數(shù)據(jù)。

第四是CAN數(shù)據(jù)，包含車內(nèi)各個(gè)零部件在毫秒級(jí)層面上輸出的數(shù)據(jù)，這些數(shù)據(jù)的挖掘?qū)ψ?a target="_blank">無人駕駛的決策算法有非常好的作用。

圍繞剛才的眾包數(shù)據(jù)分類，目前國(guó)內(nèi)外出現(xiàn)了不同方案的眾包公司，這些初創(chuàng)企業(yè)都做得非常不錯(cuò)，主要有兩大方案，第一是以視覺為主，比如有Mobileeye、IvI5以及國(guó)內(nèi)的寬帶科技等企業(yè)。以IvI5為例，左上角是IvI5的制圖樣例，制作視頻APP應(yīng)用，向目標(biāo)鎖定到Uber等平臺(tái)的司機(jī)用戶上，使用者可以將手機(jī)固定在汽車儀表盤上方，下載該應(yīng)用并在駕駛室的啟動(dòng)，會(huì)開始錄制視頻，同時(shí)收集加速度GPS數(shù)據(jù)，駕駛員每駕駛十英里大概可得到幾美分報(bào)酬，這些數(shù)據(jù)最終將幫助IvI5團(tuán)隊(duì)創(chuàng)建高精地圖。

另一種方案是以雷達(dá)為主，比如DeepMap和Civil Map等公司，主要是將激光雷達(dá)獲取的點(diǎn)云數(shù)據(jù)利用AI識(shí)別道路特征，把道路邊線、車道線以及一些看板的特征識(shí)別出來，建立起地圖更新或直接構(gòu)建感知圖層。由于激光雷達(dá)價(jià)格遠(yuǎn)高視覺傳感器，所以它在數(shù)據(jù)規(guī)模上是不及以視覺為主的傳感器的規(guī)模，但它精度更高，因此這兩種方案各有利弊。目前如果能把這兩個(gè)方案融合在一起進(jìn)行取長(zhǎng)補(bǔ)短，可能會(huì)是比較好的方案。

這張表展示了對(duì)激光和視覺兩大主流眾包方案的比較。激光為主的方案有成本高、精度高的特點(diǎn)，核心傳感器是不同線數(shù)的激光雷達(dá)，眾包數(shù)據(jù)源包括激光點(diǎn)云數(shù)據(jù)或者一些數(shù)據(jù)照片等數(shù)據(jù)，核心處理算法包括三維建模、計(jì)算機(jī)視覺等方面，輸出成果有三維模型、車道模型和地面相關(guān)要素。在以視覺為主的方案中，成本低，精度也相對(duì)低，核心傳感器有全景相機(jī)、單目相機(jī)、雙目相機(jī)等，甚至手機(jī)相機(jī)和行駛記錄儀都有可能作為它的輸入，它的眾包數(shù)據(jù)源是照片、視頻、軌跡數(shù)據(jù)，核心算法包括多視幾何、深度學(xué)習(xí)、多元語義分割等，輸出成果具有高精度的拓?fù)潢P(guān)系及能識(shí)別出的交通標(biāo)志牌。

實(shí)際上，眾包是未來地圖更新的必經(jīng)之路，所以在各個(gè)領(lǐng)域都有不同的廠商在發(fā)力。從技術(shù)路徑上講，有激光和視覺兩大方向。第一，有很多整車廠以及OEM廠商已經(jīng)開始在做；第二，互聯(lián)網(wǎng)巨頭如Google、百度、阿里已經(jīng)在關(guān)注并開始發(fā)力；第三，很多出行和物流服務(wù)商也在做，Uber、滴滴、京東等；第四，典型的圖商，如here、四維、百度、高德，包括我們?cè)趦?nèi)及新型初創(chuàng)公司，大量的新初創(chuàng)的技術(shù)，都貢獻(xiàn)不少，包括civilmap、deepmap、lvl5等等。

我們來看一下眾包更新的關(guān)鍵技術(shù)和實(shí)現(xiàn)路徑。我們認(rèn)為基于端、管、云構(gòu)建的數(shù)據(jù)生態(tài)系統(tǒng)，終端主要是傳感器、本地的計(jì)算能力以及高精度定位。通訊主要是管，負(fù)責(zé)數(shù)據(jù)傳輸和信息安全；云端需要有AI大數(shù)據(jù)處理、地圖生成和構(gòu)建。高精地圖的眾包主要是分為兩個(gè)部分：智能感知終端，即端的感知能力，還有高精度地圖云，在云端做高精度的融合和更新處理。

在終端層面上會(huì)有哪些工作呢？這幅圖主要展示了汽車所能應(yīng)用的絕大部分傳感器，激光雷達(dá)、差分GPS、慣性導(dǎo)航、一些其他的傳感器，包括路側(cè)單元傳感器、身體生理傳感器（如檢測(cè)疲勞駕駛）及溫度、濕度、風(fēng)向傳感器等，這些傳感器能完整地獲取人體以及車輛的自身狀態(tài)，不僅可以挖掘自車狀態(tài)的數(shù)據(jù)，也能用于自動(dòng)駕駛，還是未來動(dòng)態(tài)地圖眾包更新的一個(gè)來源。比如通過測(cè)量車輛雨刮的使用狀況以及頻率，能夠間接了解該區(qū)域天氣情況。在終端方面，我們的主要任務(wù)首先是高精度的融合定位，如果我們需要軌跡數(shù)據(jù)，那么我們希望這個(gè)軌跡數(shù)據(jù)至少是分米級(jí)的定位精度，通過差分GPS和慣導(dǎo)能夠獲得一些位置，再通過融合定位的方式，去生成精準(zhǔn)的軌跡。

傳感器除了獲取軌跡數(shù)據(jù)和相關(guān)的車輛數(shù)據(jù)之外，算力也非常重要。它要將傳感器所獲得的數(shù)據(jù)進(jìn)行計(jì)算或識(shí)別成我們通過眾包云端能夠使用的一些語義地圖，傳感器實(shí)時(shí)產(chǎn)生的數(shù)據(jù)量非常大，在現(xiàn)在的通訊狀況下，把這些數(shù)據(jù)傳給云端，通訊壓力很大，同時(shí)大量的數(shù)據(jù)在云端將會(huì)被浪費(fèi)。因此終端需要一定的計(jì)算能力進(jìn)行初步的數(shù)據(jù)對(duì)齊和處理，例如感知特征識(shí)別和地圖要素矢量化，這些處理需要同步傳感器的時(shí)間以及合理的調(diào)度和優(yōu)化資源。目前世界上比較好的終端開發(fā)平臺(tái)是NVIDIA的Jetson TX2，搭載代號(hào)Parker的Tegra處理器、6核CPU架構(gòu)、256核Pascal架構(gòu)GPU核心，整體模塊功耗低于7.5W。

終端最開始核心是定位，還需要感知識(shí)別，它首先需要圖像數(shù)據(jù)的感知，最好的方法是利用AI深度學(xué)習(xí)的處理方法，實(shí)質(zhì)就是將非結(jié)構(gòu)化圖像數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)，包括識(shí)別的特征、物體的種類、位置和姿態(tài)等等。非結(jié)構(gòu)化數(shù)據(jù)，比如行車記錄儀的視頻數(shù)據(jù)，包括數(shù)據(jù)采集、數(shù)據(jù)壓縮和數(shù)據(jù)存儲(chǔ)；而最終的結(jié)構(gòu)化數(shù)據(jù)，包括了初步識(shí)別的結(jié)果，如交通標(biāo)志的識(shí)別結(jié)果、車道線等。

對(duì)于轉(zhuǎn)化的過程，都是深度學(xué)習(xí)來做的。我們所需要樣本的訓(xùn)練過程以及針對(duì)性的樣本模型，相信大家都比較熟悉這些工作了，我就不展開講了。

這里也簡(jiǎn)單地說明一下，在做深度學(xué)習(xí)時(shí)，首先需要標(biāo)注，需要一些標(biāo)注的數(shù)據(jù)來進(jìn)行最后的推理和使用。這些標(biāo)注的工作是由大量的人工和半自動(dòng)化的方式來實(shí)現(xiàn)的，有的可以利用開源的數(shù)據(jù)集來訓(xùn)練，也有模型能夠自動(dòng)地生成部分的數(shù)據(jù)，包括人工的篩選用來表示對(duì)錯(cuò)的一些標(biāo)識(shí)。這些工作在業(yè)內(nèi)也有專門的公司會(huì)幫我們來做。

同時(shí)，標(biāo)注的類型我們可以分為物體級(jí)別標(biāo)定、物體屬性標(biāo)定以及物體像素級(jí)別的標(biāo)定，可以根據(jù)實(shí)際的需要來進(jìn)行選擇。

接下來我們看一下管端，眾包數(shù)據(jù)不可能都在終端完成，因此它需要把數(shù)據(jù)傳到云端，在管端主要是通訊，通訊方面我們可以看幾個(gè)數(shù)據(jù),首先是原始感知數(shù)據(jù)，如果要把原始數(shù)據(jù)全部傳到云端，在高速公路經(jīng)過SLAM或其他特征提取后大概是50兆/公里，如果要將非常完整的激光點(diǎn)云往上傳，一公里大概都需要一個(gè)G的數(shù)據(jù)，而整個(gè)全國(guó)高速估計(jì)得要TB級(jí)了,因此云端是不需要這么龐大的數(shù)據(jù)的，我們只需要將矢量化的數(shù)據(jù)往上傳，矢量化的數(shù)據(jù)在高速公路基本上每公里可以做到10KB的數(shù)據(jù)量。

在管端，除了通訊，還需要關(guān)注數(shù)據(jù)傳輸?shù)膮f(xié)議。目前主要流行的協(xié)議是ADASIS協(xié)議，同時(shí)還需要關(guān)注它的信息安全，未來的5G和V2X的發(fā)展也會(huì)給通訊帶來革命性的變化。

上圖的下面有兩幅小圖，可以看到車跟車之間的通訊、車和路以及車和人之間的交互的數(shù)據(jù)，這些都會(huì)成為我們未來新眾包數(shù)據(jù)的來源，可以用于實(shí)時(shí)交通信息的數(shù)據(jù)獲取。

接下來我們要看看云端要。在云端，主要利用AI機(jī)器學(xué)習(xí)以及大數(shù)據(jù)處理等技術(shù)，從海量眾包數(shù)據(jù)中獲得有效的信息，為高精度地圖的生成和構(gòu)建做準(zhǔn)備。對(duì)不同類型的眾包數(shù)據(jù)，處理方法會(huì)不一樣。對(duì)軌跡數(shù)據(jù)我們要遵從經(jīng)典的數(shù)據(jù)挖掘的方法，包括數(shù)據(jù)清洗、配準(zhǔn)、挖掘等過程。挖掘的算法也有很多，在左邊我們也寫了很多算法，大家可以去了解一下，包括相似定義算法、以時(shí)間聚焦的軌跡聚類。

在進(jìn)行機(jī)器學(xué)習(xí)和大數(shù)據(jù)清洗處理之后，就可以進(jìn)行構(gòu)建地圖了。上圖是地圖生成和構(gòu)建的基本流程。我們將得到識(shí)別出的道路邊線的形狀以及地物類的位置屬性，這是我們的輸入，但是這并不是我們所說的高精度地圖，我們還要進(jìn)行專業(yè)化的地圖生成和構(gòu)建，其中包括點(diǎn)線融合、形狀點(diǎn)一次構(gòu)建、拓?fù)錁?gòu)建，在這個(gè)基礎(chǔ)上，再進(jìn)行形狀點(diǎn)二次構(gòu)建，增強(qiáng)它的幾何形狀，使二階更加光滑，并計(jì)算出它的坡度曲率，然后再構(gòu)建出車道的模型以及靜態(tài)標(biāo)志融合等多個(gè)步驟。

其中拓?fù)錁?gòu)建指的是道路和車道間的連通性關(guān)系。車道模型構(gòu)建中需要根據(jù)形狀的信息生成高精度的坡度、曲率和ADAS數(shù)據(jù)。

接下來我們談一下眾包測(cè)繪存在的一些問題。主要是以下幾點(diǎn)：

第一是傳感器數(shù)據(jù)來源和標(biāo)準(zhǔn)；

第二個(gè)是眾包測(cè)圖與更新的行政許可，也就是政策門檻；

第三是眾包數(shù)據(jù)的質(zhì)量和精度。

首先，傳感器數(shù)據(jù)融合還存在著很多問題，傳感器的種類很多，性能的差異非常大，傳感器的數(shù)據(jù)格式不統(tǒng)一，多傳感器數(shù)據(jù)融合技術(shù)仍存在著一些技術(shù)壁壘。而在技術(shù)壁壘方面，可以有以下幾個(gè)問題。

第一，還沒有建立起統(tǒng)一的融合理論和有效廣義融合模型及算法；

第二，對(duì)數(shù)據(jù)融合的具體方法，目前的研究還在初步階段，雖然有一些比較好的成果，但我覺得它還有很大的發(fā)展空間；

第三，還沒有很好地解決融合系統(tǒng)的容錯(cuò)性和魯棒性的問題，雖然大數(shù)據(jù)融合包括深度學(xué)習(xí)是概率性的問題，但是我們還無法量化它的魯棒性。

第四，關(guān)聯(lián)的二義性是數(shù)據(jù)融合的主要障礙以及數(shù)據(jù)融合系統(tǒng)中的設(shè)計(jì)也還存在著很多實(shí)際的問題。

第五，在上傳協(xié)議方面，目前會(huì)針對(duì)已有的車聯(lián)網(wǎng)車輛數(shù)據(jù)上傳協(xié)議，主要用于車輛間動(dòng)態(tài)信息的交互，需要針對(duì)眾包制圖方面擴(kuò)展協(xié)議內(nèi)容。

雖然here在國(guó)際上也有一個(gè)Sensoris是相關(guān)的協(xié)議，但是這并不是一個(gè)統(tǒng)一的標(biāo)準(zhǔn)，國(guó)內(nèi)也在做一些標(biāo)準(zhǔn)化工作，在標(biāo)準(zhǔn)化組織方面，我們幾個(gè)圖商在國(guó)家的指導(dǎo)下，將會(huì)形成一些標(biāo)準(zhǔn)化的工作。

另外一個(gè)問題是政策問題。實(shí)際上，眾包數(shù)據(jù)的搜集是有一些政策的。雖然沒有明確的行政許可，但是根據(jù)測(cè)繪法對(duì)策行為的定義：企業(yè)性質(zhì)的大范圍帶GPS和不帶GPS的地理數(shù)據(jù)搜集都屬于測(cè)繪行為，數(shù)據(jù)需要由甲級(jí)導(dǎo)航電子地圖資質(zhì)的圖商來收集處理。

可以看到，通過定義，對(duì)眾包數(shù)據(jù)的搜集有著極大的限制。導(dǎo)航或自動(dòng)駕駛汽車搜集車端帶GPS數(shù)據(jù)都屬于測(cè)繪行為，如果GPS數(shù)據(jù)需要加工成圖，需要有資質(zhì)的企業(yè)來進(jìn)行數(shù)據(jù)的搜集和加工；如果GPS數(shù)據(jù)用于對(duì)接監(jiān)管平臺(tái)，需要通過有資質(zhì)的圖商對(duì)數(shù)據(jù)進(jìn)行管理和監(jiān)管。對(duì)于不帶GPS的數(shù)據(jù)，比如影像、視頻等，如果是大范圍的、企業(yè)性質(zhì)的采集也屬于測(cè)繪行為，因此這并不是所有的人、圖商或者車廠能夠采集的領(lǐng)域。

還有更加嚴(yán)格的政策監(jiān)管，包括基礎(chǔ)地圖生產(chǎn)、地圖數(shù)據(jù)存儲(chǔ)、地圖更新、地圖出版銷售等等各個(gè)環(huán)節(jié)都需要有資質(zhì)的限制。通過資質(zhì)可以看到，對(duì)眾包更新會(huì)有很大的限制，但是這對(duì)未來的自動(dòng)駕駛以及眾包更新來說是一個(gè)大的趨勢(shì)，國(guó)家將自動(dòng)駕駛作為一個(gè)戰(zhàn)略發(fā)展方向，我相信在未來的政策限制方面，國(guó)家會(huì)有一定的考慮的。

最后來看眾包更新存在的一些技術(shù)上的瓶頸，主要在于眾包的制圖能力，它是不是真的能夠達(dá)到我們所期待的眾包更新。第一，數(shù)據(jù)質(zhì)量與覆蓋范圍終端設(shè)備數(shù)量是密切相關(guān)的，我們要想獲得眾包更新的數(shù)據(jù)，前提是有大量的、可以完全跑的相關(guān)眾包車輛。從采集端來看，為了保證精度，每條車道上最好能夠有一定的覆蓋，一般情況下10遍左右，當(dāng)然有更多是最好的，因此在眾包地圖中，它一定要有足夠大的用戶量，這可能就會(huì)出現(xiàn)雞生蛋和蛋生雞的過程。

在數(shù)據(jù)內(nèi)容上，我們需要一個(gè)完整的車道系統(tǒng)網(wǎng)絡(luò)，不光只是一個(gè)車道邊線和中心線，還需要得到它的拓?fù)潢P(guān)系，包括虛擬連接線；眾包數(shù)據(jù)在精度屬性上還有點(diǎn)欠缺，在右下角的圖上，我們可以看到有些地方的虛實(shí)線有斷裂、有些地物的標(biāo)識(shí)不精準(zhǔn)以及路口內(nèi)虛擬連接線有交叉等等，這些問題都會(huì)導(dǎo)致在精度方面的問題。

雖然未來我們會(huì)獲得一些精度和屬性上有點(diǎn)欠缺的數(shù)據(jù)，但我們希望能夠像之前說的，以專業(yè)的采集數(shù)據(jù)為基準(zhǔn)，與眾包數(shù)據(jù)通過在精度方面的融合以及貝葉斯過濾算法等等技術(shù)去提高精度。隨著技術(shù)的發(fā)展，精度也會(huì)逐步提高，在未來，通過這種方式肯定能夠滿足我們數(shù)據(jù)更新需求。

以上就是跟大家分享的內(nèi)容，大家有什么相關(guān)的問題，我們可以一起來討論。謝謝大家。