初創圖商該如何進軍高精度地圖？Civil Maps現身說法

車雲按：高精度地圖是自動駕駛中不可缺少的一環。不僅是它本身可以看是一個超視距的感測器，而且配合高精度地圖的高精度定位技術在高級別自動駕駛中尤為重要。

但是同時我們也知道，要做高精度地圖是個極其燒錢的行為，暫且不提後續的地圖內容製作與分發等，單單是設備齊全數量足夠的測試車隊就能讓很多意圖進入這個行業的公司望而卻步。

不過，這幾年，國外開始出現一些地圖領域的初創公司開始涉足這個領域，這種方式顯然並不適合初創公司。那麼他們是怎麼做的呢？來看看外媒對於Civil Maps的報道解釋。

一輛汽車要想實現完全自動駕駛，首先必須準確地知道它在哪裡，要去哪裡，以及需要走的路線。因此，我們需要非常精確的地圖。而且，整個道路網路，不可能只繪製一次，甚至每月繪製一次的頻率也有些低。最初的基礎地圖必須不斷更新，以反映坑洞和道路關閉以及車輛可能遇到的所有其他障礙。

相較於傳統圖商，對於初創的圖商來說，並沒有強大的資金鏈來支持，因而必須要精益的方式來進行地圖繪製。

Civil Maps的聯合創始人兼首席執行官Sravan Puttagunta表示：「其他公司這樣做：他們使用光柵圖像或點雲數據作為他們的基礎地圖層。這個數據量非常龐大。」事實上，這項任務所需的資源是為什麼第一輛完全自動駕駛的車輛——我們稱之為Level 4，將會被限制在一定區域內的原因。Puttagunta認為這種方式並沒有打破地理的限制。

Puttagunta解釋說：「將我們與其他公司區別開來的是我們的基礎地圖的大小，我們的基礎地圖非常小。它實際上比我們最接近的競爭者小一萬倍。」

地圖繪製實際上涉及三個不同的層：首先是基礎地圖，然後是一個向量層，它用來描述形狀；其次是一個語義層，類似於業務規則。向量層和與一層需要儘可能頻繁地進行更新，最終目標是接近實時更新，要做到這一點，大多數的選擇是眾包：當自動駕駛汽車沿著道路行駛，將實際感知到的數據與基本地圖進行比較，然後將差異化的數據上傳回到雲端，只要有足夠多的車輛在這麼做，就可以擁有足夠的覆蓋率。

實際上，大部分圖商也是這麼規劃的。但這裡有一個問題：「基礎地圖無法眾包，他們必須派一輛測量車去那裡，收集基礎地圖數據，然後上傳到雲端，再通過自動處理或者人工的方式來進行標註和修改，然後再進行發布。「

因此，創建基礎地圖的數據量相當龐大，因為它們都是由原始的3D激光雷達點雲或光柵圖像構建在雲端的。Civil Mpas生成基礎地圖的方式略有不同，使用AI演算法來刪掉除所需感測器之外的所有數據，進而創建「指紋基礎地圖」，這樣上傳到雲端的數據要小很多。這套技術允許在三個地圖層中均使用眾包的方式進行數據更新。這是Civil Maps成本低的原因之一。

較小的數據量還有其他好處。如果能夠將每公里的地圖大小降低到200KB左右，那麼在車載端就可以本地存儲更多的地圖數據了。數量量越小，上傳和下載量也就越小，也意味著網路費用越少。在這個基礎上，汽車可以緩存更多的數據，在網路情況較差的地方也可以使用。Puttagunta特別提到，在一些小地方，一個完整的城市可能只有10-12MB左右，就可以把數據放到緩存里，更新的內容也可以存儲到本地的緩存中。當可以聯網時，再將更新的數據上傳到雲端。

Civil Maps的AR標註

當前所有的地圖製造商都面臨一個共同的難題：如何為各種各樣不同的汽車創建一個共同的數據平台。畢竟，當前對於所使用的感測器類型與安裝位置、感測器數據融合方式等，還沒有達成行業共識。但是，將不同型號或者品牌的自動駕駛車分隔處理顯然不是理智的做法：向同一平台提供更多的汽車意味著道路網路的覆蓋面更大，更不用說為處理這些數據的機器學習演算法提供了更大的數據集合。

Here自動駕駛汽車產品管理部門的負責人Dietmar Rabel說：「如果汽車因為有障礙物存在，在下一個拐角處剎車，該信息可以用來向後面的司機發出信號，提前放慢車速，這樣就能更平穩、更高效地行駛，並降低發生事故的風險。但只有當所有的汽車都能說和懂同一種語言時才能奏效。」Here的解決方案是將一些行業參與者（包括供應商、車企還有其他圖商）聚集在一起，就車輛到雲數據的通用標準達成一致。

這個被稱為Sensoris的共同標準是由歐洲的一個叫做ERTICO的組織協調的。ERTICO的首席執行官Hermann Meyer說：「為車載感測器和專用雲之間以及雲之間的信息交換定義一個標準化的介面，將能夠實現車輛感測器數據的廣泛訪問、交付和處理；使所有參與者能夠輕鬆地交換車輛感測器數據，並最終實現豐富的基於位置的服務，這些服務是移動服務以及自動駕駛的關鍵。」

這種方式對Puttagunta和Civil Maps也是很重要的。Civil Maps現在並沒有加入到Sensoris，但已經開發了自己的感測器融合堆棧。Puttangunta表示這個融合不僅僅是針對激光雷達或者攝像頭這樣的感測器，而是有像麥克風或者從汽車懸架發出的某種信號，都將會融入到感測器融合的堆棧中。

他的圖像指紋背景在這裡起作用。所謂圖像指紋，和人的指紋一樣，是圖像的身份特徵，簡單點說，就是將圖像按照一定的演算法，經過運算後得到的一組二進位數據。Puttagunta表示，通過圖像指紋的內容可以找到汽車的位置和方向。

Civil Maps將其方法稱為「6D定位」，即6個自由度，因為汽車將知道它的運動軌跡，也知道它的當前姿態。有了這些信息，汽車就可以定位自己，然後將對應的地圖數據投射到感測器的視場中，感測器就可以把注意力集中在特定的區域，而忽略其他區域。Civil Maps認為這樣做的好處是，知道要看哪裡可以節省汽車的計算時間和計算資源，否則就需要反覆重複對周圍環境進行識別以及與地圖進行對比的過程。

知道在哪裡「尋找」可以節省車輛時間和計算開銷，否則就需要反覆獲取對周圍世界的語義理解，以及與地圖的關係。

Civil Maps使用的增強現實標註方式也是現在大家的常用方式，這種方式相對於激光點雲數據，更容易被常人理解。Civil Maps並沒有使用昂貴的GPU，而是在ARM Cortex上就可以運行這套程序。

Civil Maps目前完成了第四輪融資，其中就包括福特。去年，福特對該公司進行了投資，作為660萬美元的種子輪的一部分。這在未來幾年肯定是一個值得關注的公司。

推薦閱讀：