近期看到的很多资料都提到高精地图是自动驾驶的刚需，所以有很多主机厂、供应商投入大量的人力物力来进行高精地图的数据采集、地图构建。
不可否认的是，高精地图确实能够加快自动驾驶车辆的实验进程。有了高精地图后，自动驾驶的路径规划、控制等关乎车辆自身运动以及按照任务路线行驶的问题几乎不存在什么问题。在高精地图的加持下，自动驾驶车辆类似一种巡线小车。不过在巡线的基础上，还需要一些态势感知算法来保证自动驾驶的安全性：行人检测、障碍物检测与避开等。有了高精地图后，自动驾驶研发资源将集中在人工智能、深度学习等技术上来。车辆可以根据实时观测到的场景，进行智能特征提取，然后与高精地图中的特征进行匹配，从而得到车辆当前所在的精确位置、车道情况、交通信号灯等一系列的信息。
高精地图确实带来很多的便利，但是仍然存在一些问题：1）不同厂商对高精地图的定义有差异，如何统一高精地图的定义也需要各个厂商与地图测绘商的共同努力；2）覆盖全道路的高精地图所需人财物资源巨大，道路整修、新建等情况出现后，需要及时更新高精度图的数据，地图过久更新一次将是个很重要的问题，毕竟每一次更新都需要大量的人力物力；另外，地图如何进行更新也是个需要研究的问题，是通过厂商自己的团队全体出动进行地图测绘呢，还是利用用户自身车辆的资源进行数据采集与处理呢？这也是一个需要探究的问题。不管怎么说，高精地图后期需要研究的目标就是：在保证地图及时更新的前提下，尽可能的降低成本。
对于一些偏僻的道路，可能没有高精地图或者没有必要去构建高精地图，那么如何进行自动驾驶的导航和定位呢？有研究者提出利用车辆自身的雷达等传感器进行道路检测与行驶，这是一种可行的手段。还有另一种可能，是否可以利用现有道路的一些特征，进行简单的局部地图推理呢？答案是肯定的。
现有的道路具有以下基本特征：直行道路（含没有路口的弯曲道路）、丁字路口、岔路口、十字路口、多车道等，而且这些基本特征大都是相似的。那么，自动驾驶车辆可以利用部分已有的道路数据、路口数据进行深度学习，得到道路模型，然后利用自身实时采集的环境信息进行模型匹配，重建当前正在行驶道路的局部地图。有了局部地图，就可以进行局部的规划与自动行驶了。在这个框架下，现有的给人用的导航地图就可以给自动驾驶车辆使用了。导航地图提供基本的任务信息：直行、100米后左转、右转灯指令信息，而自动驾驶车辆可以利用构建的局部地图来进行规划和执行任务。
当然，最好的方式是高精地图、AI模型、局部地图进行全方位的综合，这样能够保证自动驾驶的安全性，当一个手段出现问题时，可以利用其它手段进行弥补，避免安全事故的发生。实际工程中，一些厂商集中攻关高精地图，一些厂商集中攻关局部SLAM地图，最终他们会共同推动自动驾驶技术的快速发展。
閱讀更多 原力源 的文章
