高精地圖對自動駕駛來說有多重要？在自動駕駛上和一般的導航地圖有什麼區別？
&>&> 本問題已加入 人工智慧 · 自動駕駛 圓桌中，歡迎關注圓桌參與更多討論 &<&<
關於高清地圖的討論幾乎是隨著自動駕駛井噴式的爆發了！
然而，一個問題就可揭露這些侃侃而談的裝B飯們：
你需要裡面的什麼信息，這些信息傳統導航地圖給不了嗎？
你們談到的多數信息傳統地圖都已經包含了，你們說的高清地圖能給出的信息，目前第一階段3級自動駕駛車又用不到。（谷歌除外）
因此要分清高清地圖對自動駕駛是必須有還是有更好！
普通人類駕駛員，腦子裡沒有高清地圖，但仍然可以開車，仍然能通過導航去我們想去的地方。
得益於牛B的大腦，人類有超強的感知能力。
目前車上的感測器可能在某些方面強過人類感知，但仍然非常不全面。
因此自動駕駛的功能非常受限，隨著感測器發展自動駕駛功能也會隨之發展。
如果感知能力達不到，就需要額外補充，比如V2X和高清地圖。
但不同級別不同功能的自動駕駛系統對這些額外補充的需求也是不一樣的。
只有真正做了自動駕駛研發，才了解真正對高清地圖的需求！！
而且對於車用的系統，都需要滿足功能安全相應的標準（雖然還未強制ISO26262）。
當前階段，地圖功能安全等級達不到要求，僅能用來補充，不能用於決策控制。
量產遠遠不像搭個演示車，所有東西都放上去那麼簡單！！
（涉及高清地圖相關的高清定位我會單獨寫出來。）
因此，初級的3級自動駕駛系統暫不需要高清地圖，更高級的自動駕駛系統有高清地圖更好，無人駕駛需要高清地圖。
在社交媒體上紅極一時的Tesla AutoPilot功能，並還沒有達到自動駕駛的L3的級別。其在高速公路上的自動駕駛技術可以理解為：ACC自適應巡航 + LKA車道保持輔助。
那為什麼達不到L3甚至以上的級別呢？答案是：沒有高精度地圖。
Q：為什麼沒有了高精度地圖，自動駕駛寸步難行？
A：因為高精度地圖不僅僅是地圖，更給了無人車上帝視角。
1.感測器的性能邊界
車載感測器的性能邊界指的不僅是測量範圍，還有面對不同環境時表現出來的感知缺陷。
比如激光感測器檢測效果穩定，但在面對大範圍的塵土時，也無能為力。我司在測試時就發現，如果前面一輛渣土車飛馳而去，引得塵土滿天飛時，無人車發現「面前」全是障礙物。再比如高解析度攝像機能檢測圖像中的物體，而且窄視場的攝像機，可以檢測很遠的距離。但是面對暴雨/大雪等惡劣天氣，很難檢測到正確的車道線/障礙物/馬路牙子等信息。
下圖為tesla的感測器配置及感測器感知範圍，扇形角度表示感測器的視場角，扇形半徑表示感測器的最大檢測距離。可見，最遠距離的檢測感測器是窄視角的前向視覺感測器。
圖片出處： Tesla』s 360 Vision: The Future is Here - Your Personal Research Assistant | PreScouter
2.先驗信息缺失
先驗信息是指某些可以提前採集且短時間內不會改變的信息。
僅依靠感測器的信息是很難感知車輛現在是處在高速公路上，還是處在普通城市道路上的；無限速牌的路段，車速最高可以開多快；前方道路的曲率；所處路段的GPS信號強弱，這些都是感測器遇到檢測盲區時，無法實時捕獲的信息。而這些信息是客觀存在，不會隨外部事物的變化而變化，因此可以提前採集，並作為先驗信息傳給無人車做決策。
圖為高精度地圖可以為無人車提供的某些先驗信息。包括道路曲率、航向、坡度和橫坡角。
圖片出處：未來汽車大講堂 - 網易雲課堂 高精地圖，自動駕駛的必由之路
3.路口處的路徑規劃
路口處的路徑規劃一直是自動駕駛領域較為頭疼的問題。
很多大牛為了讓汽車能正常地開過路口用盡渾身解數。當然也有簡單粗暴的方法，比如Waymo（前Google無人車團隊），從他們的宣傳視頻，大致可以推斷他們使用的方法是「高精度地圖+高精度定位+管道內行駛」的方式過路口的（純屬猜測）。
圖片出處：網易公開課 無人駕駛汽車是如何看清路況的
Q：高精度地圖的加入可以給無人駕駛帶來哪些幫助？
A：高精度地圖是無人駕駛技術的催化劑，這麼說一點都不過分。
1.能極快地實現L3級別的自動駕駛
簡單粗暴地使用高精度地圖+高精度定位，可快速地實現某些特定場景下的自動駕駛。這裡的高精度地圖可以理解為一個「管道」，無人車只要保證自己在「管道」內行駛即可（參考waymo的綠色「管道」）。使用高精度定位，告訴車在管道的哪個地方，就可以自動駕駛啦。
馭勢科技和白雲機場合作開發的無人駕駛車在機場這種特定場景完全就可以使用這種方法。而且通過圖片可以看出這車裝了差分GPS，如果再加上RTK設備，就是可以達到戶外厘米級的定位了。
圖片出處：馭勢未來 UISEE 無人駕駛擺渡車商業化試運營圓滿成功
2.提高無人車舒適性
舒適性是評判自動駕駛好與壞，最重要的元素之一。
前面提到過，由於感測器的性能邊界，導致場景中的部分信息是無法感知到的。而這些信息（如道路曲率、坡度角）的缺失又會對無人車的縱向、橫向規劃控制產生較大影響，乘客會感覺車輛的控制不如「老司機」開得平穩，而一旦舒適性缺失，有再多牛X功能也是徒勞。
3.提高系統性能
感測器對感知到的信息做處理時，一般會選定一個感興趣區域（ROI，Region of Interest）再在此區域內進行數據處理。比如相機檢測行人時，大部分處於天空的圖像是可以不用考慮的，所以著重處理圖像的下半部分即可。
圖片出處：【視頻】當碰瓷的人遇到行人檢測系統…...
對於檢測紅綠燈狀態，必須在整幅圖像中搜索，因為攝像機不可能知道圖像的哪個地方會出現紅綠燈。但是如果有了高精度地圖信息，我就可以通過高精度定位和高精度地圖得到ROI。根據定位和地圖的數據，無人車可以知道前方、兩側是否有交通標誌牌，及紅綠燈的位置，就可以降低演算法的複雜度，減少系統的計算負荷，進而提升系統性能。
下圖是通過定位和高精度地圖，標記出的ROI，ROI區域包括車道線位置、交通標誌牌位置、紅綠燈位置等。
圖片出處：未來汽車大講堂 - 網易雲課堂 高精地圖，自動駕駛的必由之路
Q：高精度地圖和一般的導航地圖有什麼區別？
A：導航地圖是給人看的地圖，高精度地圖是給機器看的地圖。
人類開車，只需要知道前方路口有沒有紅綠燈，路口有幾車道，該左轉還是右轉，即可穩定控制汽車。而無人車不僅要知道有沒有紅綠燈，還要知道在自車坐標系下的（X, Y, Z）；不僅要知道是左轉還是右轉，還得知道左轉和右轉的路徑線。
目前的控制系統還不具備人類這麼高的智能度，所以只有給予控制系統更多的輸入信息，才能讓無人車控制汽車更接近人類。
簡單從 道路 和 POI 這個兩點來比較一下導航地圖和高精度地圖的區別
對於道路屬性，導航地圖只需要給出道路路網這個級別的數據即可，而高精度地圖會給出這個道路中有幾條車道，這些車道的線是虛線還是實線，車道是普通道路還是匝道等更多維度的信息。如下圖。
圖片出處：未來汽車大講堂 - 網易雲課堂 高精地圖，自動駕駛的必由之路
肯定有人疑問，既然高精度地圖擁有這麼多信息，那容量肯定比導航地圖大很多吧。
答案是：No
圖片出處：未來汽車大講堂 - 網易雲課堂 高精地圖，自動駕駛的必由之路
導航地圖是給人使用的，它對信息的精度沒那麼高，但是在信息的豐富程度上比高精度地圖大得多。導航地圖不僅要有基本的道路信息，還要具備地圖中的各種信息點（POI，Point of Interest）的信息，比如建築物尺寸、數量、建築物的用途（醫院or商場）等。單純這些POI信息就比高精度地圖車道及常用特徵的數據複雜太多，而且數據量也不小。
因此，目前來說，高精度地圖和導航地圖的容量大小是不分伯仲。
———————分割線———————
知乎專欄：無人駕駛乾貨鋪
更多無人駕駛的內容：
互聯網公司和汽車企業都在開發自動駕駛，你更看好誰？
自動駕駛汽車涉及哪些技術？
高精地圖對自動駕駛來說有多重要？在自動駕駛上和一般的導航地圖有什麼區別？
無人駕駛，個人如何研究？
更多段子：
你珍藏了哪些高級黑的段子？
你這麼好看，一定很會點贊~
高精地圖結合高精定位才有意義。
高精地圖相當於自動駕駛機器人對這個世界的先驗world model，是對場景預測演繹的準則，是理解任務準確執行的基礎，實時定位和感知是在這個先驗上的歸納，二者結合形成自動駕駛汽車對環境的完整理解，而不只是根據感測器信息的應激反應。
至於高精地圖其實也是分幾個不同側面的，主要有位置精度、類別精度及特徵精度（靜態地圖），當要求三個精度都比較高的時候其製作代價必然高，為了降低代價放鬆任何一個或者兩個的精度也是可以的，這同時也要求相應的定位感知決策演算法做調整（其實是演算法會更加複雜），整體上是一個代價和功能的權衡問題。
目前比較主流的有谷歌百度等的全高精路線，HereTomtom四維高德等的位置類別高精路線和Mobileye及Tesla（猜測）的只類別高精路線，這裡面最後一種地圖是可以通過眾包加現有地圖演進的方法實現的，是目前能夠最快速應用的。
有空就更新一下 
會慢慢更新
-----11.21-----
高精地圖非常重要，沒有地圖不可能實現城市道路內的自動駕駛；封閉道路的低速自動駕駛沒問題（園區L4）。
當道路狀況（非平坦），路面情況（濕/冰），道路表面污染（污垢），車道左側/右側的標記狀態（褪色/稀疏）的組合剛好同時發生...誒，就是這麼巧啊
車輛無法僅通過視覺方案保證車輛能夠準確無誤在車道內行駛，很容易跑偏
畢竟沒有地圖數據是要自己算center_line的，車子需要沿著算出來的中心線行駛
另一方面，沒有高精地圖，實現行為預測也變難。
因為沒辦法把objectlist與道路模型結合，難以理解車輛行為與背後動機。
傍晚，二環路上行駛，靠近雍和宮橋，最右側下坡出二環主路的場景，同向3車道；
在靠近出口之前（短虛線起始點前100米），Ego在最右側車道行駛；
中間車道，前方有一輛車A，打著右轉向燈變道至Ego之前（變道完成後車距較近，20米左右）
常規情況：離出口很近了，車輛A極有可能靠右出主路，那麼伴隨而來的是車輛A的減速和繼續向右變道，意味著Ego需要提前控制車速與車距
額外情況1：中間車道剛剛發生輕微追尾事故，車輛A只是為了提前躲避事故而變道，出主路的概率減小（高精地圖包含事故信息更新）
額外情況2：臨近出口，前方車輛都避免在右側車道行駛，且行駛速度不快，車輛A趕時間，變道超車
以上場景描述標準化抽象化後，能夠根據機器學習預測車輛A的行為。
但沒有地圖的信息，行為預測是做不準的...
寫的有點亂，我猜同行應該看懂了
-----10.31-----
SD Map
傳統地圖，
道路連通性connectivity/linkage為核心信息
用於導航，規劃路徑時使用
ADAS Map
升級版地圖，採用HD Map的格式，閹割HD中的一部分信息(考慮數據採集進度)
與SD共同使用於ADAS系統，升級的部分主要用於L3功能
主要看數據中的physical divider(物理隔離帶，有它才能開啟L3)，以及一堆不能說的...
HD Map
高精度地圖，
可參考OpenDrive格式(xodr文件)
與SD共同使用，協同模式不能說
車道，車道輪廓，標誌牌，一切object(廣義)都會包含，所有object都很重要
每個車道都有lane_id，一條路還分了若干lane segment，變得很複雜
NDS
新東西
先說究竟什麼是高精度地圖？
所謂的高精度地圖，實際上是和我們現在已經普及的普通導航電子地圖做比較來說的。
-----------------------------------------------------------------------------------------------------
更多內容：知乎專欄--硬創公開課
-----------------------------------------------------------------------------------------------------
高精度，一方面是說高精度電子地圖的絕對坐標精度更高。絕對坐標精度指的是地圖上某個目標和真實的外部世界的事物之間的精度。另一方面，高精度地圖所含有的道路交通信息元素更豐富和細緻。
普通的導航電子地圖的絕對坐標精度大約在10米左右，由於是輔助駕駛員做導航使用，外加上GPS設備的定位精度也在10米左右，所以這樣的精度對整體來說影響不大。
而應用在自動駕駛領域的高精度地圖就不行了，自動駕駛汽車需要精確的知道自己在路上的位置，往往車輛離馬路牙子和旁邊的車道也就幾十厘米左右，所以高精度地圖的絕對精度一般都會在亞米級，也就是1米以內的精度，而且橫向的相對精度（比如，車道和車道，車道和車道線的相對位置精度）往往還要更高。
高精度地圖不僅有高精度的坐標，同時還有準確的道路形狀，並且每個車道的坡度、曲率、航向、高程，側傾的數據也都含有。
普通的導航電子地圖會描繪出道路，而高精度地圖不僅會描繪道路，更會描繪出一條道路上有多少條車道，會真實地反映出道路的實際樣式。
比如真實道路在某些地方變寬了，那麼高精度地圖中的道路數據也是變寬了，而某些地方因為匯合了而變窄了，高精度地圖也是一樣。
另外，每條車道和車道之間的車道線，是虛線，實線還是雙黃線，線的顏色，道路的隔離帶，隔離帶的材質甚至道路上的箭頭、文字的內容，所在位置都會有描述。
還有為了自動駕駛的考慮，諸如每條車道的限速，推薦速度也需要一併提供。而像人行橫道，道路沿線的看板，隔離帶，限速標誌，紅綠燈，路邊的電話停等等，這類我們通常統稱為交通參與物的絕對地理坐標，物理尺寸以及他們的特質特性等也都會出現在高精度數據中。
除此以外，普通的導航電子地圖和高精度地圖的一大區別在於，普通的導航電子地圖是面向駕駛員，供駕駛員使用的地圖數據，而高精度地圖是面向機器的供自動駕駛汽車使用的地圖數據。
普通的導航系統基於普通的導航電子地圖提供基礎道路導航功能，包括由A地到B地的路徑規劃，車輛和道路的定位匹配，用於查詢目的地的POI檢索，在結合地圖顯示和道路引導的功能等。
而作為駕駛員的人類具有提取信息、關聯信息、過濾信息、視覺判斷的能力，結合導航系統提供的這些相對粗略的信息就足夠完成日常的導航和駕駛需要。
可是作為自動駕駛車輛來說，無法完成諸如聯想、解意、信息整合等工作，也許有一天人工智慧足以匹敵人腦，但目前還遠達不到人腦的高度，所以必須提供精細的地圖信息。
因此高精度地圖就需要具備輔助完成實現高精度的定位位置功能、道路級和車道級的規劃能力、以及車道級的引導能力。
但是，現在的高精度地圖，因為所含蓋的信息量太過豐富，如果給駕駛員直接使用，反而會帶來干擾。
在這裡還要提一下，介於普通的導航電子地圖和高精度地圖之間，還有一種應用在ADAS（主動安全場景）的地圖。
這種地圖的的精度一般在1-5米左右，它是在普通的導航電子地圖的基礎上進行了擴充，比如在道路上補充了一些坡度、曲率、航向的一些輔助信息。另外也涵蓋了車道數量、車道寬度的信息，並且道路的精度和形狀信息更加的準確，只是這些信息的精度都和高精度地圖有一個數量級的差別。
這種地圖在自動駕駛車輛的感知感測器足夠豐富的時候也是能支持自動駕駛而使用的，它的大部分應用場景主要是為了主動安全使用的。
其實說到ADAS，我們首先想到的諸如ACC（自適應巡航），LDW（車道偏離預警），LKA（車道保持），FCW（前車碰撞預警）。而這些技術已經成熟，產品也已經量產，在近幾年的高端車輛上裝配，並且這些技術都和攝像頭，毫米波雷達以及車身控制器有關，貌似和地圖並沒有多大關係。實際上如果結合了地圖，這些功能會變得更強大。
下面我們來舉幾個例子。
ACC（自適應巡航）實際上是由駕駛員設置一個最高的巡航速度，車上由前置的感測器，如攝像頭或毫米波雷達來確認車輛正前方的可通行區域內是否有車輛，如果有車輛，則在安全制動距離內跟車，如果沒有車輛，則加速到設置的循航速度。注意這裡要特彆強調「車輛正前方」，也就是車頭的直線方向。如果是在直線行駛，或者道路曲率幾乎可以視為直線的情況下，這種自適應巡航的功能是很棒的。
可是如果在彎道中，如下圖，左側車道中的車輛的感測器會錯誤的認為右方車道的車輛在自己前方，於是立即減速。可實際上車輛完全可以保持正常速度過彎。
亦或者，如下圖中，左側車道的車輛根本就察覺不到自己車道內前方轉彎處有一輛車，也許車輛跟上去的時候，或者前車突然緊急剎車時，已經來不及減速，繼而就容易發生事故了。
除此以外，地圖能提供道路的曲率，車輛在過彎道的時候可以提前減速，確保安全。或者在彎道的時候，攝像頭的識別也可以針對性的變換識別模式，以提升彎道的車道線或交通參與物的檢測準確性。地圖也可以告知車輛何時會進入以及離開隧道，相應的攝像頭可以及時調整曝光率，從而保證感知的連續性。
夜晚行車的時候，車輛也可以根據地圖提供的曲率信息，在彎道處自動的左右調整車燈的照射角度，也可以根據地圖提供的坡度信息，上下調整車燈的照射角度。
另一方面，目前很多攝像頭識別的提供商通過攝像頭來識別道路上的限速牌，來達到限速的功能，而其實地圖卻可以提供更好的服務，比如地圖不僅可以告訴車輛在該路段上的限速，還可以在易發危險的路段，橋樑，隧道，上下匝道的時候都可以提供推薦的車速。不僅如此，還可以細化到各個車道的推薦車速，這裡還需要強調下，在主動安全及自動駕駛的情況下，推薦的行駛速度比道路的限速更具有實用價值。
基於坡度數據，車輛在上坡前可以加油門，從而適當的加速，而當到達坡頂的時候減小油門，下坡的時候不加油，大陸公司做的電子地平線（Electronic Horizon）就是基於以上完成的，據說能節能達3%，該功能在商用車以及物流公司節約日常運營成本上的意義就更為突出。
也有較為初級的自動駕駛可以基於地圖來實現，例如在高速公路上的自動駕駛場景上，直線行駛的時候或者說在車道內行駛的時候，車輛靠ADAS的主要功能完成，也就是ACC（自適應巡航）＋LKA（車道保持）＋FCW（前車預警）。
在需要變道的時候，這個變道的指令可以是人工打個轉向燈，也可以是自動駕駛系統自己決策的變道，此時由地圖提供的車線信息來確認當前車輛的區域是否可以變道。如果是要下匝道，地圖可以提前一個很遠的距離通知車輛前方有匝道口，此時車輛有足夠的時間，借用地圖數據先慢慢靠到最右側車道，準備下匝道。而如果不下匝道，或者有匯入車流的地方，車流也可以有足夠的時間先靠到最左側的超車車道中，以保證行車的安全。
參考來源：究竟什麼才是高精度地圖（一） | 雷鋒網
究竟什麼才是高精度地圖？ （二）
感覺還是基於多樣感測器全方位實時偵測作為主要行車保障比較靠譜。高精度地圖要真用起來，條件苛刻到卑鄙啊，軍用領域也沒那麼激進啊…
畢竟眼見為實，機器視覺是最直接的駕駛決策依據；
地圖不能沒有，但是依賴所謂高精度地圖來計划行車路線：
1，「高精度」到底有多精？目前高德蘋果的導航在像樣的路段效果都可以，我能理解為「高精度」可以實時收錄和更新市井街巷，為行車提供一鍵抄近道功能？
2，更新頻率。」高精度「能否實時精確到到遊動的攤販，突發的公共事件等時刻發生又難以預防的因素？
3，大量的交通工具依據」高精度地圖「來計划行車路線。我不懷疑計算的能力，問題是有人駕駛的車輛不再計劃之內。如若能將大多數上路的車輛納入地圖監管並由ai設計駕駛路線，辣么效率一定是大大的…可惜有生之年也不一定會見到那一天
某度地圖能把自家的」無人車「從大路忽悠進深溝，感覺」高精度「概念一處，某度又可以競價了…
即使是人抄著地圖趕路，眼睛還是要看路的，即使地圖精確到cm。
機器也一樣，不重點基於感測器和機器視覺，搞什麼高精度地圖，私以為沒抓住無人車本身…
愚見冒泡～求不噴
目前階段而言非常重要，但現在也有不需要高精度地圖的無人駕駛的方案。
實現無人駕駛有兩個方向，一個路線是重定位，一個路線是重感知。
重定位的路線可以理解為，通過高精度地圖等提供信息（prior knowledge)，然後通過定位來確定位置（也就是高精度地圖+高精度定位）。
重感知的路線可以理解為，能夠用計算機視覺等手段理解整個環境，所以沒有環境信息(prior knowledge)，自動駕駛系統也能夠即時的觀察整個環境，做出判斷（類似人類司機也不需要高精度地圖）。
目前階段，重定位的這條路是谷歌等大公司在走的，目前可行性更高，重感知可能未來更有前途，但是需要技術突破。
首先，無論是攝像頭、毫米波雷達、激光雷達還是紅外感測器都有一個局限性，他們的探測的範圍是有限的。（車載毫米波雷達一般的探測距離為150m-200m，激光雷達更短，攝像頭在120米左右，紅外感測器一般幾十米，而且用於天然的物理限制，並沒有太大的提升空間，比如攝像頭目前受像素限制，而雷達受波長和功率限制）
以特斯拉為例，他們宣稱他們的硬體系統對周圍環境的監控距離最遠可達250米。
250米在時速100 km/h的情況下（也就是27.8米每秒），也就是只能預判8秒左右的時間。這顯然對於自動駕駛來說是「短視」的，不能用於路徑規劃，所以全局路徑規劃必須要有地圖的參與。
但普通的導航電子地圖的絕對坐標精度大約在10米左右，用於輔助駕駛員做導航使用，外加上GPS設備的定位精度也在10米左右，這樣的精度用於人工導航問題不大。
而應用在自動駕駛領域就比較難，自動駕駛車需要精確的知道自己在路上的位置，往往車輛離馬路牙子和旁邊的車道也就幾十厘米左右，所以高精度地圖的絕對精度一般都是1米以內的精度，而如果需要車道和車道，車道和車道線的相對位置精度等信息，往往還要更高，比如谷歌的高精度地圖則是厘米級。
那問題來了，這些車道線等信息不能通過其他感測器獲得么？
事實上，除了測量距離的局限性，各種感測器還有的其他局限性，比如攝像頭能實現圖像識別但惡劣環境下容易失效；毫米波雷達穿透性好能直接測距，但無法識別道路線等；激光雷達性能最優卻過於昂貴，且無法穿通大霧天氣；這些感測器都無法完美的獲得環境信息。
而一旦感知錯誤，沒有發現障礙物等，或者發現得不及時，悲劇就有可能發生了，所以大家常用的做法是，把各種感測器信息和高精度地圖結合來獲得更準確的環境信息然後來做決策。
換句話說高精度地圖是提供環境信息的一個可靠好的數據來源（當然高精度地圖的更新也是一個潛在的問題），我們基本認為想要實現完全的自動駕駛高度依賴高精度地圖。
這也是為什麼Uber在去年接受微軟的投資，還收購了微軟必應地圖團隊以及相應的地圖測繪技術的原因。此外Uber還收購地圖軟體公司 deCarta、和 DigitalGlobe 簽署高解析度地圖使用協議，Uber還與TomTom等眾多第三方地圖公司在數據上合作。（參考Uber與谷歌必有一戰？ -矽谷密探）
再補充一下高精度地圖的信息，就可以看到和普通導航地圖的區別：
高精度地圖不僅有高精度的坐標，同時還有準確的道路形狀，並且每個車道的坡度、曲率、航向、高程，側傾的數據也都含有。
普通的導航電子地圖會描繪出道路，而高精度地圖不僅會描繪道路，更會描繪出一條道路上有多少條車道，會真實地反映出道路的實際樣式。
比如真實道路在某些地方變寬了，那麼高精度地圖中的道路數據也是變寬了，而某些地方因為匯合了而變窄了，高精度地圖也是一樣。
另外，每條車道和車道之間的車道線，是虛線，實線還是雙黃線，線的顏色，道路的隔離帶，隔離帶的材質甚至道路上的箭頭、文字的內容，所在位置都會有描述。
參考：究竟什麼才是高精度地圖（一）
需要補充的是，現在也有矽谷無人車廠商嘗試做不依賴高精度地圖的自動駕駛，
畢竟人類不需要地圖也能開車。
了解到有幾家廠商目前的方案里不需要高精度地圖，他們利用普通的GPS來做導航，然後利用各種感測器來對環境建模和高精度定位。可以理解為他們的無人駕駛系統像人一樣，只能看到幾百米的範圍，然後在不停的做規劃。不過類似的學術研究也有很多，比如Robust vehicle localization in urban environments using probabilistic maps。我比較好奇的是他們在極端環境下感測器可能帶來的各種誤差，我還是謹慎的懷疑完全的無人駕駛只是靠視覺還是有局限的。
總而言之，一方面高精度地圖的信息可以在高層次的路徑規劃層面提供幫助，比如我們可以根據車道信息決定在具體哪個地方變道，根據車道的多少決定某些地方小心減速行駛，在上坡或者下坡路段以提前減速。
另一方面，高精度地圖結合Lidar等，可以實現厘米級的定位並3D建模實現周圍環境的感知和定位，不僅在規劃層面也會在駕駛執行層面起巨大的作用。
歡迎關註：嚴肅 - 知乎
AI專欄：Take AI Seriously
區別：一般的導航地圖是給「人」看的，高精度地圖是給自動駕駛的「機器人」看的，就這個區別。
高精度地圖和因為不需要記錄興趣點等其他的信息，所以大小和目前的一般導航地圖在容量上沒有什麼太大的差別，不是2K和4K圖片的差距。
有多重要：自動駕駛就是要代替駕駛員在正常駕駛，所以對道路信息記錄就需要非常詳盡，讓機器能夠「閱讀」道路基本情況和道路法規，比如車道數量、車道用途、限速、彎道、隧道等，讓機器能夠提前預判、主動避讓、加速減速等。萬丈高樓平地起，高精度地圖就是地基，沒有這個東西，自動駕駛就是空中樓閣。
高精度地圖結合高精度定位，實現了對車輛周圍各種靜態的交通結構化信息的準確掌握；並且隨著通信技術的發展，地圖已經不僅限於保存靜態地理信息，更可以動態的載入各種路上正在發生的動態事件（比如前方擁堵）；而且地圖也不一定要完全由圖商自己開著小車來一點點建（參考here）。
但是，我其實還是有一些疑問，人開車時是不需要準確知道自己距離左側車道線多遠，距離前方停車線多遠的。所以，決策和控制環節對地圖和定位的精度要求到底是什麼樣？畢竟精度和成本是成比例的。
為什麼普通GPS導航不夠用
普通的GPS導航只能定位到5米左右的精確度。也就是說，如果變道，或是開到了路邊的草坪上，GPS都不可能檢測到。所以我們需要更精確的GPS，也就是高精地圖 HD mapping（HD：High Definition），可以精確到按厘米定位。高精地圖是保證自動駕駛車安全可靠的必備技術。
秒懂高精地圖
高精地圖要歸功於車頂上的激光雷達（光達）。光達就像聲吶一樣，碰到障礙物會反射回來。從而判斷出障礙物的形狀和距離。自動駕駛車的操作員會事先在車上安裝光達，然後把車開到所有可能需要自動駕駛的街道，也就是自動駕駛中所謂的「掃街」。有時候，每個車道、每個行駛方向都要掃一遍。光達就會記錄下這個街區的每個角落，包括每個路牌、每棟建築物、每棵樹、每個路燈、每條斑馬線、每個停車位，甚至可以探測到路上的小陡坡、坑窪處。
高精地圖功用
1. 準確判斷周遭障礙物。儘管已經有了攝像頭，也不能排除誤判的時候。有了事先繪製好的高精地圖，就能減少判斷錯誤。
2. 準確找到車的位置（localization）。我們平時開車時候，需要不斷觀察周遭環境，才能判斷出自己的位置。自動駕駛車也是如此。如果車開到一顆樹旁，這棵樹已經在高精地圖裡，我們就可以用這棵樹作為參照物精確定位這輛車了。
3. 如果車開在信號不足的地方，也可以用事先準備好的高精地圖作為依據。
4. 更新之後的地圖可以用於與之前的版本比較，檢測出兩個版本的不同之處。
5. 高精地圖裡可用的信息很多。可以賣給其他公司或者學術機構用於科研。
圖為自動駕駛車根據參照物判斷自己的位置
高精地圖局限性
1. 製作高精地圖費時費力。首先需要真人司機去掃街，之後還需要檢查地圖裡標識是否準確。畫出整個城市的地圖可能需要好幾個月。
2. 如果街道、建築物或城市設施略有變化，事先做好的地圖就會過時。如果政府臨時決定在路口增加一個收費站，或是臨時決定某個路口不可以左轉，自動駕駛公司無從知曉。
3. 如果在沒有高精地圖的區域行駛，就需要實時處理圖像數據，安全就沒有絕對保障。
高精地圖如果想蓬勃發展，可以考慮改進兩個方面。
1. 及時與市政部門溝通。一旦有城市設施變動，需要馬上通知自動駕駛公司，更新地圖。如果需要在城市中建設新的路標，要做到先通知，再建設。如此才能保證汽車準確認知這些標識，做到絕對的安全。
2. 各大自動駕駛公司可以合作，共享地圖數據。地圖公司也可以考慮銷售高精地圖基本配置版本，各個公司購買之後，在基本版本的基礎上去添加自己的設置。如此就可以大大降低製作地圖的成本。
依賴高精度地圖的自動駕駛在大天朝都得廢，天天挖坑修路，哪有地圖能更新那麼快的。
我還是看好基於圖像識別的自動駕駛。先抖個機靈。自動駕駛用的高精地圖和一般的導航地圖，最大的區別是，前者是給機器（計算機）用的，後者是給人（駕駛員）用的。
因為現階段，在開車這件事上，人比機器聰明。所以呢，人只需要普通導航地圖就行，機器自動駕駛就需要高精地圖才行。
通過下面的圖表，可以大致看一下兩者的不同。
接下來回答問題的第一部分「高精地圖對自動駕駛來說有多重要？」。首先，你要了解SAE的自動駕駛L0~L5級別背景信息，然後看下圖：
就是說，L0、L1、L2階段的時候，不怎麼需要高精地圖。到了L3、L4、L5階段，就越來越需要高精地圖。
注意這句話，是越來越需要。有可能L3階段最開始的時候，還是不怎麼需要高精地圖。比如一些公司，會演示自動駕駛汽車在封閉的場地進行測試，基本上只靠汽車自己的感知系統，也能開一段路。
也就是說，在 L3 階段的時候，其實自動駕駛系統是在慢慢接近人的開車水平（整體上看，局部已經超越），感知系統唱主角。到了L4、L5 階段的時候，自動駕駛系統需要全面超越人的開車水平，所以機器更需要高精地圖和感知系統的配合，才能完成大業。
更詳細的內容，大家可以參考這篇文章《高德谷小豐：高精地圖是自動駕駛的必由之路》
謝邀，說一點自己的體會。這個問題要從你是希望什麼等級的自動駕駛來回答，就拿SAE劃分的等級來看，駕駛輔助是無所謂地圖精度的，因為畢竟還是駕駛員來監督整個駕駛過程，第二級到第五級部分自動化，有條件的自動化，高度自動化和完全得自動化等級是肯定需要高度精密的地圖，因為這四個等級，駕駛員對駕駛環境的監控逐漸減少甚至至完全不監控，假如按現在10米的地圖誤差，肯定會頻繁出事故。再舉一個親身經歷，之前坐朋友的BMW X6出去，常理來說已經很高級的車了，但是那天我們在一個郊區的馬路上行駛時，明顯發現導航精度問題，顯示我們在郊區道路邊的農田裡行駛，假如我們按導航的地圖開行駛的話，我們早已掉到馬路邊的水溝里。
高精度地圖對於無論自動駕駛還是輔助駕駛都十分的重要，這也是為什麼德國著名主機廠買下here的原因。目前為止，地圖是唯一一個不受天氣影響的感測器（對，我在這裡將地圖定義為如同攝像頭，雷達一樣的感測器），他能將幾公里之外的地理，道路信息傳給車輛作為路徑規劃，駕駛決策的輸入之一。這不是任何一個其他感測器所能代替的。理想情況下高精度地圖及定位，V2X以及基本的雷達攝像頭就能實現lvl5的自動駕駛。這也是目前自動駕駛的路徑之一。當然有人會質疑地圖的實時性，這個在業界早有解決方案，就是通過眾包方式在線實時更新地圖，這個在理論上也是可行的。
儘管實驗室老師說百度無人車團隊找我們組做高精地圖，可我還是很懵逼的不知道我們的高精地圖怎麼給無人車用。
高精地圖：為無人車裝上指南針，幫助他們基於充足信息進行決策
編者按：2017 年，活躍於自動駕駛領域的巨頭動作頻繁，創業公司和相應的收購案也開始不斷出現。對此，我們特別推出了專題 「自動駕駛圈地賽」，與大家一起了解一下自動駕駛究竟將如何影響並改變我們的生活。本文為此次專題的第十二篇報道，這一次我們將介紹自動駕駛除了感測器外的另一重要部分——高精地圖。
做決定要基於儘可能充分的關鍵信息，這無可爭議。自動駕駛也是一樣，在當前的感測器條件下，無人車要同時依靠高精地圖才能做出基於充分信息的決策。毫不誇張地說，高精地圖的重要程度不遜於感測器。
為什麼感測器還遠遠不夠
目前領先的無人車廠商將 LIDAR、radar、不同視場的攝像機組合起來使用，以獲得更全面的路況信息。但儘管如此複雜，這個方案仍然面臨難題。
一是感測器會在某些環境下失效。很多平常工作狀態穩定的激光感測器會在大量塵土環境中 束手無策 ，而且惡劣的天氣情況、突然出現的障礙物等也會大大降低感知的效果。
二是感測器檢測距離有限。老牌 LiDAR 廠商 Velodyne 的高端產品 64 線激光雷達稱可以檢測的距離為 120 米 ，國內 LiDAR 企業速騰聚創則表示，其生產的 32 線激光雷達最遠探測距離高達 200 米。特斯拉 Autopilot 系統中感知距離最遠的窄視場攝像機能夠檢測的距離也只有 250 米。檢測範圍有限意味著自動駕駛汽車的觀察和反應時間有限，而且有效距離還要低於這個數字。
僅僅依靠感測器的缺點在於，感測器一旦失效或者出現錯誤，自動駕駛汽車可能會做出錯誤的判斷。而高清地圖可以幫助汽車了解當前所在的位置，周圍的道路情況等。
什麼樣的地圖才算是高精地圖？
雖然目前還沒有公認的高精地圖定義，但是業內的共識是高精地圖的精確度更高，並且可以提供更多的道路信息。除了標註道路外，高精地圖提供的信息還包括道路坡度、彎道曲率、車道數或限速數值等。
以德國的高精地圖公司 HERE 為例，它是高精地圖領域的先行者，據 The Economist 統計，北美和歐洲的汽車中，每 5 輛中有 4 輛使用了它的車載導航系統。
HERE 用於自動駕駛的高精地圖擁有多個層面的 高精度信息 ，並且可以依靠多個數據源實時更新。商用 GPS 系統精確度大約在 5 米左右，而高精地圖擁有層次豐富的數據，可以幫助汽車定位精確到厘米級別。
高精地圖的數據收集過程可以參考 The Economist 對 HERE 公司的報道：行駛的汽車以秒為單位通過車頂的高精度 GPS 接收器收集車輛的經緯度和高度；激光掃描器實時計算與周圍 60 萬個點的距離，這些點包括樹、路牙、建築物等等。同時，每隔 6 秒鐘，四個 9600 萬像素的攝像頭會拍攝一次 360 度全景照片。
稀疏的賽道
在作者看來，高精地圖創業企業的前途可以對標最近一家明星 AI 公司，曠視科技。10 月底，曠視科技 宣布正式完成 C 輪 4.6 億美元融資 。
無人車、人臉支付等屬於面向消費者的 AI 應用，這些領域的公司也是應用層公司；而應用背後的高精地圖、人臉識別屬於底層 AI 技術，這個領域的公司也相應得是底層技術公司。
底層技術公司有比較高的技術壁壘，高精地圖行業也不例外。這個領域的壁壘主要有兩個：一是繪製高精地圖的公司需要擁有測繪資質；二是技術和資金壁壘，高精地圖公司需要專業車隊搜集大量數據，並要求強大的數據處理能力，因此這條賽道上值得一提的玩家在國際和國內都不多。
換句話說，高精地圖數據採集行業門檻非常高，以至於它不是創業公司的遊戲。
國際玩家包括 Google、HERE、以及荷蘭公司 TomTom。Google 這種不差錢、技術絕對領先的巨頭自不必說，HERE 和 TomTom 在行業也有幾十年的積累，並且是擁有車企巨頭股東。
國內則由移動互聯網時代三大巨頭繼續統治，百度、阿里旗下高德地圖、以及騰訊投資的四維圖新佔據優勢。此外，美國初創公司 DeepMap 也得到很多關注，其 CEO 吳夏青曾任百度無人駕駛事業部首席系統架構師，而 CTO Mark Wheeler 則曾經在谷歌地圖部門工作。
國內幾家巨頭的高精地圖研發工作在 2013 年前後啟動。
百度是中國最積極推動無人駕駛的科技巨頭，在用於自動駕駛的高精地圖開發方面也最激進，與百度的 L4 級別自動駕駛技術戰略想配合。百度聲稱已組建國內最大規模的高精地圖採集車隊，其高精地圖在數據精度、質量、以及規模化生產能力方面都達到了世界領先水平。8 月底，江淮汽車向百度交付了 32 輛 瑞風 S3 汽車，加入百度高精地圖採集車隊，將百度地圖採集車輛數字提升至 280 余輛。百度預計 2017 年百度高精地圖採集量將達到 30 萬公里 ，覆蓋全國高速和城市快速路。
相比百度，四維圖新先觀望了一陣子。它此前的策略是「與車廠的需求節奏保持一致」，逐步從基於 ADAS 的高精度地圖過渡到 L3 和 L4 級別的高精地圖。直到今年 11 月，它才宣布全面轉型自動駕駛。截止 2016 年 5 月，四維圖新有近 30 輛高精地圖採集車，它的高精地圖車隊規模暫時小於百度的車隊。
根據高德的數據，2016 年 9 月，高德完成了 28 萬公里高速公路的高精地圖採集，也做出了基於深度學習的相機的 Demo 方案。
當然，高精地圖產業鏈不只有高精地圖數據採集。產業鏈的下一環是地圖軟體服務商，他們利用軟體和工具解釋某地的地理數據 「代表什麼」以及」怎麼辦」。產業鏈的最後一環是高精地圖在輔助駕駛、自動駕駛行業的應用。
前面提到的 DeepMap 就是地圖軟體服務商，為無人車 提供軟體 ，幫助他們實時獲得精確定位。這家公司創立於矽谷小城 Palo Alto，在今年獲得金沙江創投以及矽谷知名風投 a16z 的投資。
立個flag，周末來答題
只從Waymo最新的白皮書來將這個事兒 給大家一點思路
高精度地圖對於自動駕駛來說，是一種用暴力替代智力的方法。並沒有解決地圖滯後於實際、臨時交通管制甚至大媽口頭勸走等現實問題。
對於駕駛而言，只要能大致定位就可以了，餘下的精度可以靠門牌號、交通指示牌及標線、高大參照物甚至傳統的前輪角度和圈數來確定，相信以現在的計算機能力和發展速度這些不是大問題。
當然了，地圖這東西總是越細緻越好的。
gcj能勝任么？
今年看了一個德國公司用激光雷達製作的地圖，這才叫高清。自動駕駛帶給地圖商的數據比地圖商提高給自動駕駛車有價值得多。
推薦閱讀：
※如何評價圖森互聯在自動駕駛 KITTI 和 Cityscapes 評測數據集上取得世界第一的成績？
※如何評價 Tesla 最新發布的「完全自動駕駛」（Full Self-Driving）功能？
※深度學習在無人駕駛汽車上面的運用有哪些？
※自動駕駛攻破的難點在哪，何時能到Level 5？
TAG:人工智慧 | 汽車 | 自動駕駛 | 地圖應用 | 同時定位和地圖構建SLAM |