一場技術分享會，再次將「高精地圖」推向風口浪尖。

2022 年以來，「重感知、輕地圖」成為業內高頻詞匯，部分自動駕駛公司紛紛引用以突出自身在單車智能上取得的新成就，然而細究容易發現，這種說法不免存在言語「偷雞」之嫌。

所謂「重感知」究竟能做到多「重」，「輕地圖」可以「輕」到什么程度，無人界定，更沒有判定標準，全仰仗自動駕駛公司五花八門的說辭。

一位業內人士表示，自己聽到的每個「重感知、輕地圖」的版本都不一樣。不過可以肯定的是，無論是 L2+，還是 L4，搞自動駕駛仍然離不開高精地圖。

日前，在百度 Apollo Day 技術開放日活動上，百度自動駕駛技術專家黃際洲也明確了這一觀點，并指出輕成本、重體驗的地圖對自動駕駛至關重要。

01、重感知、輕地圖，源于對現實的妥協

事實上，「重感知、輕地圖」在今年屢屢被提及，實乃事出有因。

最直接的原因在于，監管正在收緊對高精地圖甲級資質的審批，2021 年，有 31 家企業拿到這一資質，而到了 2022 年，僅有19 家通過復核，對比之下，數量銳減約 1/3。

8 月 30 日，自然資源部又下發《關于促進智能網聯汽車發展維護測繪地理信息安全的通知》，明確規定，高精地圖測繪制作，只能由具備導航電子地圖制作甲級資質的單位進行。

意味著，沒有取得相關資質的企業，要么放棄「高精地圖」路線，要么找有資質的企業合作，以支撐自身自動駕駛技術的上車應用。

這看似是一個「二選一」的問題，實際上卻只有一個答案。背后原因在于，放棄「高精地圖」等于放棄自動駕駛。

盡管自動駕駛公司拼命堆各種硬件，例如 800 萬像素攝像頭、激光雷達、大算力芯片，以及訓練愈加復雜的神經網絡，來增強車端感知能力，然而若沒有「高精地圖」的輔助，在后者實際上路時，將不可避免地出現各種難以應對的問題。

舉例來說，樹木遮擋住的高速公路交通牌，此時就無法在車端被實時感知到，故此導致智能汽車忽略掉了重要的提示信息，容易造成違反交規，甚至安全事故的發生。

城市道路的情況更為復雜，紛繁多樣的紅綠燈、污損嚴重的車道線、新舊重疊的地標痕……以上種種都為實時感知能否給出正確語義，帶來了很大挑戰。

而高精地圖包含了交通標志、信號燈、防護欄、周邊樹木、車道線、道路邊緣等先驗信息，且精度達到厘米級別，有助于彌補上述感知的不足。

除此之外，高精地圖包含的車道級路徑規劃功能，同樣不可取代。由于具備超視距感知，高精地圖可以在幾公里外就「看到」高速匝道口，輔助車輛提前做好變道規劃；

再例如在城區道路中的連續路口轉彎，由于有高精地圖的加持，車輛能夠事先選擇一條最優路徑暢行；

在過大曲率彎道時，車輛也能提前減速，保證乘坐者安全、舒適的體驗。而這些僅憑借視野有限的感知硬件，均難以實現。

當然，高精地圖并非無所不能，其本身存在兩個較大的缺點：

成本高和鮮度低，這樣構成了自動駕駛企業除了出于缺乏地圖資質外，試圖走「重感知、輕地圖」路線的另一大主要原因。

首先是成本高，據了解，采用傳統測繪車方式，厘米級地圖的測繪效率約為每天每車 100 公里道路，成本可能達每公里千元，而要覆蓋國內如此多的道路，意味著相當大的投入。

武漢大學測繪遙感信息工程國家重點實驗室教授李必軍曾表示，把全國的道路數據采集下來至少需要 200 億左右。

分攤到自動駕駛企業身上，高精地圖是一筆「不可承受之重」的支出。

高精地圖更新是另一個大難題。市面上的圖商只能做到 3 個月更新一次高精地圖，而對于自動駕駛而言，理想狀態是日更，乃至小時級的更新。

小鵬汽車自動駕駛副總裁吳新宙就曾表示，希望 NGP 發布的時候能夠做到以「天」級更新高精地圖的能力。

這是因為道路交通的變更、維修，紅綠燈狀態等信息的更新速度快，倘若地圖更新頻率太低，將很難為自動駕駛提供支持。

例如曾有自動駕駛車輛，因高精地圖未及時更新，撞上了路邊新建的防護帶。

可以看到，高精地圖在自動駕駛技術中扮演著不可或缺的角色，但高成本、低鮮度的問題成為約束其將能力發揮到最大的阻礙。

針對于此，百度在 Apollo Day 上給出了對策。

02、AI 賦能，百度為高精地圖「降本提鮮」

黃際洲介紹，百度應用 AI 賦能規模化生產，實現高精地圖生產成本的持續的降低。具體來說，分別從自動化數據融合和自動化標注入手。

自動化數據融合的目標是全自動地將多次采集到的傳感器數據，例如激光點云或者道路的影像，在統一的坐標系下進行融合，這是高精地圖大規模生產的重要基礎和核心能力，其中的挑戰在于融合的精度要達到厘米級。

一般來說，圖商的做法是先將傳感器數據按照塊或者道路進行劃分，然后依次先在每個分塊里進行數據的融合，再對塊之間進行高精要素的串線和幾何的調整，以增強塊間高精要素的連續性。

不過這種方式存在一個重大缺陷：很難保證所得到的基礎數據完全對齊。

「我們的解決方案是按照數據空間分布劃分去構建多層級的圖結構，確保這個全圖的精度是一致的。」黃際洲分享，百度在幾個方面進行了技術創新。

首先是多層級的圖優化，通過建立塊內的局部圖來保證塊內數據融合的一致性；通過塊間的關鍵幀的關聯關系，建立塊之間這個全局圖，從而確保了全圖精度一致。

其次，作場景化關聯和匹配，將道路路段劃分成多種不同的場景，然后按照場景設計關聯策略和匹配算法。

最后還運用基于學習的匹配算法，使用一個同時進行重疊區域估計以及特征點提取的網絡，僅在重疊的區域進行特征點的匹配和提取，極大地提升了匹配的魯棒性。

在開放日現場，百度展示了其自動化數據融合的效果，點云底圖過渡十分自然，幾乎看不出拼接的痕跡，相較之下，傳統方法的融合結果在塊邊界的地方往往存在嚴重的錯位情況。

「我們多層次優化方法的融合結果完全正確。」

地圖自動化標注是基于點云和圖像數據自動生成高精地圖的過程，也是能夠顯著降本增效的核心驅動。

為了達到高自動化率，百度在要素識別、矢量提取、自動建模等關鍵步驟上進行了技術創新：

• 在要素識別上，采用多層級的點云識別方式，識別的結果遠遠優于單次識別；

• 在矢量的提取上，對點云和圖像中提取的矢量要素進行后融合，保證了要素的高精度和高召回；

• 在自動建模上，基于車道級的拓撲模板進行矢量要素的匹配，極大提高了拓撲的生成以及車道線串接的準確性。

百度通過一系列 AI 技術的落地應用，顯著降低了高精地圖的生產成本。

而在保障地圖的鮮度方面，百度采用融合車端感知數據與多源地圖來實時生成在線地圖。

在車端，百度利用環繞安裝的攝像頭和激光雷達，基于 Transformer 生成 BEV 的 Feature Map，生成實時地圖；

接著將其和高精地圖以及眾源地圖進行有效的融合，生成在線地圖，以提供給下游的感知、決策和規劃模塊進行使用。

如此一來，高精地圖集合了「預知」和「實時更新」的特點，能更高效地適應自動駕駛運行中的動態環境。

黃際洲舉例，當出現惡劣天氣的時候，例如開車回家常途經的道路積水過深，通過地圖的實時動態數據，車輛可以主動地避開這些區域，降低安全的風險。

03、從 L2+到 L4，輕量化高精地圖打通統一

對于百度來說，實現高精地圖和車端實時感知的融合還遠遠不夠，要保證乘坐的舒適度，需要對自動駕駛提出更高要求。

黃際洲拿車輛從高速路下匝道的場景舉例，一般來說，匝道都有明確的限速要求，大概在30 公里每小時，如果車輛在匝道出口運行速度達到 120 公里每小時，此時若立即執行減速，將給車內的人帶來非常糟糕的體驗。

同樣的，在城市路段，經常遇到交通匯流，如果后方有車輛快速駛來插入本車道，極易造成自動駕駛汽車為確保安全，一腳剎停，影響乘坐舒適度。

為了解決這個難題，百度提出引入駕駛知識圖譜，基于百度地圖超過1200 萬公里的路網覆蓋、日均 20 億公里軌跡里程的獨有數據資源，向數億名司機進行學習。

「在這個駕駛知識圖譜中，包含了多維度、豐富的駕駛知識，例如經驗速度、變道的時機、變道的軌跡等等?！?/span>

黃際洲介紹，在駕駛知識圖譜的加持下，自動駕駛的速度轉換可以更合理，變道能夠更及時，轉向可以更順滑，顯著提升乘坐的舒適度。

與此同時，百度還引入車路協同技術，為自動駕駛提供實時路況、道路的事件、ETA 等全局交通信息，通過智能信控、智能規劃，幫助車輛提升出行效率。

「高精地圖+實時感知+知識圖譜+車路協同」正構成了百度 Apollo 自動駕駛地圖從下到上的四層全景圖：

最下面一層是靜態層，也就是傳統高精地圖的內容，包括了車道級數據、拓撲數據以及輔助車輛定位的數據。

第二層是動態層，包括實時交通事件、實時環境變化，其構建依賴于海量的時空數據以及車路協同等。

第三層是知識層，也是百度首創的駕駛知識圖譜，與自動駕駛體驗強相關的安全駕駛，以及駕駛行為與知識等等。

最上層是駕駛層，包含駕駛策略的融合，深度融合地圖和感知、決策、控制應用；數據實時感知的融合，數據閉環和實時更新，保證地圖的高鮮度。

「如果用一句話定義 Apollo 自動駕駛地圖，那就是知識增強、分層多維、為自動駕駛而生的新一代地圖?！苟鴱膶崿F效果上來說，黃際洲總結，就是輕成本、重體驗。

事實上，地圖的意義并不僅限于應用在 L4 自動駕駛上，做 L2+/L3 的城市級高級輔助駕駛，高精地圖也是保證智駕安全、乘坐體驗的必需品。

百度將在 2023 年面向市場推出一款 L2+領航輔助駕駛旗艦產品 ANP3.0，在其上面也濃縮了百度多年深耕高精地圖積累的優勢，為車企提供領先一代、覆蓋廣、成本低的產品，讓智駕功能隨時隨地開啟。

回到文章開頭，業內「重感知、輕地圖」的提法固然振奮人心，然而在車輛實際運行中，卻充滿了玄學意味，一方面車端的傳感器遠遠做不到如高精地圖一般的超視距感知，以及豐富多樣的語義理解，另一方面，自動駕駛公司又竭力將運行范圍擴充到場景更為復雜的城區道路和停車場。

這二者之間的矛盾，讓自動駕駛公司嘴上說不要，身體卻很誠實地用上了高精地圖。而至于用的多少，全憑各自的話術包裝了。

而百度提供的思路是承認高精地圖的必要性，并將其短板補齊，通過自動化數據融合和自動化標注等，不斷降低地圖生產的成本，再結合車端實時感知、知識圖譜、車路協同等，提高高精地圖的鮮度，在保障安全之余，還確保舒適的乘坐體驗。

與此同時，百度在自動駕駛和高階輔助駕駛實現輕量化高精地圖的統一，隨著 2023 年其智駕 ANP3.0 產品上市，后續 L4 和 L2+技術的協同飛輪將運轉起來，形成「高使用率——持續降本」交替的正反饋。

返回第一電動網首頁 >