2023年6月14日，由江夏區(qū)人民政府、蓋世汽車、武漢大學(xué)測繪遙感信息工程國家重點實驗室主辦，江夏科技投資集團有限公司承辦的2023第五屆自動駕駛地圖與定位大會上，武漢大學(xué)教授、博士生導(dǎo)師李必軍表示，從傳統(tǒng)的地圖，到導(dǎo)航地圖，再到高精度地圖，企業(yè)高度重視地圖設(shè)計。地圖體系的核心內(nèi)容是“模型”，即怎樣組織、存儲數(shù)據(jù)，怎樣表達(dá)信息。從高精地圖生產(chǎn)來看，未來信息采集將實現(xiàn)全球覆蓋。目前高精地圖存在的一個難點在于需要對高精地圖進行場景劃分；另一個難點是目前尚未形成統(tǒng)一的標(biāo)準(zhǔn)。

李必軍|武漢大學(xué)教授、博士生導(dǎo)師

以下為演講內(nèi)容整理：

(資料圖片僅供參考)

地圖感知如何融合自動駕駛

地圖需要許多理論基礎(chǔ)，面對自動駕駛的地圖與汽車導(dǎo)航地圖有所不同。自動駕駛所需地圖應(yīng)該如何表達(dá)、存儲或使用？2018年前我提出地圖感知融合實現(xiàn)自動駕駛，既不是單純地圖，也不是單純感知，而是融合協(xié)同。從國家角度來看，智能汽車需要精確的智能控制和環(huán)境信息，2022年8月30日，自然資源部發(fā)布《關(guān)于促進智能網(wǎng)聯(lián)汽車發(fā)展維護測繪地理信息安全的通知》，明確了在智能汽車上安裝定位、圖像采集設(shè)備等屬于測繪行為。

測繪行為肯定是用到地圖，地圖的應(yīng)用從傳統(tǒng)地圖到導(dǎo)航地圖，再到高精度地圖。很多設(shè)計師把地圖看得很重，在復(fù)雜環(huán)境下，地圖具有眾多優(yōu)勢，比如轉(zhuǎn)彎半徑、上下坡坡度、路線長度、車道等。由于傳統(tǒng)導(dǎo)航電子地圖的信息不全，因此需要增加大量信息，并且采集成本也較高。

為了支持11部委提出的智能汽車創(chuàng)新發(fā)展戰(zhàn)略，以及推動智能駕駛汽車的系列標(biāo)準(zhǔn)建設(shè)等，在專項中增加了編碼為706的子項。標(biāo)準(zhǔn)體系有些已經(jīng)在制定，有些尚未完成，它又分為五大類，從基礎(chǔ)通用到安全管理。

導(dǎo)航地圖安全有一個強制標(biāo)準(zhǔn)，必須進行加密和偏轉(zhuǎn)。在加密完成后，還需要考慮如何解密和還原。關(guān)于地圖體系，需要解決的核心問題是如何存儲數(shù)據(jù)和組織。在導(dǎo)航方面，我們使用較多的格式有兩種：歐洲NDS標(biāo)準(zhǔn)和日本kiwi標(biāo)準(zhǔn)，中國有自己的標(biāo)準(zhǔn)，但未得到認(rèn)可，因為此前銷售較好的是合資企業(yè)和品牌，新能源汽車出現(xiàn)后注定會逐步趕超。

武漢大學(xué)提出的四層模型，核心內(nèi)容增加了定位特征，即在駕駛過程中，人的行為是根據(jù)與路上的交互實現(xiàn)定位和相關(guān)導(dǎo)引。這個過程中涉及到了如何進行定位，機器定位又需要什么技術(shù)和特征。機器還無法達(dá)到通過記憶和本能來判斷，所以我們詬病的是龐大的計算能力而非算法。此外，我們還增加了用戶層，讓用戶保持自己的習(xí)慣。

在習(xí)慣的基礎(chǔ)上如何將其轉(zhuǎn)化為模型？在這個模型中討論了概念和邏輯問題，實際上最終還是要形成文件的格式，而駕駛中使用較多是部分專業(yè)化生產(chǎn)的力量。但自動駕駛存儲方式存在很多問題，如無法區(qū)分動態(tài)車輛和地下隧道等，因此還需要進一步完善。

數(shù)據(jù)模型與場景處理

ASAM模型，將道路分成車道、用戶層、動態(tài)層等進行描述，并將地圖分成多個部分進行表達(dá)。一方面，地圖學(xué)中，通常使用點線面、路口和路段來表示地圖的基本邏輯結(jié)構(gòu)。另一方面，高級定制圖層和表達(dá)，圖上基本都有這些內(nèi)容，但每家都有其細(xì)微的變化，而且地圖是很難通用的。其中的重點是需要具備測繪的導(dǎo)航地圖資質(zhì)，核心是要有三維模型等能支持?jǐn)?shù)字展示。

數(shù)據(jù)模型和格式有很多不同，現(xiàn)在只需要包含特定點、圖像信息和路上的屬性信息。我們可以利用背包式、移動式和機載實現(xiàn)數(shù)據(jù)的采集，以及眾包和低空遙感數(shù)據(jù)采集。通過這種能力可以實現(xiàn)大范圍的地圖更新，基本上4天內(nèi)全球更新一次，并且未來高新技術(shù)采集的門檻和成本都會降低。

因此很多企業(yè)對高精度地圖處于觀望的狀態(tài)是正確的。在沒有衛(wèi)星的情況下，如何進行采集？以高速公路、高架為例，我認(rèn)為高速上不需要高精度地圖，可以直接通過感知實現(xiàn)，因其車道線非常明確。而在地下停車場、高鐵站、機場等場景，是無法確定具體位置，導(dǎo)致定位問題難以解決。

我們需要將場景分為幾個方面：結(jié)構(gòu)化道路，如高速公路、城市道路等。鄉(xiāng)村道路則是非結(jié)構(gòu)化道路。國道有很多邊界線，如中心線和邊界線等，導(dǎo)致結(jié)構(gòu)不完整。在這種不完整的情況下，計算機處理起來相當(dāng)麻煩，因為它需要依靠人工智能來解決問題，所以是無法感知道路，并且邊界線也有很多不清晰的部分。

在這種情況下，需要強調(diào)算法和制作的部分，現(xiàn)在有很多不同格式的編譯和定義。在變換格式時，由于標(biāo)準(zhǔn)不同，且不滿足自動駕駛需求，導(dǎo)致需要不斷升級和更新。更新完成后，還需要重新調(diào)整，會造成工作量變大，所以如果有統(tǒng)一的標(biāo)準(zhǔn)，操作方面會更為簡潔。

目前主流的是基于眾包更新，但需要資質(zhì)，加密方法和手段尚不確定?，F(xiàn)在的決策依賴計算，而非人為記憶和直覺技能，隨著人們駕駛技能的提高，操作也會變得愈發(fā)輕松。但計算機不能僅憑本能，因為無法通過計算來了解情況。因此，在地圖中需要增強人的視覺定位。

在智能駕駛中，地圖的支撐需要一些特征，如視覺和幾何特征。計算機強項在于了解相互關(guān)系，但視覺方面并不能做到準(zhǔn)確且快速。每家公司都有自己的一套方法，這意味著又各自具有其特征，但加工后提供給別人使用就存在困難。人工智能可能通過大量計算得到最好的參數(shù)，這個參數(shù)就是企業(yè)的核心競爭力，因此就變成了一個矛盾點，解決方法是需要各行各業(yè)形成共識。

空間與時間感知下的高精定位

如何識別語義特征是一個核心問題，涉及到人類認(rèn)知機理和邏輯接口，我們需要了解如何描述、表達(dá)和如何構(gòu)建。因此需要制作3D圖、高精度地圖等，這樣通用性和專業(yè)性都會得到提高?，F(xiàn)在的算法因為缺乏前沿知識才會復(fù)雜，而在現(xiàn)實情況下，讓計算變得簡單，只需檢測路口紅綠燈，如果沒有路口就不需要紅綠燈，傳感器性能也會下降，計算能力就不需要那么高，因此地圖需要對算法和傳感器進行調(diào)度和規(guī)劃。

有學(xué)者已經(jīng)進行了大量研究，探討如何與汽車進行接口、地圖之間如何互聯(lián)、如何通過汽車對力度提出要求、地圖反過來對汽車結(jié)構(gòu)提出指導(dǎo)。在跨學(xué)科交叉融合的過程中，實際上是能夠解決這些問題，需要一起共同努力。

我們有高新地圖和基于普通地圖的地圖，未來也想嘗試基于導(dǎo)航地圖和osm地圖。志愿者地圖較為簡單，只有一條線，許多車道和小區(qū)域都可以使用。但在開放馬路上存在風(fēng)險，一方面法律上不允許，另一方面風(fēng)險較大。因此，我們需要在示范區(qū)內(nèi)基于普通地圖進行測試工作。

前期我們需要制作一個高精地圖，許多視覺等特征都在后臺圖片上，雖然畫面較為簡單，但因為基于模型化，數(shù)據(jù)量小。下圖左邊是春筍，右邊是廈門港的示范圖?；镜母咔宓貓D不足以實現(xiàn)，需要高效融合。我認(rèn)為這種融合只是一個途徑，即基本概念和方向，同時還需要通過感知和腦子結(jié)合來準(zhǔn)確判斷。

圖源：演講嘉賓材料

近些年，科技部已經(jīng)開展了智能駕駛方向的研究，我們也在測試和研究人的行為預(yù)判，以及如何將車輛與地圖結(jié)合等，這將是未來的重要研究方向。目前我團隊承擔(dān)的科技部的重點研發(fā)計劃項目，主要是關(guān)注定位和地圖，同時也需要具備空間和時間的感知機理，時間和空間兩方必須同步，時間越準(zhǔn)，精度就越高。

（以上內(nèi)容來自武漢大學(xué)教授、博士生導(dǎo)師李必軍于2023年6月14日，由江夏區(qū)人民政府、蓋世汽車、武漢大學(xué)測繪遙感信息工程國家重點實驗室主辦，江夏科技投資集團有限公司承辦的2023第五屆自動駕駛地圖與定位大會上發(fā)表的《高精地圖模型、表達(dá)與應(yīng)用》主題演講。）

關(guān)鍵詞：