高精度地圖對自動駕駛汽車定位、導航與控制，以及數據的實時更新，都起到至關重要的作用，是自動駕駛走進現實的關鍵一環。禾多科技地圖及模擬器負責人戴震博士在SAE 2019大會報告中，解釋了高精度地圖對于自動駕駛的必要性，并結合禾多科技的多傳感器融合技術方案，深度解析如何把高精度地圖應用于自動駕駛系統中，以及自動駕駛將怎樣助力高精度地圖實現商業化。

2019年5月21日，SAE 2019 新能源與智能網聯汽車技術大會在安亭上海國際汽車城盛大開幕。新能源汽車和智能網聯汽車是目前以及未來汽車行業技術發展的兩大核心。本次技術大會，共設置2個分會場，分別圍著新能源汽車整車研發、電池技術與發展、燃料電池、電機與驅動系統，以及智能網聯汽車技術、“芯-路-云”、高精地圖測繪、驗證和測試等話題開展。

禾多科技研發總監，地圖及模擬器負責人戴震博士在會上，解釋了高精度地圖對于自動駕駛的必要性，并結合禾多科技的多傳感器融合技術方案，深度解析如何把高精度地圖應用于自動駕駛系統中，以及自動駕駛將怎樣助力高精度地圖實現商業化。

以下為戴震博士發言實錄：

主持人：戴震博士是德國錫根大學的博士，曾任職于德國航空航天中心，為戴姆勒公司研發了世界上第一套基于NDS地圖的汽車導航系統，現在任禾多科技地圖和模擬器負責人。接下來有請戴震博士為大家做主題演講，掌聲有請。

戴震：大家下午好，感謝SAE提供這樣一個機會，讓我可以代表禾多科技跟大家進行交流，今天，我主要是想從自動駕駛的方案提供商這個角度，講一下我們是如何使用高精度導航電子地圖的。

高精度地圖：讓自動駕駛“心中有譜”

未來出行在我們定義當中主要分為三個場景。一是高速公路的自動駕駛，第二個是城市工況，也就是說城區內的自動駕駛，第三個就是最后一公里，以泊車場景為代表。

禾多科技目前聚焦在兩個主要場景。首先就是高速公路，我們高速公路自動駕駛解決方案叫做HoloPilot，它是一個L3.5級別的解決方案，HoloPilot使用的是量產化的配置，主要是利用了現有的車規級傳感器和計算單元，以及高精度地圖來實現在高速公路上的自動駕駛功能。其次是以代客泊車為代表的最后一公里場景，我們的智能代客泊車系統叫做HoloParking，是L4級別的解決方案，駕駛員僅需在固定點交接車輛，即可實現車輛自主尋找車位、停車入庫、取車等代客泊車功能。

剛才我們說到這兩個場景雖然千差萬別，但實際上在應用地圖這個角度來講，有很多相似的地方。首先，我們需要先有地圖數據，然后根據定位、感知、控制決策等各個模塊的需求，把地圖數據打包，按照特定的內容、特定的格式、特定的方式來傳遞給各個模塊。以上這些操作實際上就是我們導航引擎所包含的主要工作范疇。

下面我們先看一下在高速公路場景下高精地圖的基本呈現。就像這幅畫里所展示一樣，我們用的更多是矢量信息和語義信息。大家可以看到清晰的車道線，龍門架，路牌、路桿等地圖要素。我們也主要是利用這些要素來進行諸如定位、感知、控制決策等等操作。

接下來，這是一個停車場的高精度地圖的呈現，除了常見的車道信息以外，我們也可以看到關于停車位的幾何描述，很多大型周邊建筑物的幾何描述，還有關于路口的信息等等。利用這些信息我們可以實現點到點的定位和導航。

自動駕駛實際上是一個多模塊融合的系統。地圖在系統當中需要與其他模塊產生交流、產生碰撞，自動駕駛系統中的各個模塊，比如說定位、規劃、控制、感知等等，每個模塊都有其獨特的需求，我們地圖模塊需要給這些模塊提供定制化的服務，傳遞它們需要的數據，幫助各個模塊能夠更安全地完成自己的工作。

高速公路場景下的高精度地圖導航

高精度地圖在高速公路自動駕駛系統中的導航有三個主要工作，路徑規劃、地圖匹配、導航指令。這與傳統車載地圖導航的內容基本一致，但是從具體的實現上會有一些延伸，因為在自動駕駛系統中，地圖導航的受眾從人變成了計算機，所以每個模塊的內容、體量也都會有變化。

接下來我會通過跟傳統導航的比較來介紹，我們是怎么做路徑規劃、地圖匹配等操作的。

地圖匹配

地圖匹配的功能在于給出定位點，然后需要把這個定位的點對應到高精度地圖中，計算出所在車道的編號以及車輛在當前車道中的相對位置。

從自動駕駛的角度來說，高精度地圖提供的導航信息需要從街道級別升級到車道級別。我們必須擁有在各種場景之下都能做到車道定位的能力。這些場景包括在車道中心行駛、車輛變道等。

路徑規劃

路徑規劃也需要做到車道級別。我們平時用的導航中有一些比較標準通用的策略，比如說最快路徑、最短路徑、大路優先等原則。但作為自動駕駛系統中車道級別的導航或者路徑規劃，目前還沒有最優路徑這樣的通用定義。換句話講，沒有所謂的最優路徑，只有最符合各自的解決方案的路徑。如果某個路徑能夠應用于你的方案，成功地將車輛從A點導航到B點，那么這就是最適合你的路徑，這需要結合每家的方案來制定。舉個例子，比如說有的自動駕駛車輛可能配速不是很高，只能達到80公里每小時。那么在這種情況之下，最左側的車道顯然不能在路徑規劃中經常出現，因為那樣可能會延緩交通流的順暢。

導航指令

導航指令的意義在于通過給車輛發送實時執行的指令，讓車輛能夠在既定路徑上行駛。實現這個功能的前提是，我們需要對前方路口的類型進行精確描述，比如前方是主路還是匝道分岔，是否在封路，是否有合流處或分流處等等，通過這些場景描述，再判斷這個動作點應該做如何反應。

導航指令主要分兩類。第一類是指示型指令，往往清晰簡單，就像我們平時導航一樣，比如說向左變道、向右變道等等。當控制器收到這些指令時，會結合當時的路況，選擇合適的時機來執行這些動作，這和傳統導航非常相似。第二類指令是引導型指令，是傳統導航中沒有的。引導型指令更多出現在路口交匯處、匝道等復雜區域，這些區域的車道線一般比較復雜，這會對感知產生很大的挑戰。所以在這種情況之下，地圖可以產生軌跡的引導線，讓車輛沿著引導線通過復雜的路口，到達指定區域。

高精度地圖如何應用于自動駕駛系統

剛才我通過跟傳統導航的比較，介紹了自動駕駛中的導航。接下來，我會介紹高精度地圖是如何應用于高速公路自動駕駛系統的，主要分定位、感知跟控制決策這三個模塊來說明。

輔助定位

首先介紹一下高精地圖是如何來輔助自動駕駛定位模塊的。禾多科技的定位模塊使用了多傳感器融合的方案，摒棄了昂貴而不符合車規的高線束激光雷達，而是使用了視覺、毫米波雷達等符合量產標準的傳感器，通過傳感器結果和高精度地圖的匹配來實現橫向、縱向的高精度定位。

先說橫向定位，我們可以獲取到車身坐標系里關于車道線的幾何描述，同時也可以從高精度地圖里提取關于車道的先驗信息。把這兩個信息進行匹配就可以做到橫向糾偏。這跟人類駕駛習慣是一樣的，我們也是通過眼睛來找尋車道線，讓車輛保持在車道的中心，以這樣的方式來駕駛車輛的。

在縱向上，可以通過對路牌的識別來實現定位。基于語義分割、2D/3D轉換、邊緣檢測等技術，我們能夠分期把3D的路牌從圖像中提取出來，然后把邊緣信息或者角點信息和高精度地圖預留的先驗信息進行比較，就可以糾正縱向上定位的偏差。

輔助控制決策

控制決策是自動駕駛系統非常核心的模塊，需要整合各模塊資源，其中也少不了高精度地圖，比如說我們經常說到的像地圖的曲率、坡度、側傾角度等等這些要素都是控制決策模塊需要考慮的。舉一個簡單例子來表達高精度地圖對于控制模塊的作用，當車輛位于主路，馬上要進入匝道時，車道會從一道直接分成兩道，出現一條新的車道線，對于車道線感知的挑戰非常大。而當車輛到達匝道分流區域之前，高精度地圖會發出一條引導線，車輛會沿著引導線一直通過這個區域，直到進入車道線清晰的位置為止。

輔助感知

高精度地圖對于感知模塊也有很多幫助，感知是自動駕駛系統中計算量最大的一個模塊，因為它需要處理大量周邊靜態動態障礙物的信息。在高速公路場景下，得益于結構化的道路設計，實際上能夠真正對行駛產生安全影響的都是同方向車道上的車輛，所以我們可以利用地圖以及當前的位置對前方可行駛的區域做預測。比如行駛時，系統可以基于車輛當前位置，對前方一二百米感知范圍內會出現的車輛進行集中排查，而無需過多關注在這個范圍之外的車輛，很大程度上降低了對于計算資源的消耗。

同時，高精度地圖里有很多先驗信息能夠對感知的分割、識別提供重要輔助，比如我們常見的引流帶或隔離帶這些突兀的路況變化，以及經常遇到的匝道、高架橋、隧道等。有了地圖的先驗信息，就可以很好地輔助感知模塊進行判斷。

眾包地圖更新

和傳統導航相比，自動駕駛對于高精度地圖的應用的另一個區別是，傳統導航更多是簡簡單單的地圖使用，而自動駕駛更多還要承擔地圖信息反饋的角色。

我們能夠利用視覺傳感器，對于像車道線、路牌等道路信息進行感知，然后與已有的高精度地圖進行對比，把差異化的信息按照既定格式上傳給圖商，圖商就能夠對這些海量數據進行深度學習，作為高精地圖的更新。

智能代客泊車自動駕駛系統中的高精度地圖應用

剛才說的是關于高速公路自動駕駛系統的地圖導航的一些工作，下面我簡要介紹一下我們在停車場內是如何使用高精度地圖的。禾多科技的智能代客泊車系統 HoloParking 采用了車端、停車場端和高精地圖端“三端合一”的技術方案，一方面，我們將激光雷達和大部分算力轉移到了場端，解決了過車規的問題。另一方面，通過三端協作，實現多傳感器、多角度的冗余，提高停車周圍環境的感知能力，能夠支持全天候、全場景下的真實運營。無論是在光線嚴重不足的環境下，還是在人車混流、突發狀況較多的復雜停車場，或者是遇上雨雪、大風等惡劣的天氣，HoloParking 都能正常運行，為用戶提供安全、穩定的代客泊車服務。

在高精地圖端，我們主要是利用車道之間的拓撲關系來進行點到點、多路徑的路徑計算，保證能夠實現多車調度的算法。同時車輛也可以利用車道的寬度信息，在車道內進行合理避障。剛才大家看到的這個視頻實際上就是我們HoloParking 在真實運營時進行多車調度的表現。