浅聊一下自动驾驶去高精地图的趋势-优快云博客

作者 | EatElephant 编辑 | 自动驾驶与AI

点击下方卡片，关注“自动驾驶之心”公众号

ADAS巨卷干货，即可获取

本文只做学术分享，如有侵权，联系删文

2022年下半年到进入2023年重感知轻地图的大趋势似乎一下子就席卷了整个自动驾驶行业，车企自动驾驶都大张旗鼓的宣布要摆脱高精地图从而拓展高阶自动驾驶功能的覆盖范围，甚至连一直强调高精地图在全无人的自动驾驶安全性上至关重要的L4公司如小马，元戎也开始转向投入到去高精地图的技术研发之中。犹记得高精地图曾是Diss某西方大厂的两大核心法宝之一，如今高精地图转眼变成人见人嫌，人们对激光雷达的热情也开始逐渐冷却，真可谓前天还是小甜甜，转眼间就变成了牛夫人。

基于点云几何图层衍生出来的具有厘米级别精度的车道语义图层的高精地图曾被视为自动驾驶必不可少的基础设施

高精地图到底惹谁了

作为从事过高精定位和静态BEV感知算法研发人员可以很负责任的讲，高精地图有百般好，可以说是谁用谁知道，高精地图极大的简化了自动驾驶功能的研发，可以弥补感知能力的上限，做到对周围静态环境的了如指掌，还可以提供超视距的静态环境信息，让车辆拥有超越传感器限制的超前量，最重要的是在高精地图的世界里一切静态环境都是确定的，道路限速，特殊车道，前方路形分叉汇合，曲率变化，一切都确切无疑毫不含糊。这一切的一切都使得基于高精地图的自动驾驶难度和复杂性下降了至少一个数量级，因此很多人在高精地图上的自动驾驶与其说是自动驾驶汽车不如说更像是运行在虚拟铁轨上的自动驾驶火车。

好的东西一般有一个缺点就是贵，高精地图也不例外。高精地图的贵体现在多个方面，传统高精地图制备方法需要非常昂贵的采集设备，一般一辆具备高精地图采集能力的地图采集车成本在百万元以上，即使行业顶尖的图商据我了解其高精车队规模也就在百八十两辆这样的量级，算上人工，维护，车队成本粗略估计也是十亿量级。这样的量级，覆盖全国高速已经实属不易，而全中国高速大概不到20w公里，只占500w公里总公路长度的不到4%，要凭借几百辆采集车覆盖道路元素更丰富，采集难度更大的城市道路难上加难，更不要说作为基建狂魔的我国城市道路不断的进行翻修，要保持高精地图的时效性更是几乎不可能完成的任务了。另外我国地图测绘资质管制极其严格，高精地图被认为是关乎国家安危的大事，地图的发布要做到每个图商逐城审核，层层把关，对其发布进度的把控远远超出了图商和车企可控范畴，势必对自动驾驶产品的功能扩展发布造成重大影响。这样的资金成本和时机，政策成本都让个大车企不得不考虑放弃高精地图。

武装到牙齿的采集车,其中高精Riegl测绘激光雷达成本一般上百万

自动驾驶是否能离开高精地图

高精地图作为曾经被认为是自动驾驶不可或缺的重要基础设施，想要去掉对高精地图的依赖远比说起来困难。自动驾驶的感知部分依赖于高精地图提供的先验信息来避免误捡漏检，定位本质上是在高精地图而不是在现实世界上确定自车的位置姿态，道路参与者行为轨迹预测依赖于高精地图所存储的参与者所处位置的环境信息，自车轨迹规划也要基于高精地图所提供的无惧遮挡的超视距信息来进行决策。

事实上目前真正能称得上不依赖高精地图的自动驾驶功能唯有Tesla做到过，也正是因为有人在前边领跑，大家才有底气去尝试类似的技术方案。根据Tesla的技术分享和个人的理解，我认为不依赖高精地图的自动驾驶主要有三个难点：

更强的感知能力

具备强大的静态感知能力，能够在不依赖高精地图先验的前提下最大限度的感知周围驾驶环境，包括遮挡或道路元素磨损情况下脑补出道路环境的能力。另外针对无图方案，感知需要能够输出可通行区域的能力，因为在车道线磨损或缺失的场景下再没有高精地图提供虚拟车道和行驶参考线，那么可通行区域就决定了车子哪里能走，怎么走。最后要通过感知道路环境形成一个带有置信度的感知感知结果，因为没有高精地图给出的确定性环境信息，下游必须知道哪里的感知是可信的，哪里是相对不确定的。

Tesla FSD的感知中灰色区域代表不可通行区域，感知元素的透明度代表感知的置信度

要求更高的定位和地图使用

不依赖高精地图不代表无地图，实际上宏观层面的轨迹规划离不开超视距的地图信息，视野范围外的预测决策也都离不开地图，而使用地图的前提则是相对精确的定位能力。事实上从第一性原理角度出发人类驾驶也断不能离开地图，无论是人类驾驶员脑海中构建的对自己熟悉的街区的记忆地图，还是如今现代驾驶员越来越习惯依赖的导航地图都是做好驾驶必不可少的一环。

离开了高精地图的加持，想做到精确的定位变得愈发困难，依赖于感知地图匹配的方案失效意味着GPS，IMU，轮速计便成了自动驾驶功能更需要倚重的传感器。包括Tesla和Comma AI在内的不依赖高精地图的自动驾驶公司，都很强调对于GPS，IMU，轮速所组成的组合导航的使用，使用更加底层的原始信号，加入更多对自车轨迹，噪声的约束，以及用导航地图拓扑对于轨迹形成约束，众多的方式都是之前自动驾驶团队较少涉及领域，然而地图的信息量降低了，可用于定位的传感器也变少了，就更需要团队利用好手中仅存的资源做好全局和相对定位，才能最大程度利用好导航信息。所以摆脱高精地图不代表就不做定位，不实用地图，恰恰相反，当你手中食材有限，仍旧要做出色香味俱全的佳肴，代表对烹饪技巧必须更加精益求精。有关注Tesla FSD测试视频的朋友应该会记得早在2020-2021年，导航引起的接管仍旧是FSD接管最重要的原因之一，时至今日导航问题虽然已经大大减少了，但是仍旧是困扰FSD用户的一大症结。

缺少高精地图和感知地图匹配所带来的精确定位能力，FSD也经常被GPS定位不准问题所困扰

在不确定性环境下进行决策规划的能力

没有了高精地图挑战最大的莫过于决策规划模块了，失去了高精地图提供的完善的参考轨迹，规划模块必须具备在更广泛的可通行区域内规划出合理的路径的能力，失去了定义明确的车道，轨迹规划就再不能简单的拆解成横向和纵向，宽度和形状都不规则的可通行区域也对空间离散和无碰撞的最有路径求解所需要的算力和时效性提出了非常高的要求。另外高精地图的缺失意味着依赖于感知输出的周围环境是充满不确定性的，决策规划必能够接受这种不确定性，并利用子车行为去降低这些不确定性的影响。

FSD利用Occupancy来建模遮挡，并利用自车缓行开视野就是利用自车规划来降低无图不确定性的一个绝佳案例

一点思考

我个人觉得做技术的人其实不应该讲究什么主义或流派，一切应该从实际情况和功能实现角度出发。高精地图具有巨大的价值，但其建设维护成本一直是其最大的致命伤。Tesla使用不依赖高精地图的方案是出于一系列权衡取舍以及技术洞见，其结果是不依赖高精地图的自动驾驶功能，其条件是环环相扣的技术方案设计和构建，所以要想同样实现不依赖高精地图的功能，传统技术方案的各个环节都需要巨大的推翻充足和迭代创新，绝不是单单引入BEV感知就可以的，照猫画虎是绝对不可取的。另外Tesla是一家国际化的公司，其市场面向全球，很难想象巴西，菲律宾拥有完善且维护良好的地图基础设施，所以抛弃高精地图对于致力于全球化的Tesla是必然也是迫不得已。显然通过单纯的模仿是无法超越行业领头羊的，过去几年高精地图和激光雷达一直被认为是国内自动驾驶超越Tesla所倚仗的两点优势，这个到了今天其实没什么改变。显然优先国内市场的国内企业不应该一味学习Tesla，在高精地图可用的条件下弃之不用有一点自废武功的意味。国内高精地图采集建设的条件显然高于其他一些国家，在这种情况下优化建图特别是众包建图技术，降低地图维护成本，同时推动算法对不同等级地图的兼容并包，提高自动驾驶功能对不同等级地图的包容性也许是一条可以弯道超车的机遇之路。

① 全网独家视频课程

BEV感知、毫米波雷达视觉融合、多传感器标定、多传感器融合、3D目标检测、目标跟踪、Occupancy、cuda与TensorRT模型部署、协同感知、语义分割、自动驾驶仿真、传感器部署、决策规划、轨迹预测等多个方向学习视频（扫码免费学习）

视频官网：www.zdjszx.com

② 国内首个自动驾驶学习社区

近2000人的交流社区，涉及30+自动驾驶技术栈学习路线，想要了解更多自动驾驶感知（2D检测、分割、2D/3D车道线、BEV感知、3D目标检测、Occupancy、多传感器融合、多传感器标定、目标跟踪、光流估计）、自动驾驶定位建图（SLAM、高精地图、局部在线地图）、自动驾驶规划控制/轨迹预测等领域技术方案、AI模型部署落地实战、行业动态、岗位发布，欢迎扫描下方二维码，加入自动驾驶之心知识星球，这是一个真正有干货的地方，与领域大佬交流入门、学习、工作、跳槽上的各类难题，日常分享论文+代码+视频，期待交流！

③【自动驾驶之心】技术交流群

自动驾驶之心是首个自动驾驶开发者社区，聚焦目标检测、语义分割、全景分割、实例分割、关键点检测、车道线、目标跟踪、3D目标检测、BEV感知、Occupancy、多传感器融合、大模型、SLAM、光流估计、深度估计、轨迹预测、高精地图、NeRF、规划控制、模型部署落地、自动驾驶仿真测试、产品经理、硬件配置、AI求职交流等方向。扫码添加汽车人助理微信邀请入群，备注：学校/公司+方向+昵称（快速入群方式）