作者 / 阿宝
编辑 / 阿宝
出品 / 阿宝1990
前面聊了这么多自动驾驶离不开高精度地图，高精度地图怎么制作，怎么用图，怎么更新的话题，前景是一片光明，但是道路肯定是崎岖不平的，用农村俗语来说，只看到狗吃肉，没有看到狗挨揍，咱们先来看看目前有哪些限制了高精度地图发展的痛点。
资质壁垒制约高精度地图行业发展
地图虽然比不上粮食这样国计民生的物品，但是仍然是影响国家安全，所以是有资质门槛是必然存在的问题，由于地理信息涉及国家安全，地图信息的采集受到严格监管。根据《关于加强自动驾驶地图生产测试与应用管理的通知》规定，自动驾驶地图（高精地图）的数据采集、编辑加工和生产制作必须由具有“导航电子地图制作测绘资质”的企业承担。
根据《测绘资质管理规定》，若想拥有甲级电子导航地图测绘资质，申报企业必须满足硬件和专业人才两个方面的要求。硬件方面，申报单位或者企业外业数据采集设备不得少于50台（定位精度≤10m）；人才方面，测绘及相关专业技术人员不得少于100人（含注册测绘师5人），其中高级10人、中级20人。
其实要满足上面的管理规定是蛮简单的，无论是硬件和人才方面，这方面都是可以砸钱搞定的，关键资质不是钱的问题，对于创业企业来说，钱能搞定的问题都是小问题，资质问题讲起来很复杂，而且敏感。这里就不展开说了。
并非所有厂商都有资质能进行高精地图数据采集。受到国内陆图测绘政策限制，测绘资格成为当前高精地图产业的“敲门砖”。由于地图行业涉及国家安全，截至2020 年7 月，拥有“导航电子地图制作（甲级）资质”的单位仅24 家，其中企业单位20 家，外国图商则被完全排除在外。
而不具备该资质的厂商则禁止参与自动驾驶地图（高精地图）的数据采集、编辑加工和生产制作环节。被排除在外的企业只能通过投资、合作等方式间接使用该测绘资质，例如吉利、东风等汽车厂商。在自动驾驶汽车亟待商业化落地当下，不排除政府未来极放宽相关资质审查政策，促进高精地图领域内的良性竞争，推动国内自动驾驶技术蓬勃发展。
互联网公司进入高精度地图行业，百花齐放带来机会也带来危机
从上面资质的可以看到传统的地图厂商在2010年前就获得了甲级资质的单位，我们经常听到的是四维图新、高德、凯立德、易图通、这些都是比较早就获得资质了。
早期，地图资质是不对民用开放的，完全属于军用或国家基础建设领域。2010年之后，互联网突飞猛进，政策放缓，BAT巨头通过收购有资质的企业，获取地图资质，推进地图行业的互联网化，随着PC互联网和移动互联网的发展，大家越来越离不开手机地图APP了。
我们可以看到在2013左右年发生了好多收购案例；2013年可以看成一个分水岭，但这时候，仅仅是普通的导航电子地图（精度在百米左右），而非高精度。大佬入局，疯狂砸钱，加之手机产品更新换代，手机导航地图的时代来临，互联网地图走进千家万户。可以看出互联网大佬，都是2013年入局地图产业。
2013年，百度全资收购有甲级导航电子地图资质的长地万方。
2014年，阿里先期斥资2.94亿美元收购高德28%股份，资产重组后完成全面控股。
2013年，腾讯将soso地图更名为腾讯地图，之后入股四维图新。
但是高精地图产业，仍然在传统的国家单位手中，因为它并没有明晰的民用方向。
2013年到2018年，互联网地图蓬勃发展，高举不要钱的大旗，造成了行业变革，车载导航市场一蹶不振，只有后装市场的凯立德、四维图新雄霸在车载后装地图市场，渐渐落幕，这是日新月异的科技时代，不得不经历的阵痛。
时代洗礼下，墙头变换大王旗，山河岁月空惆怅。
2019年，自动驾驶的春天艳阳高照，风投纷至沓来，企业百花齐放，似乎满大街都是自动驾驶的测试车，自动驾驶的确有很多法律上和技术上的未定因素，导致其充满变数，但它推动了高精地图的民用化。导航必然需要地图，普通导航地图十米、甚至百米的精度，根本无法满足无人自动驾驶的需求。
在自动驾驶的浪潮下。
互联网巨头们在做高精地图，高德、百度、腾讯，在地图产业的旗下，都有自己的高精地图事业部门，京东、滴滴、美团等，也都有做高精地图的团队。
传统地图数据生产商，四维图新一直根植其中。
通讯业巨头，华为、小米也都在做高精定位和高精地图。
车企更是惶不多让了，上汽集团、吉利汽车等等。
更别说那些概念性的短命新兴科技公司了。
入局、破局，发展，抽身，成败萧何，关键性的问题就是，有钱有人吗？
2021年，自动驾驶热度已经不如18年19年那么疯狂了，还能在这个行业中留下并坚持的，都是财力雄厚的大厂。
高精地图这个行业肯定是要发展的，因为技术的发展永远会超越我们的想象。
但如何发展，我们可能要翻看一番，毛主席的《论持久战》了。
看到这里不是有毛病吧，互联网公司进来是好事啊，相当于鲶鱼搅动市场，为啥还带来危机呢，你想想滴滴，美团哪个不是垄断后开始提价，价格就不提了。
其实每家互联网公司进来做高精度地图的目的还不一样，你看京东做高精度地图就是为了做物流运输，做一些低速的配送，这个地图所要求的精度和自动驾驶的精度还不在同一个等级，而华为进来做高精度地图肯定是做自动驾驶的高精度地图。
所以我们看到地图可以显著提升自动驾驶成功率、安全性、驾驶体验。但是不同的产品对于自动驾驶系统的要求不同，即使是相同的产品，不同的自动驾驶解决方案在选择技术路径上也有差异，不同地图的采集范围，采集要求不同，最终对应的标准就是不同，这就带来一个非常致命的问题，车企的迁移成本太贵。
高精度地图标准不统一，而且有保密政策，影响整个行业发展
我们想想以前在纸质地图和普通电子地图的时候，这个非常容易读懂，而且更换起来非常方便，因为无论是纸质地图还是普通电子地图有比较明确的标准，哪些位置要有标注，POI有哪些内容，地图比例要求是多少等等，就相当于你手机上既可以按照腾讯地图，也可以使用高德地图，也可以使用百度地图，手机上的兼容性都非常好，无论使用哪家的导航地图的精度影响都微乎其微，都可以使用。
而且地图还可以在手机上做很好的闭环交易使用环境，比如你在手机上使用高德地图搜某个地址，可以直接使用打车软件，搜到某个火锅店，可以直接在导航软件这里购买火锅优惠券下单，这些都是在手机普通电子地图上可以形成的闭环交易，所以手机上的地图导航软件都基本上上免费的，毕竟它有很多其他变现的途径，但是这个在车载上这个不行，如果车机上没有微信或者其他软件没有办法做支付，所以车载的导航地图基本上没有办法变现，所以现在普通的车载导航地图都是收费的，直接是车厂想地图厂家付费的，这个价格不贵，一台车估计在100RMB左右。
前面我们也提到了，高精度地图每家采集的仪器设备，形成高精度地图的算法，数据处理方式包括元素识别内容，比如有的厂家就把路灯和路灯外面的花坛一起标注进高精度地图，有的厂家又不标注路灯，所以最终形成的高精度地图就很大的区别，这样就会涉及一个问题，车企选择高精度地图厂家很慎重，在L3向L4/5演进的过程中，规划是最关键的能力，而规划算法需要与地图深度绑定。
L3与更高级别自动驾驶的关键区别在于激烈驾驶情况的介入方；系统需要能够在可能出现意外的时刻代替驾驶员做出正确的选择，除了与意外的对手方进行交互，还需要对周围的静物、车道环境、交通规则做出综合考虑，需要强大的高精度地图作为基础支撑。而在各家地图厂商数据结构不尽相同的情况下，算法需要对选择的供应商深度绑定。
一旦选定某家高精度地图以后，这个算法和高精度地图的绑定程度非常深，如果在半途再更换高精度地图厂家，那么基本上所有的算法就得重新来过，这个工作量巨大，迁移成本巨大，导致车企不敢轻易的选择地图厂家，影响整体的高精度地图的发展，就好比一个U盘一旦配了这个电脑使用，如果再换一个U盘，就基本上不能使用了，对于车厂无论后期的价格议价，还是后期的软件分离都不是特别友好，所以车厂都非常期待整个高精度地图能够快速标准化。
2019年6月，全国智能运输系统标准化技术委员会正式在官方网站发布智能驾驶电子地图数据模型与交换格式的相关国家标准征求意见稿，相信过不久标准也能得到统一。参与起草相关的国家标准的单位有四维图新、高德软件有限公司、北京百度网讯科技有限公司、交通运输部公路科学研究院、武汉中海庭数据技术有限公司、上海汽车集团股份有限公司、北京建筑大学等。
统一高精地图的数据模型与交换格式，将有助于减少汽车制造商的开发时间和不必要的成本，同时保证未来跨品牌车辆使用的高清地图都可以不断共享刷新数据。
除了上述标准外，这里面还涉及到一个非常关键的地图数据标准，高精度地图采集后，自动驾驶对高精度地图的实时更新还有强依赖性，因为后续高精度地图更新基本上发展趋势是众包为主，那么就需要有统一的，支持增量更新的格式，这里介绍两种国际比较通用的标准和格式。
NDS
NDS（Navigation Data Standard Association）是面向汽车生态系统的地图数据全球标准, 由宝马、大众、戴姆勒等知名国际汽车厂商、系统商以及数据商为主导成立，旨在通过多方的共同努力，制定出新的适合汽车制造商、系统供应商以及地图供应商未来发展的标准导航电子地图数据格式。
其突出特点是：在兼顾性能和功能的基础上，采用了数据库技术存储地图数据，能够比较好地解决地图增量更新、扩展和数据安全的问题。这种规格的价值在于全球规格、地图切换、增量更新、云混合、高精度地图标准等。
下图是实际的NDS地图的模型，这里可以看到，传感器主要是以摄像头+激光雷达为主，地图是地图分块封装地图数据，数据包括车道模块+object 模型。
在自动驾驶领域，NDS格式可以算是高精度地图行业的默认专业标准。
Opendrive
Opendrive是德国制定的国际通用的标准，国内百度阿波罗采用的就是这种地图数据规范。
Apollo Opendrive规范是在标准Opendrive规范基础上结合阿波罗在自动驾驶方面的技术积累和实践经验改造而成的，相对于标准Opendrive规范，在数据表达上更加简单易行，对自动驾驶开发者也更加友好。
Opendrive中，道路被切分成多个section，车道线变化、虚实线变化、道路属性变化都是其划分原则。规定了参考车道，基于参考车道向左向右的车道ID分别递加递减，参考线ID 初始值为0，ID 正向递增表示向左——1、2、3；负向递减表示向右——-1、-2、-3 等，规定了路口概念，包含红色线（虚拟路），用于连接可通行方向。
虽然百度的Apollo Opendrive 也在在这个标准上修改而来的，但是有很多方面都进行了优化，对于自动驾驶的软件更加友好。
（1）标准是通过参考车道偏移量计算，Apollo是采用绝对坐标点序列描述边界形状，不采用方程的方式。好处是对下游的计算友好，不用再做点的采样。
（2）标准基于偏移量的计算在道路急转弯情况会出现道路上的毛刺，可能导致无人车猛打方向盘造成危险。
（3）扩展了禁停区、人行横道、减速带等元素。
（4）新增了junction和junction之间的关联关系。
（5）增加了车道中心线到真实道路边界的距离、停止线和红绿灯的关系。
（6）overlap：用来描述两个元素的空间关系。两个车道在空间上有重叠，则这两个车道有overlap。能进入到路边停车位的车道与停车位之间也存在overlap。下游的控制决策模块拿到地图之后，知道哪个车道进入停车位。
（7）HDMAP引擎：从HDMAP中提取相关元素给下游用。通过ID检索或者空间位置（点或半径）检索。
可以看到，这些优化对于自动驾驶的性能提升不是一星半点，特别是是采用绝对坐标点序列描述边界形状，不采用方程的方式。好处是对下游的计算友好，不用再做点的采样，这样后端的算法和算力都减轻了非常多的工作量。
保密政策影响高精度地图精度
由于我国道路样式包括曲率、高程等均为保密信息，所以目前，国内出版的所有地图系统（包括电子形式）都必须采用GCJ-02（一种对地理信息加入随机偏差的加密算法）对地理位置进行首次加密，高精度地图也不例外。由于中国的地图是偏转后的地图，想要使用就必须在车载端加载偏转插件，而偏转插件在传统地图上会有随机抖动。根据有限的观察，抖动的幅度最大可达1.7米。
如果厂商的定位较多依赖于绝对定位（即高精度地图所提供信息），那么插件的偏转可能导致车道匹配错误。当前在这一问题上的解决方案是通过分档来反映该类信息，然而效果不甚理想。目前百度、四维图新、高德等国内高精度地图头部企业都在与国家测绘相关部门就高精度地图保密处理以及偏转插件进行合作。
技术瓶颈：现有AI技术无法取代人海与设备昂贵
设备前面已经提了，在制作高精度地图采集的时候，必须要使用专业的采集车，哪怕是后期更新采用众包方式，但是专业采集的更新一年12次也少不了，每辆专业采集车成本至少200W，按照这个更新频率，至少需要40辆车，纯的硬件成本一次性投入至少上亿元了，每次的设备折旧也是一个非常大的费用。
自动驾驶、高精地图，宣传一直主打人工智能、视觉算法等，我们对高大上的技术充满了期待，但是就是这么一个高大上的行业，人工投入比其他传统行业还多，是不是感觉很诧异，和你的认知相悖，就好比印度孟买最富的富人区旁边就是穷人区，但是不影响孟买是国际化大都市。
地图行业，一直都有一个老大难题，那就是在数据的采集加工更新上，无法避免海量的人力、物力的投入。国内，高德地图成百上千人的数据团队（内业、外业，外包、分布各地的兼职人员），阿里巴巴技术不牛吗？牛的话，为什么要用这么多人呢？
是因为地图数据采集更新的问题，是没有办法在短期之内不利用人海解决的。
举个例子，车道线问题。
我们会理所应当的想，沥青地面是黑色的，车道线是白色的，那很容易把车道线提取出来，其实不然，路况是复杂多变的，万一道路上有猫猫狗狗塑料袋反光水坑把车道线遮挡住了呢？万一这条道路川流不息，把车道线磨得黑乎乎的，跟地面没啥区别了呢？
现实应用要比实验室里的不确定因素多很多。
这种就道路的在高精地图上的车道线就得要人工去补充，否则图像和雷达是没有办法自动画线的。
再举个例子，POI更新。地图采集车上路扫街，刮风下雨，照片拍摄得模糊不清，通过程序将店名识别出来，准确性不高，仍然需要人工核对。还有些小街小巷，汽车无法出入，那就需要人去实地看了。甚至像下图，一张图，无数个招牌，怎么看？
想做高精度地图，就必然逃离不了投入海量的人员的事实，21世纪，人才最贵。
联系客服
