8 月 25 日，由盖世汽车主办、中国智能网联汽车产业创新联盟自动驾驶地图与定位工作组协办的“2020 第二届自动驾驶地图与定位大会”隆重召开。本次会议主要聚焦高精地图、高精度定位等自动驾驶关键技术，共探产业未来发展之路。下面是四维图新高精度地图解决方案负责人王焕晓在本次论坛上的发言。
四维图新高精度地图解决方案负责人 王焕晓
大家下午好！我在听完尹总介绍他们天宝产品的时候，我觉得这个价格相对于高精度地图来说，高精度地图还是蛮便宜的，所以我对高精度地图我们的市场信心更强了，我觉得对于未来来说，自动驾驶地图在整个的产业化和接下来一部分的量产落地的实践过程当中，它也会有更好的一个发展。
我来自四维图新的智能地图事业部，今天很高兴跟在座各位嘉宾和线上同仁一起来进行自动驾驶高精度地图和定位的思考，我更多是想探讨一下，首先这个行业是怎样的情况，当然大家都知道自动驾驶地图的未来是看起来非常光明的，但是在通向光明的过程当中我可以做哪些事情，今天我带来四维的一些分享。
从四维的角度来说，传统上我们是一家以测绘为基础的公司，当然现在已经不仅仅是单独的地图公司，我们有自己的芯片、SOC、MCU，有自己的云端服务产品，也有自己整个自动驾驶的业务，但是从四维的角度来说，自动驾驶这个系统是一个多元异构的系统，非常复杂，它有很多复杂的传感器，就像视觉、毫米波这些传感器它能够起到很多感知周围环境的作用，包括一些环境的细节和环境的变化。但是对于整个自动驾驶系统来说它也需要一些在线的传感器，比如说像已经预知到当前环境状态的一些环境信息，就像高精度地图和V2X的一些信息甚至于RTK，这些都是对于自动驾驶系统的有效补充，因此四维希望通过超过20年精准专业测绘级的制图能力，给自动驾驶整个产业带来一些帮助，并且基于四维20多年汽车行业的业务经验，通过这种丰富多元的传感器聚合的能力，跟合作伙伴一起推进整个在自动驾驶过程当中地图以及地图在线更新业务，包括整个自动驾驶系统更加强健。
高精度地图能够解决自动驾驶的问题我就不用过多赘述了，我觉得最关键的还是起到一个现有传感器冗余的作用，因为现有的传感器即使从看的比较远的激光雷达的角度来说，它现在还很贵，而且从现有落地的产品来看大概有2百到3百米的有效距离，未来应该可以做到4百到5百米，但是它是有限的，所以地图的信息是远远超过一定距离的，它能提供的维度也在这个之上。当然除了现实世界的信息和现实世界的变化之外，还有一个重要的点就是它里面有很多道路的决策，以及跟道路的驾驶行为相关有效的信息，这些对于自动驾驶系统来说可以通过地图来获取。
从整个自动驾驶的行业来说，大家对于高精地图这个名称理解并不是完全一致的，像waymo这种自己做完全端到端的自动驾驶运营、自动驾驶的工业设计、自动驾驶的量产落地这种类型的公司来说，它对于地图的要求是非常复杂的，比如说点云矢量、规则以及不同地图要素的概率，它都会有非常强烈要求。对此来说，它也会有很高频更新的要求，因为对于一个自动驾驶的运营车辆来说，这些运营的过程当中也会去频繁更新数据。但是对于传统的主机厂来说其实对于自动驾驶的车辆更关心的是这个车辆的安全性，就像日产的propilot会搭载两套产品，包括一套日本高精度地图的定位系统和传统的系统，来保证冗余，从而保证自动驾驶的安全性。当然也有相对来说准确性没有那么高成本很低的，但是可以大批量进行推广的高精度地图产品。还有博世的以及RoadDNA等等产品可以获取有效的信息，并且更新频率也很高，但是因为它缺少对于视觉语义信息的感知，因此它只能做一些现有传感器的补充。特斯拉对于高精度地图有另外的看法，它认为这个高精度地图在生成的过程当中可能是更多通过深度学习来自动生成而不是对高精度地图有强依赖的过程。
因此从四维的角度来说我们对于高精度地图的理解分为几个不同的层次，大家在说高精度地图，但其实高精度地图并不是一件事情，也并不是一个单一的产品。最简单来说就是我能够保证在某一个区域上面实现单车道或者多车道的自动驾驶，比如说这个区域的行驶条件适合行驶，那它有一定的车道信息就OK了，但是很多的车道级定位通过众包的形式也可以去生成地图，这个过程当中会有一定的不确定性，但是它可以获得很好的一个成本补偿。
从L2、L3、L4，我们认为这个阶段的地图我们才称它为HD map，因为它完完全全有效利用现代地图当中所有的要素，来实现地图当中上层的基本功能，也就是对地图来说最关键的几个功能，就像定位、规划和引导，我认为现在我们的行业阶段应该是从ODD地图在向L2+HDmap转变的过程当中，但是四维所做的事情就像其他的嘉宾演讲过程当中，对地图有这样的理解，实际上一头扎进了L3和L2+层面去实现对地图的道路安全以及复杂场景感知，以及道路规则和决策复位，四维认为一旦实现了L3和L4地图的要求，针对于L2+以及上层这些基本地图的要求，应该都是能够满足的，因此四维现在主要的精力都在攀登L3和L4，HAD和HD的地图高峰。
下面我就把我们L3和L4的心得跟大家做一些介绍，这是我们高速简单的示例介绍，在面向封闭道路，我们在向主机厂和合作伙伴推出了HD pro面向封闭场景的自动驾驶地图，上面显示的车道线、标牌、杆这些信息都是自动驾驶基础的要素，包括这些要素的精度如何去保证，这些要素的质量和自动生成是不是可以满足条件，都是我们要考虑的问题。大家对于L3来说有更高的要求，对于地图来说现在没有真正功能安全的标准，但是实际上一个自动驾驶的系统是要达到功能安全的A4等级的，也就是说在地图制作过程当中也要按照一定的标准来讨论这个地图是否能达到冗余。
假如说一个地图里面的某一个要素或者某几个要素发生了变化，是不是自然会导致其他要素的数据质量也会发生相应的变化，如果是的话也就意味着这个地图可能有一定的自身问题。如果说现在自动驾驶的车辆只会关注在可行驶范围区域之内的情况，假如说现在自动驾驶的车辆遇到了紧急的情况，需要停止或者说没有办法去终止，系统的冗余发生故障，是否有足够的地理空间信息告诉车辆在可行驶的范围之内会有哪些情况，比如说在护栏之外或者在中间隔离带之外，这些地方是不是对车辆有损坏的可能，是不是对自动驾驶的系统来说，有更好的安全性来保证现在周边的环境可以让这个自动驾驶的在遇到意外的情况下能够运行得更好。这个更多是面向L3级的自动驾驶地图要去考虑的事情。
现在四维自动驾驶的地图已经完成了全国高速公路的覆盖，都是按照L3地图规格去制作和生成的，我们已经把HD地图通过我们的在线服务平台，把它转变成了一个在线分发的地图服务产品，通过在线传感器的数据回传的任务管理，让这个传感器变成了一个服务的闭环，在中国的北京已经完成了这个在线数据回传的产品化。
除了L3的地图以外，另外一个四维现在主要做的事情就是面向L4的这个场景，对于这个场景来说我们有另外一个的产品形态HD ultimate，这个产品仍然会用传统的制作工艺来进行制作，大家也可以看得到，这个地图制作的结果和地图生成的过程也是非常复杂的，在城市普通路的自动驾驶地图里面。
除了要满足功能安全和L3级自动驾驶地图属性、要素冗余以外，还要考虑另外一个很重要的点，就是在城市普通路的自动驾驶量产过程当中，是不是地图能够帮助自动驾驶的系统更多的减少端上算力的要求，从而能让很多端上传感器算力、端上自动驾驶决策的算力通过地图大规模减少，比如说直行、右转场景，包括有保护和无保护左转等场景，在考虑周边的车道、周边的行人，在左转过程当中是不是有直行车道的影响，在这种情况下，很多的地图属性可以来帮助大家确认现在车道车辆行驶的置信度，如果对向的车道没有左转或者右转的车辆，那端上的算力不用投入更多的精力来考虑左转的保护。
现在ultimate这个产品从商业化的角度来说，我们更多是在top城市的核心区域来进行覆盖，在上海比如说大家现在在的这个地方就已经完成了覆盖，上海已经完成了2千多公里城市普通道路的产品覆盖，包括北京也有1600多公里，我们也会在其他的城市，比如说杭州、重庆，如果有其他的特殊要求的话我们也会对ultimate这个产品进行有规模和有计划的推广。
除了矢量地图以外，另外一个产品也是刚才尹总介绍的，我们在城市道路上面因为对于激光雷达有效的应用以及现有L4自动驾驶系统、端上算力和整体解决方案的要求，我们也在城市达到上面推出了HD ultimate点云地图这个产品，就像刚才的覆盖范围一样，有规模和有一定的覆盖规划的，就跟我们的城市矢量地图一样进行覆盖。
因此我们自动驾驶地图产品除了地图数据以外，我们把地图数据转变成了在线服务，支持百万级的车辆并发以及上层针对主机厂要求自定义的图层，包括这些在线的跟自动驾驶相关很多的业务应用，包括像导航地图的一些路径关联，就像自动驾驶的一些ODD的服务等等都是通过在线服务的方式去提供的。另外我们也有一个完整的端上引擎的解决方案，包括车厂可能会care比较多的就是地图数据的更新，包括怎样把端上的数据通过回传的方式来实现跟地图的有效更新，甚至自动化的成图，这些都是在端上计算和问段计算协同的方式来完成的。
应用引擎对自动驾驶的上层解决方案和应用有很大关系，就像车道级的路线规划、融合的车道定位和电子地平线等等，现有的L2+接近L3-这个过程当中用的比较多的还是融合车道级定位和电子地平线，融合到自动驾驶的过程当中还有一定的时间，我们也希望随着接下来自动驾驶域控制器的逐渐成熟，对整个自动驾驶的功能和利用引擎越来越多，整个L3的功能才会越来越强。
在面向L3及以上自动驾驶地图时，我们从产品特性的角度来说，除了高精度，我们认为这是对高精地图来说NO.1的需求，除此之外就是一定要保证地图的制图过程，一定要是高精度化的，这样可以快速复制，并且快速得到地图的更新。对于L3以上，我们也有一个很重要的跟自动驾驶功能安全相关高精度地图的二级服务，地图里面的每个要素跟真实世界的要素，因为地图是先验知识，它跟真实世界是有一定的差别的，所以怎么保证地图要素仍跟现在的精度保持一致，所以我们跟自动驾驶相关的关键要素都提供了地图执行度的在线服务。如果说现在因为某些原因，一些气象或者车祸的原因导致某些地图要素发生了变化，那这些地图要素的地图执行度会发生大规模的降低，另外这个自动驾驶的地图也必须是一个高度可信的产品，因此我们也从四维的内部角度通过了北京的自动驾驶T3牌照，把整个自动驾驶通过端到端的形式运用起来。
高精度的地图实际最终它从现在行业的认知角度来说，我们还是更多的敬畏传统，认为这个产品还是在首次成图的各个当中通过专业的处理技术来保证现在整个过程是高度可信的。比如说一些基站位置精度的保证，我们更多是通过CORS站的方式来保证的，精度优化的软件我们有自动燥点消除，包括点云跳变、AI自适应算法快速优化，都可以来处理产品的问题。
另外就是地图在生成的各个当中如何来保证质量，比如说自动化提取以及要素的一些推理识别和冗余的这些自动化的处理方式，只有应用了这些高度的自动化工艺，才能保证数据制作的准确性，才能保证现在地图生成的过程是可靠的，并且是一个可持续的。
我们生成一张图更多是依赖于传统的测绘手段，但是大家也知道如何保证现有的高速公路，城市快速路甚至普通道路地图的高精度和高鲜度就不能完完全全依靠自由采集车来完成，因此四维更多是跟主机厂，当然也有我们很多的合作伙伴一起来发布了高精度地图服务平台，这个平台已经在北京产品落地了，目前会进行更多的地图更新，这样可以通过兼容广泛数据源的方式快速自动化实现地图更新，最终实现一个未来的自动成图的方式。
接下来讲讲我们自动驾驶产品引擎的进展，我们通过多年的积累，把我们的产品变成了一个标准的地图服务，我们可以达到μ秒级的地图信息查询，并且我们可以不经过任何的用户确认，只需要通过这种车端的处理器，车端GPS的位置就可以得到车辆的OTA地图更新，并且在此之上我们也提供了交叉关联的服务，和导航引擎建立无缝的连接，因为从现在的自动驾驶地图来看，现在车上还没有太多的精力在车上搭载更多的产品，但是从未来的汽车角度来说，可能在IVI智能座舱上，从用户角度来说，可能会搭载几个不同的车载导航引擎，比如说像很多的互联网公司现在导航引擎都做得非常出色，因此车厂也愿意把选择权留给用户，就会带来一个必然的问题，就是说怎么样把互联网导航跟高精度地图的数据进行有效的关联，因此我们的自动驾驶地图引擎也提供这样的功能，以及融合定位，ODD等等这些功能都是自动驾驶引擎的标准产品。
下面做了一个简单的产品展示，比如说我们支持ODD和标准导航进行关联的地图导航功能，包括ODD是支持可视化手动图层编辑的，就是说通过用户、车厂和可视化的定位图层可以来手动选择路径，来保证某一段路是在ODD的范围之内和之外，另外像这个可静态行驶的区域，就像隧道自然排除在外，以及受恶劣天气环境影响导致这个地方不适用自动驾驶的情况也应该设置在ODD的范围之外，所有的产品可以让主机厂根据自动驾驶的硬件系统和系统解决方案来动态和合理地来选择，到底哪一种ODD表达方式、配置逻辑是自动驾驶的系统应该去满足的。
现在的自动驾驶系统还不具有高精度地图的显示和渲染的能力，但是我们现在已经从车端和V2X的需求角度完成了可视化引擎的一部分工作，包括3D地图的渲染，以及算路、地点和要素的显示，这些我等一下会详细展开。
前面主要是介绍了我们地图的基本情况，但是刚才其他的嘉宾也介绍了，地图现在还很难进入一个盈利周期，因为我们有那么多的采集车，每天在路上会做数据的采集，并且我们每天也有无数的点云、传感器数据，会回传到我们的数据库和众包的系统，这些过程会对我们的产品服务、对主机厂的服务带来哪些帮助呢？我们不仅仅是提供了一个高精度地图的在线分发服务，我们也提供了很多基于高精度地图融合定位的测评服务，以及基于自动驾驶仿真的云服务和差分定位服务，也就是我们四维旗下六分科技现在提供的服务。
现在的自动驾驶在逐渐落地过程当中，包括现有的L2+、L3-以及L3自动驾驶系统，在落地的过程当中发现了一个问题就是实际上现在对于定位来说没有一个很好的评价标准，就像刚才尹总也介绍了，尹总的小1百万美金那个东西可以做绝对精度结果的评价，那个东西真的非常贵，但其实对于自动驾驶系统来说，它要评价的这个定位的精度是多元的，比如说跟当前的标志物以及车道线相对定位的结果，其实在某些特定的环境场景里面更加重要。
因此其实四维在做地图采集和定位过程当中已经积攒了一套完整对于地图的评价机制，我们每年大概有30万公里的高速道路，平均每年会评测2万2千公里以上，给我们的合作伙伴和客户提供我们高精度的质量保证依据，但是在这个过程当中最后车厂验收的时候实际上是需要一个定位盒子或者是MapECU的定位评价，因此我们也面向OEM和合作伙伴提供了一个融合定位精度的评测服务，这个从评测的过程、工艺、技术流程以及产品品控模型来说是完全公开的，您如果说从任何的角度想去对这个评测服务进行一些定制化或者说有一些权重的要求，或者对某些评估的要求有自己的想法，我们有更高一级，对自动驾驶系统来说更高一个数量级的评测体系来保证现在这个车规级和消费级的定位系统是否真正可靠，是这样的一个产品。
因为我们有丰富的采集车数据和丰富的量产车，因此在我们完整数据形态的基础上面向自动驾驶提供了完备场景数据的能力，将我们的自动驾驶在线模拟仿真，通过云服务的方式提供出来，大家可以通过我们的云服务和我们的模拟仿真服务，这个里面有采集车采集回来的非常丰富的，远超现在标准模拟仿真的产品场景的产品数据库以及标注类型都是基于我们30万公里每年采集数据的仿真场景，因此在这个上面，我们能够提供的仿真场景的数据能力也是远远高于同级的。
另外我也给六分科技打一个广告，除了我们的地图产品以外，现在基于差分的高精度地图产品也已经正式发布了，是今年的年中刚刚发布，我们拥有毫米级和厘米级的两个后处理服务，实时处理的服务有亚米级和厘米级两个服务。我们在6月底已经完成了中部和东部全部高速公路的覆盖，今年12月底的覆盖程度可以达到全国高速公路的范围，预计到时候CORS站的数量是2200多个，并且我们是跟电信一起联合运营的，因此在运营效率和产品成本上面我们也会有一些优势，欢迎各位多多跟我们六分的同事进行咨询。
刚才讲到我们做了一个基于V2X车端可视化的引擎，为什么做这个事情呢？因为我们也认识到，基于现在的单车智能，实际上在高速公路上面来行驶是没有什么太大的阻碍，从我们面向L3的高精度地图来说里面有1百多个要素，这些要素不仅仅是包括在高速公路范围内，甚至在高速公路的外界和外围里面有丰富的要素来保证自动驾驶的安全性和地图的冗余。从封闭道路迈向城市道路，尤其是城市道路复杂的路况，对于自动驾驶来说，我们也认为协同智能是未来自动驾驶在城市道路L4真正落地的关键场景，协同智能也是自动驾驶未来进化的一个必由之路。
在这个过程当中，我们认为从今年开始，因为单车智能就逐渐开始在向高精度地图、城市普通路进行逐渐的落地，但是从城市的协同智能角度，我们也从今年开始严格意义上是说从2019年，我们也从许多的城市试点，包括现在大家所在的上海汽车城的区域进行很多的协同智能试点，我们认为需要5到10年的时间才能真正达到跟单车智能相提并论的成熟度。
对于高精度地图来说一个很关键的点就是车辆包括整个V2X系统需要一个统一的参考坐标系，传统的参考坐标系应该是GPS，就是我们说的84坐标，但是这个坐标系有具体信息却缺少语义信息，也就是说两个车虽然离得特别近，但是并不一定会撞上，对于V2X来说一个很关键的点就是怎么来保证车辆相互之间有一定的逻辑关系，比如说它们应该是前后行驶，或者说它们之间在可能会在转弯处碰到等等的，因此对于未来来说高精度地图对于车路协同，对于未来的自动驾驶来说，它会成为一个基础的设施。在开始可能是由车上装载高精度地图来实现这些基础的车路协同功能，在未来的3到5年之后，车路协同的路测足够发达，那个时候可能是由路测来实现实时更新地图，来更多地感知路测周围的环境，更多收集有效性的信息来保证车辆驾驶的安全。
现在我们在上海嘉定安亭的这个自动驾驶综合示范试验区正在开展一个2020年V2X新四化的活动，这个活动也是智能网联创新联盟一起来发起和主导的，去年的这个活动主要是跨芯片模组、跨终端、跨整车和跨安全平台，来保证各个车辆和各个自动驾驶V2X系统的操作性，从今年开始在原有的四化系统上增加了高精度地图和定位功能，其实大家也意识到如果没有高精度地图和定位的话，V2X很多应用存在一些先天的问题，也就是说它没有办法达到真正的精细化和真正的车辆与车辆、车辆与路测的管理功能。
最后我说一点我们的展望，从四维的角度来说，我们是一个测绘公司，地图是我们的一个产品之一，对于未来来说，实时的平台会变成一个必需的产品，会应用在行业的方方面面。
另外，自动驾驶地图赋能给自动驾驶的车辆只是自动驾驶地图其中的一种商业模式之一，对未来来说，车辆的优化、标定以及车辆售后的处理，我们通过更多传感器的信息来获取现在车辆的状态以及周边环境的一些状态一样都可以根据我们的高精度地图信息获得一些融合，来保证我们是不是可以通过这样一个实时的面向未来的地图平台产生更多的商业价值，比如我们是不是有更多的路侧设备，是不是有更多的信息，能够让我们的市政部门、管理部门、业务治理部门通过这些信息获取更多有效性的信息，帮助我们来实现这个社会更优化的治理，我相信这些都是未来我们需要考虑的话题，我们四维也在这个方面去做一些更多的工作，希望不仅仅把自动驾驶地图这样的产品服务于智能驾驶，也希望有更好的智能平台和更多的数据资源，可以在这个平台当中为汽车行业以及其他行业的各位客户起到更多更好的作用。
最后，需要给我们的市场部打个广告，如果想了解更多的四维信息请扫描关注二维码，如果有业务合作的朋友的话，咱们当面加微信，谢谢大家！