标签: 高精地图

引言 随着自动驾驶技术的快速发展，基于高精地图的自动驾驶功能已初步落地应用，并持续迭代升级。在研发测试阶段，多方面因素导致测试人员可能无法拿到控制器内部高精地图对应的OpenDRIVE文件 ①，使得仿真场景与控制器内部高精地图无法完全匹配，自动驾驶功能受限，得不到有效的测试验证；而实车道路测试风险和成本高、周期长、覆盖度低等问题，很难保证自动驾驶系统的可靠性和安全性。 针对这一核心技术痛点，本文提出了基于外部数据注入的高精地图仿真方案，提高自动驾驶功能研发阶段的测试有效性，可以大幅降低实车道路测试的风险和成本，加速自动驾驶功能的研发和部署，确保自动驾驶系统的可靠性和安全性。 什么是高精地图？ 高精地图，很容易被误解为相对于普通的导航电子地图精度更高的一种地图，实则两者有着完全不同的含义。 图1：左-导航电子地图、右-高精地图 导航地图（SD MAP） ，是一种面向驾驶员使用的电子地图，它存储的主要是道路级别元素信息，如道路形状等，精度为5m-10m左右。 高精地图（HD MAP） ，是一种专为自动驾驶汽车设计的地图，它拥有精确（厘米级精度）的车辆位置信息和丰富的道路元素数据信息，如交通标志、地面标志、车道线、信号灯以及道路坡度、曲率等，可以帮助汽车预知路面复杂信息，是实现自动驾驶功能的关键技术之一，主要体现在一下几个方面： 精确定位： 高精度地图提供了精确的道路信息和地标数据，帮助车辆实现精确定位，包括车辆当前位置等信息。 环境感知： 基于高精度地图数据，车辆能够更准确地感知周围环境，包括道路标志、交通信号、障碍物等，从而提高交通场景的感知能力。 路径规划： 高精度地图为自动驾驶系统提供了详细的道路网络数据，帮助系统规划最优路径，避开拥堵区域，优化行驶路线。 决策制定： 基于高精度地图和环境感知数据，自动驾驶系统可以进行智能决策，比如避让障碍物、调整车速、安全变道等，以确保行驶安全。 高精地图仿真方案 在搭建虚拟仿真环境进行自动驾驶功能测试验证过程中，需要确保仿真场景地图和自动驾驶控制器内部高精地图完全重合（车道级精度：误差小于1cm），提高车辆的定位精确性、传感器模型输出的道路元素信息与高精地图匹配性，才能保证自动驾驶控制器融合定位及环境感知结果准确，为路径规划和决策制定提供精确的输入信息，提高自动驾驶功能研发阶段的测试有效性。 不同的测试背景及需求对应不同的仿真方案： 方案一：如测试人员拿到控制器内部高精地图对应的OpenDRIVE文件时，可以采用基于OpenDRIVE文件的定位仿真，简单有效； 方案二：针对无法拿到对应OpenDRIVE文件的情况（方案一失效），北汇信息创新地提出基于外部数据注入的高精地图仿真解决方案。 方案一：基于OpenDRIVE文件的定位仿真方案 当测试人员能够拿到控制器内部高精地图对应的OpenDRIVE文件时，直接将OpenDRIVE文件导入到场景仿真软件中，自动生成高精地图中交通标志、地面标志、车道线、信号灯以及道路坡度、曲率等信息；仿真流程如下图所示： VTD（场景仿真软件）可输出精确的车辆位置信息（UTM坐标系），并通过Ethernet送至CANoe(测试管理软件)； GCJ02坐标系，并通过Ethernet/CANFD发送至控制器。 图2 基于OpenDRIVE文件的定位仿真原理图 方案二：基于外部数据注入的高精地图仿真方案 当测试人员拿不到控制器内部高精地图对应的OpenDRIVE文件时，无法保证仿真场景地图与控制器内部高精地图完全匹配，自动驾驶功能受限。因此，针对自动驾驶仿真测试，提出基于外部数据注入的高精地图仿真方案，使得控制器内部地图数据与仿真场景中的道路元素信息一致，如下图所示： 图3 基于外部数据注入的高精地图仿真原理图 屏蔽控制器内部地图模块组件，截断控制器内部地图模块与融合规控模块组件之间的数据传输，使用外部自制地图模块替代。 分析地图模块输出接口协议（通信协议、数据封装协议），基于Linux环境开发中间件（与控制器内部中间件保持一致、如DDS）及应用程序MapComponent（地图组件），建立与控制器内部组件之间的通信 基于场景仿真软件VTD开发MapPlugin(高精地图插件)，解析提取OpenDRIVE中的道路元素信息并写入共享内存 MapComponent读取MapPlugin写入到共享内存中的道路元素信息，并根据接口协议封装数据，通过中间件（如DDS）发送至控制器内部。 地图解析插件MapPlugin开发原理 图4 地图解析插件MapPlugin代码框架 如上图所示： MapPlugin插件主要通过数据预处理模块提取Ego车运动状态、位置等信息 在此基础上，开发地图解析模块提取Ego车周围车道信息、车道线信息、道路边界信息、交通灯信息； 将 MapPlugin 代码编译成Plugin（.so文件），在VTD中加载运行 OpenDrive中的道路元素信息有很多，需要提取哪些数据取决于控制器内部高精地图组件输出接口协议，一般包含两类数据：静态地图数据（如车道线、车道信息等）、动态地图数据（如Ego车到匝道口、收费站的距离等）。 地图组件MapComponent开发原理 图5 MapComponent框架原理 如上图所示：MapComponent包括共享内存数据读取（SHMRead）和中间件数据封装发送（MapAgent、如DDS）两块内容 SHMRead：读取MapPlugin写入到共享内容中的道路元素信息，二次处理后对Proto中的接口信号赋值 MapAgent：封装proto接口数据、序列化处理后发布（MapAgent的开发需适配控制器内部环境框架）。 Map.yaml：应用程序配置，包括通信端口、任务使能、接口数据管理等 高精地图仿真案例 下面展示的是一个基于外部数据注入实现高精地图仿真，结合其它传感器仿真（如Lidar、Camera、Radar、USS），完成高速领航功能（自动下高速、上匝道）的仿真测试案例。 图6 左-VTD仿真场景、右-注入到控制器内部的高精地图 如上图所示：左图为VTD仿真场景（OpenDRIVE格式地图），右图是MapPlugin解析提取VTD仿真场景道路元素信息，通过MapComponent注入到控制器内部后生成的高精地图；右图中绿色实线为道路边界，蓝色实线为车道线，黑色实线为推荐导航路径，粉红色实线为非推荐路线。 Ego车在高速路上行驶，导航终点设置在高速路出口，领航功能激活后，车辆会自动超车、绕障、变道、驶入匝道，到达目的地附近后请求驾驶员接管，完成领航任务。 总结 高精地图作为自动驾驶的关键技术之一，在产品研发阶段，测试人员无法拿到控制器内部高精地图对应的OpenDRIVE文件在一定程度上阻碍了自动驾驶功能的测试验证，北汇信息提出的基于外部数据注入的高精地图仿真方案能够有效解决这一技术痛点，加速自动驾驶功能的研发测试。 高精地图技术加速了自动驾驶功能的落地应用，与此同时，高精地图的实时性、数据准确性、范围覆盖度、隐私和安全性在一定程度上也限制了自动驾驶的推广，以特斯拉为代表的纯视觉无图自动驾驶方案已展现出一定的竞争力。随着新技术的发展与突破，自动驾驶方案也在不断迭代更新，自动驾驶功能离我们越来越近。 北汇信息作为Vector的技术合作伙伴，覆盖自动驾驶MiL/SiL/HiL/ViL测试、车联网测试，传感感知测试等，针对性地为客户提供优质的自动驾驶测试解决方案、系统集成测试和测试服务，助力自动驾驶产品的研发测试和快速迭代。 ①OpenDRIVE是一种用于描述道路网络和交通环境的开放标准文件格式。它提供了一种统一的描述道路几何结构、车道信息、交通标志、交通灯等元素的方式，可用于创建高精度地图，供自动驾驶系统使用。

高精度地图产业链上下游包含提供云服务、数据存储、计算的基础设施层，采用众包采集及集中采集的数据层，执行核心技术的软件算法平台层和自动驾驶应用层四大层级。从产品来看，高精度精地图不仅包含更加丰富的环境信息数据，还包括精确的车道级信息实现厘米级定位精度。高精度地图生产流程主要有数据采集、数据处理、数据融合、安全处理、地图审查、地图发布组成，其中数据采集是高精度地图生产流程中最重要的环节，也是成本占比最高的部分。 相比传统导航地图、ADAS地图而言，高精地图产品信息覆盖度高，能够满足自动驾驶实时动态更新需求的发展，而且在自动驾驶、物流行业、智慧城市等多领域均有较强的应用价值。目前来看，随着自动驾驶技术的发展，高精度地图数据资源可以在自动驾驶感知、决策、执行等领域分别扮演传感器性能拓展、更好车道级的智能化路径规划和决策及仿真验证训练的角色，也将是L3级别以上智驾技术不可或缺的感知方案配置。 由于涉及国家安全，高精度地图数据采集、编辑加工和生产制作必须由具有甲级导航电子地图制作测绘资质的国内单位承担，因此具有较高的政策准入壁垒。 关键技术发展趋势 高精地图数据采集是最基础的一环，也是保障数据质量最根本的一环，数据采集方式有测绘车专业采集、众包采集、RTK-SLAM即时定位与地图构建、MMT移动测量等多种技术，目前常用的为前两者。专业采集本身成本高，并且无法满足数据鲜度，众包采集成本低，但精度和准确度也低，因此将多种采集方式结合使用，优势互补，方能兼顾精度与新鲜度。 单一定位技术误差较大，高精地图融合定位技术可提高定位精度。高精地图作为传感器信息输入，融合摄像头、IMU、GNSS、车辆速度等信息，能精准将车辆所在车道反映在高精地图上，可以做到横向20cm，纵向30cm的定位精度，真正实现车道级导航功能。 目前制约高精地图发展的主要原因是数据采集和更新维护成本高，以专业车辆为主的采集方式相对效率低，采集和制作工艺复杂。未来产业将融合众包、多传感器融合AI算法等多种采集方式实现降本增效。 市场进展与规模预测 2021年国内高精地图市场较为集中，百度、四维图新、阿里高德、易图通、中海庭5家企业总市占率高达88.7%，其中百度与四维图新市占率超一半。头部图商已经抢先落地多家车企，如百度落地威马、长城魏派、蔚来、长安、广汽埃安等车企。抢先落地有利于资金回流、对冲成本，并获得应用数据，用于提升自身技术与产品质量，扩大自身的优势。 从收费模式上看，高精度地图将改变原有电子地图的License授权模式，采用开发费用+License+更新服务费模式，图商将向数据服务商方向进行改变。 国内外车企及Tier 1以投资收购的方式积极布局高精地图产业，如上汽、东风、吉利、小鹏均投资控股了传统图商，百度、阿里、腾讯均早在2014年通过收购获取了相关资质。但是，目前取得甲级导航电子地图资质的企业不到30家，其中具备驾驶地图审图号的企业仅6家。 随着高阶自动驾驶技术开始在国内市场落地，预计高精地图技术作为核心配置方案有望开始逐渐在国内试点城市全面覆盖，预计2030年市场规模将达到29亿元。 典型企业产品介绍 百度2013年全资收购长地万方获得高精地图甲级测绘资质，2019年获得高精地图全车道审图号，2021年推出第一代智图产品，目前包含标准地图（SD Map）、高级驾驶辅助驾驶（ADAS地图）和高精地图（HD地图）不同精度等级的地图数据产品，覆盖L0-L4不同级别自动驾驶方案与服务，计划2025年实现人机共驾。 阿里2014年以收购投资的方式获得高德控股权，高德地图自研的采集系统可实现相对精度10cm的采集，高德的第三代导航系统，导航能力从“导人”升级为“人车共导”，基于高精地图和AI视觉技术可提供车道级定位导航，已率先搭载于小鹏P7、理想L9。 腾讯智驾地图将标准SD地图、ADAS地图、高精地图从数据源上进行统一融合，不仅支持车道级导航、 AR导航，还可针对人工驾驶、辅助驾驶、智能驾驶自动切换符合场景需求的地图形态。 1980年代，传统车载导航电子地图出现，主要向车主提供位置及路网信息、道路导航服务，其路网信息在地图数据库中是线条的链接，没有道路的宽度、弯道曲率、斜率等详细信息；后来的ADAS地图在传统导航地图基础上，增加现实世界场景内容数据，包含道路拓扑、形状、坡度、弯道曲率、车道数或限速数值等道路属性，并通过将车辆当前位置与地图中车辆即将驶入的路段进行匹配，进而分析前方路况，提供信息预警；2012年，自动驾驶汽车进入研制、测试阶段，对车载导航地图的精确度提出了更高的要求，推动车载导航地图进入高精地图阶段。 高精地图不仅包含了更加丰富的环境信息数据，更加真实地反应道路的实际情况，还包括精确的车道级信息实现厘米级定位精度，并且能够根据道路状态以及车主的驾驶习惯提供个性化驾驶解决方案。 高精度地图生产流程主要有数据采集、数据处理、数据融合、安全处理、地图审查、地图发布组成，其中数据采集是高精度地图生产流程中最重要的环节，也是成本占比最高的部分。 高精度地图数据资源可以在自动驾驶感知、决策、执行等领域分别扮演传感器性能拓展、更好车道级的智能化路径规划和决策及仿真验证训练的角色。 在L1-L2级辅助驾驶阶段，传统导航电子地图仍然可以发挥重要作用，高精地图仅作为安全冗余的保障；但在L3+自动驾驶领域，是辅助判断路况是否可启用自动驾驶功能的重要基础数据，也是必不可少的数据库和知识库，提供其他传感器无法替代的先验知识，包括道路信息、环境信息和实时动态信息等。 出于国家安全的考虑，我国现行政策法规对于高精度地图数据采集、要素表达、数据加密等方面进行了诸多限制，如《关于加强自动驾驶地图生产测试与应用管理的通知》、《关于导航电子地图管理有关规定的通知》、《汽车数据安全管理若干规定》等文件，均要求图商对部分地理数据保密，如桥梁道路的曲率、坡度、宽度等属性，但同时产业发展需要上述数据，2022年8月自然资源部出台《关于做好智能网联汽车高精度地图应用试点有关工作的通知》，在北上广深杭重六大城市开展试点工作，鼓励管理创新、技术创新和服务业态创新，寻求安全与发展的平衡点。 从采集技术方面看，高精地图数据采集方式有测绘车专业采集、众包采集、RTK-SLAM即时定位与地图构建、MMT移动测量、数据更新情报中心等多种技术，目前常用的为前两者，专业采集本身成本高，并且无法满足数据鲜度；众包采集成本低，但精度和准确度也低，因此将多种采集方式结合使用，优势互补，方能兼顾精度与新鲜度。众包采集主要分为激光和视觉两大方向，激光雷达输出的三维模型与视觉输出的交通要素相结合，方可产出完整的高精地图。 从定位精度来看，单一定位技术误差较大，高精地图融合定位技术可提高定位精度。高精地图作为传感器信息输入，融合摄像头、IMU、GNSS、车辆速度等信息，能精准将车辆所在车道反映在高精地图上，可以做到横向20cm，纵向30cm的定位精度，真正实现车道级导航功能。目前制约高精地图发展的主要原因是数据采集和更新维护成本高，以专业车辆为主的采集方式相对效率低，采集和制作工艺复杂。应当加快融合众包、多传感器融合AI算法等多种采集方式，可实现降本增效。同时加快数据统一标准建设，解决图商供给侧与车企需求侧数据格式不一等长期行业痛点问题。 中国高精地图市场较为集中，百度、四维图新、阿里高德、易图通、中海庭5家企业总市占率高达88.7%，其中百度与四维图新市占率超一半。百度2013年收购传统图商“长地万方”获取甲级资质及其成果，起点颇高，后发布百度智图；四维图新早在2001年便获取甲级资质，是中国最获批的企业之一，深耕地图产业多年，2014年又获得腾讯资金助力；高德地图在2014年被阿里收购，本就在手机导航、传统车机导航应用颇广，为高精地图开发奠定基础。 从落地情况来看，头部图商已经抢先落地多家车企，如百度落地威马、长城魏派、蔚来、长安、广汽埃安等，抢先落地有利于资金回流、对冲成本，并获得应用数据，用于提升自身技术与产品质量，扩大自身的优势。 从收费模式上看，高精度地图将改变原有电子地图的License授权模式，采用开发费用+License+更新服务费模式，图商将向数据服务商方向进行改变。 国内外车企及Tier 1以投资收购的方式积极布局高精地图产业，如上汽、东风、吉利、小鹏均投资控股了传统图商，百度、阿里、腾讯均早在2014年就通过收购获取了相关资质。 从市场规模来看，自动驾驶产业快速增长，高精度地图作为高阶自动驾驶必要的数据，逐渐广泛应用在乘用车上，行业迎来了高速发展时期，我们预计2022年中国高精地图产业市场规模可达9.4亿元，同比增长45%，2025年、2030年市场规模将分别达到21亿元、29亿元。 国内市占率第一的百度，2013年全资收购长地万方获得高精地图甲级测绘资质，2019年获得高精地图全车道审图号，2021年推出第一代智图产品，目前包含标准地图（SD Map）、高级驾驶辅助驾驶（ADAS地图）和高精地图（HD地图）不同精度等级的地图数据产品，覆盖L0-L4不同级别自动驾驶方案与服务，计划2025年实现人机共驾。 另外，阿里2014年以收购投资的方式获得高德控股权，高德地图自研的采集系统可实现相对精度10cm的采集，高德的第三代导航系统，导航能力从“导人”升级为“人车共导”，基于高精地图和AI视觉技术可提供车道级定位导航，已率先搭载于小鹏P7、理想L9。 腾讯智驾地图将标准SD地图、ADAS地图、高精地图从数据源上进行统一融合，不仅支持车道级导航、 AR导航，还可针对人工驾驶、辅助驾驶、智能驾驶自动切换符合场景需求的地图形态。