高精度地图在智能导航中的研究及应用

沈晨 王敬平 马冬冬 黄子君

（中国电子科技集团公司第三十二研究所 上海市 201808）

随着导航电子地图的普及，使用车载、手机等导航软件进行出行规划以及实时路况信息获取，已成为一种不可逆转的趋势。

目前使用的普通导航电子地图在精度上无法满足车道级别的路径规划和导航。智能导航不仅在精度上要求更高，在地图内容、地图更新频率等方面对导航电子地图都提出了更高的要求。地图精度需要达到亚米级别，地图内容包含道路中的各种要素以及地图数据的现势性。因此，研究高精度地图技术以适应智能导航的需求，对人员出行、道路交通、行车安全等方面具有重要意义。

1 智能导航发展情况

1.1 国外现状

20世纪70年代，国外发达国家开展自动驾驶车辆课题研究。在美国，众多自动驾驶相关企业在研究初期就开始投入大量的资金，亚马逊、苹果、谷歌、微软等先后全部进入自动驾驶研究领域，美国在高精度地图和人工智能技术上的研究始终处于世界领先。德国于2019年建立大型实景试验基地，进行无人驾驶车辆的试验，该试验的目标是实现任何场景下的全智能无人驾驶。2020年，日本本田公司发布了L3 级别自动驾驶概念车，并目标于2025年-2030年左右分别实现L4、L5 级别的自动驾驶技术。

1.2 国内现状

20世纪80年代初期，我国开始进入自动驾驶研究领域。1992年成功研制第一辆自动驾驶车辆。目前，我国车辆自动驾驶技术虽然尚不成熟，但已经涌现了一批走在自动驾驶技术前沿的代表，如广汽集团、长城汽车等车企，百度、华为等大型互联网公司。2017年百度与威马共同设立“威马&Apollo 智能汽车联合技术研发中心”，基于领先的传感器融合设计方案及车端海量数据训练验证，实现汽车智能化升级及无人驾驶的多场景应用。2021年，ARCFOX 极狐汽车联手华为推出阿尔法S 华为HI 版自动驾驶汽车。

1.3 现有导航技术的不足

1.3.1 地图要素不丰富

目前的导航电子地图主要用于路径规划和导航。导航电子地图由道路、背景、注记、POI、3D 实景图、建筑物等组成，其主要作用是把道路信息抽象的表达出来，使用普通的曲线、线段来标示道路，而道路中的车道线宽度、路灯位置、交通信号灯、路障、行车指示标识等在普通导航电子地图很难得到体现。在行车过程中，导航电子地图只能为驾驶员提供当前的车辆定位、路径偏离、交通拥堵等信息，如车道、信号灯以及交通事故等信息需要驾驶员进行观察及分析，并重新规划路径。自动驾驶车辆很难替代驾驶员完成上述判断分析及决策。所以，普通导航电子地图并不能满足自动驾驶车辆的要求。

1.3.2 地图精度低

普通的导航电子地图基于GPS（Global Positioning System）卫星定位，通常精度在10 米左右，存在较大的误差，只能进行道路级别的导航，无法进行车道级别的导航，导航电子地图的精度限制了导航技术的发展，也无法满足自动驾驶的需求。

1.3.3 动态信息更新频率低

当前的导航电子地图只能提供道路拥堵、交通事故等路况信息，且在时效性方面存在较大的延迟，不能很好的体现道路的实时信息，如信号灯的位置、信号灯当前指示、道路标示线、潮汐车道等。这也是制约自动驾驶车辆发展的一个重要原因。

1.4 自动驾驶的地图数据需求

汽车工业领域将自动驾驶车辆分为L0 至L5，6 个自动化等级。L0 级别对应的是完全人工驾驶状态，随着自动化等级的提升，至L5 级时对应的则是全自动驾驶状态，详细内容见表 1。

表1：自动驾驶分级信息表

2 高精度地图在智能导航中的作用

2.1 高精度地图与传统地图的区别

高精度地图与传统地图相比，主要在地图精度和地图内容两个方面有着显著的提升。精度方面，普通的导航电子地图的绝对坐标精度约在10 米左右，可以满足日常出行导航，而远远达不到自动驾驶的需求。自动驾驶车辆需要亚米级别的精确定位；地图内容方面，高精度地图需包含曲率、坡度、限高、限宽等高级驾驶辅助系统数据和实时交通信息。与传统导航电子地图相比，高精度地图还需具备车道边线、车道中心线、车道形点等车道级数据，道路区间、交叉点等道路级数据，道路级拓扑网、传统地图对照表等路网拓扑数据，道路印刷标识、立体交通设施等交通设施数据，诱导规则、限高限速等特征属性数据。

2.2 高精度地图的应用

要实现自动驾驶，首先要对车辆周边环境进行数据采集、地物识别，再通过智能分析处理及算法形成规划与决策，最终实现车辆的自动驾驶。高精度地图主要应用于自动驾驶的感知和规划阶段。

2.2.1 感知阶段

自动驾驶的感知技术通常使用车辆上的雷达、摄像头等设备对道路、静态物体、动态物体进行捕获，通过智能识别算法提升对周边环境的感知能力。高精度地图可作为虚拟数字传感器，提供完整的静态地物描述，系统通过地物检测识别以及卫星定位精准匹配，完成车辆对周边环境的精确认知，实现车辆障碍物检测和避让、智能调速等。

2.2.2 规划阶段

自动驾驶的规划决策主要解决自动驾驶车辆如何走的问题。自动驾驶规划决策技术主要包括自主路径规划和自动行驶控制。自动驾驶车辆根据高精度地图中的丰富道路语义信息以及周边环境信息，包括车道级路网、交通信号灯位置、限高限宽等，可自主完成两地间的最优路径规划；基于精准定位和自主路径规划的车辆需要通过高精度地图完成自动行驶控制才能实现真正的自动驾驶，首先通过地图提供的静态数据进行车辆速度控制，然后通过车辆配备的各类传感器设备获取实时动态数据，对车辆、行人、障碍物等进行识别和预测，完成车辆的减速、转向、刹车等命令。

基于高精度地图在智能感知、规划与决策两个层面的应用，高精度地主要有以下几个优势：

（1）静态地物识别。高精度地图提供丰富的静态地物标识包括道路类型、宽度、坡度、曲率的车道及道路网，路面标线、箭头、文字、立面标记、突起路标和道路边线轮廓标等路面标线，交通标志牌、交通信号灯、防护栏等道路周边设施。这些信息能为车辆提供丰富的先验知识，对驾驶路径进行提前规划。

（2）动态信息获取。由于道路存在弯道、坡道或者有车辆遮挡，传感器的探测范围是有限的，车辆通过网络获取实时道路数据扩展传感器的视野，让传感器更加迅速地反应各种复杂路况，将动态信息和静态地图内容有效地结合起来，进一步增加自动驾驶车辆的感知准确性和安全性。

2.3 高精度地图的不足与对策

高精度地图是自动驾驶的关键技术，其丰富的静态地物标识可为车辆自主路径规划提供数据支撑，根据实时路况信息对车辆驾驶操作进行规划和决策，避免出行拥堵，提高自动驾驶车辆的安全性、准确性和可靠性。但是由于静态地物的局限性和实时路况的复杂性，有时高精度地图不能全面的反馈所有的道路信息。

自动驾驶包含感知、规划和执行三个阶段。感知阶段车辆通过高精度地图和传感器设备构建环境地图并实现自我定位；规划阶段将传感器数据和高精度地图进行同步定位和精确匹配构建更加具体的环境地图，并完成两地间的路径规划；执行阶段由车辆的ECU（Electronic Control Unit）转换成驱动命令，再由车上的电动或液压执行器执行。V2X（Vihicle to everything）、计算机视觉是能让系统进一步适应复杂环境，提升车辆感知能力和决策能力的重要技术手段。

2.3.1 V2X

V2X 主要包括车与车、车与基础设施、车与人、车与云，是车辆通过传感器、互联网与周边车、人、物进行信息交换、分析、决策的一项技术。V2X 技术拥有强大的环境数据获取能力，可以有效弥补高精度地图在周边信息获取的空缺，提升系统感知能力，为系统的规划和决策提供有效帮助，V2X 技术与其他传感器共同构建自动驾驶车辆周边环境，为优化决策提供重要信息依据。

2.3.2 计算机视觉

自动驾驶车辆是在一个未知的动态环境中进行的，车辆需要实时获取周边信息，计算机视觉就是用各种成像系统替代驾驶员的感官能力，由计算机替代大脑完成处理和解释，是自动驾驶感知技术的基础。计算机视觉利用车辆的多传感器进行信息采集，通过数据融合、数据分析等手段建立车辆的视觉系统，具有自主适应环境的能力，提高自动驾驶的安全和可靠性。

3 结束语

高精度地图在自动驾驶的感知和规划阶段提供定位匹配、地物识别和动态信息获取等技术能力，是未来自动驾驶车辆的重要组成和成熟标志。目前高精度地图在自动驾驶中尚存在相当大的不足之处，尤其在面临复杂的实时路况时，本文针对高精度地图的不足提出了简单的设想，这些还远远不能满足自动驾驶的需求。未来我们会更加关注如何能为自动驾驶车辆提供更髙精度、更高丰富度及更高现势性的动态地图，如何建立完善的髙精度地图生产体系以及自动驾驶产业链。