“無人駕駛”這個詞在2018年可謂是出盡了風頭，國內各種互聯網巨頭加持，不可謂不熱鬧，無人駕駛似乎成了解決現在互聯網公司焦慮的“萬金油”。估值是懸在這些上市公司的一把利劍，他們需要給股東們講一個沒有天花板的故事，而充滿烏托邦意味的無人駕駛場景應該會是一個讓人熱血沸騰的故事。
在2018年7月4日的百度 AI 開發者大會上，百度集團的創始人李彥宏宣佈作為全球首款的L4 級量產自動駕駛巴士‘阿波龍’已經量產下線，目前也已投入到多個園區的運營中。
2018年6月18日上午，京東在北京海淀區的上地配送站，投放了20餘臺京東配送機器人，首批載有618訂單的京東配送機器人從上地站發出，這一事件讓京東賺足了眼球，也預示著快遞無人配送時代可能真的要來臨了。
2018年9月19日杭州雲棲大會開幕，菜鳥ET物流實驗室在現場發佈了兩款新零售物流無人車，車上分別搭載了刷臉取件櫃、零售貨架等。
對於無人駕駛，如果無法做到100%準確，那基本上在工程上就是失敗的，宣傳上也只能是噱頭大於實際，但是對於科技行業始終都需要抱著一顆敬畏的心，很多事情很可能是“不是不到只是時候未到”，一旦獲得關鍵技術的突破，市場的需求也就會立馬釋放出來，而和無人駕駛密切相關的“高精地圖”目前也是制約無人駕駛發展的關鍵技術。
無人駕駛方案各大廠商大同小異，但是基本的邏輯是相同的，從學習的角度來看，目前已經開源的百度Apollo無疑是一個極好的途徑，下面是百度的Apollo無人駕駛的軟件架構以及關鍵模塊的說明。
- Perception（感知） — 感知模塊識別自動駕駛車輛周圍的世界。感知中有兩個重要的子模塊：障礙物檢測和交通燈檢測。
- Prediction（預測） — 預測模塊預測感知障礙物的未來運動軌跡。
- Routing（路由） — 路由模塊告訴自動駕駛車輛如何通過一系列車道或道路到達其目的地。
- Planning（規劃） — 規劃模塊規劃自動駕駛車輛的時間和空間軌跡。
- Control（控制） — 控制模塊通過產生諸如油門，制動和轉向的控制命令來執行規劃模塊產生的軌跡。
- CanBus — CanBus是將控制命令傳遞給車輛硬件的接口。它還將底盤信息傳遞給軟件系統。
- HD-Map（高精地圖） — 該模塊類似於庫。它不是發佈和訂閱消息，而是經常用作查詢引擎支持，以提供關於道路的特定結構化信息。
- Localization（定位） — 定位模塊利用GPS，LiDAR和IMU的各種信息源來定位自動駕駛車輛的位置。
- HMI — Apollo中的HMI和DreamView是一個用於查看車輛狀態，測試其他模塊以及實時控制車輛功能的模塊.
- 監控 — 車輛中所有模塊的監控系統包括硬件。
- Guardian — 新的安全模塊，用於干預監控檢測到的失敗和action center相應的功能。執行操作中心功能並進行干預的新安全模塊應監控檢測故障。
從上面的軟件架構圖可以看出，高精地圖（High Definition Map）在整個方案中是最根本的技術支撐，上層的定位、感知、規劃均依賴高精地圖，用百度工程師的話來說，L3以上的自動駕駛如果沒有高精地圖作為支撐則無從談起。
高精地圖不同於我們平時使用的電子地圖，它是專門為駕駛機器人設計的地圖。機器通過存儲可以具備極強的記憶能力，而在視覺分析和邏輯判斷上則比較弱，比如：你可以根據看到的東西和 GPS 提供的信息確定你自己的位置；還能輕鬆準確地識別障礙物、其他車輛、行人和交通信號燈。但這對無人駕駛汽車來說是一項非常艱鉅的任務。正因如此，高精度地圖是當前無人駕駛汽車技術不可或缺的一部分，下面從定位、感知、規劃三個方面展開討論高精地圖和無人駕駛的關係。
我們要在高精度地圖上進行定位，這就意味著我們需要弄清楚我們在地圖上的位置。RTK+慣導是我們常用的組合定位方法，RTK在空曠區域定位效果好，但是它更新頻率低，容易受遮擋影響，這個時候需要引入頻率更高的慣性導航進行輔助，但是慣導容易產生誤差累計，因而在極端環境下這兩種組合也不能做到萬無一失，這時候就需要引入攝像機或者激光雷達，通過這兩種設備進行圖像以及點雲數據的收集並進行特徵提取，然後將這些特徵和高精地圖中的特徵進行對比並融合組合定位數據從而推斷出車輛自身的位置，百度Apollo使用卡爾曼濾波的方法進行傳感器數據融合。
無人駕駛汽車可以使用高精度地圖來幫助感知，攝像機、激光雷達和雷達探測物體的能力在超過一定距離後都會受到限制，在惡劣的天氣條件或夜間，傳感器識別障礙物的能力可能會進一步受到限制。另外，當汽車遇到障礙時，傳感器無法透過障礙物來確定障礙物後面的物體。在這種情況下，高精度地圖可以將交通信號燈的位置提供給軟件棧的其餘部分，幫助汽車做出下一個決策。
高精度地圖可以幫助車輛找到合適的行車空間，還可以幫助規劃器確定不同的路線選擇，並幫助軟件確定道路上其他車輛在將來的位置。高精度地圖可幫助車輛識別車道的確切中心線，這樣車輛可以儘可能地靠近中心行駛，在具有低速限制、人行橫道或減速帶的區域，高精度地圖能讓無人駕駛汽車提前查看並預先減速。更重要的是，如果前方有障礙物，車輛可能需要變道，高精度地圖可以幫助車輛縮小選擇範圍，以便選擇最佳方案。
高精地圖現在的採集方式分為兩種：集中式採集和眾包採集模式。“眾包製圖”是一種地圖數據採集生產模式，相對應的是“集中製圖”，兩者在地圖行業都不是什麼新名詞。目前有BAT背景的、規模較大經驗豐富的老牌地圖公司，比如高德地圖、四維圖新、百度地圖都是集中製圖，自主採集和生產、加工高精地圖；而一些規模小、新進入的初創公司，比如寬凳科技、Momenta等，都是眾包製圖模式。
集中製圖的廠商一般採用激光模式，採集依靠專業採集車，採集設備有幾個比較核心的部件，包括激光雷達、IMU（慣導系統）、GNSS、高精度輪速儀以及相機等。只有專業的、高性能、高精度的採集設備，才能保證最終高精地圖數據的精度。目前採用集中製圖的高德地圖，提供的高精地圖相對精度可以達到10cm以內，而高德地圖和千尋位置合作推出的“高精地圖+高精定位”一體化解決方案，車道級定位效果能夠實現普通道路條件下橫向誤差和縱向誤差在7cm以內，高速/城市環路條件下橫向誤差6cm，縱向誤差5cm以內。
大部分初創地圖公司的眾包製圖，是採用視覺模式（相機、攝像頭）替代專業採集車的激光雷達，優點是成本低，數據來源廣，但數據亂、精度差，靜態數據精度和依靠專業設備採集的高精地圖尚不能同日而語，更多是作為高精地圖動態數據部分的補充。高精地圖也需要為自動駕駛提供動態、實時的數據服務，比如動態交通信息、智慧紅綠燈等交通設施信息、施工等臨時或突發信息等，這部分動態數據更適合由眾包製圖模式來實現。
高精地圖分為兩個層級，下層的是靜態高精地圖，上層是動態高精地圖。
靜態高精地圖中包含了車道模型、道路部件、道路屬性和其他的定位圖層，這是現階段圖商重點在做的。首先高精地圖要滿足車道級的自動駕駛導航，因此需要包含道路細節信息，如車道線、車道中心線、車道屬性變化等，比如能讓汽車知道哪些區域是虛線能夠變道。此外車道模型中還需要包含道路的曲率、坡度、航向、橫坡等數學參數，好讓車輛能夠準確的轉向、制動、爬坡等。這些信息構成了車道模型。還需要包含交通標誌牌、路面標誌等道路部件，還要標註出特殊的點如GPS消失的區域、道路施工狀態等。
NDS和OpenDrive是目前常用的兩種靜態高精地圖存儲規範，標準規範的作用在於分離導航軟件與地圖數據以及不同導航系統間數據兼容。
NDS結構中兩個基本概念：
Product database，一個NDS數據庫可能由幾個產品組成。每個產品相對獨立，版本控制及更新不受其他產品影響。如一個NDS包括一家公司的基本導航地圖數據，和另外一家公司的興趣點數據；
Update Region，更新區域能使 NDS數據庫能增加和更新替換地理信息，以區域為單位，如國家（歐洲）或州（美國）。
NDS內部的結構包含三個組成部分：
Building Blocks，所有導航數據都屬於一個特定的building block，而一個building block能提供NDS的一個具體功能，典型的building block包括：路徑規劃、基本地圖顯示信息、語音等；
Level，由於空間尺度的不同，數據在block中可以劃分為不同level，大尺度空間的數據放在high level中，而細節數據，放在low level中，對應傳統電子地圖中的金字塔結構；
Content，其中存放了主題的地圖數據，主要包含三個部分：Feature，Attribution和MetaData這個和傳統的電子地圖在概念上是一致的，只是其中Feature表達的內容的側重點更偏重於道路交通等，如下圖所示。
OpenDrive的定義中包含四個比較重要的概念：座標系、reference line（參考線）、車道（lane）、道路連接。
座標系，OpenDrive中使用geoReference元素定義了該文件使用的投影座標系，其中地理座標系為WGS-84，而投影座標系採用的是Transverse_Mercator，橫軸墨卡託投影，這是全局座標，局部座標使用表示，s表示參考線切線方向，t垂直於s，參考線左邊為正，h表示垂向。
reference line是路網結構中一個很重要的概念，繪製地圖的時候先是畫reference line，reference line包含xy位置座標、路的形狀屬性，然後在reference line基礎上再去畫其他其他元素。
下圖是OpenDrive中路網結構中的一個road，該road有三部分組成，藍色的reference line，車道lane，車道lane的其他feature(限速等)。
一個road中包含了很多的車道lane(lanes)，而車道(lane)本身有寬度(width)，以及虛線、實線等屬性參數(roadMark)。結合這些參數，我們就能在reference line的基礎上將車道畫出來。
road之間的連接定義了兩種(每個road有唯一的ID)，一種是有明確的連接關係，例如前後只有一條road，那麼通過successor/predecessor進行連接，如果前後的連接關係不是很明確，就需要一個junctions。
國外的高精地圖主要有Here、TomTom、Waymo（原Google地圖）等老牌圖商，其中Waymo的高精地圖目前僅用於自己的無人車披露信息非常少。此外因為美國的地圖測繪政策限制較少，因此成為高精地圖創業者的天堂，比較有名的初創公司DeepMap、CivilMaps、lvl 5、Carmera。
和國外不同，我國有比較嚴格的地圖測繪政策限制，目前擁有“導航電子地圖資質單位名單”的企業有18家。分別是四維圖新、高德、長地萬方、凱德、易圖通、城際高科、國家基礎地理信息中心、科菱航睿、光庭信息、浙江省第一測繪院、江蘇省基礎地理信息中心、靈圖、立德空間信息、滴圖科技、圖智科技、寬凳科技、江蘇晶眾。百度地圖就是通過子公司長地萬方開展導航電子地圖測繪的。國內的地圖行業呈現三足鼎立的狀況，百度地圖、高德（阿里）、四維圖新（騰訊），其背後是互聯網巨頭對地圖入口的爭奪。當然主機廠也不會將自動駕駛時代的附加紅利拱手讓給科技公司，比如上汽一方面跟阿里成立了合資的斑馬網絡，開發了車載操作系統，裡面使用了高德的地圖，一方面又向高精地圖初創公司中海庭拋去了橄欖枝。
總的來說，高精地圖是目前L5以下的無人駕駛看得見的可行的基礎解決方案，對於未來L5是不是仍然使用高精地圖目前還不清楚，那在現有條件下如何大規模，高時效的進行高精地圖數據的採集、更新，是整個行業應該思考的問題。
閱讀更多 丸子工坊 的文章
