高精度地图的应用和更新方案

刘建平，郑阳，郑望晓

（广州汽车集团股份有限公司汽车工程研究院，广东 广州 511400）

引言

在人类驾驶活动中，地图常被用于路径规划和计算、地理位置定位查询以及动态交通信息提醒等，具有较强的导航功能，能极大地提升出行效率。随着汽车产业智能化、网联化技术的不断发展，自动驾驶需要更高精度的定位、更丰富的道路环境信息、以及更及时的地图更新频次，传统的导航地图已无法满足技术需求。为满足自动驾驶的需求，因此发展出新的形式——高精度地图，即高分辨率地图（High Defini-tion Map），一方面指地图的绝对精度更高，另一方面指地图能够格式化存储交通场景中各种交通要素[1]。

由于高精度地图数据中丰富且准确的先验知识能够弥补车辆车载传感器的性能边界，实现协同感知和精密定位，因此高精度地图被视为是自动驾驶系统实现的核心基础模块[2]。本文从高精度地图的制作、功能以及在汽车自动驾驶中的定位技术进行分析，讨论了高精度地图在高速公路自动驾驶中具体的应用方案；其次根据高速公路自动驾驶对于地图更新的需求，进一步探讨高精度地图更新如何实施；最后对于高精度地图未来发展的一些展望。

1 高精度地图的制作流程

高精度地图将大量的行车辅助信息存储为结构化数据，这些信息可以分为两类。第一类是道路数据，比如车道线的位置、类型、宽度、坡度和曲率等车道信息。道路网主要由道路基准线网络构成，以描述道路几何、表达与交通设施间的关系，包括道路基准线、道路基准线连接点、路口等[3]。第二类是车道周边的固定对象信息，比如交通标志、交通信号灯、路边地标等基础设施信息。

根据高精度地图的数据格式以及所包含的信息，业内对于高精度地图的生产流程主要分为四大部分：（1）数据采集，范围包括车道线、道路属性等道路数据及停车场数据，采集数据包括图片、点云、GPS、IMU（惯导数据）。（2）数据预处理，主要是通过深度学习识别全景图像中的车道线及标志牌，将点云数据进行分类。深度学习技术能依靠GPU（graphics processing unit）强大的并行处理能力自动地从大量人工标注训练数据集中学习特征[4]，训练好的神经网络模型能够对图像数据等进行实时高效的自动化处理[5]，将非结构化的原始数据转化为结构化数据，包括目标位置、姿态、种类、语义信息等，为地图要素矢量化提供数据支撑。（3）人工确认，通过人工对环境、道路、车道、物体和停车场数据进行确认，确保数据的准确性。（4）数据发布，即将包含道路、标志牌等属性的完整高精数据发布。

2 高精地图的定位

在自动驾驶系统的功能系统架构中，高精地图与定位功能紧密相关，与感知模块交互，并最终支持规划和控制模块。高精度定位包含道路级定位、车道级定位、高精度纵向定位和航迹推算，基于此并结合高精度地图信息，实现地理围栏判定功能。

（1）道路级定位是指准确判定车辆所在道路，包含但不仅限于下面场景，高速公路和封闭城市快速路旁有其他高速或城市快速路或省道等普通道路，匝道进入高速公路和封闭城市快速路的主路，高速公路和封闭城市快速路的主路进入匝道或高速公路转换路段等。

（2）车道级定位是指在实现正确道路级定位基础上准确判定车辆所在车道，包括紧急车道以及换道过程中车辆位置。

（3）高精度纵向定位是指实现车辆的精准纵向定位。

（4）航迹推算基于六轴IMU、轮速、方向盘转角等信息进行车辆行驶轨迹的推算，短距离内相对位置的计算精度高。

3 高精度地图应用方案

依靠单一的传感器和算法很难满足实际应用的定位需求，多传感器与算法融合的方案是一种有效的解决办法[6]。协同感知技术能有效保证环境感知的准确性，通过将感知结果与智能高精地图相匹配，实现协同精确定位。

基于高精度地图的具备高精定位的特性，可通过高精度地图定位模块与自动驾驶车辆传感器的有效结合，实现精确的设计运行地理围栏定义，从而能确保在一定区域的自动驾驶功能实现。如图1的高精度地图应用方案，基于车载传感器（如前向摄像头）、RTK高精度绝对位置信息、IMU、轮速和方向盘转角等车身信息实现自车的高精度定位，可实时确定车辆所在道路和车道，进一步判断车辆是否在地理围栏内。

图1 高精度地图应用方案

（1）智能前视摄像头，可识别前方车道线的类型和颜色、限速交通标识、路沿、导流区等，并且探测车道线数量和相对本车的距离信息等。通过将检测到的特征地物与高精度地图数据进行匹配，不断修正全球导航卫星系统（Global Navigation Satellite System，GNSS）卫星定位的不确定性和航迹推算的累积误差，实现车辆自身位置和姿态的精确感知[7]。

（2）TBOX，可为高精度地图定位模块输入高精度的绝对位置信息。高精定位系统根据RTK输入的位置融合IMU相关信息在高精度地图中取相应范围内的数据和感知结果进行匹配。同时会根据RTK输入的绝对位置信息判断车辆的纵向位置。

（3）高精度地图定位模块，高精定位是基于高精度地图数据、融合Camera、GPS/IMU等感知输入，加上车身CAN（如轮速计）等信息，综合产出车辆相对位置、地理围栏等信息的服务。同时多传感器融合的方案可以在某一传感器失效的情况下，利用其它传感器短时间内输出正确的定位结果。如Camera失效，可以通过RTK和IMU信息，短时间内确定车辆的相对位移，确定车辆位置，同时高精度地图定位模块集成高精度偏转插件。

4 高精度地图更新

在基于环境匹配的定位中，如果道路环境变化，就可能会影响到匹配算法的准确度，进而出现定位偏移，影响自动驾驶汽车对于周围环境的判断，最终影响到驾驶的安全性。高精度地图发布后如果无法保证持续更新，信息滞后带来的安全风险将持续增加，为更好地匹配车辆行驶环境，需要提供高精地图的更新功能。

对于高精度地图的更新策略，可根据中国市级行政区（地级市）来设置更新区域。一版新的高精地图数据生产流程中包含采图、制作、有关部门审核、加密申请、发布等过程。 其中国家相关部门的审核批示是无法跳过的环节。因此一般按照一年发布4版高精地图，按季度进行更新的频率进行。更新的具体规则如下：①部分更新：如果车端地图版本小于云端最新版本，并且地图版本相差大于或等于1年，则用云端的全量包来进行更新；②增量更新：如果车端地图版本小于云端最新版本，并且地图版本相差小于1年，则用云端的增量包来进行更新。

地图更新需要确保数据的安全性和可靠性，考虑更新过程中存在各种异常情况的可能，在需更新的高精度地图制作完成后需要开展一系列场景的路测，如：测试基础功能可用性的常规场景，测试网络无法连接和无GPS信号时的网络/定位信号异常场景，行政区新增、删除、合并等变化的场景，更新过程中系统断电、断点场景等。通过一系列场景的测试，以覆盖用户更新高精度地图过程中可能存在的场景，实现更新的安全性和可靠性。

5 结束语

随着5G、V2X（Vehicle to X）等现代通信与网络技术的发展，未来高精度地图的应用场景将会是协同感知与协同精密定位技术支撑下的车路协同一体化。同时，高精度地图为了保持周期性数据更新，需要大范围内足量且实时的有效道路数据作为支撑。仅依靠专业测绘难以实现对道路的全时空实时覆盖。基于用户众包是确保高精度地图实时性的必要来源，也是业内公认的高精地图未来形态。众包作为群智感知的一种分布式任务分配与执行机制，能把过去需要分配给特定个人完成的任务以自由自愿的形式外包给非特定的大众完成，充分利用群体智能以较低的成本完成计算机难以完成的任务[8]。