雷锋网按：在过去的10几年间，数字地图帮助驾驶员指明方向和路线。但在无人驾驶时代，高精度地图则是自动驾驶汽车的必不可少的条件之一。届时，地图已经不再是单纯的车载系统。它用来指导无人车何去何从，一个0.1毫米的误差就可能酿成一次事故。
虽然高精地图不像无人汽车头顶上的“全家桶”那样引人注目，但它的确是自动驾驶必不可少的条件之一。Here的前副总裁John Ristevski说，自动驾驶时代的到来为高精度地图开创了一种新的商业可能性，总有一天会为绘图公司带来「数十亿美元」的收入。
这个蕴藏着近百亿级财富的无人驾驶细分市场，如今已经迎来了一批又一批的挖矿者。
高精度地图为何备受青睐?
业界普遍把2020年作为完全自动驾驶实现的时间节点，据雷锋网了解，大多数企业现如今还停留在部分自动驾驶上。根据SAE International(国际自动机工程师学会，原美国汽车工程师学会)的划分，自动驾驶分为5级，其中从L3级别开始，才算真的从辅助驾驶到自动驾驶的跨越。
这也意味着，L3级以上，高精地图是逃不掉的一环。而在L1、L2的辅助驾驶阶段，高精地图并不是刚需。前两个阶段的前车防碰撞预警、行人检测预警、自动巡航等辅助驾驶功能直接依赖摄像头、毫米波雷达即可实现。驾驶员依旧是车上的主角，车辆导航地图仅提供方向指示，还需司机通过眼睛观察道路环境、大脑决策控制车辆的行驶方向。
到了L3及其以上级别，自动驾驶汽车则需要自动感知检测道路环境，决策控制车辆。这就意味着道路上有多少条车道、车道方向、红绿灯变化都需要车辆知晓。在传感器在检测到相关信息后，然后对比高精地图，便可清晰的判断车辆所处的位置。
相较于车上传感器对环境的有限感知(当下视觉和激光传感器探测距离一般在200米左右)，高精地图可以提前预知无限远的道路数据，这是传感器无法比拟的优势。当受到恶劣天气影响，传感器失效时，高精地图则对传感器无法探测的部分进行了补充，更有效地为无人驾驶提供最新的路况。
高精地图的组成：静态地图和动态地图
除去实时移动的车辆行人、临时出现的事故等无法提前绘制的动态驾驶环境外，静态高精地图的绘制是当下行业内的工作基础，也是攻坚点。一套完整的静态高精地图需要包含语义信息的车道模型、道路部件(Object)、道路属性三类矢量信息，以及用于多传感器定位的特征图层。
车道模型：即引导车辆从A地开往B地的道路规划，包括车道上详细信息的和连接关系。一套完整的高精地图会将车道上的中心线、车道线、车道变化属性点、以及道路分离点和车道分离点等等诸多与车辆行驶有关信息绘制出来。
道路部件(Object)：包括交通标志、指示牌、龙门架、路杆等路侧及路面的各类物体，当车辆传感器探测到这些道路物体，然后再对比地图，便可得知车辆的精确位置。
道路属性：包括道路的曲率、航向、坡度以及横坡，帮助车辆执行转向、加减速。
多传感器定位的特征图层。
而那些动态数据，比如道路是否拥堵、是否发生交通事故、交通管制情况、天气情况等，也需要实时更新。这些动态数据的测绘难度更高。不过未来越来越多的无人车上路，车与车互联，一旦有车辆检测到周围环境的变化，便可通过将信息上传至云端，这样其他无人车也能知晓路上的环境变化。显然，当下行业的重点是静态高精地图的绘制，动态地图的测绘则需要更长的时间才能实现。
高精地图的测绘相较于传统数字地图更加复杂，数据收集也更繁琐。目前专业的地图测绘车队在陆地上也大多采用激光雷达等多传感器结合的方式，提取道路信息，再加上GPS等卫星导航定位系统。此外，也有众多初创企业以众包模式，通过低成本的传感器识别记录道路信息，再通过GPS/INS耦合，从正射影像图中获取相关地图信息。然后结合自身算法在云端进行数据处理，绘制出高精度的导航地图。
高精地图各路玩家
无人驾驶已是明日之子，高精地图也成为传统图商、车企、科技公司的押注重地。2016年后，这块曾经冷冷清清的无人驾驶细分市场，涌进来一大批创业公司，加上对这块蛋糕分外有兴趣的自动驾驶零部件公司和一些老牌测绘服务公司，高精地图掀起一个小浪潮。
美国对地图测绘方面的政策限制较少，被人喻为“高精地图创业者的天堂”。比较有名的初创公司DeepMap 、CivilMaps 、lvl 5 、Carmera。 此外还有Here 、TomTom 、Waymo(原 Google 地图)等国外老牌图商都在这个大戏台上折腾着。国内方面则有四维图新、百度、高德等诸多资深玩家，甚至曾经靠PPTV视频软件成名的陶闯，也于近日入局高精度地图。
声明：中国勘测联合网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述，文章内容仅供参考。
