当前位置：首页>自动驾驶>自动驾驶之地图篇

自动驾驶之地图篇

2026-11-12 13:15:18

自动驾驶之地图篇

前言：自动驾驶的汽车上用的是什么地图，目前市面上有哪些主流的方案，以及终局是怎样的呢？欢迎大家一起探讨～

一、地图分类

地图分类主要包括：导航地图 SD、专业版导航地图 SDPro、ADAS 地图、高精地图HDLite 版、高精地图 HD、众包地图。以上几种地图拥有其各自不同的特性，在实际融合定位和地理信息识别中起到了不同的作用。

如上表所示，与 SD 相比，SDPro 地图增加了基础车道信息，可支持抬头显示功能开发；而 ADAS 地图又增加了曲率、坡度、航向道路几何信息；HDLite 相对于 ADAS 信息来说，要素种类相当，但是其精度略高于 ADAS 地图。HD 地图在 ADAS 地图基础上又增加了详细的对象信息，丰富了交通限制信息，信息精确至车道级。同时，在 HDLite 基础上增加了对象信息。考虑到地图新鲜度和更新速度，众包地图又通过单车智能感知、逻辑运算等，利用强大的车云、云云、车车链路，实时生成、更新、共享在线地图。

二、建图过程

第一阶段：通过车辆上的各类传感器采集数据，然后在本地进行处理，构成本地语义地图。

第二阶段：通过对本地语义地图进行整合，然后再压缩上传至云端。

第三阶段：用户通过OTA下载语义地图，再进行本地解压使用。

三、高精地图标准

标准	起草者	时间	备注
NDS	汽车OEM、图商	/	瓦片格式，支持增量更新；超重文档，信息全面
OpenDrive	德国自动化及测量系统标准协会（ASAM）	/	XML文件
ADASIS	欧洲智能交通协会下属ADASIS Forum	/	定义了地图在ADAS和自动驾驶应用程序中的数据模型和传输方式，是针对地图与车载应用之间的标准接口。
《智能驾驶电子地图数据模型与交换格式》	四维图新主编	2019.05	此类标准都是推荐性国标或行业标准。多数标准仅有一两个文档，建设不健全。
《道路高精度电子导航地图数据规范》	自然资源部、武汉大学主导	2019.12
《电子公路地理要素高精度表达规范》	交通运输部主导协作：国汽智联、易图通等	2020.07
《自动驾驶地图采集要素模型与交换格式》	中国汽车工程学会、易图通主编	2021.05

测绘地理信息标准网：https://www.csms.org.cn/csms/mh/page/pageview.aspx?id=d511cc39-8287-4d49-ad3c-58a2b542ddab

四、高精地图构建

构建高精地图的一般流程可拆分为：数据采集（外业）、数据处理（中业）、人工验证（内业）、最终的地图发布、以及后续的地图更新。

	具体过程	备注
外业采集	使用地图采集车辆，利用各种传感器（激光雷达，相机，组合导航等）采集道路信息，并回传	此过程需要规划路线，派人采集，耗费人力物力极大
中业预处理	数据解算：对采集到的点云数据、组合导航数据进行后解算	软件：IE（Novatel），POSPAC（Applanix）
底图构建：利用点云配准算法，结合组合导航数据，对激光点云进行拼接配准，生成底图。	该初始底图模板无任何语义信息。
要素分类与识别：基于深度学习方法，对3D点云与2D图像中的目标（如路牌、车道线、护栏等）进行分类、识别，提取道路各要素的语义信息。	可对点云、图像融合进行要素的识别提取
矢量化：将识别出的各道路要素抽象化为带有语义信息的点、线、面，并建立要素间的关联信息。
内业校正	人工编辑：对预处理中误识别、漏识别的要素进行检查，并进行人工补全；	该过程一般基于专门的“内业操作平台”，可保证自动地图创建正确、完备；
质检：对生成高精地图进行人工验证；
数据发布	经过数据编译之后，输出标准格式地图	OpenDrive，NDS，或自主定义的格式；
地图更新	检测道路情况发生变化的路段，以一定周期更新和维护高精地图，保证地图的新鲜度	该过程难度较大，后面会详述；

核心的传感器都是：激光雷达、相机、IMU、GNSS-RTK、毫米波雷达等

硬件	作用
激光雷达	采集反射点云，提供道路结构化数据；多采用精度最高，点云最为稠密的机械式激光雷达，成本在几万到百万不等；一般会有单线和多线，平装和斜装的区分。
相机	采集图像数据，提供道路语义数据。成本在万元到数十万不等。一般有：前视相机，或者环视相机系统的区分。
GNSS	提供全局的定位信息，一般搭配RTK使用，在开阔地带定位精度可达毫米级，但在山区、城市内的定位精度急剧下降，隧道内更是完全无法使用。
IMU（高精度）	由陀螺仪、加速度计、磁力计组成，测量局部位姿，高精地图采集车一般采用战术级的惯性传感器（IMU），价格在数十万到百万RMB，其GNSS离线1min后的定位精度一般在0.5m以内。
轮速计	根据轮速，提供位置信息冗余；
工控机	控制硬件采集，临时存储数据。
毫米波雷达	一般为自动驾驶决策提供辅助信息，对高精地图采集无作用

五、众包地图

Mobileye REM是最早的纯视觉众包建图概念的起源，利用搭载摄像头的、众多行驶在道路上的车辆构建高精地图的方案。

方案	专业采集车路线	众包路线
优点	1. 硬件完善，精度高，单次作业可采集到完整道路信息；2. 作业精度高，配合定位基站，单次作业即可满足精度需求；3. 专业人员采集，通过作业前规划与作业后检查，可满足道路完备性要求；	1. 硬件成本低，可在民用、商用车辆实现海量部署；2. 可利用车端算力，完成结构化数据处理，快速发现变化，并将其回传；3. 单条道路多次采集后，通过大数据即可建立起统计学模型，保障采集地图的准确性；4. 设备覆盖率达到一定程度，用户既是高精地图的使用者，亦是高精地图的生产者，形成服务闭环。
缺点	1. 硬件成本极高，使用门槛较高，无法规模化；2. 采集数据难以在车端进行处理，需要专门的内业生产；3. 对于发生变化的道路，无法做到及时的更新；4. 需要后解算保障精度，地图采集、预处理、编译、审核、发布周期较长，无法实时更新。	1. 没有人力纠正，对算法要求极高，工程化链条更长；2. 单条道路必须有足够的采集次数，现实中许多地区的覆盖次数可能不达标；3. 涉及敏感信息的采集和传输等法律问题（目前的大问题）；4. 海量信息的传输需要的流量通道，对云端存储、算力亦是不小的挑战。

众包车辆采用的传感器种类基本与专业采集车一致，仍然是GNSS+IMU+LiDAR+Camera等，其采用的多是低成本的传感器，采集数据的精度也会低一些。

车端生产的众包数据以“包”为最小单位，其中包含了感知结果、语义检测结果、轨迹数据，而后通过4G/5G网络传输到云端平台。

https://zhuanlan.zhihu.com/p/605953999
https://zhuanlan.zhihu.com/p/605846823
https://zhuanlan.zhihu.com/p/645691917
来源知乎

谢谢观看，如果觉得文章对您有帮助，感谢点个在看，转发分享！

预祝大家：马蹄踏雪辞旧岁，春风送暖迎新辰！

本文来自网友投稿或网络内容，如有侵犯您的权益请联系我们删除，联系邮箱：596563534@qq.com 。

最新文章

随机文章