4月17日，最新一期英国《经济学人》杂志撰文称，随着无人驾驶汽车越来越受关注，如何帮助它们在不断变化的道路环境中完成高精度定位和路况识别，便成为了整个行业面临的最大挑战。高清地图显然是解决这一问题的最佳方案，并因此吸引巨头争相入局。

以下为文章全文：

高清地图意义重大

在伯克利拥挤的街头，当一辆头戴雷达传感器并装有多组摄像头的汽车穿过人群时，很少有人会多看一眼。在加州的道路上，无人驾驶汽车已经不再稀奇。目前已经有十几家公司的100多辆无人驾驶汽车在公共道路上测试，每年的行驶里程高达数十万公里。

但这辆车却有所不同：它配有人类驾驶员，此人的双手自始至终都牢牢放在方向盘上。宝马、奥迪和戴姆勒共同控股的柏林地图公司HERE给这辆车起了个绰号：乔治。它不是无人驾驶汽车，但它收集的数据却对无人驾驶汽车至关重要。

在行驶过程中，乔治头顶的高精度GPS接收器每秒钟都会收集十几次经度、维度和海拔数据；而用于追踪车体动作的惯性系统则会记录100多次偏摆、俯仰和滚转数据；车身附带的激光扫描仪还可以计算它与60万个不同的点之间的距离，包括树木、路肩和建筑物。与此同时，还有4个摄像头会每过6米拍摄一张9600万像素的360度全景图像。

乔治驾驶一天至少能收集100GB的数据。将这些数据汇总起来，HERE便可为它通过的路径建立详细的三维图像——地图制作师称之为高清地图。

几年前，一些汽车厂商希望无人驾驶汽车厂商能够通过普通的低清地图实现自我定位(这类地图被广泛应用于逐向导航设备和应用中)，将剩余的工作交给传感器来负责。例如，在路标清晰的情况下，视觉传感器可以将汽车安全地保持在自己的车道内，甚至能识别实线和虚线，进而采取相应的行动。

但问题在于，全自动无人驾驶汽车需要在所有环境中都实现安全驾驶。“在简单的环境中保持车道不需要地图。”HERE实景捕捉副总裁约翰·雷斯特夫斯基(John Ristevski)说，“但如果你处在5车道高速公路上，就需要知道自己究竟在哪一条车道上，哪一条车道可以安全穿行，具体的出口匝道位于何处。”

实现方法多种多样

但困难在于，路标可能会褪色，也有可能被积雪覆盖。现代化的LIDAR雷达测量传感系统在这种情况下不够精确。LIDAR可以向目标物体发射激光束，并通过计算返回时间来测量二者之间的距离。雷达也可以利用无线电波实现同样的功能。在汽车中，LIDAR和雷达的有效探测距离都在50米左右，但在雨天和前方道路被其他车辆遮挡的情况下，有效距离就会大幅缩短。即使是最智能的汽车，在高速公路上行驶时也只能“看到”前方约1.5秒的情况。高清地图则可以让无人驾驶汽车提前很久预测到转弯和路口，这是传统传感器无法实现的。

更重要的在于，无人驾驶汽车可以借此精确实现自我定位——要知道，短短几米的误差就会引发逆向行驶的严重错误。商用GPS系统的精度大约只有5米左右，但在高楼林立的城市中可能就会扩大到50米，隧道中甚至会完全失效。但高清地图可以包含所谓的定位层，与多种传感器共同确定汽车的位置，误差只有几厘米。

HERE正在测试多种定位层。其中一种需要从绘图车拍摄的图片中提取桥梁、路标和防护栏等物体，然后将其与无人驾驶汽车自己的摄像头拍摄到的物体进行对比。

荷兰地图公司TomTom认为这种方法不够可靠，因此选择放弃。“我们发现，想要细化到每个桥墩，然后通过三角定位来识别，会使得系统太过敏感，无法适应任何变化。”该公司副总裁彼得·吉尔哥特-沃高文(Pieter Gillegot-Vergauwen)说，例如，倘若某棵树被砍掉了，或者某条街道的景象从夏天到冬天发生了变化，就会出现问题。“现实生活中的视觉影像变化太大。”他补充道。

相反，TomTom使用该公司的LIDAR绘图车采集“深度地图”。这套系统可以持续记录路边景象的独特形状和距离，而不会具体识别每个物体。吉尔哥特-沃高文表示，通过识别道路的整体轮廓，便有可能将无人驾驶汽车自己的LIDAR模块输出的内容与深度地图的形态进行关联，并计算出位置——即便当有树木长大，或者有卡车挡道的情况下，也不会受到影响。

作为无人驾驶汽车市场的老兵，谷歌也在以类似的方式构建自己的定位层。HERE也在测试一套系统，使用人工智能来识别摄像头和LIDAR拍摄到的物体。无论具体使用什么方法，这三家公司都号称可以将无人驾驶汽车的道路定位精度缩小到10至20厘米范围内。

后期分析和更新

包括日产、福特、起亚和特斯拉在内的汽车公司都认为，无人驾驶技术到2020年将做好上市准备。沃尔沃最早计划明年向100名驾驶员提供全自动驾驶汽车。这些计划都给业界施加了巨大的压力，必须要在无人驾驶汽车走出展厅前完成高清地图的绘制。HERE拥有数百辆像乔治一样的绘图车，每年可以在32个国家绘制数百万公里的道路地图。TomTom在欧洲和北美的主要道路和高速公路上部署了70辆绘图车。丰田持股的日本地图公司Zenrin则在亚洲非常活跃。

如何分析和处理这么多汽车提供的数据也是一大挑战。HERE最初通过人工来检查原始LIDAR数据，然后使用编辑软件将其制作成数字模型，有点像是“地图领域的《我的世界》”。但人工提取数据的速度太慢，所以该公司现在开发了一套机器学习算法来自动寻找车道标记和人行道边缘等路标。HERE的人工智能系统还能从乔治拍摄的静态图片中识别出路标和信号灯。之后由人类对结果进行调整，并检查其中的错误。

但乔治的数据要不了多久就会过时。之后发生的建筑、施工和限速调整都会导致无人驾驶汽车因为使用过期地图而陷入危险。雷斯特夫斯基承认地图不可能永远保持最新状态。“我们的目标是尽可能保持地图处在最新状态，但汽车的传感器必须足以处理一些差异。”

绘图车会定期驶回旧金山等大城市，但它们至少会对其拍摄的绝大多数道路每年进行一次复查。想要从一定程度上解决这一问题，可以使用雷斯特夫斯基所谓的“调查数据”，也就是数百万智能手机用户和联网车载导航系统的数字足迹。HERE每天都能收到约20亿个这种数据片段，包含了汽车的位置、速度和方向，有些还来自Windows设备。

这些数据之后会经过汇总和匿名处理，使得HERE能够快速探测到相应道路上的重大变化。汽车系统越精巧，这些数据就越丰富。雷斯特夫斯基表示，无人驾驶汽车最终将自己维护地图。事实上，谷歌的无人驾驶汽车已经开始实现这一目标，他们可以探测和汇报道路上的锥形帽和建筑工人。

谷歌不仅拥有比其他企业更多的无人驾驶汽车，而且还可以通过全世界约15亿Andorid用户获取导航和交通数据。谷歌表示，该公司目前只在加州山景城、得州奥斯汀、华盛顿州科克兰和亚利桑那州菲尼克斯等无人驾驶汽车测试地专心制作高清地图。

随着越来越多的新车配备自动刹车、车道控制和超车等智能驾驶功能，全自动驾驶功能也将不再遥远。而高清地图也将不再局限于道路信息。HERE和TomTom都包含了低空航拍信息，包括电线、桥梁、树木，甚至15层以上的建筑。这些数据还可以用于为无人机提供导航——这或许正是有意开发无人机送货服务的亚马逊考虑收购HERE的原因吧。

转载请注明出处。GIS帝国网站报道中出现的商标及图像版权属于其合法持有人，只供传递信息之用，非商务用途。