高精度地图技术与展望

高精度地图技术与展望

自动驾驶火热，但高精地图行业还处在迷雾里。

高精地图是高级别自动驾驶的必需品，能获取车辆定位、道路情况及周边环境等，为一辆汽车开启上帝视角。

论重要性，一点不比激光雷达低。有观点认为，高清地图和激光雷达，是自动驾驶的两根拐杖，一个负责开路，一个负责避障。汽车在实现完全无人驾驶之前，这两根拐杖都丢不掉。

过去这两年，激光雷达得到前所未有的追捧，甚至被神话，电动车企纷纷预埋，先行上车，即便还不清楚能发挥多大作用。但高精地图还在隐秘的角落里，被忽视和淡忘，车企在应用上也慢了一拍。

参考文献链接

https://baijiahao.baidu.com/s?id=1733209486208337317&wfr=spider&for=pc

https://mp.weixin.qq.com/s/GYguyc0fEdHnByzbTlM_Zg

https://mp.weixin.qq.com/s/GIUYkflZXGWaemwiMrtvbw

https://mp.weixin.qq.com/s/sfyh7ub3hwLGh_wBG-6stw

参考文献

[1] 中国汽车工程学会、天津智能网联汽车产业研究院. 中国智能网联汽车产业发展报告（2020）

[2] IDC《全球智慧城市支出指南》（2020年7月发布）

[3] 俞庆华. 为自动驾驶的精准定位服务,博世与百度、高德及四维图新展开合作[J]. 汽车零部件, 2017, 106(04):85-85.

不论是创业，还是投资，高精地图行业都显得冷寂许多。这是一个典型的“理想很美好、现实很骨感、条件不成熟、应用还落后”的赛道。

在智能汽车突飞猛进的路途中，高精地图要展现真正的实力，尚需时日。

01 智能汽车，开启上帝视角

高精地图是跟随自动驾驶兴起的。

相比于普通导航地图，高精地图精度更高，数据维度更多，定位也更加精准。像道路的弯度、坡度，车道线位置、类型、宽度，以及交通信号灯、交通标志、路边地标等元素，高精地图都能包含。这些信息对于自动驾驶非常重要。

2017年，通用汽车发布Super Cruise系统，定位为L2级别自动驾驶，最大亮点是应用了高精地图。搭载该系统的凯迪拉克CT6高配版车型，在2018年进入中国，高精度地图供应商为高德。

这是中国最早应用高精地图的智能驾驶辅助系统，也是业内经常会拿来对标的一个项目。

高德拿下凯迪拉克CT6之后，高精地图厂商开始陆续进入汽车产业链。

从去年开始，以蔚小理为代表的造车新势力，在高级别辅助驾驶功能上发力，高精地图的重要性与日俱增。

在高精地图的支持下，汽车可以实现高级别辅助驾驶。由于提前获知了路况信息，汽车在特定路段从A到B的过程中，能够根据导航设定的路线自动驾驶，自动进出匝道和切换主干道。

小鹏是中国车企中在自动驾驶方面跑的最快的一个。去年高德发布第三代车载导航系统，小鹏成为首个合作伙伴，获得超过30万公里的高速公路、城市快速路以及城市内道路的高精地图数据。随后小鹏NGP开放内测，率先实现了高速路段的导航辅助驾驶。

小鹏之外，蔚来的NOP、理想NOA、广汽埃安NDA，以及长城的NOH，都是基本类似的功能，也是车企们在对外宣传时最大的卖点之一。

过去，由于自动驾驶技术不成熟，一直没有大规模量产的车型出现，导致高精地图难有用武之地。但现在，随着越来越多的车型解锁自动驾驶能力，并向更高级别迈进，高精地图跟激光雷达一样，迎来了最好的发展时期。

和高资本创始合伙人何宇华对深途说，在高级别自动驾驶方案中，激光雷达等传感器是一定要跟高精地图做融合的，“高精地图具有高精度、高动态、多维度的特征，可以帮汽车实时检测多传感器融合的结果是否跟地图匹配，不断地去计算累计误差值，然后检测规划的最优解是否是真实的最优解，这在感知失效或不稳定的情况下尤为关键。”

高精地图跟普通的导航地图不同。最直观的差别就是：导航地图是给人看的，而高精地图是给机器看的。这颠覆了传统地图的想象空间，也改变了原来的商业模式。

在何宇华看来，高精地图在落地的时候一定是场景化的，因为不同场景对数据的要求千差万别，部分场景对精度和细节的追求非常苛刻，这让地图厂商可以选择按公里收费的商业模式，告别过去那种出让License的一锤子买卖。

从场景上来看，在乘用车的应用上，目前高精地图的主要落地场景是高速公路和停车场，对应的功能分别是高速领航辅助驾驶和自主泊车。这两个场景的环境相对简单，大部分车企都会从这里起步。

根据企业背景和资源禀赋的差异，目前市场上已经布局高精地图业务的公司可以分为三大类：

传统图商：百度、高德、四维图新、易图通等
科技公司：华为、滴图、初速度、中海庭、晶众、宽凳、全道等
主机厂商：小鹏、上汽等

其中，四维图新、高德、百度、易图通这四家是业内公认的头部玩家。IDC报告显示，2020年，百度、四维图新、易图通、高德位列中国高精地图市场份额前四位，分别为28.07%、21.61%、16.15%、13.07%。

02 高精地图养不起

高精地图厂商向汽车厂商提供地图数据，构成了这门生意的基本模型。这个模型看起来非常简单，但要真正落地困难重重。

首先是难在地图数据的采集和制作上。高精地图对数据要求很高，要采用专业设备，使用专业方法进行测绘。图商通常用搭载了激光雷达、摄像头等大量传感器的车辆，在路上来回扫描获得数据。

这种车辆造价高昂，单车动辄上百万，导致车队养护成本极高。

“中国拥有全世界最复杂的城市道路系统，没有一家地图厂商一开始就把全国的地图扫完，因为那样数据搜集量过于庞大，成本根本盖不住，所以会从高速公路开始，即便如此成本依旧高昂。”何宇华说。

有企业试图用众包的方式降低成本，让具备辅助驾驶功能的汽车在路上自动抓取数据，这是前几年很多初创科技公司入局高精地图赛道时普遍采用的方式。

但众包的问题显而易见，一是高精度地图对采集传感器的要求很高，普通众包根本无法实现高质量数据的采集，二是众包采集可能存在合规问题，数据所有权和涉密数据的保护均会受到威胁。何宇华认为，其实众包无论从经济性、安全性，还是数据质量的角度看，都不是一种成熟的模式。

建图还只是第一步，后续的更新维护是更大的挑战。

高精地图对数据的“鲜度”要求非常高，需要实现日更甚至分钟级的更新，这样才能保证数据的准确，避免因为数据更新不及时而让汽车做出错误的决策。但要实现这一点难度不小，背后的数据存储、数据筛选、建模解析都是挑战，成本也是一个大问题。

在这些现实的问题背后，自动驾驶对高精地图的需求也在变化中，目前尚未达到大规模量产上车的阶段。规模上不来，成本就无法分摊，导致地图厂商缺乏足够的动力去采集和更新数据。

Third Bridge高临咨询的专家表示，要做出准确率很高的高精地图，在技术上并不难，但是有很多先决条件，比如硬件能力、存储能力、产业阶段等，需要有一定的规模才能支撑得起来。受限于这些先决条件，高精地图目前还无法充分应用。这要求车企在研发过程中，在成本、质量、功能实用性、科技先进性之间找到平衡。

过去这几年，高精地图一直在相对无序的状态下发展，行业没有统一的标准，缺乏靠谱的格式，处于混沌发展的阶段。

最典型的一个现象是，很多汽车厂商并不知道自己对高精地图的需求是什么，没有经验也没有想法，因为自身的自动驾驶系统能力还达不到相应的水准。

“真正的高精地图，一定是跟智能驾驶匹配的，智能驾驶在哪里落地，高精地图就会在哪里落地。现阶段真正落地的高精地图无不集中在垂直封闭场景，比如机场、港口、园区，因为这些场景能产生收入。而乘用车还处在很早期的阶段，毕竟，现在已经实现高速领航驾驶功能的车企也就那么几家。”何宇华说。

这跟激光雷达的处境有点像，车企跟风预埋激光雷达，也是想提升自动驾驶能力。但现实是，很多车企装上后只是个摆设，短期不能发挥作用。不同的是，激光雷达可以预埋，高精地图却无必要。

何宇华认为，高精地图是一个非常必要，但非核心的自动驾驶需求。“更多起到冗余的效果，给感知和定位做反向验证，而且高精度地图可以通过OTA升级后期补装。”

国内某高精定位公司的软件工程师“数据里奥斯”对深途说，“港口搞个高精度地图，提高货物转运效率，降低开支是很明显的，自然有人付费做这种服务项目，但是有多少人愿意开通高精度地图服务，就为了知道自己在第几个车道呢？”

这些因素导致，车企对高精地图的需求被延后了，激光雷达行业的热闹景象，并没有在高精地图身上发生。

03 没有硝烟的有限游戏

真正参与到高精地图战场的玩家，其实并不多。

在上文提到，传统图商、科技公司、主机厂商，是行业里的三大势力。但这里面拿到牌照的公司或单位，不到30家，而实际开展业务有一定影响力的，只有头部几个。

地图是一个敏感行业。在中国，测绘是被严格限制的，企业要采集、储存地图数据，必须拥有测绘资质。中国的测绘资质分为甲、乙、丙、丁四级。其中，进行导航电子地图编制，必须获得甲级资质。甲级资质就是业内所说的“牌照”。

中国第一家拿到牌照的图商是四维图新，第二家是高德，创业公司Momenta、宽凳科技等在2018年前后拿过一批牌照，华为在2019年也拿到了牌照。2021年1月，全道科技拿到最后一张牌照，随后国家收紧了牌照发放。

梳理这些公司会发现，高精地图行业，早已变成了巨头的角力场。

高德早在8年前就被阿里收购，百度收购长地万方获得牌照，腾讯有全资子公司大地通途，同时还是四维图新第二大股东，滴滴的地图公司叫滴图科技，吉利通过箩筐控股易图通，上汽入股光庭信息并控股其子公司中海庭，还是Momenta的第一大机构投资者，小鹏收购智途科技曲线获得牌照。

有资质的地图厂商，已经被瓜分完毕。创业者再涌入这个赛道，出头的机会不多了。

由于BAT这些巨头的加入，扰乱了过去10多年来图商领域的竞争态势。国君产业研究在报告中指出，高精地图边际成本几乎为零，未来行业集中度提升是必然趋势。

高德、百度、四维图新，这是行业公认最有竞争力的三大图商，高精地图行业的未来竞争，大概率会围绕这三家公司展开。

Third Bridge高临咨询的专家认为，车企、市场、行业对于高精地图都有自己的评价标准，高德、四维、百度是首选的供应商。外资车企在国内上市的车辆，也必须配备国产图商的地图。三家从技术本身的积累来讲各有各的优势，比如四维、高德在测绘领域切入得早，有各种各样行业的数据源，且地图的工艺方面有长期的经验积累。百度通过收购传统的制图企业获得资质，核心优势在于AI能力，使得高精地图的制作效率提升、成本降低。但是综合来看，三者之间并无拉开明显的优势。

“数据里奥斯”分析，在大规模商用之前，高精地图厂商谈自动驾驶实力其实没多大意义，第一数据样本太小的算法鲁棒性都很差，第二是不可能真的落地方案背一大堆复杂的探头上路。好的方案，是数据量大+成本可控。

2019年的时候，高德率先把高精地图的价格打到了100元/车/年以下，然后百度迅速跟进。从去年开始，高精地图加速“上车”，高德和百度在车企端展开争夺。

争夺的范围，往往从导航地图开始，因为导航现在是刚需，而通过导航地图建立起深度合作关系之后，当高精地图批量应用时，就会占据先发优势。

去年12月，百度地图宣布，第二代车道级导航正式上线。1个月后，高德地图发布第三代车载导航，通过普通导航地图和高精地图的无缝切换，来实现“人车共导”。跟高德一样同为阿里系的小鹏汽车，率先搭载了高德地图。

今年4月，蔚来宣布将对Aspen车机系统进行升级，升级的最大一个变化，是增加了高德地图，从此车主可以在百度地图和高德地图之间自由选择。

图商在巨头之间站队，有利也有弊。

何宇华对深途说，BAT、部分主机厂、自动驾驶方案商、电商物流企业瓜分了大部分图商，其中不乏亲自下场造车的，比如百度，当在对外推高精地图业务时，车企难免会有数据安全的顾虑。认为第三方中立的地图公司，未来会扮演更重要的角色。

总体而言，高精地图行业距离爆发还有一段距离。这就像是一场没有硝烟的战争，没有人吹响冲锋的号角，大家都在等待自动驾驶大规模落地的那一刻。

高精地图对于智能汽车最大的意义，按道理讲是要清除行驶途中的迷雾，获得精准的定位和方向，但现在，高精地图还处在迷雾里，等待曙光。

国内外高精度地图发展现状

互联网巨头、传统图商、车企进行三国演义

目前国内高精地图行业呈现三足鼎立格局——百度地图、高德、四维图新。中高德于2014 年被阿里并购，四维图新则于2016 年获得腾讯的战略融资，高精地图行业背后的BAT 格局一目了然。然而作为自动驾驶的重要参与者，车企为了在高精度地图方面避免受到外人掣肘也不甘落后。上汽子公司中海庭拥有甲级电子导航地图制作资质，2017年起开发针对L4级别的高精度地图。虽然目前受政策资质限制，国内进军高精度地图的车企仅上汽一家，但是车企对高精度地图可谓念念不忘。身为政协委员的吉利集团董事长李书福在2017年的两会中上书放开地图精准测绘。李书福认为，放开地图精确测绘有助于减少自动驾驶技术发展壁垒，帮助中国抢占自动驾驶领先地位。

若是未来地图精准测绘资质要求成功放宽，那么车企必将从中受益。届时大量车企将涌入高精度地图行业。虽然从两会之后的情况来看，测绘资质并未完全放开，但是近两年成立的初创企业宽凳科技、Momenta成功拿到牌照或许预示着国家在测绘资质认定上的有意放松。虽然按照目前的趋势来看，互联网巨头由于在技术上领先一步，未来主导权大概率仍在互联网巨头之手，但是高精度地图的商业化落地绝对离不开车企的配合。
其实在这个三国杀里面，无论是地图厂家、互联网、还是车企都是聪明人，都知道汽车是一块大蛋糕，而这个蛋糕最重要的是掌握分蛋糕的刀---也就是数据，有了数据就有很多变现的空间。比如很多车厂角度出发，无论是自动驾驶数据、地图数据、还有智能语音数据都想是作为自己的数据资源进行维护和处理，但是互联网企业就类似手机思维，你手机卖出去了，就属于消费者，那么消费者产生的相关数据，这些就属于APP软件公司所有，不能说由手机制造商所有，但是汽车又是属于一个比较特殊的商品，现在不像是手机开发度那么高，价值比较低，软件还是相对比较封闭的状态，比如车载微信也只是在个别车上定制开发，没有批量使用，购物软件也没有在车载上批量应用，因为后续这些应用出现了问题，需要有人去擦屁股。车子这个产品比较特殊，一般出了问题，无论软件还是硬件问题，对于用户来说就是车子本身有问题，所以车厂一般在找第三方合作的时候都会很谨慎，同步想在收费方面也想自身进行控制，很多硬件产品商都想做的事情，就是后端的软件进行收费，当用户需要开通不同APP的应用的时候，需要付费，需要定制一些语音服务的时候也需要付费，都想获得一杯羹。比如车厂和高精度地图厂家一样的，对于采集到的地图数据归属问题，车厂想要这个数据，地图厂家也要这个数据，这个数据可以做很多想象的空间，比如你经常去的地方，可以推荐一些餐厅，KTV等等，这些都是大数据的收费想象空间，那么谁去付费，怎么收费就是一个问题。
纵观全球高精地图市场，巨头厂商已初露头角
国外的主要厂商有Here、TomTom、Waymo、Mobileye 以及一批优秀的高精地图初创公司DeepMap、CivilMaps、lvl 5、Carmera等。其中Here 于2015 年被奔驰、宝马、奥迪以28 亿欧元联合收购，之后引入英特尔、博世等自动驾驶领域厂商的投资，形成了一个成规模的高精地图联盟。截至2018 年，Here的地图数据已覆盖200 个国家，超过4600 万公里。另外Uber、通用Cruise 等也在积极布局高精地图。目前国内外高精度地图企业在技术路线上各有特色。主打的路线可分为两种：软硬件双管齐下和主攻软件系统。国外软硬件双管齐下的代表企业为Mobileye。该公司通过提供芯片搭载系统和计算机视觉算法运行 DAS 客户端功能，从而为客户提供高精度地图服务。国内代表企业为四维图新，研发的国内首款车身控制芯片（MCU）配合高精度地图产品可以更好的服务于自动驾驶系统。主攻软件服务的企业方面，国外代表企业为lvl5。该企业通过下载了数据采集APP的车辆，由安装在车辆上的消费级摄像头拍摄大量路况信息视频。再将这些视频通过计算机视觉软件绘制成高精度地图，完成对地图的实时更新，客户只需安装软件即可使用高精度地图产品。国内代表企业为宽凳科技，该企业以纯视觉模式代替激光雷达，运用人工智能加工的方式解决地图规模化生产的问题。
国内几大高精度地图巨头介绍
1、四维图新：导航业务起家，发力高精地图。公司于2002年成立，2010年上市，以导航业务起家，目前业务覆盖导航、车联网、车载智能芯片、高精地图、高精度定位以及自动驾驶整体解决方案。四维图新具有较强的国企背景，是由国家测绘局创建的唯一专业从事测绘的国家级公司。四维图新自动驾驶研发部是基础研究院下的子部门，诞生于2015年8、9月份，3个团队分别负责导航引擎、数据编译以及视觉激光雷达的数据处理。公司应用于自动驾驶的代表产品为ADAS地图2.0，主要面向L 1-L 3 级别的自动驾驶，并向L 4循序过渡。在高精度地图的产品开发上，四维图新借助自主研发的专业采集车和更新车，对现实世界变化进行采集，基于深度学习的自动化生产工具对采集数据进行自动化降噪、分类、提取等过程，高质量数据已高效覆盖全国超过几十万公里高速。在高精度地图的智能更新方面，四维图新依托Map Learning地图学习体系，实时收集、处理、融合大量来自众包、OEM厂商等多源传感器数据，自动发现、处理变化，并通过分发平台实时发布，以最新鲜的高精度地图为自动驾驶的安全保驾护航。2011年，公司全资收购MapScape后，成为全球第一家商用NDS标准格式数据开发商，能提供全面的地图数据编译服务。公司同时致力于开发Minedata产品，结合MineMap高精地图技术，可进行各类精细化场景下的空间分析。公司客户覆盖国际主流车厂、新一代整车企业以及腾讯、滴滴、搜狗、华为、微软等国内外高科技企业。
2019年，公司与宝马签署了行业内首个面向L3级别以上自动驾驶系统的高精地图订单。公司还与HERE、Increment P(IPC) /Pioneer、SK Telecom共同成立高精地图产业联盟One Map联盟，为全球客户提供标准化的高精地图产品与服务。同年11月，四维图新宣布将为华为提供高精度地图测试验证服务，同时，双方将共同完成华为自动驾驶验证项目，推动华为自动驾驶项目落地，最近和长安汽车签订了合作框架协议。

2、高德地图：首家商业化高精度地图企高德地图成立于2001 年，是一家总部位于中国的导航电子地图内容和位置服务解决方案提供商，具备国家甲级导航电子地图测绘和甲级航空摄影的“双甲”资质，优质的电子地图数据库是公司的核心竞争力。2010年高德地图赴美上市。2014年高德地图被阿里收购并退市。2016年高德地图开始在高精度地图上布局。目前该公司已经实现覆盖中国超过30万公里的高速及城快公路的高精度数据采集，实现绝对精度50厘米，相对精度10厘米，在采集里程和数据精度方面处于行业领先地位。公司在2018年与凯迪拉克合作推出SUPER CRUISE 超级智能驾驶系统，成为全球第一个将高精度地图用于智能驾驶技术的企业，同时获得了吉利在智能驾驶方面的订单。2019年4月，高德地图宣布与每年不超过100元的成本价格，向合作伙伴提供标准化高精度地图，加快高精地图基础设施进程。除了商业化落地，高德地图公布了高德的高精度地图技术路线图，三步走加速自动驾驶的商业化进程。高德为自动驾驶提供的高精度地图解决方案是一个完整体系，包括了地图及定位系统、云服务、车辆控制系统、车载硬件甚至车载信息娱乐系统之间的多向交互。从技术发展上看，高德的高精度地图技术发展将经历三个阶段。

第一阶段的关键词是高精数据，核心是建立能够满足商业化需求，实现高精度地图数据采集和更新的流水线。

第二阶段的关键词是融合定位，重点是利用高精度地图数据及环境信息，实现基于差分和高精惯导、航位推算等手段的高精绝对定位能力，以及基于视觉识别、点云匹配等手段的高精相对定位能力。

相比前两个阶段更多为自动驾驶汽车进行个体赋能，高德高精度地图技术发展第三阶段更偏重于全局。第三阶段的关键词是动态信息，重点是在实现了精准定位的基础上，为自动驾驶提供动态、实时的数据服务，比如动态交通信息、智慧红绿灯等交通设施信息、施工等临时或突发信息等。基于这些动态信息，高德的云端交通大脑不仅能实现不同交通参与者的全局最优调度，更能为每个自动驾驶用户带来更舒适、安全的乘坐体验。

3、百度携带AI技术把地图从消费领域进入到高精度地图百度地图成立于2005年，作为地图行业市场的领先者，百度地图秉持“科技让出行更简单”的品牌愿景，以“服务用户出行”为使命，以“科技”为手段不断探索创新。百度地图目前已覆盖全球209个国家和地区，成为“全球地图”。伴随着AI时代的到来，百度地图实现了语音交互覆盖用户操控全流程，还上线AR步导、AR导游等实用功能，更加方便用户的出行。2013年百度地图收购拥有“电子导航地图制作”甲级测绘资质的长地万方，目前百度地图事业部员工超过2000人。

自从百度ALL in AI技术之后，其实可以看到很明显的特点，所有产品结合AI来打造闭环的交易环境，百度地图与AI相结合，升级成为新一代人工智能地图。从2018年起，百度的人工智能技术全面融入百度地图，一方面在地图数据的生产中，融合大量图像识别、文字识别等技术，实现实时路况的采集与分析以及对用户更友好、更便捷的交互。

百度地图具有很好的行业赋能基因，服务智能交通，逐渐从导航APP进化为具有城市管理角色的智能出行平台。数据类型丰富的高精度离线地图、每分钟亿级路况数据的更新能力、智能判断拥堵程度、分钟级拥堵报警，这些先进的技术和数据正深度赋能交通管理业务应用开发。由此，百度地图已成为城市交通类开发者的首选，通过与政府、高校科研机构、应用开发组织、交通管理与集成单位等多方的长期合作，百度地图也衍生出一系列与对接的产品，如政府专网地图、智能拥堵研判系统、智能信号灯、交通应用开发、路况看板联盟、路况播报联盟等，形成智能交通产业闭环。

百度地图本身是在消费领域打造闭环的生态，但是自动百度开始介入自动驾驶以后，地图就是拿手好戏，来看看百度地图在高精度地图的发展历程。在2013年开始高精度地图的技术预研，建立深度学习实验室，开始自动驾驶相关研究。2015年百度自动驾驶事业部成立，加速L4自动驾驶产品研发，高精度地图和定位团队同时成立，2016年L3事业部成立，面向国内外汽车企业提供L3高精度地图和自动驾驶系统解决方案，2017年拿下第一个高精度地图量产订单智能事业群组IDG成立，2018年率先完成全国高速&城市快速路30万公里高精地图覆盖，全球首款L4量产自动驾驶巴士正式量产下线，2019年长沙robotaxi试运营，2020年发布高级别智能辅助驾驶解决方案ANP，携威马量产自主泊车解决方案AVP，2021年包含城市道路的全场景高精度地图放量生产。

百度智驾地图针对不同等级的智能驾驶推出了不同的产品：1）针对手机车机导航的SD MAP覆盖道路路网形状、拓扑等内容，精度在5~10米左右；2）针对ADAS功能需求，ADAS地图在导航地图基础上增加了一些道路坡度、曲率、简单的车道信息，精度在50厘米；3）对于更高级别辅助驾驶的全域智能驾驶地图，则是包含了详细的车道属性等，用于实现高速、城市道路的L2+ 、NOA等功能，精度在20~50厘米；4）最后一种则是高精度地图，主要包含高精度的车道几何信息、路口表达，红绿灯停车位等语义，主要用在L3/L4高级自动驾驶上，精度达到10厘米；

百度在高精度地图这个领域属于后起之秀，但是由于本身的AI技术牛掰，所以在实现图层数据采集的全自动化、并提升定位技术。百度地图未来将从技术出发，通过OCR图像识别技术，结合无人机、无人车等技术来降低数据采集成本、提升效率。

在高精度定位方面，由于过往室内定位和立体定位技术不成熟，限制了自动泊车、商场导航、VR游戏等应用的发展，百度地图借助于iBeacons等技术，未来定位将突破GPS和无线基站体系更加准确。目前百度地图已投资室内定位公司，同时拥有人工智能、图像识别等技术，将充分发挥优势，在新一代定位技术上取得突破。
4、宽凳科技：人工智能量产高精度地图，高精度地图中的后起之秀宽凳科技由百度前副总裁刘骏于2017年初创立，是一家人工智能及自动驾驶研发公司，主要从事吸收和处理来自于不同传感器的海量地理空间信息、用户行为信息、实时环境信息，并对这些信息进行深度建模、智能识别等工作。

核心成员多来自于谷歌及BAT等互联网新兴企业。宽凳科技还是世界第一家，也是目前唯一一家加入导航数据标准协会(NDA)的初创公司。2018年2月，宽凳科技完成数亿元人民币的A轮融资。本轮融资由IDG资本领投，成为资本、澜亭资本等跟投。2019年年初，宽凳科技成功取得甲级电子导航地图制作资质，这也是从成立到颁发甲级资质最快的一张证书。

宽凳科技的高精度地图采取众包采集。一方面以纯视觉模式替代激光雷达，解决了高精度和低成本之间的矛盾，使众包和实时更新成为可能，解决了自动驾驶领域的行业痛点；另一方面，基于人工智能的地图加工工艺，解决了规模化地图生产的瓶颈问题。

作为一个后起之秀，很多人好奇宽凳科技的核心竞争力在哪里，具体有三点：

1、人工智能宽凳科技基于深度学习、三维视觉、图像识别等AI技术，无需大规模人力标注，能够快速实现高精度地图的构建。

2、地图能力地图是一个技术和经验相互结合的领域，需要大量的行业积累，高质量的高精度地图的建设离不开地图行业专业人员，宽凳科技吸引了大批具有地图背景的世界顶尖名校毕业生，为自动驾驶精确制导。

3、最关键的是有金主爸爸，车厂合作高精度地图用户为主机厂，认证周期长，更换供应商成本高，宽凳已经率先布局各大主机厂及一级供应商的深度合作，有先发优势。

用“中国的方案”制作中国的高精度地图，自主知识产权下的实时更新更有说服力。在国内，阿里系的高德和腾讯系的四维图新并没有自主知识产权，技术来源于国外，仅百度拥有自主知识产权。然而，百度、高德和四维图新一样，依旧使用自己的测绘车队，难以实现全国路网的全覆盖，所以，在高精度地图数据更新方面并没有什么优势。不同于BAT，宽凳科技在技术方面拥有绝对的自主知识产权，保证技术迭代，更新及时，为自动驾驶安全提供保障，目前宽凳已经拥有健全的质量保障体系，为未来高精度地图能够快速实时更新铺平道路。
在地图测绘方面，宽凳科技的核心技术是摄像头+AI+算法。采用算法来替代激光雷达的测距功能，解决了激光雷达多传感器融合误差问题。以车载摄像头拍摄到的画面为基础，跟随车辆快速连拍多张照片，形成大量数据，通过大量地图的AI训练，让电脑能做到车线识别、特征点提取、构建车道的网络拓扑以及人行横道、标线、交通标志等标志物。而这些工作已经实现高度自动化，基本不需要人工做地图的标记、同步等工作。在和实际现实道路对比后，精度可以控制在20厘米以内。宽凳科技目前已经成为国内仅有的同时具备AI与高精度地图结合能力的企业。

宽凳科技的盈利方式是将高精度地图售卖给各家主机厂，搭配在每一辆售出的具有无人驾驶技术的车辆中。宽凳科技在后续的高精度地图更新中将作为数据服务商向主机厂收取费用。

高精地图技术及应用发展现状

一、引言

近几年，在人工智能与测绘、汽车产业的深度融合下，自动驾驶和高精度地图技术逐渐成为行业关注的焦点。众多互联网公司、IT厂商、传统车企、新造车实力、技术型创业公司各自依托在资金、技术、人才、渠道和场景等资源优势，纷纷抓住产业升级机会，进入自动驾驶和智能出行领域。在2016-2020年期间，中国的自动驾驶技术主要在封闭园区、景区、矿山和港口完成了小规模的商业化落地，并且在北京、上海、广州、深圳、长沙、苏州等地实现了特定区域内的无人驾驶出租车试运营，即“Robo-Taxi”。根据国家发改委、中央网信办、工信部等11部委在2020年2月联合发布的《智能汽车创新发展战略》，2021-2025年是实现自动驾驶和高精度地图技术突破、市场化应用的重要时间段。并且，高精度地图已经被视为自动驾驶时期的“重要基础设施”，也必将在智慧交通、智慧城市等领域发挥着“数据底座”的重要作用。

自动驾驶技术主要分为感知、决策和执行三个部分。感知层，主要通过使用多种视觉传感器（摄像头+雷达），以感知探测汽车周围的车、人、交通状况、所处的位置等信息；决策层，是在感知层搜集信息的基础上，通过算法对于信息进行综合处理，判断出下一步的行驶方向、速度、转向角度等；执行层，是决策层将指令发送给控制层，由控制层通过对车辆进行转向控制、驱动控制、制动控制和安全控制。

自动驾驶技术从硬件到软件都取得了很大的进步，但从具体的技术实现方式看，大多数量产车产品是依托于视觉传感器和控制系统。传感器监测周围环境，控制系统处理数据并生成决策，执行系统根据指令控制车辆驾驶动作。这种技术解决方案有一定的局限性，短期来看效果不错，但长期而言，随着自动驾驶级别的不断增高，道路复杂情况不断增强，数据量不断攀升，会对整体的自动驾驶实现成本和效果稳定性产生影响。并且，传感器由于本身的物理局限性和易损耗等特点，无法保证自动驾驶汽车在全天候、全工况环境下行驶的可靠性。此时，高精度地图就会发挥出重要作用，将成为视觉传感器的有效补充，为车辆环境感知提供辅助，提供超视距路况信息，从而提升车辆定位精度、感知可靠性以及路径规划能力。

高精度地图是智能网联汽车产业的重要基础技术，尤其是L3及以上级别的自动驾驶功能所必备的支撑技术[1]。相较于为人工驾驶员服务的传统车载导航电子地图，高精度地图是为自动驾驶系统服务的专属地图，蕴含更为丰富细致的路面、路侧及路上的静态信息，还需要辅以实时动态交通信息，制作难度和复杂度远高于传统地图。高精度地图具备的地图匹配、辅助环境感知和路径规划三大功能，在自动驾驶中具有难以替代的特殊优势。

目前，高精度地图技术已经过多年的发展摸索阶段，新技术、新工艺逐步走向成熟，形成了一系列相对稳定的生产模式与基本定型的地图产品，对智能网联汽车产业的发展起到了支撑和推进作用；汽车主机厂和系统集成商更是积极开发基于高精度地图的自动驾驶汽车，不断优化高精度地图模型和数据内容，使得高精度地图更加符合自动驾驶需求，形成良性循环；清华大学、武汉大学、北京理工大学等知名院校也已加快对高精度地图数据要素等内容的理论研究。
二、高精度地图背景介绍

（一）高精度地图概念与定义

高精度地图，也被称为“自动驾驶地图”或“智能汽车基础地图”，英文通常翻译为HD Map（High Definition Map）。高精度地图是指绝对精度和相对精度均在厘米级（10厘米至20厘米）的高分辨率、高丰度要素的导航地图。高精度地图提供了一个自动驾驶车辆所处的环境模型，包含了最底层的静态高精度地图以及其他动态信息。静态高精地图中包含了车道模型、道路部件、道路属性和其他的定位图层。车道模型包含道路细节信息，如车道线、车道中心线、车道属性变化等，此外车道模型中还需要包含道路的曲率、坡度、航向、横坡等数学参数。自动驾驶动态信息是指智能网联体系下所有的动态信息，一般包括地图动态信息、传感器信息、驾驶行为、交通动态信息管控等方面。

（二）高精度地图所表达的数据内容

通常，要素完整的高精度地图，会通过三类数据来完整表达真实道路信息，第一类是道路和车道信息，主要记录道路信息及引导拓扑信息；第二类是道路周边设施信息，是定位和障碍物等辅助信息；第三类是定位图层，用于自动驾驶车辆现场匹配。

（1）道路&车道表达的内容

道路模型定义的核心内容是道路相关的数据表达，用于满足道路级别的路径规划，以及高级辅助驾驶系统（ADAS）应用场景下对油门、刹车、方向的预先控制规划。车道模型记录了车道的行驶参考线、车道的边线（标线）及停止线、车道与道路拓扑的关系等，可以满足车到级别的路径规划需求，同时通过车道标线信息提供车道间横向联通关系（可否跨越等），如图1所示。

图1 道路&车道数据

（2）道路周边设施表达的内容

道路周边设施是记录道路和车道行车空间范围边界区域内的要素的，几何表达分点线面三种类型，如两侧的护栏、路牙等通过线来表达，墙、标牌、区域，文字、箭头、符号等则通过面来表达，电话亭则通过点来表达。周边设施数据通常用于辅助环境感知，以及抽取定位图层用于辅助定位，如图2和图3所示。

图2 道路周边设施数据

图3 高精度地图产品效果图

（3）定位图层内容

道路定位图层分为两类，一类是道路采集时的原始点云信息，一般压缩抽稀后点云数据；第二类是从矢量化之后的道路周边设施数据中抽取部分特征要素作为定位图层。道路定位图层非强制性要素，随各家图商产品规格策略确定是否制作。

如图4所示，是OpenDrive中定义的高精地图图层，基于Features图层提取出来的要素或原始数据层被用来作为定位图层。

图4 Open Drive格式的道路模型

（三）高精度地图的特点

随着自动驾驶汽车逐步走向量产，未来的车载地图将迈入以高精度、高现势性（活地图或动态地图）为特性的高精度动态地图时代。与传统的导航电子地图相比，高精度地图在各方面的要求更高，并且能够配合传感器和算法，为决策层提供支持。

高精度地图作为一种全新的电子地图类型，有着独有的特点：

1.以自动驾驶车辆为服务对象

传统的导航电子地图是显示给行人和人工驾驶员，高精度地图只会为自动驾驶系统提供服务。为了满足自动驾驶汽车的需求，高精度地图除了包含传统地图的内容，还会描述精细的车道标线信息，以及道路参考线和车道参考线信息，也包含了复杂的车道交换引导参考线及周边设施信息。

2.地图精度更高

普通导航电子地图的绝对精度通常在10米左右，高精度地图的绝对精度被普遍认为需达到50厘米，相对精度在100米的行驶距离内，不能超过20厘米误差，即基本与一个车道标线的宽度相同。因此，只有在20厘米相对精度的情况下，才能保证车辆不会发生侧面碰撞。

3.表达内容更具体

导航电子地图会将道路抽象为一条直线或曲线，高精度地图需要尽量还原道路真实的现场状况，建立精度极高的车道模型，以及道路通行空间范围边界区域内的精细化对象模型。

4.地图鲜度更高

自动驾驶车辆需要实时掌握车辆周边的设施变化情况和交通状态，以此作为自动驾驶决策的依据。因此，高精度地图需要提供日更新的高现势性的地图和以分钟、秒为更新频率的动态交通信息。

（四）高精度地图的作用

随着汽车智能化和网联化的普及，自动驾驶汽车不断发展，高精度地图受到了越来越多的关注。高精度地图的充分运用能够辅助智能网联汽车获取先验参数、超视距感知、高精度定位、优化驾驶行为、精准控制执行器操作、辅助路线规划，为自动驾驶提供诸多数值化的决策依据。在L1、L2的辅助驾驶阶段，高精地图并非刚性需求，但对于L4、L5级别的自动驾驶是必选项，对于L3级别的自动驾驶是可选项。因此，自动驾驶汽车的自动化、智能化程度越高，对高精度地图的依赖性就越强。

1.辅助高精度定位

通过基于高精度地图的辅助感知，自动驾驶车辆能准确的知道周边的物体（对象）的高精度位置坐标，同时通过传感器得到车辆与周边物体的相对距离，自动驾驶车辆即可基于探测到的物体（对象）高精度坐标和相对距离反算出车辆的高精度位置坐标，从而实现对自身位置的持续修正。

2.先验感知识别

高精度地图能够辅助汽车超视距感知，当车辆道路环境被其他物体遮挡，或者转弯，或者超出了汽车电子设备感知范围时，高精地图能够帮助车辆对行进方向环境的感知。

高精度地图能够辅助车辆快速识别道路环境周边固定物体及车道标线。高精地图能够提高自动驾驶车辆数据处理效率，自动驾驶车辆感知重构周围三维场景时，可以利用高精度地图作为先验知识减少数据处理时搜索范围。高精度地图还能为车辆提供各种危险区域，车辆可以提前做出应急方案。

3.支持驾驶决策

高精度地图提供道路曲率，当车辆转弯时可以根据曲率进行提前减速，控制传感器甚至大灯转向辅助。高精度地图提供隧道等遮蔽信息，车辆在进入前可以提前开启大灯或调整传感器感光参数。高精度地图提供坡度，能够辅助车辆控制油门节省能源。高精度地图的限速信息精确到车道和车型，智能网联汽车用以精准控制执行器和相应车型合规运行。

4.车道级路径规划

基于高精度地图的车道级动态路径规划及辅助感知成果最终都将作为参考信息提供给决策单元，决策单元在已知固定环境、已知线路和动态目标的基础上通过算法生成车道级控制指令。

（五）高精度地图制作技术概述

关于建立高精度道路导航地图的方法研究也有很多，例如通过配备GPS-RTK的采集车沿特定线路采集数据；使用激光雷达与广角摄像头结合的方法提取道路信息，加上配备高精度全球卫星导航系统（GNSS）则能够达到10厘米精度，但这种采集方案成本较高，也有研究者提出使用低成本传感器创建车道级地图的方法，通过全球定位系统和惯性导航系统（GPS/INS）的紧耦合完成定位，从正射影像图中获取相关地图信息。

目前，高精度地图的生产与更新出现了三种技术模式：

（1）基于“激光雷达+人工智能处理”模式。该模式稳定性高，但是采集设备成本高，是各大图商采用的主流模式。

（2）“众包采集+AI识别提取”模式。该模式成本低，但是精度和稳定性待提升，是主流图商更新和初创图商采用的主流模式。

（3）“车辆动态上传+动态地图自动下发更新”模式。该模式是最为理想的高精度地图生产与更新模式，尚处于论证阶段，需要随着智能网联汽车产业的发展不断完善。

1.需要专业的采集和生产技术

高精度地图有严格规范的生产流程。首先根据用户应用的需要（一般是车厂，且需明确将地图应用于何种级别的自动驾驶车型中）对产品进行规划，制定生产计划；其次，数据信息采集部门开始收集数据信息；再次，对收集的数据进行处理编辑绘制地图；最后，对数据进行规格转换。在地图数据生产过程中需要经过层层数据检查，确定数据生产的安全和准确。

图5 国内三大主流图商使用的采集车

图6 国外两大图商Here和TomTom使用的采集车

当前，国内的四维图新、百度、高德，欧美的HERE、TomTom等头部图商，普遍采用这种昂贵的激光雷达+惯导+全景相机+GNSS+差分基站的方式。单套设备价格从100万元到几百万元不等，每家采集车的数量从几套到二十几套不等。之所以采用如此成本高昂的设备，是因为要满足自动驾驶车辆对高精度地图的绝对精度、相对精度、识别率等指标的要求，争取抢在其他图商之前开发第一张完整的高精度地图，形成先发优势，获得市场青睐。随着时间推移和众多的厂商加入激光雷达和惯导设备的开发中，设备的价格正在快速下降，预计在3年后将会下降到当前价格的三分之一左右。

外业采集数据后，形成了惯导数据、GNSS数据、DMI数据、激光点云数据、全景相机或双目相机数据、精密星历数据等大批量原始数据，经过自动化的GNSS组合导航解算，生成解算成果。解算成果还需要经过多次采集偏差校正、路面异常变形校正等软件自动化处理才真正完成原始数据的解算。原始点云数据如图7所示。

自动化解算后的原始数据进入要素自动提取环节。要素提取一般有两个主要过程，分别是自动分类和噪点滤除和自动化提取。

图7 四维图新原始点云数据

1）自动分类和噪点滤除

图8 自动分类和噪点滤除

图8为点云自动分类和噪点滤除的结果，该过程利用智能算法对有先验知识对点云进行要素分类，给定分类值，确定有价值的要素点云后，对影响后续提取的噪点进行滤除，对作业范围外无效的点云进行自动裁切。

2）自动化提取

图9 自动化提取结果

图9为点云自动化提取的结果，该过程是成图的关键步骤，通过点云分类结果和点云的强度值自动跟踪提取车道标线、路面标志、交通标志、护栏、路牙、杆状物、上方障碍物等路面、路侧、路上的交通设施和对自动驾驶有影响的附着物。提取的矢量数据根据识别结果自动赋属性值，和相邻的其他要素组织逻辑关系。

自动化提取是高精度制图的技术保障，各大图商均投入大批量研发人员参与自动化解算、自动化提取、自动化成图的软件开发。不管是基于点云的自动化成图还是基于视觉的自动化成图，短期内都无法完全实现完全的自动化，在相当长时间内仍需要投入必要制图人员通过目视检查修正数据。

图10为四维图新制作的高精度地图

2.“众包采集+AI识别提取”模式

基于市场客户的需求，数据采集速度要非常快速且需要全区域覆盖。出于成本考虑，专业的采集设备不能无限制的扩张。因此，传统图商在数据采集时考虑低成本众包采集技术，通过众包采集大量可靠数据发现数据变化的范围，再根据数据变化的可信信息派专业采集车进行核实和专业测量。

目前，市面上应用最广泛的众包采集方案是采用“视觉+GNSS”的方案。如图11所示，由以色列Mobileye公司生产的EyeQ视觉芯片，占据了市场的垄断地位，截至2020年年底，所有EyeQ视觉芯片在全球的累计出货量已到达6000万颗，为近30家车厂的300余种车型ADAS功能所采用，超过L2+系统量产车型的70%。EyeQ芯片可以支持REM地图，即路网采集管理系统的快速搭建。具体的工作原理是利用视觉神经网络抓取变化的车辆、车道标线、路牌等信息，将收集的信息匿名化加密，再上传到云端，生成REM地图，然后生成地图信息分配到自动驾驶汽车中。

图11 Mobileye EyeQ系列芯片

不含激光雷达的低成本高精度采集设备成本大约在5万~8万元，带有16线激光雷达的成套采集设备大约在10万~16万元，虽然用于众包更新成本仍然较高，但是作为地图供应商用于快速更新采集却非常合适。用于众包的设备，成本控制到千元级，才可能大批量装配到出租车、分时租赁车等服务性车辆上；成本控制到3000元以下，才能批量前装到所有车辆。图12为某图商众包采集设备情况。

图12 某图商众包采集设备

对于初创企业来讲，该方法设备成本低，采集效率高，成图快，但是需要投大量研发资源提升采集精度和传感器识别率。经过最近几年发展，国内以Momenta（初速度）和宽凳科技为首的初创企业，已经在轻量化采集的基础上形成了高精度地图制作的突破，其他企业也在轻量化设备和整体解决方案上做了大量尝试，各种技术百花齐放。图13为某图商基于图像的高精度地图制图结果。

图13 某图商基于图像的制图展示

3.“车辆数据动态上传+动态地图自动下发”模式
每辆行驶中的自动驾驶汽车，是地图云中心数据成果的使用者，同时也是地图云中心数据的提供者。车端的运营状态数据（如实时位置、车身姿态、驾驶行为、各类传感器数据、实时交通数据等等）通过路测设备或蜂窝网络传送至地图云中心，云中心对这些实时大数据进行深度挖掘分析，形成对高精度地图的有效更新并通过空中激活（OTA）等形式下发到车端，如此循环往复，不断对高精度地图进行实时更新优化，形成一套智能网联汽车体系下的高精度地图生产运营一体化闭环运营模式。
该闭环生态模式已经成为业界共识，相应的标准也应运而生，图14为国际标准组织Sensoris的数据流设想图。

图14 Sensoris标准数据流设想图

四维图新是国内第一家基于该模式开发完成了“车辆/车厂-图商-车厂/车辆”的闭环模式验证，百度和TomTom联合开发的AutoStream也是“车辆动态上传+动态地图自动下发”模式。

三、高精度地图行业发展现状自动驾驶行业的发展催生了高精度地图。从世界主要汽车强国的自动驾驶技术发展规划来看，在众多为自动驾驶汽车赋能的技术单元中，高精度地图作为无人驾驶的基础，是不可或缺的重要支撑技术，被业界认为是未来自动驾驶产业中的重要产业分支之一。高精度地图已逐步成为了自动驾驶领域研究的热点，互联网企业、车企和科技公司都瞄准了高精度地图这个潜力巨大的市场，目前已形成两级竞争的格局：国外主要是大型互联网科技公司、车企和初创公司3方在竞争中合作，在合作中竞争；国内主要是传统的地图服务商与滴滴、京东、美团、华为和一批初创公司等新晋挑战者进行竞争。

（一）国外主流图商与发展现状
1.HERE公司
HERE的高精度地图HERE HD Live Map建立在基础地图的基础上，配备激光雷达的HERE True车辆每天奔波在大街小巷，结合卫星图像绘制车道路径、车道标记、道路边缘等多种短时间内相对不变的环境信息。
为了推进自动驾驶、高精地图联盟，HERE先后引入了英特尔、博世、大陆、先锋的投资，涵盖了芯片、传感器等解决方案。与Intel的合作将联合开发一个高度可扩展的概念验证架构，支持高度和全面无人驾驶中的高清地图进行实时更新，双方还将探索物联网和机器学习领域的机会。与博世、大陆、先锋合作，使用提供的车载传感器（激光雷达、毫米波雷达、摄像头等）来实时更新地图。
对于那些动态数据的更新则主要依赖通用等众包车辆，借助HERE HD Live Map的云端能力，当车辆传感器检测到的道路信息变更，这些新特征将会上传到地图数据中，并下发到所有车辆。HERE HD Live Map已经完成了数十万公里道路的数据制作，精度达到亚米级别。
2.TomTom公司
2018年，TomTom联手百度推出Auto Stream地图服务。该技术将预先集成到百度开放的自动驾驶平台Apollo中，使开发者能够访问最新的TomTom HD Map数据，以加速自动驾驶产品的生产。所谓Auto Stream，简单来说即是一套针对地图更新机制开发的数据传输软件。车厂开放接口后，车辆便可以在行驶过程中把感测到的相关地理信息通过地图引擎的传输单元上传到云端，Auto Stream在编译解读道路数据后再回传给汽车，最终完成高精地图的实时更新工作。百度Apollo开放平台本身具备的“众包”性质与Auto Stream形成互补。
3.Ushr公司
Ushr的核心业务是设计激光雷达数据处理软件，抽取道路特征，绘制道路模型，同时压缩激光雷达数据以达到车用级体积。Ushr的高精地图依赖车上传感器和道路上的摄像头，已经绘制完成美国和加拿大的所有控制进入的高速公路网络，精度在10厘米以内，偏差小于4英寸。Ushr研发出一款应用程序编程接口（API），可以将提供给车中的其他控制模块中，车企就不用再单独开发地图模块。
4.DMP公司
日本采用了一种不同于其他国家的路线，日本在国内的战略性创新创造项目“SIP-Adus”计划支持下，日本各整车企业、零部件公司、地图厂商联合起来，成立了动态地图公司Dynamic Map Planning（DMP），即日本唯一从事高精度基础地图数据和定位服务的公司，致力于推出日本标准的高精度地图。
DMP成立代表日本动态高精度地图开始走向产业化。原计划是在东京奥运会之前，实现日本高精度地图的覆盖。DMP公司早在2016年12月就开始提供高速公路样本数据（约500公里），并曾计划在2018年1月开始提供部分高速公路数据（约14000公里/半程），曾计划在2019年3月开始提供全日本高速公路数据（约30000公里/全程）。
5.DeepMap公司
作为高精度地图领域具备代表性的初创公司，DeepMap于2016年成立于美国，创始团队有着谷歌地图、谷歌地球、苹果地图、百度无人车等强大背景。DeepMap的技术路线是提供高精度地图完整的解决方案，包括地图的构建、更新、维护和云端服务，同时也提供高精度定位、仿真等服务。DeepMap的地图和定位模块已应用到多种车型和车队中，进行自动驾驶训练。在各种复杂路况、天气条件与驾驶速度下均展现了良好的性能。获得了诸如博世、英伟达、高盛等大型企业与资本的投资，在2018年7月，DeepMap获得了阿里巴巴、滴滴与北汽的约6000万美元投资，在中国布局业务的势头愈发明显。
DeepMap收集地图数据的主要方式是利用激光雷达与组合导航定位系统的多传感器融合方案，以众包的模式进行数据采集。开发的软件可以将众包车辆传感器收集到的数据转化成详细的地图。DeepMap提供可嵌入车辆的软件，解决定位、数据更新、路线规划和数据收集等问题，可以高效处理大规模数据。高精度地图有着三维厘米级的道路信息，且可以提供实时的道路动态信息。
6.Mobileye公司
Mobileye是以色列一家生产协助驾驶员在驾驶过程中保障乘客安全和减少交通事故的视觉系统的公司。公司在单目视觉驾驶辅助系统的开发方面和集成能力，位于世界前列，提供芯片搭载系统和计算机视觉算法运行客户端功能。2017年3月13日，英特尔以每股63.54美元现金，总价153亿美元的天价收购Mobileye。
Mobileye最擅长的是利用强大的视觉神经网络和深度学习算法，识别道路环境中产生的差异内容完成实时更新。针对此情况，Mobileye的每一个摄像头都可以采集到前面的路况。例如，摄像头可以把路面中的车道线或者是限速块的距离可以定位出来，把每一个图像解析成数据，再把数据打包成数据包进行上传，并且在图商的底图上进行实时的叠加。通过Mobileye和大众、日产以及通用的合作，会有越来越多的车搭载Mobileye的摄像头。通过“图像+智能+网联”的结合方案，可以做到10厘米的高精度。
Mobileye推出了一个路网采集管理（REM）系统，打造高精度地图。认为众包则是实现地图更新的最好方式。通过在大量的车上装上REM系统，每天跑在路上，经过长久积累就可以获得高精度的地图数据，更重要的是能够实现实时更新。
7.其他公司
汽车企业如丰田和特斯拉，特斯拉采用“车队学习网络”（Fleet Learning Network）策略，调动量产车把测绘任务以“众包”的形式进行数据采集，通过云技术在中央数据库进行归纳。

（二）国内主流图商与发展现状
1.四维图新
2018年5月，HERE、四维图新、日本IPC/Pioneer、韩国SK电讯多家数字地图制造商宣布共同成立OneMap联盟，从2020年开始向行业提供统一标准的高精度地图产品与服务。通过使用OneMap联盟合作伙伴的产品与数据，车厂在美国、欧洲、亚洲等不同地区都可以借助统一化的高精度地图，支撑自动驾驶方案的本地化落地，用最简单的方式节省车厂的开发时间并减少不必要的成本。这也是目前高精度地图领域内的共识，业内普遍认同高精度地图需要统一的行业标准，这在行业发展初期显得尤为重要。一个开放的平台、统一的行业标准、标准化的服务，对于高精度地图来说是个好的开始。
2019年2月12日，四维图新官方宣布与宝马中国签署了自动驾驶地图及相关服务的许可协议。四维图新将为宝马在中国销售的2021年至2024年量产上市的宝马集团所属品牌汽车提供L3及以上自动驾驶地图产品和相关服务，这是中国L3自动驾驶高精度地图第一订单。在追求能力升级道路上，四维图新与对家车厂相互促进一起成长，共同面对汽车工业发展带来的机遇和挑战，满足市场更多元的需求，以高品质创新型产品和服务不断提升用户体验。
2.百度
百度在2013年启动了高精地图的研发工作，先后在北京、上海和广东顺德建立了三个高精地图生产采集基地，已经完成30万千米的高速公路和部分城市道路测绘，相对精度达到10~20厘米。这些收集到的道路数据通过人工智能自动识别，并由人工验证信息后再上传至云端，自动化处理程度达到90%以上。
百度也利用Learning-Map平台以众包模式收集更新道路数据，只要安装了百度地图和传感器，车内手机、后装硬件和车端传感器采集到的环境数据，都会发送到该平台。百度和博世、TomTom等相关产业巨头正在打造“AI based Map”（人工智能地图），融汇基础数据、出行方式、智慧交通等信息，共同构建起“地图大脑”。
3.高德
2017年8月，高德与千寻位置合作研发“高精度地图+高精度定位”。截至2020年底，高德已经完成了超过32万千米的高精地图采集。高德专门用于HAD级别高精度地图的采集车主要通过2个激光雷达和4个摄像头采集道路信息，精度可达10厘米。高德和精准位置服务商千寻位置合作，提供“高精度地图+高精度定位”综合解决方案。双方在车道级定位上的解决方案可以实现普通道路条件下横向误差和纵向误差在7厘米以内，高速/城市环路条件下横向误差6厘米，纵向误差5厘米以内。高德还先后和博世、英伟达、凯迪拉克合作研发高精地图中定位图层和数据更新方案。
4.初速度
北京初速度科技有限公司（Momenta）致力于打造自动驾驶大脑，提供基于深度学习的环境感知、高精度地图、驾驶决策算法。主要通过提取众包车辆拍摄的2D图像语义点（车道标线、标牌等地标点），鉴于多张图像存在视差，Momenta利用点的对应关系，即可重建道路、交通标志及周围环境的3D位置，这种原理类似于人眼双目视觉，再融合GPS和IMU数据，创建更高精度的地图。通过布局后装设备及前装定位盒子，众包完成地图更新。这种方案更具扩展性和商业化落地可能性，因为成本仅为LIDAR数据收集方案的十分之一到百分之一。
5.中海庭
武汉中海庭数据技术有限公司成立于2016年9月21日，立足于空间地理信息大数据产业和汽车工业的创新融合，面向未来新能源（智能网联）汽车和智慧城市，汇聚人工智能核心技术和人才，打造高精度地图的大数据产业，建设面向个人、车企、行业用户及政府部门的高精度地图、定位及数据挖掘、动态更新等云服务。
公司由上汽集团、武汉光庭信息技术股份有限公司和广州中海达卫星导航技术股份有限公司共同投资约3亿元人民币，面向国内外汽车厂商、系统供应商以及行业客户提供高精度地图数据采集、制作、验证、发布、众包更新的闭环解决方案。中海庭已形成了专业的内外业采集、作业团队，并自主研发了基于深度学习人工智能的高精度地图自动化生产平台。高精度地图数据已经覆盖了包括北京、上海、广州、武汉、重庆等一线重点城市，总计里程约上万公里。
6.晶众

北京晶众智慧交通科技股份有限公司（简称“晶众地图”），成立于2010年8月，是专业从事交通数据服务的高科技公司，主营业务聚焦在交通领域，以交通调查业务为精准切入点，从“人、车、路、环境”交通四要素出发，在行业专业性和标准性上不断突破和创新，夯实道路交通在规划、设计时的底层数据基础。主营业务包括：综合交通调查、交通模型与信息化建设、三维交通软件产品、三维地图数据生产、高校实验室建设等。据2017年数据统计，晶众交通在交通调查市场占有率40%以上，服务已覆盖全国200多个主要城市，交通模型与信息化建设服务于上海、西安、长春、哈尔滨、郑州、昆明、南昌等各大城市，三维交通产品和数据生产更是开创了三维专业交通市场的先河。
在2018年的中国汽车工程学会年会上，晶众地图与国家汽车质量监督检验中心、上海市新能源汽车公共数据采集与监测研究中心、东风集团分别签署战略合作协议与项目合作协议。签约仪式上，晶众地图首次发布自主研发的“三维高精度地图车辆测试智能监控平台”。其中，由晶众地图制作的三维高精度地图可还原汽车试验场环境，展现试验场区各特色试验道路，如高速环道、越野路、标准坡、综合性能道路等。据了解，该平台还可对试验场道路及车辆进行实时监控，并对道路使用情况、车辆行驶状态进行实时展示和状况分析，为车厂及试验场提供辅助决策。
四、高精地图应用现状和趋势

（一）高等级自动驾驶汽车应用
中国高精度地图行业正在稳步向前发展，结合中国汽车产销量迎来的稳步复苏，如图15所示，中研普华产业研究院预测到2022年，高精度地图市场规模可达到约334亿元，到2026年将突破470亿元。

图15 道路&车道数据

展望未来，进入高等级自动驾驶汽车大规模落地的时代后，车厂的自动驾驶系统将会与高精度地图深度融合。如果车厂要替换地图厂商，由于不同厂商的地图数据格式与精度不同，必须要重新编写算法，成本极高。当格局稳定后，地图厂商将深度绑定车厂客户，议价能力与用户黏性双提升。同时由于高精度地图需要不断更新，传统的安装车系统套数收费的模式不能够有效绑定地图厂商利益，不能保证地图厂商提供持续高质量的服务，有望转为服务费模式，打开盈利空间。
传统图商在地图数据处理方面已经做得比较好，提供数据服务本身已经有比较可观的利润。但是，传统的地图使用也发展到一定的瓶颈，在技术快速迭代的当下，传统图商若想要进一步扩大业务，还需要加强自身IT能力的建设，综合利用云计算、大数据、人工智能等先进技术，不仅在数据处理方面，还需要在业务应用方面发力，以不断地探索新的业务模式，创造新的业务应用场景，获取更多的市场空间。
高精度地图本身存在信息量大、精度要求高等特点。因此，如果技术提供商在数据处理方面还是延续传统的人工制图的流程，则不能满足日益增长的业务应用需求。这就需要进一步引入人工智能算法，进一步提高数据的处理效率和处理精度。
目前，高精度地图的应用主要随着自动驾驶的逐渐普及而兴起。但是实际上，高精度地图在地理探测、应急管理、交通管理以及交通运输等场景中都可以有比较广泛的市场。在市场发展中需要更加大胆的尝试，以扩展自身业务，并且能够与其他图商共同进行差异化发展。
（二）智慧城市和新基建应用
智慧城市是一个信息技术大融合应用的重要体现，充分利用了5G、云计算、IoT、AI、高精度地图、大数据等技术，可以帮助在城市中各行各业提升城市信息化高级形态，实现信息化、工业化与城镇化高度融合。同时，智慧城市提供了丰富的应用场景，包括智慧家庭、智慧物业、智慧养老、智慧医疗、智慧安防、智慧教育、智慧用电。智慧城市充分利用物联网、云计算、移动互联、高精度地图等新一代信息和数据技术为居民提供安全、高效、舒适、便捷的居住环境，全面满足居民的生活和发展需求等。
高精度地图在智慧城市中承担着数字基建的作用，是基于位置服务的5G技术，AI技术的数字基座。高精度地图可以为政府提供精准的城市规划参考依据。为智能交通、智能小区提供精确的位置服务，实现万物的精确定位，帮助政府快速的实现城市的数字化转型。
随着中国政府对智慧城市建设重视程度的不断提升，中国智慧城市投资规模不断增长。如图16所示，根据互联网数据中心（IDC）2020年7月发布的《全球智慧城市支出指南》，2020年，中国智慧城市市场支出规模达到259亿美元，同比增长12.7%，高于全球平均水平，为仅次于美国的支出第二大的国家[2]。高精地图在智慧城市建设中扮演着重要的角色，市场潜力和需求巨大。

图16 2019-2024中国智慧城市支持规模[2]

五、高精度地图应用发展的问题与挑战

（一）政策法规亟待完善

1.尚无明确的高精度地图政策

国内高精度地图（0.2米精度以上）的要素定义、审图手续、加密偏转措施等，业内仍然沿用针对传统导航地图的相关政策规定。随着L4、L5级别的自动驾驶及智能网联驾驶的出现，更高精度地图的应用需求越来越迫切和普及，高精度地图和高精度动态信息的相关政策量化规定急需明确和完善。

2.已有规定形成对自动驾驶的制约

传统导航地图的一些限制措施直接应用于对高精度地图的管理要求，比如不允许在地图文件和服务平台里发布高程信息，且坡度信息只能按等级发布等等，严重制约了自动驾驶对复杂道路的高精度适应性要求，急需破解之道。

（二）地图标准有待统一

虽然国内大部分地图数据都是基于NDS等欧美规范出品的，但往往存在大量定制，既有图商自己的、也有应主机厂要求的；各家图商能提供的交换格式因此也不统一，互相之间缺乏互通性，为今后用户自由选择和政府统一监管造成障碍。中国道路交通条件特点鲜明，中国的地图厂商和车企具有丰富的制图和用图经验，完全具备独立完成中国标准自动驾驶地图的能力。

（三）急需建立更新生态

高精度地图涉及到的要素种类多，容易发生变化的要素种类多，自动驾驶车辆对高精度地图的要素变化比传统导航敏感得多，这些变化对自动驾驶的决策至关重要的。因此，主机厂、出行服务商等智能网联运营机构对于高精度地图的更新响应机制要求往往比高精度地图的规模化覆盖采集的要求更为关切，需要尽快建立高精度地图的更新生态体系，以保障智能网联汽车安全。

（四）普通路制作效率低、成本高

中国的高速公路单向里程约30万千米，而道路的总里程约600万千米。从目前的技术现状来看，普通路的制作效率只有高速公路制作效率的十分之一，而生产单价接近高速公路的十倍。主要难点在于城市区域受树木、建筑、车辆等遮蔽了GNSS信号和摄像头、激光雷达的采集信息，造成精度差，道路信息缺失严重。除了遮挡，还因为普通道路场景过于复杂，路口、红绿灯、拥堵严重影响了采集效率；普通道路的设施多，交通标志类型多、要素密度大，是高速要素的20倍左右，严重制约了制作效率；路口交通规则复杂，即便是人工有时也难于判断逻辑连接关系，自动化水平提升非常困难。作为自动驾驶车辆来讲，要达到高度自动驾驶，必然不分高速道路和普通道路场景，都需要提供高精度需求以满足需求。因此，尽快突破普通路采集技术将会是各图商发展的命脉所在。

（五）硬件装备核心零件

主流图商高精度地图产品发展早。在发展初期，高精度地图采集的关键设备均来自于国外，特别是美国。比如Voledyne 32线激光雷达、Aplanix高精度惯导、Novatel span高精度惯导等。虽然近年国内相关产品有了很大发展，比如禾赛激光、速腾聚创等企业的激光雷达产品，但是目前仍然没有占据市场主流。国内的图商因为产品早期已经定型，对国内产品稳定性不佳、缺少核心技术存在担心，切换产品带来的工艺开发投入较大等原因，更换国内激光雷达和惯导的动力普遍不足。随着中美贸易争端的升级，受美国对高精尖产品禁止出口等因素影响，高精度地图的制作发展必然在激光雷达核心部件、高精度惯导等方面存在着很大威胁，急需国内技术的突破。

（六）高精度地图的信息安全需求

高精度地图作为车辆超视距感知和决策的关键手段，在线升级和实时动态交通信息更新的要求非常关键。而在车载软硬件系统日益受到网络黑客攻击的情况下，信息安全的管理尤为重要。

在高精度地图生产和应用过程中，很多环节都需要考虑到信息安全。地图绘制阶段需要考虑安全需求，测绘阶段地理数据需要安全管理，不可经过公网传输，否则危及国家安全；地图数据上传阶段，需要在隔离网络中经过安全的传输通道进行上传到云端，防止数据泄露；云端地图数据需要加密存储，对地图数据的访问需要进行身份认证和授权过程，防止越权访问；高精地图生产环节需增加访问控制机制，保证网络隔离，防止制图阶段数据外泄；审图环节需要增加审图偏转，防止数据泄露。车内地图部署前需要对地图进行加固，防止地图逆向；动态地图更新过程需要链路安全，更新数据需要加密传输，车云之间需要双向认证，车端地图更新过程需要进行完整性验证，防止地图信息泄露、篡改；动态地图的更新需要保证实时，需要降低通信信道的掉线率，提高连接承载量，需要较高的可用性。

六、高精度地图的未来发展趋势

（一）技术发展趋势
围绕智能网联汽车的需求，高精度地图与定位技术发展趋势研判如下：（1）激光雷达数据压缩技术；（2）摄像头和激光雷达多传感器融合技术；（3）传感器数据前端自动化识别提取技术；（4）单摄像头视差重建技术；（5）轻量化高精度采集设备集成技术；（6）云端传感器大数据清洗融合技术；（7）海量数据的快速上传、读取与数据管理技术；（8）采用“车队学习网络”策略的量产车众包采集技术；（9）多图商数据联合采集与管理技术；（10）“高精度地图+高精度定位”综合应用技术；（11）高精度地图快速差分更新与分发技术；（12）广域增强和局域增强的融合，天基增强和地基增强的融合；（13）互联网和广播网在播发模式上的融合；（14）终端解算模式的创新；（15）服务平台技术面对实时性、大容量、低成本的创新架构；（16）与其他传感器融合的组合高精度导航模式创新。
（二）产业发展趋势
经过多年的积累，国内的主流图商已完成了全国高速公路超过30万公里的数据采集与制作，并实现了季度更新。支撑了北京、上海、广州等地多个自动驾驶测试示范区的运营，促进了自动驾驶能力的快速提升，此外也支撑了一批L2级别和L3级别的自动驾驶车辆量产，比如广汽的Aion，长安UNI-T等具备L3级自动驾驶能力的车辆在2020年纷纷发布，而华为与北汽联合打造的“极狐阿尔法S”、百度与威马联合打造的“威马W6”均已在2021年的上海车展亮相，也证明了高级别自动驾驶车型的量产，均离不开高精度地图的支持。同时，高精度地图还促进了全国多个车路协同项目的建设热潮和示范应用，比如北京亦庄的网联云控式高级别自动驾驶示范区、2018年在上海嘉定举办的“V2X三跨”、2019年举办的“V2X四跨”以及在2020年举办的“V2X新四跨”，均加速了自动驾驶的发展。
国际零部件巨头厂商博世在此前宣布，已与百度、高德及四维图新三家领先的中国地图供应商达成合作，共同开发，将精准定位服务——“博世道路特征（Bosch Road Signature）”引入中国自动驾驶市场，从而推动先进自动驾驶技术的本土发展[3]。
随着市场的发展，未来将形成支持L3的高速道路高精度地图产品从季度更新逐渐提升到月度更新，五年左右将实现周更新；对于热点区域将很快月度测试更新，三年内将实现周更新，五年内将实现日更新。除了地图更新，支持众包要素变化发现的能力，三年内将支持全国区域变化信息天级更新发布，五年内将实现“专业采集+众包发现”的无缝连接，实现全国高速道路级变化周更新、要素级变化日更新、动态信息小时级发布，满足自动驾驶活地图的需求。