8 月 25 日，由蓋世汽車主辦、中國智能網聯汽車產業創新聯盟自動駕駛地圖與定位工作組協辦的“2020 第二屆自動駕駛地圖與定位大會”隆重召開。本次會議主要聚焦高精地圖、高精度定位等自動駕駛關鍵技術，共探產業未來發展之路。下面是四維圖新高精度地圖解決方案負責人王煥曉在本次論壇上的發言。
四維圖新高精度地圖解決方案負責人 王煥曉
大家下午好！我在聽完尹總介紹他們天寶產品的時候，我覺得這個價格相對于高精度地圖來說，高精度地圖還是蠻便宜的，所以我對高精度地圖我們的市場信心更強了，我覺得對于未來來說，自動駕駛地圖在整個的產業化和接下來一部分的量產落地的實踐過程當中，它也會有更好的一個發展。
我來自四維圖新的智能地圖事業部，今天很高興跟在座各位嘉賓和線上同仁一起來進行自動駕駛高精度地圖和定位的思考，我更多是想探討一下，首先這個行業是怎樣的情況，當然大家都知道自動駕駛地圖的未來是看起來非常光明的，但是在通向光明的過程當中我可以做哪些事情，今天我帶來四維的一些分享。
從四維的角度來說，傳統上我們是一家以測繪為基礎的公司，當然現在已經不僅僅是單獨的地圖公司，我們有自己的芯片、SOC、MCU，有自己的云端服務產品，也有自己整個自動駕駛的業務，但是從四維的角度來說，自動駕駛這個系統是一個多元異構的系統，非常復雜，它有很多復雜的傳感器，就像視覺、毫米波這些傳感器它能夠起到很多感知周圍環境的作用，包括一些環境的細節和環境的變化。但是對于整個自動駕駛系統來說它也需要一些在線的傳感器，比如說像已經預知到當前環境狀態的一些環境信息，就像高精度地圖和V2X的一些信息甚至于RTK，這些都是對于自動駕駛系統的有效補充，因此四維希望通過超過20年精準專業測繪級的制圖能力，給自動駕駛整個產業帶來一些幫助，并且基于四維20多年汽車行業的業務經驗，通過這種豐富多元的傳感器聚合的能力，跟合作伙伴一起推進整個在自動駕駛過程當中地圖以及地圖在線更新業務，包括整個自動駕駛系統更加強健。
高精度地圖能夠解決自動駕駛的問題我就不用過多贅述了，我覺得最關鍵的還是起到一個現有傳感器冗余的作用，因為現有的傳感器即使從看的比較遠的激光雷達的角度來說，它現在還很貴，而且從現有落地的產品來看大概有2百到3百米的有效距離，未來應該可以做到4百到5百米，但是它是有限的，所以地圖的信息是遠遠超過一定距離的，它能提供的維度也在這個之上。當然除了現實世界的信息和現實世界的變化之外，還有一個重要的點就是它里面有很多道路的決策，以及跟道路的駕駛行為相關有效的信息，這些對于自動駕駛系統來說可以通過地圖來獲取。
從整個自動駕駛的行業來說，大家對于高精地圖這個名稱理解并不是完全一致的，像waymo這種自己做完全端到端的自動駕駛運營、自動駕駛的工業設計、自動駕駛的量產落地這種類型的公司來說，它對于地圖的要求是非常復雜的，比如說點云矢量、規則以及不同地圖要素的概率，它都會有非常強烈要求。對此來說，它也會有很高頻更新的要求，因為對于一個自動駕駛的運營車輛來說，這些運營的過程當中也會去頻繁更新數據。但是對于傳統的主機廠來說其實對于自動駕駛的車輛更關心的是這個車輛的安全性，就像日產的propilot會搭載兩套產品，包括一套日本高精度地圖的定位系統和傳統的系統，來保證冗余，從而保證自動駕駛的安全性。當然也有相對來說準確性沒有那么高成本很低的，但是可以大批量進行推廣的高精度地圖產品。還有博世的以及RoadDNA等等產品可以獲取有效的信息，并且更新頻率也很高，但是因為它缺少對于視覺語義信息的感知，因此它只能做一些現有傳感器的補充。特斯拉對于高精度地圖有另外的看法，它認為這個高精度地圖在生成的過程當中可能是更多通過深度學習來自動生成而不是對高精度地圖有強依賴的過程。
因此從四維的角度來說我們對于高精度地圖的理解分為幾個不同的層次，大家在說高精度地圖，但其實高精度地圖并不是一件事情，也并不是一個單一的產品。最簡單來說就是我能夠保證在某一個區域上面實現單車道或者多車道的自動駕駛，比如說這個區域的行駛條件適合行駛，那它有一定的車道信息就OK了，但是很多的車道級定位通過眾包的形式也可以去生成地圖，這個過程當中會有一定的不確定性，但是它可以獲得很好的一個成本補償。
從L2、L3、L4，我們認為這個階段的地圖我們才稱它為HD map，因為它完完全全有效利用現代地圖當中所有的要素，來實現地圖當中上層的基本功能，也就是對地圖來說最關鍵的幾個功能，就像定位、規劃和引導，我認為現在我們的行業階段應該是從ODD地圖在向L2+HDmap轉變的過程當中，但是四維所做的事情就像其他的嘉賓演講過程當中，對地圖有這樣的理解，實際上一頭扎進了L3和L2+層面去實現對地圖的道路安全以及復雜場景感知，以及道路規則和決策復位，四維認為一旦實現了L3和L4地圖的要求，針對于L2+以及上層這些基本地圖的要求，應該都是能夠滿足的，因此四維現在主要的精力都在攀登L3和L4，HAD和HD的地圖高峰。
下面我就把我們L3和L4的心得跟大家做一些介紹，這是我們高速簡單的示例介紹，在面向封閉道路，我們在向主機廠和合作伙伴推出了HD pro面向封閉場景的自動駕駛地圖，上面顯示的車道線、標牌、桿這些信息都是自動駕駛基礎的要素，包括這些要素的精度如何去保證，這些要素的質量和自動生成是不是可以滿足條件，都是我們要考慮的問題。大家對于L3來說有更高的要求，對于地圖來說現在沒有真正功能安全的標準，但是實際上一個自動駕駛的系統是要達到功能安全的A4等級的，也就是說在地圖制作過程當中也要按照一定的標準來討論這個地圖是否能達到冗余。
假如說一個地圖里面的某一個要素或者某幾個要素發生了變化，是不是自然會導致其他要素的數據質量也會發生相應的變化，如果是的話也就意味著這個地圖可能有一定的自身問題。如果說現在自動駕駛的車輛只會關注在可行駛范圍區域之內的情況，假如說現在自動駕駛的車輛遇到了緊急的情況，需要停止或者說沒有辦法去終止，系統的冗余發生故障，是否有足夠的地理空間信息告訴車輛在可行駛的范圍之內會有哪些情況，比如說在護欄之外或者在中間隔離帶之外，這些地方是不是對車輛有損壞的可能，是不是對自動駕駛的系統來說，有更好的安全性來保證現在周邊的環境可以讓這個自動駕駛的在遇到意外的情況下能夠運行得更好。這個更多是面向L3級的自動駕駛地圖要去考慮的事情。
現在四維自動駕駛的地圖已經完成了全國高速公路的覆蓋，都是按照L3地圖規格去制作和生成的，我們已經把HD地圖通過我們的在線服務平臺，把它轉變成了一個在線分發的地圖服務產品，通過在線傳感器的數據回傳的任務管理，讓這個傳感器變成了一個服務的閉環，在中國的北京已經完成了這個在線數據回傳的產品化。
除了L3的地圖以外，另外一個四維現在主要做的事情就是面向L4的這個場景，對于這個場景來說我們有另外一個的產品形態HD ultimate，這個產品仍然會用傳統的制作工藝來進行制作，大家也可以看得到，這個地圖制作的結果和地圖生成的過程也是非常復雜的，在城市普通路的自動駕駛地圖里面。
除了要滿足功能安全和L3級自動駕駛地圖屬性、要素冗余以外，還要考慮另外一個很重要的點，就是在城市普通路的自動駕駛量產過程當中，是不是地圖能夠幫助自動駕駛的系統更多的減少端上算力的要求，從而能讓很多端上傳感器算力、端上自動駕駛決策的算力通過地圖大規模減少，比如說直行、右轉場景，包括有保護和無保護左轉等場景，在考慮周邊的車道、周邊的行人，在左轉過程當中是不是有直行車道的影響，在這種情況下，很多的地圖屬性可以來幫助大家確認現在車道車輛行駛的置信度，如果對向的車道沒有左轉或者右轉的車輛，那端上的算力不用投入更多的精力來考慮左轉的保護。
現在ultimate這個產品從商業化的角度來說，我們更多是在top城市的核心區域來進行覆蓋，在上海比如說大家現在在的這個地方就已經完成了覆蓋，上海已經完成了2千多公里城市普通道路的產品覆蓋，包括北京也有1600多公里，我們也會在其他的城市，比如說杭州、重慶，如果有其他的特殊要求的話我們也會對ultimate這個產品進行有規模和有計劃的推廣。
除了矢量地圖以外，另外一個產品也是剛才尹總介紹的，我們在城市道路上面因為對于激光雷達有效的應用以及現有L4自動駕駛系統、端上算力和整體解決方案的要求，我們也在城市達到上面推出了HD ultimate點云地圖這個產品，就像剛才的覆蓋范圍一樣，有規模和有一定的覆蓋規劃的，就跟我們的城市矢量地圖一樣進行覆蓋。
因此我們自動駕駛地圖產品除了地圖數據以外，我們把地圖數據轉變成了在線服務，支持百萬級的車輛并發以及上層針對主機廠要求自定義的圖層，包括這些在線的跟自動駕駛相關很多的業務應用，包括像導航地圖的一些路徑關聯，就像自動駕駛的一些ODD的服務等等都是通過在線服務的方式去提供的。另外我們也有一個完整的端上引擎的解決方案，包括車廠可能會care比較多的就是地圖數據的更新，包括怎樣把端上的數據通過回傳的方式來實現跟地圖的有效更新，甚至自動化的成圖，這些都是在端上計算和問段計算協同的方式來完成的。
應用引擎對自動駕駛的上層解決方案和應用有很大關系，就像車道級的路線規劃、融合的車道定位和電子地平線等等，現有的L2+接近L3-這個過程當中用的比較多的還是融合車道級定位和電子地平線，融合到自動駕駛的過程當中還有一定的時間，我們也希望隨著接下來自動駕駛域控制器的逐漸成熟，對整個自動駕駛的功能和利用引擎越來越多，整個L3的功能才會越來越強。
在面向L3及以上自動駕駛地圖時，我們從產品特性的角度來說，除了高精度，我們認為這是對高精地圖來說NO.1的需求，除此之外就是一定要保證地圖的制圖過程，一定要是高精度化的，這樣可以快速復制，并且快速得到地圖的更新。對于L3以上，我們也有一個很重要的跟自動駕駛功能安全相關高精度地圖的二級服務，地圖里面的每個要素跟真實世界的要素，因為地圖是先驗知識，它跟真實世界是有一定的差別的，所以怎么保證地圖要素仍跟現在的精度保持一致，所以我們跟自動駕駛相關的關鍵要素都提供了地圖執行度的在線服務。如果說現在因為某些原因，一些氣象或者車禍的原因導致某些地圖要素發生了變化，那這些地圖要素的地圖執行度會發生大規模的降低，另外這個自動駕駛的地圖也必須是一個高度可信的產品，因此我們也從四維的內部角度通過了北京的自動駕駛T3牌照，把整個自動駕駛通過端到端的形式運用起來。
高精度的地圖實際最終它從現在行業的認知角度來說，我們還是更多的敬畏傳統，認為這個產品還是在首次成圖的各個當中通過專業的處理技術來保證現在整個過程是高度可信的。比如說一些基站位置精度的保證，我們更多是通過CORS站的方式來保證的，精度優化的軟件我們有自動燥點消除，包括點云跳變、AI自適應算法快速優化，都可以來處理產品的問題。
另外就是地圖在生成的各個當中如何來保證質量，比如說自動化提取以及要素的一些推理識別和冗余的這些自動化的處理方式，只有應用了這些高度的自動化工藝，才能保證數據制作的準確性，才能保證現在地圖生成的過程是可靠的，并且是一個可持續的。
我們生成一張圖更多是依賴于傳統的測繪手段，但是大家也知道如何保證現有的高速公路，城市快速路甚至普通道路地圖的高精度和高鮮度就不能完完全全依靠自由采集車來完成，因此四維更多是跟主機廠，當然也有我們很多的合作伙伴一起來發布了高精度地圖服務平臺，這個平臺已經在北京產品落地了，目前會進行更多的地圖更新，這樣可以通過兼容廣泛數據源的方式快速自動化實現地圖更新，最終實現一個未來的自動成圖的方式。
接下來講講我們自動駕駛產品引擎的進展，我們通過多年的積累，把我們的產品變成了一個標準的地圖服務，我們可以達到μ秒級的地圖信息查詢，并且我們可以不經過任何的用戶確認，只需要通過這種車端的處理器，車端GPS的位置就可以得到車輛的OTA地圖更新，并且在此之上我們也提供了交叉關聯的服務，和導航引擎建立無縫的連接，因為從現在的自動駕駛地圖來看，現在車上還沒有太多的精力在車上搭載更多的產品，但是從未來的汽車角度來說，可能在IVI智能座艙上，從用戶角度來說，可能會搭載幾個不同的車載導航引擎，比如說像很多的互聯網公司現在導航引擎都做得非常出色，因此車廠也愿意把選擇權留給用戶，就會帶來一個必然的問題，就是說怎么樣把互聯網導航跟高精度地圖的數據進行有效的關聯，因此我們的自動駕駛地圖引擎也提供這樣的功能，以及融合定位，ODD等等這些功能都是自動駕駛引擎的標準產品。
下面做了一個簡單的產品展示，比如說我們支持ODD和標準導航進行關聯的地圖導航功能，包括ODD是支持可視化手動圖層編輯的，就是說通過用戶、車廠和可視化的定位圖層可以來手動選擇路徑，來保證某一段路是在ODD的范圍之內和之外，另外像這個可靜態行駛的區域，就像隧道自然排除在外，以及受惡劣天氣環境影響導致這個地方不適用自動駕駛的情況也應該設置在ODD的范圍之外，所有的產品可以讓主機廠根據自動駕駛的硬件系統和系統解決方案來動態和合理地來選擇，到底哪一種ODD表達方式、配置邏輯是自動駕駛的系統應該去滿足的。
現在的自動駕駛系統還不具有高精度地圖的顯示和渲染的能力，但是我們現在已經從車端和V2X的需求角度完成了可視化引擎的一部分工作，包括3D地圖的渲染，以及算路、地點和要素的顯示，這些我等一下會詳細展開。
前面主要是介紹了我們地圖的基本情況，但是剛才其他的嘉賓也介紹了，地圖現在還很難進入一個盈利周期，因為我們有那么多的采集車，每天在路上會做數據的采集，并且我們每天也有無數的點云、傳感器數據，會回傳到我們的數據庫和眾包的系統，這些過程會對我們的產品服務、對主機廠的服務帶來哪些幫助呢？我們不僅僅是提供了一個高精度地圖的在線分發服務，我們也提供了很多基于高精度地圖融合定位的測評服務，以及基于自動駕駛仿真的云服務和差分定位服務，也就是我們四維旗下六分科技現在提供的服務。
現在的自動駕駛在逐漸落地過程當中，包括現有的L2+、L3-以及L3自動駕駛系統，在落地的過程當中發現了一個問題就是實際上現在對于定位來說沒有一個很好的評價標準，就像剛才尹總也介紹了，尹總的小1百萬美金那個東西可以做絕對精度結果的評價，那個東西真的非常貴，但其實對于自動駕駛系統來說，它要評價的這個定位的精度是多元的，比如說跟當前的標志物以及車道線相對定位的結果，其實在某些特定的環境場景里面更加重要。
因此其實四維在做地圖采集和定位過程當中已經積攢了一套完整對于地圖的評價機制，我們每年大概有30萬公里的高速道路，平均每年會評測2萬2千公里以上，給我們的合作伙伴和客戶提供我們高精度的質量保證依據，但是在這個過程當中最后車廠驗收的時候實際上是需要一個定位盒子或者是MapECU的定位評價，因此我們也面向OEM和合作伙伴提供了一個融合定位精度的評測服務，這個從評測的過程、工藝、技術流程以及產品品控模型來說是完全公開的，您如果說從任何的角度想去對這個評測服務進行一些定制化或者說有一些權重的要求，或者對某些評估的要求有自己的想法，我們有更高一級，對自動駕駛系統來說更高一個數量級的評測體系來保證現在這個車規級和消費級的定位系統是否真正可靠，是這樣的一個產品。
因為我們有豐富的采集車數據和豐富的量產車，因此在我們完整數據形態的基礎上面向自動駕駛提供了完備場景數據的能力，將我們的自動駕駛在線模擬仿真，通過云服務的方式提供出來，大家可以通過我們的云服務和我們的模擬仿真服務，這個里面有采集車采集回來的非常豐富的，遠超現在標準模擬仿真的產品場景的產品數據庫以及標注類型都是基于我們30萬公里每年采集數據的仿真場景，因此在這個上面，我們能夠提供的仿真場景的數據能力也是遠遠高于同級的。
另外我也給六分科技打一個廣告，除了我們的地圖產品以外，現在基于差分的高精度地圖產品也已經正式發布了，是今年的年中剛剛發布，我們擁有毫米級和厘米級的兩個后處理服務，實時處理的服務有亞米級和厘米級兩個服務。我們在6月底已經完成了中部和東部全部高速公路的覆蓋，今年12月底的覆蓋程度可以達到全國高速公路的范圍，預計到時候CORS站的數量是2200多個，并且我們是跟電信一起聯合運營的，因此在運營效率和產品成本上面我們也會有一些優勢，歡迎各位多多跟我們六分的同事進行咨詢。
剛才講到我們做了一個基于V2X車端可視化的引擎，為什么做這個事情呢？因為我們也認識到，基于現在的單車智能，實際上在高速公路上面來行駛是沒有什么太大的阻礙，從我們面向L3的高精度地圖來說里面有1百多個要素，這些要素不僅僅是包括在高速公路范圍內，甚至在高速公路的外界和外圍里面有豐富的要素來保證自動駕駛的安全性和地圖的冗余。從封閉道路邁向城市道路，尤其是城市道路復雜的路況，對于自動駕駛來說，我們也認為協同智能是未來自動駕駛在城市道路L4真正落地的關鍵場景，協同智能也是自動駕駛未來進化的一個必由之路。
在這個過程當中，我們認為從今年開始，因為單車智能就逐漸開始在向高精度地圖、城市普通路進行逐漸的落地，但是從城市的協同智能角度，我們也從今年開始嚴格意義上是說從2019年，我們也從許多的城市試點，包括現在大家所在的上海汽車城的區域進行很多的協同智能試點，我們認為需要5到10年的時間才能真正達到跟單車智能相提并論的成熟度。
對于高精度地圖來說一個很關鍵的點就是車輛包括整個V2X系統需要一個統一的參考坐標系，傳統的參考坐標系應該是GPS，就是我們說的84坐標，但是這個坐標系有具體信息卻缺少語義信息，也就是說兩個車雖然離得特別近，但是并不一定會撞上，對于V2X來說一個很關鍵的點就是怎么來保證車輛相互之間有一定的邏輯關系，比如說它們應該是前后行駛，或者說它們之間在可能會在轉彎處碰到等等的，因此對于未來來說高精度地圖對于車路協同，對于未來的自動駕駛來說，它會成為一個基礎的設施。在開始可能是由車上裝載高精度地圖來實現這些基礎的車路協同功能，在未來的3到5年之后，車路協同的路測足夠發達，那個時候可能是由路測來實現實時更新地圖，來更多地感知路測周圍的環境，更多收集有效性的信息來保證車輛駕駛的安全。
現在我們在上海嘉定安亭的這個自動駕駛綜合示范試驗區正在開展一個2020年V2X新四化的活動，這個活動也是智能網聯創新聯盟一起來發起和主導的，去年的這個活動主要是跨芯片模組、跨終端、跨整車和跨安全平臺，來保證各個車輛和各個自動駕駛V2X系統的操作性，從今年開始在原有的四化系統上增加了高精度地圖和定位功能，其實大家也意識到如果沒有高精度地圖和定位的話，V2X很多應用存在一些先天的問題，也就是說它沒有辦法達到真正的精細化和真正的車輛與車輛、車輛與路測的管理功能。
最后我說一點我們的展望，從四維的角度來說，我們是一個測繪公司，地圖是我們的一個產品之一，對于未來來說，實時的平臺會變成一個必需的產品，會應用在行業的方方面面。
另外，自動駕駛地圖賦能給自動駕駛的車輛只是自動駕駛地圖其中的一種商業模式之一，對未來來說，車輛的優化、標定以及車輛售后的處理，我們通過更多傳感器的信息來獲取現在車輛的狀態以及周邊環境的一些狀態一樣都可以根據我們的高精度地圖信息獲得一些融合，來保證我們是不是可以通過這樣一個實時的面向未來的地圖平臺產生更多的商業價值，比如我們是不是有更多的路側設備，是不是有更多的信息，能夠讓我們的市政部門、管理部門、業務治理部門通過這些信息獲取更多有效性的信息，幫助我們來實現這個社會更優化的治理，我相信這些都是未來我們需要考慮的話題，我們四維也在這個方面去做一些更多的工作，希望不僅僅把自動駕駛地圖這樣的產品服務于智能駕駛，也希望有更好的智能平臺和更多的數據資源，可以在這個平臺當中為汽車行業以及其他行業的各位客戶起到更多更好的作用。
最后，需要給我們的市場部打個廣告，如果想了解更多的四維信息請掃描關注二維碼，如果有業務合作的朋友的話，咱們當面加微信，謝謝大家！