究竟什么才是高精度地图？自动驾驶的秘密武器

今年美国一辆特斯拉Model S在开启了自动驾驶的模式下发生车祸，导致驾驶员死亡，这也是自动驾驶技术应用以来第一起己知的导致死亡的车祸。

据事后的事故分析，当时这辆特斯拉Model S自动驾驶处于开启状态，车辆行驶在一条双向、有中央隔离带的公路上，此时一辆对向行驶的拖挂车在特斯拉Model S前方左拐。

在逆光的影响下，特斯拉Model S的传感器都没有成功的检测出前面出现的是一辆拐弯的拖挂车，从而导致车辆直接相撞。由此可见，单纯的使用雷达、摄像头、Lidar这类传感器感知是有一定的局限性，探测的范围是有限的，一旦感知错误，没有发现目标，或者发现得不及时，悲剧就有可能发生了。

那么假如在车上安装的传感器所能感知的范围之外，也就是常说的超视距范围外，如果有一张辅助的高精度地图能否避免这类事故？

我们可以提前500米就知道前方有个路口，而且是个三岔路口，并且知道这个路口的形状，有两条车道，甚至有可能知道，这个路口经常有大型拖挂车通过。

知道上述信息后，自动驾驶车辆的决策系统就在靠近路口的时候要求车辆需要提前减速，并且知道靠左行驶会更安全，所以也可以提前变换到左车道来，在结合道路的航向以及当时时间和天气，车辆也可以适当的调整摄像头的曝光参数以降低逆光的影响等等。

也许有了这些信息，这一类的事故就可以避免。

这里提到的高精度地图，究竟是什么？

所谓的高精度地图，实际上是和我们现在已经普及的普通导航电子地图做比较来说的。

高精度，一方面是说高精度电子地图的绝对坐标精度更高。绝对坐标精度指的是地图上某个目标和真实的外部世界的事物之间的精度。另一方面，高精度地图所含有的道路交通信息元素更丰富和细致。

普通的导航电子地图的绝对坐标精度大约在10米左右，由于是辅助驾驶员做导航使用，外加上GPS设备的定位精度也在10米左右，所以这样的精度对整体来说影响不大。

而应用在自动驾驶领域的高精度地图就不行了，自动驾驶汽车需要精确的知道自己在路上的位置，往往车辆离马路牙子和旁边的车道也就几十厘米左右，所以高精度地图的绝对精度一般都会在亚米级，也就是1米以内的精度，而且横向的相对精度（比如，车道和车道，车道和车道线的相对位置精度）往往还要更高。

高精度地图不仅有高精度的坐标，同时还有准确的道路形状，并且每个车道的坡度、曲率、航向、高程，侧倾的数据也都含有。

普通的导航电子地图会描绘出道路，而高精度地图不仅会描绘道路，更会描绘出一条道路上有多少条车道，会真实地反映出道路的实际样式。

比如真实道路在某些地方变宽了，那么高精度地图中的道路数据也是变宽了，而某些地方因为汇合了而变窄了，高精度地图也是一样。

另外，每条车道和车道之间的车道线，是虚线，实线还是双黄线，线的颜色，道路的隔离带，隔离带的材质甚至道路上的箭头、文字的内容，所在位置都会有描述。

还有为了自动驾驶的考虑，诸如每条车道的限速，推荐速度也需要一并提供。而像人行横道，道路沿线的看板，隔离带，限速标志，红绿灯，路边的电话停等等，这类我们通常统称为交通参与物的绝对地理坐标，物理尺寸以及他们的特质特性等也都会出现在高精度数据中。

除此以外，普通的导航电子地图和高精度地图的一大区别在于，普通的导航电子地图是面向驾驶员，供驾驶员使用的地图数据，而高精度地图是面向机器的供自动驾驶汽车使用的地图数据。

普通的导航系统基于普通的导航电子地图提供基础道路导航功能，包括由A地到B地的路径规划，车辆和道路的定位匹配，用于查询目的地的POI检索，在结合地图显示和道路引导的功能等。

而作为驾驶员的人类具有提取信息、关联信息、过滤信息、视觉判断的能力，结合导航系统提供的这些相对粗略的信息就足够完成日常的导航和驾驶需要。

可是作为自动驾驶车辆来说，无法完成诸如联想、解意、信息整合等工作，也许有一天人工智能足以匹敌人脑，但目前还远达不到人脑的高度，所以必须提供精细的地图信息。

因此高精度地图就需要具备辅助完成实现高精度的定位位置功能、道路级和车道级的规划能力、以及车道级的引导能力。

但是，现在的高精度地图，因为所含盖的信息量太过丰富，如果给驾驶员直接使用，反而会带来干扰。

在这里还要提一下，介于普通的导航电子地图和高精度地图之间，还有一种应用在ADAS（主动安全场景）的地图。

这种地图的的精度一般在1-5米左右，它是在普通的导航电子地图的基础上进行了扩充，比如在道路上补充了一些坡度、曲率、航向的一些辅助信息。另外也涵盖了车道数量、车道宽度的信息，并且道路的精度和形状信息更加的准确，只是这些信息的精度都和高精度地图有一个数量级的差别。

这种地图在自动驾驶车辆的感知传感器足够丰富的时候也是能支持自动驾驶而使用的，它的大部分应用场景主要是为了主动安全使用的。

ADAS（主动安全）中如何使用地图

其实说到ADAS，我们首先想到的诸如ACC（自适应巡航），LDW（车道偏离预警），LKA（车道保持），FCW（前车碰撞预警）。而这些技术已经成熟，产品也已经量产，在近几年的高端车辆上装配，并且这些技术都和摄像头，毫米波雷达以及车身控制器有关，貌似和地图并没有多大关系。实际上如果结合了地图，这些功能会变得更强大。

下面我们来举几个例子。

ACC（自适应巡航）实际上是由驾驶员设置一个最高的巡航速度，车上由前置的传感器，如摄像头或毫米波雷达来确认车辆正前方的可通行区域内是否有车辆，如果有车辆，则在安全制动距离内跟车，如果没有车辆，则加速到设置的循航速度。注意这里要特别强调“车辆正前方”，也就是车头的直线方向。如果是在直线行驶，或者道路曲率几乎可以视为直线的情况下，这种自适应巡航的功能是很棒的。

可是如果在弯道中，如下图，左侧车道中的车辆的传感器会错误的认为右方车道的车辆在自己前方，于是立即减速。可实际上车辆完全可以保持正常速度过弯。

亦或者，如下图中，左侧车道的车辆根本就察觉不到自己车道内前方转弯处有一辆车，也许车辆跟上去的时候，或者前车突然紧急刹车时，已经来不及减速，继而就容易发生事故了。

除此以外，地图能提供道路的曲率，车辆在过弯道的时候可以提前减速，确保安全。或者在弯道的时候，摄像头的识别也可以针对性的变换识别模式，以提升弯道的车道线或交通参与物的检测准确性。地图也可以告知车辆何时会进入以及离开隧道，相应的摄像头可以及时调整曝光率，从而保证感知的连续性。

夜晚行车的时候，车辆也可以根据地图提供的曲率信息，在弯道处自动的左右调整车灯的照射角度，也可以根据地图提供的坡度信息，上下调整车灯的照射角度。

另一方面，目前很多摄像头识别的提供商通过摄像头来识别道路上的限速牌，来达到限速的功能，而其实地图却可以提供更好的服务，比如地图不仅可以告诉车辆在该路段上的限速，还可以在易发危险的路段，桥梁，隧道，上下匝道的时候都可以提供推荐的车速。不仅如此，还可以细化到各个车道的推荐车速，这里还需要强调下，在主动安全及自动驾驶的情况下，推荐的行驶速度比道路的限速更具有实用价值。

基于坡度数据，车辆在上坡前可以加油门，从而适当的加速，而当到达坡顶的时候减小油门，下坡的时候不加油，大陆公司做的电子地平线（Electronic Horizon）就是基于以上完成的，据说能节能达3%，该功能在商用车以及物流公司节约日常运营成本上的意义就更为突出。

也有较为初级的自动驾驶可以基于地图来实现，例如在高速公路上的自动驾驶场景上，直线行驶的时候或者说在车道内行驶的时候，车辆靠ADAS的主要功能完成，也就是ACC（自适应巡航）＋LKA（车道保持）＋FCW（前车预警）。

在需要变道的时候，这个变道的指令可以是人工打个转向灯，也可以是自动驾驶系统自己决策的变道，此时由地图提供的车线信息来确认当前车辆的区域是否可以变道。如果是要下匝道，地图可以提前一个很远的距离通知车辆前方有匝道口，此时车辆有足够的时间，借用地图数据先慢慢靠到最右侧车道，准备下匝道。而如果不下匝道，或者有汇入车流的地方，车流也可以有足够的时间先靠到最左侧的超车车道中，以保证行车的安全。

除此以外，还有大量脑洞大开的应用方法。