四维图新王鹏：高精度地图在自动驾驶中的作用与发展趋势

四维图新王鹏：高精度地图在自动驾驶中的作用与发展趋势

以下为演讲部分实录

感谢高工智能的邀请，今天希望能分享一些干货给大家，希望大家能从中受益。前面我听了各位专家的分享，从芯片到域控，从感知的算法到基础的一些架构。那么到了高精地图，该怎么形容高精地图在自动驾驶中的作用呢？我认为高精地图对于自动驾驶的意义相当于记忆之于人的意义，人在驾驶过程中，在做出决策之前，要依赖于之前的知识和经验去推动决策制定及规划控制，而高精地图在整个自动驾驶中，就像这样一个先验知识的记忆。

一、汽车智能化发展趋势以及对高精地图的行业需求

从国家层面来说，引导电动化、网联化和智能化发展是毋庸置疑的，其中智能化是我们今后几年重点加码的主战场。现在大家可以感觉到对于推进L3、L4遇到一些困难，包括遇到技术和政策法规等多方面的难点，所以市场现在主要的策略是从L2及L2+开始逐渐的推进自动驾驶落地。

从趋势来看，目前主要还是会从高速和封闭道路的场景开始，道路参与者比较简单，比城市工况要更易落地。至于城市工况，因为道路情况相对比较复杂，特别是中国的路况，所以在它之前，大家把AVP的场景落地作为现在的一个发力点。从2026年到2030年，城市工况的自动驾驶可能才会开始逐步落地。

从业态和发展模式来看，大家能感受到车端的数据量与算力需求越来越大，完全通过车端来处理我们自动驾驶相关的应用是比较难的，所以我国的路径是单车智能+车路协同，推进人、车、路、云高效协同的解决方案，所以不论是推进V2X、智能道路的搭建和验证，还是推进智能位置云端的服务的支持，都是必要的。

在智能汽车发展的这一大趋势背景下，高精度地图能扮演怎样的角色、发挥怎样的作用呢？

高精地图的核心作用最主要就是以下四点，一是去做感知的辅助，像图上这些特殊的场景：特殊天气，遮蔽，系统没有正确的感知到结果，都可能会造成安全隐患，而这些需要感知的信息都是高精地图可以精准表达的。

其次一点是帮助自动驾驶车辆去做定位，而且这个定位是高精的定位结果，L2+以上的自动驾驶对定位结果的精度、稳定度要求是非常高的，地图加车辆感知的结果可以做高精度融合定位，在多场景下均可最终输出亚米级或者是厘米级的定位结果。

另外，不论是自适应巡航ACC，还是已经落地的基于导航的领航辅助驾驶，可能都需要导航结果做自动变道等车道级的规划和引导支持，这也是离不开高精地图的，什么地方可以允许变道，最佳变道的路线怎么选择，需要结合高精地图和动态感知结果来实现。

最后就是差异化的驾驶规则的决策，这一部分主要是城市路况相关应用，包括大家比较常见的如十字路口，路口的难点在于哪里呢？自动驾驶车辆控制主要依赖车道线信息，所以目前很重要的感知能力就是车道线识别，但是在十字路口本身没有车道线，这会使算法的计算维度和难度大幅提升。而根据高精度地图中的虚拟车道线属性要素，以及车道和车道之间的挂接关系，来辅助自动驾驶，就能很好的解决这一场景的难点。环岛的形式也是类似，本身自动驾驶感知的视角没有办法环视整个环岛的全景，高精地图可以为自动驾驶系统提供上帝视角，提前作出合理的驾驶规划，保证驾驶安全。

在目前整体的自动驾驶点到点的应用过程中，从一开始的主动召唤，到十字路口、环岛，上下匝道以及之后的高速自动驾驶，到最后的自动泊车，这些都有相关的对应的地图产品支持，大幅提升自动驾驶能力与量产可能。

说到高精度地图产品，下面我会主要介绍一下四维图新的布局。

二、四维图新高精地图产品介绍

首先在产品策略上，我们认为高精地图不可能是铺设不同的产线、给用户不同的规格，这样会造成一个什么情况呢？如果现在产品场景是基于高速的，未来还有普通路，结果普通路的数据需要新的规格和格式，硬件整个架构不能复用，这对车厂来说是不可接受的。所以我们需要有从L2到L4的统一的道路结构数据规格，做到数据的无缝的OTA。

产品架构上，从生产体系的工具链搭建，以及要素的规划，都需要考虑到成本因素，替客户考虑成本，生产线是不是可以复用，我们整个的产品线能不能合到一起做处理升级。

面向量产，一个重要问题是在数据全域覆盖之后，更新怎么去做，这需要和合作伙伴一起做UGC数据更新，这里重点要考虑合法合规，在保障数据安全与网络安全的基础上做探索，我们也在和国家有关部门积极推进，未来肯定会有一个成熟的方案。

面向高精度地图应用，四维图新搭建了整体的解决方案服务框架，一部分是车端应用能力一部分是云端服务能力。

在车端，除了高精度地图数据，我们也有一站式高精度地图应用产品赋能车厂应用，包括动静态感知、融合定位算法、车道级路径规划以及ODD判断等。

在云端，会有地图的UGC数据更新处理、地图数据分发，帮助OEM厂商去快速的落地自动驾驶项目。

三、未来挑战