四维图新朱大伟：自动驾驶量产需要怎样的高精度地图？（附演讲全文）

最近雷锋。com新智家邀请四维图新自动驾驶地图标准总监朱大伟作为云峰俱乐部的第一位演讲嘉宾，分享高精地图在上车过程中的实践、挑战以及未来的商业发展模式。

以下为朱大伟演讲全文，新知佳编辑不改初衷:

我叫朱大伟，来自北京四维图新。我有14年的地图行业经验和5年的地图标准更新经验。

今天我分享的话题是“从高精地图到云端开放——自动驾驶地图服务的进化”。四维图新成立于2002年。经过十余年的创新发展，四维图新已成为拥有导航地图、导航软件、动态交通信息、位置大数据以及乘用车和商用车定制车联网解决方案的企业。

在汽车“新四化”时代，更致力于自动驾驶地图、高精度定位、云服务平台、应用于ADAS和自动驾驶的汽车级芯片等核心业务，打造“智能汽车大脑”，赋能智能出行。

自动驾驶为什么需要高精度地图？

言归正传。

说到自动驾驶地图，为什么自动驾驶需要高精地图？我们认为有几个原因:感知、定位、车道等级规划的需要。

感知方面，在很多路口的红绿灯场景中，自动驾驶传感器很难识别红绿灯。借助高精度地图，它可以提供冗余。在极端天气下，传感器容易出现故障，地图也能提供很好的帮助。

第二点是关于定位。大家都知道中国有北斗导航系统，现在全球正式商用。基于北斗地基加固系统，按理说整体效果可以满足全场景的要求。但实际上，在一些城市隧道场景中很难实现连续导航，高精地图可以提供定位帮助。

第三是自动驾驶需要车道级导航。一个好的车道级导航需要知道车道在哪里，哪里变道。有了高精地图，就可以准确的说出车辆、车道出入口、停车位置、变道情况。

在路口，如果车辆堵了，拥堵了，车辆大概知道停车位置，红绿灯在哪里。也有一些转折的情况。常规的左转是车辆从最左侧车道转弯，但在很多交通场景中，左转车道并不在最左侧，而是在最右侧。此时，单纯依靠视觉，没有先验信息，车辆很难在最右侧车道左转，可能会出现一些故障或失灵。

再比如，大家都认为自动驾驶车辆在高速上可以平稳行驶，其实不然。如果某个路段的车道突然消失，自动驾驶汽车的反应就来不及了，可能会出现紧急刹车和碰擦。

另一个很特别的场景是，高速公路出口附近有一些紧急停车区。自动驾驶车辆可能会误以为是出口，但实际上可能离出口100米左右。毕竟导航地图是有精度限制的。所以当自动驾驶车辆发现这个地方出不去的时候，紧急转弯是非常困难的。高精度的地图有助于提前避开这些危险的地方。

还有一种情况可能是平时忽略的，比如一个高速公路服务站，就在高速公路边上，导航地图上不会反映出来。如果是人类驾驶，可能会识别一些突发的车辆，但是对于车辆来说就比较难了。

在近几年绘制高精地图的过程中，除了刚才提到的常规例子，还有很多特殊场景，比如高速掉头、路口甚至红绿灯，在各种功能安全需求下，没有先验知识是很难做到的。

作为高精地图经销商，我们有意愿也有责任做好地图的每一个特殊情况，为各个汽车厂商提供更好的服务。

目前业界也很关注特斯拉的动向。特斯拉一直说他不用高精地图。然而，我们发现他最近发布了一个名为FSD Better Test的软件，声称他也可以在普通的情况下穿过环形交叉路口和十字路口……广告。从各种测评和反馈结果来看，特斯拉应该是用了高精地图，但他用的可能不是别人的高精地图，而是自己的。

特斯拉有三个别人没有的能力:一是计算能力强。目前他的HW3.0计算能力可以达到144 TOPS，这是市面上大部分汽车厂商和车辆都达不到的计算能力。第二是他有很强的算法，通过他多年的积累，能够很好的识别和提取路边的一些信息。第三是它有很好的生态。很多车辆可以将车辆数据传输到数据中心，然后融合，快速生成地图。

当然，特斯拉的地图主要是满足他的L2+或者L2.9需求，地图比较粗糙，而不是像地图贩子一样表达周围的各种物体，这就不一样了。所以特斯拉不用地图，但我们就是不用高精地图。

不同级别的自动驾驶量产需要不同的高精地图产品。

可以看到，地图的应用是多种多样的。

我们一直认为，从L2+到L3、L4，地图使用的比重已经越来越重。

首先，L2+要满足动奇的要求。地图可以满足ODD的要求，但应该是动态要求，需要车厂基于自定义要求来做。

其次，除了OOD，定位还可以分为两种:一种是基于传感器的定位，一种是基于语义的定位。例如，博世基于毫米波雷达等传感器收集的信息生成定位，而Mobileye的定位方法类似于众包。客户使用他的EyeQ系列芯片生成相应的数据，然后以REM的形式发送给车辆进行定位。

在L3和L4级别，我们可能最了解Waymo。Waymo在凤凰城已经基本实现了没有安全员的纯自动驾驶，但他对地图的使用也是最重的。他用了雷达点云定位层和语义定位层，在凤凰也跑了几千万里。另外，Waymo还做了一个概率层，也叫可用性层，看有没有行人和车辆进出。还有一点，Waymo的地图需要非常频繁地更新，才能在凤凰城运行。

但是从车厂的角度来说，一般从功能安全的角度来说，要保证精度、质量、更新频率，还要保证车辆对精度的要求，这也是图文经销商的优势。

四维图新从一开始就瞄准了L3和L4自动驾驶地图的方向。所有供应链都是基于L3和L4构建的，并且它有一个完整的地图供应，可以支持L3和L4。

做好服务，我们认为要做到几个点:高质量、高自动化、高更新频率。

首先是精度高。从供应链的角度来说，四维地图有了新的测绘级采集车，通过我们的惯性导航和差分来满足高精度的要求。另外，为了保证整体的相对精度或者绝对精度，我们需要在工作之后进行确认和检查，检查在采集过程中有没有不应该出现的情况，并据此做自动优化。

当然，如果想保证更快的更新频率，最重要的还是地图商家提取道路的能力。在这方面，四维图新有60组场景，都是自动提取的，包括一些非常特殊的场景，比如靠近墙壁的墙标，也是可以识别和区分的。对于无法完全确认的信息，我们会将其留在人工平台上进行人工确认，以保证地图的完整质量。

最后还要对室外场景做一个整体的验证。四维图新每年的验证规模接近测绘的10%，一条高速公路接近3万公里。此外，还会在高速公路上打孔数万个点，以验证具体点的进度。

此外，四维图新还具有快速更新的能力，可以收回所有众包数据，并进行快速集成和翻译更改。

到目前为止，四维图新已经积累了32万公里的高速公路和城市快速路。服务L4普通公路，也做到了5000+公里的水平。

在与国际图形经销商的合作过程中，他们认为四维图新可以满足他们的……在能力、质量和规格方面的要求，所以他们也邀请四维图新与他们在国外进行联合验证。

对于L3地图，我们称之为HD PRO，它的更新构成有几个方面:首先需要通过影像和点云建立地图，然后通过自动化提取对应的集合，再通过人工监督验证更新完成。L4主要针对L4 Robotaxi和未来的L5自动驾驶。

L5是高精地图，有非常重要的元素。在数据量级上，约为普通道路的5~10倍；从制作难度来看，它的收藏本身就是个大问题。比如一个路口，地图上表达了很多语义，包括路口停车线在哪里，是左转还是右转，或者与红绿灯关联。

四维图新自动驾驶地图完整解决方案

目前四维图新已经形成了完整的自动驾驶地图解决方案。

针对L3需要的高精度地图，为了更快地为客户提供服务，四维图新成为了一个新的HDMS服务平台。

在这个平台上，我们首先会强调安全性。安全性体现在几个方面:一是体现在自身数据路径的安全性，二是车辆的安全性，以防止对车辆的各种攻击。目前我们也和车厂做了多次核实，可以满足目前的要求。

此外，还涉及到数据回传到终端的问题。一种是面向客户的服务器，我们可以提供服务器对服务器的服务，也可以提供服务器对汽车的服务。这个服务涉及到自动驾驶，要求水平比较高。现在主机厂的要求是7×24小时提供服务，方便车辆OTA升级。

OTA升级会涉及到数据量的问题。可能有一个误区，认为高精地图和导航地图不一样，数据量可能特别大。但实际上根据我们的数据，L3级别要求的高精度地图，每公里数据量只有20k左右。支持L4的地图数据大概是L3的10倍，30万公里大概是几个G的量。

因此，车企在设计车辆架构或预留空间时，最多留出20G的空间，就可以满足未来几年高精地图的使用。但没必要这么做，因为地图是动态更新的，很多旧的数据和资料没有太大意义。

至于众包更新，我们也跟车厂做了一些核实。众包更新是高精地图发挥作用的一个关键点。

四维图新也有自己的众包车队，可以通过众包的方式上传所有需要的区域信息更新，但是这种方式并不是很经济。另一种方式是通过发布任务，让车辆将所有识别出的变更以任务的形式上传到云端。这种方法更加轻量级，可以保证你按需获取，快速更新。

众包更新听起来不错，但还不够。因为现在路上跑的车很少是自动驾驶车辆，或者说达不到众包更新所要求的精度。所以现在的众包更新可能和专业车辆的更新成本相差不大。

但是未来众包更新是必须的。这体现在几点:一是范围，只有通过众包更新，才能实现高速公路和普通公路的全覆盖；另一个是时效性。最先能察觉到路面变化的，一定是路面上行驶的车辆。所以通过众包地图，我们可以很快发现变化，即使更新不了，也能发现真正错在哪里。此外，整个地图系统可以进行交叉验证。

接下来，我们来谈谈标准的内容。对于国际市场和零部件的OEM厂商来说，有一个统一的标准是最有利和最经济的。在高精地图行业，NDS是世界上最常用的高精地图标准，四维图新是第一个编写NDS格式，然后应用在车上的图形经销商。我们一直积极参与标准联盟。

除了NDS标准，我们还有一些关于众包回程的标准，比如矢量化、元素类型和属性。还有实时交通的信息需求标准，ADAS车载传输标准等等。

为了实现更好的通用性，四维图新还与其他地图供应商(如HERE和联盟成员)共享了相应的地图规范。同时，我们还与DMP成立了一个联合工作组，以形成对地图规范的统一意见，更好地支持DMP规范和支持车企的设备。

四维图新于2015年开始加入联盟，当时高精地图的标准还不成熟。从那以后，我们起草了高精度地图的标准。目前这个标准应该已经通过了国家标准委的答辩，正在和交通部、自然资源部联合推进标准更新。

我们的标准分为两部分:高速公路标准和普通公路标准。说到标准，你可能会关注一些法律法规，觉得现行的法律法规有相当多的限制。但其实从行业发展的角度来看，在没有准备好，不能充分证明自动驾驶车辆安全性的情况下，就贸然修改法律法规吗？

法律本身并没有优先考虑自动驾驶，而是需要先做一个未来的规划，这个规划会包含很多场景，需要充分考虑后才能在法律上完善。目前很多部门都在努力推动各种测试验证，希望各个地图厂商和汽车厂商能联合验证地图方案的安全性，所以大家在法律上比较谨慎也是可以理解的。

一位院士曾经说过，地图、V2X、网联汽车是未来自动驾驶的三大基础设施。地图想作为一个基础设施(比如水、电、煤)，它的特点就是能马上用。所以四维图新在这方面也做了相应的SDK解决方案，包括OTA在线更新地图，APP，ODD，众包更新，还有V2X的一些支持。最近雷锋。com新智家邀请四维图新自动驾驶地图标准总监朱大伟作为云峰俱乐部的第一位演讲嘉宾，分享高精地图在上车过程中的实践、挑战以及未来的商业发展模式。

以下为朱大伟演讲全文，新知佳编辑不改初衷:

我叫朱大伟，来自北京四维图新。我有14年的地图行业经验和5年的地图标准更新经验。

今天我分享的话题是“从高精地图到云端开放——自动驾驶地图服务的进化”。四维图新成立于2002年。经过十余年的创新发展，四维图新已成为拥有导航地图、导航软件、动态交通信息、位置大数据以及乘用车和商用车定制车联网解决方案的企业。

在汽车“新四化”时代，更致力于自动驾驶地图、高精度定位、云服务平台、应用于ADAS和自动驾驶的汽车级芯片等核心业务，打造“智能汽车大脑”，赋能智能出行。

自动驾驶为什么需要高精度地图？

言归正传。

说到自动驾驶地图，为什么自动驾驶需要高精地图？我们认为有几个原因:感知、定位、车道等级规划的需要。

感知方面，在很多路口的红绿灯场景中，自动驾驶传感器很难识别红绿灯。借助高精度地图，它可以提供冗余。在极端天气下，传感器容易出现故障，地图也能提供很好的帮助。

第二点……关于定位。大家都知道中国有北斗导航系统，现在全球正式商用。基于北斗地基加固系统，按理说整体效果可以满足全场景的要求。但实际上，在一些城市隧道场景中很难实现连续导航，高精地图可以提供定位帮助。

第三是自动驾驶需要车道级导航。一个好的车道级导航需要知道车道在哪里，哪里变道。有了高精地图，就可以准确的说出车辆、车道出入口、停车位置、变道情况。

在路口，如果车辆堵了，拥堵了，车辆大概知道停车位置，红绿灯在哪里。也有一些转折的情况。常规的左转是车辆从最左侧车道转弯，但在很多交通场景中，左转车道并不在最左侧，而是在最右侧。此时，单纯依靠视觉，没有先验信息，车辆很难在最右侧车道左转，可能会出现一些故障或失灵。

再比如，大家都认为自动驾驶车辆在高速上可以平稳行驶，其实不然。如果某个路段的车道突然消失，自动驾驶汽车的反应就来不及了，可能会出现紧急刹车和碰擦。

另一个很特别的场景是，高速公路出口附近有一些紧急停车区。自动驾驶车辆可能会误以为是出口，但实际上可能离出口100米左右。毕竟导航地图是有精度限制的。所以当自动驾驶车辆发现这个地方出不去的时候，紧急转弯是非常困难的。高精度的地图有助于提前避开这些危险的地方。

还有一种情况可能是平时忽略的，比如一个高速公路服务站，就在高速公路边上，但导航地图上不会反映出来。如果是人类驾驶，可能会识别一些突发的车辆，但是对于车辆来说就比较难了。

在近几年绘制高精地图的过程中，除了刚才提到的常规例子，还有很多特殊场景，比如高速掉头、路口甚至红绿灯，在各种功能安全需求下，没有先验知识是很难做到的。

作为高精地图经销商，我们有意愿也有责任做好地图的每一个特殊情况，为各个汽车厂商提供更好的服务。

目前业界也很关注特斯拉的动向。特斯拉一直说他不用高精地图。但是，我们发现他最近发布了一款名为FSD Better Test的软件，声称他也可以在普通道路上穿越环岛和十字路口。从各种测评和反馈结果来看，特斯拉应该是用了高精地图，但他用的可能不是别人的高精地图，而是自己的。

特斯拉有三个别人没有的能力:一是计算能力强。目前他的HW3.0计算能力可以达到144 TOPS，这是市面上大部分汽车厂商和车辆都达不到的计算能力。第二是他有很强的算法，通过他多年的积累，能够很好的识别和提取路边的一些信息。第三是它有很好的生态。很多车辆可以将车辆数据传输到数据中心，然后融合，快速生成地图。

当然，特斯拉的地图主要是满足他的L2+或者L2.9需求，地图比较粗糙，而不是像地图贩子一样表达周围的各种物体，这就不一样了。所以特斯拉不用地图，但我们就是不用高精地图。

不同级别的自动驾驶量产需要不同的高精地图产品。

可以看到，地图的应用是多种多样的。

我们一直认为，从L2+到L3、L4，地图使用的比重已经越来越重。

首先，L2+要满足动奇的要求。地图可以满足ODD的要求，但应该是动态要求，需要车厂基于自定义要求来做。

其次，除了OOD，定位还可以分为两种:一种是基于传感器的定位，一种是基于语义的定位。例如，博世基于毫米波雷达等传感器收集的信息生成定位，而Mobileye的定位方法类似于众包。顾客……se他的EyeQ系列芯片生成相应的数据，然后以REM的形式发送给车辆进行定位。

在L3和L4级别，我们可能最了解Waymo。Waymo在凤凰城已经基本实现了没有安全员的纯自动驾驶，但他对地图的使用也是最重的。他用了雷达点云定位层和语义定位层，在凤凰也跑了几千万里。另外，Waymo还做了一个概率层，也叫可用性层，看有没有行人和车辆进出。还有一点，Waymo的地图需要非常频繁地更新，才能在凤凰城运行。

但是从车厂的角度来说，一般从功能安全的角度来说，要保证精度、质量、更新频率，还要保证车辆对精度的要求，这也是图文经销商的优势。

四维图新从一开始就瞄准了L3和L4自动驾驶地图的方向。所有供应链都是基于L3和L4构建的，并且它有一个完整的地图供应，可以支持L3和L4。

做好服务，我们认为要做到几个点:高质量、高自动化、高更新频率。

首先是精度高。从供应链的角度来说，四维地图有了新的测绘级采集车，通过我们的惯性导航和差分来满足高精度的要求。另外，为了保证整体的相对精度或者绝对精度，我们需要在工作之后进行确认和检查，检查在采集过程中有没有不应该出现的情况，并据此做自动优化。

当然，如果想保证更快的更新频率，最重要的还是地图商家提取道路的能力。在这方面，四维图新有60组场景，都是自动提取的，包括一些非常特殊的场景，比如靠近墙壁的墙标，也是可以识别和区分的。对于无法完全确认的信息，我们会将其留在人工平台上进行人工确认，以保证地图的完整质量。

最后还要对室外场景做一个整体的验证。四维图新每年的验证规模接近测绘的10%，一条高速公路接近3万公里。此外，还会在高速公路上打孔数万个点，以验证具体点的进度。

此外，四维图新还具有快速更新的能力，可以收回所有众包数据，并进行快速集成和翻译更改。

到目前为止，四维图新已经积累了32万公里的高速公路和城市快速路。服务L4普通公路，也做到了5000+公里的水平。

在与国际图文经销商合作的过程中，他们认为四维图新在能力、质量、规格等方面都能满足他们的要求，所以也邀请四维图新在国外与他们做联合验证。

对于L3地图，我们称之为HD PRO，它的更新构成有几个方面:首先需要通过影像和点云建立地图，然后通过自动化提取对应的集合，再通过人工监督验证更新完成。L4主要针对L4 Robotaxi和未来的L5自动驾驶。

L5是高精地图，有非常重要的元素。在数据量级上，约为普通道路的5~10倍；从制作难度来看，它的收藏本身就是个大问题。比如一个路口，地图上表达了很多语义，包括路口停车线在哪里，是左转还是右转，或者与红绿灯关联。

四维图新自动驾驶地图完整解决方案

目前四维图新已经形成了完整的自动驾驶地图解决方案。

针对L3需要的高精度地图，为了更快地为客户提供服务，四维图新成为了一个新的HDMS服务平台。

在这个平台上，我们首先会强调安全性。安全性体现在几个方面:一是体现在自身数据路径的安全性，二是车辆的安全性，以防止对车辆的各种攻击。目前我们也和车厂做了多次核实，可以满足目前的要求。

此外，还涉及到数据回传到终端的问题。一种是面向客户的服务器，我们可以提供服务器对服务器的服务，也可以提供服务器对汽车的服务。这个服务涉及到自动驾驶，要求水平比较高。现在主机厂的要求是7×24小时提供服务，方便车辆OTA升级。

OTA升级会涉及到数据量的问题。可能有一个误区，认为高精地图和导航地图不一样，数据量可能特别大。但实际上根据我们的数据，L3级别要求的高精度地图，每公里数据量只有20k左右。支持L4的地图数据大概是L3的10倍，30万公里大概是几个G的量。

因此，车企在设计车辆架构或预留空间时，最多留出20G的空间，就可以满足未来几年高精地图的使用。但没必要这么做，因为地图是动态更新的，很多旧的数据和资料没有太大意义。

至于众包更新，我们也和车厂做了一些核实。众包更新是高精地图发挥作用的一个关键点。

四维图新也有自己的众包车队，可以通过众包的方式上传所有需要的区域信息更新，但是这种方式并不是很经济。另一种方式是通过发布任务，让车辆将所有识别出的变更以任务的形式上传到云端。这种方法更加轻量级，可以保证你按需获取，快速更新。

众包更新听起来不错，但还不够。因为现在路上跑的车很少是自动驾驶车辆，或者说达不到众包更新所要求的精度。所以现在的众包更新可能和专业车辆的更新成本相差不大。

但是未来众包更新是必须的。这体现在几点:一是范围，只有通过众包更新，才能实现高速公路和普通公路的全覆盖；另一个是时效性。最先能察觉到路面变化的，一定是路面上行驶的车辆。所以通过众包地图，我们可以很快发现变化，即使更新不了，也能发现真正错在哪里。此外，整个地图系统可以进行交叉验证。

接下来，我们来谈谈标准的内容。对于国际市场和零部件的OEM厂商来说，有一个统一的标准是最有利和最经济的。在高精地图行业，NDS是世界上最常用的高精地图标准，四维图新是第一个编写NDS格式，然后应用在车上的图形经销商。我们一直积极参与标准联盟。

除了NDS标准，我们还有一些关于众包回程的标准，比如矢量化、元素类型和属性。还有实时交通的信息需求标准，ADAS车载传输标准等等。

为了实现更好的通用性，四维图新还与其他地图供应商(如HERE和联盟成员)共享了相应的地图规范。同时，我们还与DMP成立了一个联合工作组，以形成对地图规范的统一意见，更好地支持DMP规范和支持车企的设备。

四维图新于2015年开始加入联盟，当时高精地图的标准还不成熟。从那以后，我们起草了高精度地图的标准。目前这个标准应该已经通过了国家标准委的答辩，正在和交通部、自然资源部联合推进标准更新。

我们的标准分为两部分:高速公路标准和普通公路标准。说到标准，你可能会关注一些法律法规，觉得现行的法律法规有相当多的限制。但其实从行业发展的角度来看，在没有准备好，不能充分证明自动驾驶车辆安全性的情况下，就贸然修改法律法规吗？

法律本身并没有优先考虑自动驾驶，而是需要先做一个未来的规划，这个规划会包含很多场景，需要充分考虑后才能在法律上完善。目前很多部门都在努力推动各种测试验证，希望各个地图厂商和汽车厂商能联合验证地图方案的安全性，所以大家在法律上比较谨慎也是可以理解的。

一位院士曾经说过，地图、V2X、网联汽车是未来自动驾驶的三大基础设施。地图想作为一个基础设施(比如水、电、煤)，它的特点就是能马上用。所以四维图新在这方面也做了相应的SDK解决方案，包括OTA在线更新地图，APP，ODD，众包更新，还有V2X的一些支持。我们最关注两点:车道级路径规划，可以和其他导航地图进行动态关联。无论是谁的导航地图，都可以随时关联四维图新的高精地图，进行车道级导航。

还有就是定位的内容。传统的定位主要基于GNS+IMU。定位在传统导航中是很有效的，主要是对人来说，一点点偏差影响不大。但如果要做自动驾驶级别的车道级导航，就需要将摄像头与地图进行匹配，找到具体的车道，然后根据匹配结果和定位点进行适配，再加上地图的一些属性，比如坡度、曲率，实现绝对定位和轨迹计算，这就是地图的特殊价值。

但是现在定位有些问题。一款车型上市前至少需要2万~ 10万公里的测试，这很正常。

还有一点，自动驾驶需要自动选择自己的车道，但是自己车辆的绝对精度和相对精度是多少呢？传统的评估方法是用惯性导航加GPS，做完事情再比较。但现在无法解决的一个问题是，车辆离车道线有多远？这很难确定。

四维图新已经形成了基于高精地图和自动驾驶解决方案的完整解决方案。通过与车道的实时评价对比，结果涉及多个维度，包括相对精度、绝对精度、高精度惯性导航等评价都能体现出来。当然，我们可以覆盖一些更高精度的……n根据客户要求进行评估，包括夜景。

以上是四维图新的整体产品组合，云端的HDMS服务云可以整体模拟和众包变化，发现更新；车载终端级可以实现定位、互相关和路径规划。

自动驾驶地图的未来

五年前，大家都以为L3和L4会很快到来，但实际上L3和L4的到来比预期的要晚。

从目前各车厂的规划来看，2023年L3才有可能正式量产，2025年L4之后才有可能大规模量产。现在L2+是最重要的市场，包括计算能力，各种传感器，功能安全，法律法规的要求也在逐步完善。

我们也对比了一下。在国外，可能跑高速的情况比较多，但是在国内，从家里到公司两点一线的情况比较多。大多数情况下，七八成在普通公路上行驶，三成在高速公路上行驶。ACC的很多场景功能在普通道路上是用不到的。

因此，我们认为L2仍有很大的体验改善需求。从L2本身来说，有很多城市路口，只能用高速。对于L4来说，成本和商业模式还没有到临界点。L2+是一个很好的选择，因为很多能力已经在高速上实现了，这些能力也可以用在城市道路上，可以提高基于地图的普通道路的可用性。

所以我们相信在普通道路中，未来会有成本相对较低，自动化程度相对较高的地图来支持场景化应用。

对此，我们和客户一起打造了名为LitePilot的地图，就是为了让大家随时享受自动驾驶的乐趣。他的一般功能是车道路径规划，也就是普通道路上一条车道的规划。他可以将普通道路、高速公路无缝连接成普通道路，实现全场景的连接，帮助上下车环岛匝道、路口通行、提前右转等。，这在之前没有地图是完全不可能的。

对于未来的高清地图，我们认为V2X是未来提升中国自动驾驶能力的一个很好的方向。边缘计算的一个好处是可以实时发现车辆找不到的信息，结合高精地图，可以提供一个更稳定的信息，包括拐角情况和一些危险信息。

最近我们在上海增加了一个“新四跨”活动，四维图新有高精地图支持，70%的车厂选择了四维图新高精地图。

要实现L2到L5的高精地图无缝升级，我们认为有一个整体的演进路径。这是一个平稳的过程，从ADAS到L4的整个演进过程。

最后说一下。其实地图要想真正被使用，需要一个完整的闭环生态。随着自动驾驶车辆越来越多，传感器配置越来越多，车辆和地图的云服务需要一起开放。我们会提供基于地图的定制服务，基于用户操作的服务，通过大数据产生一个实现自动驾驶的进化。

(雷锋网)雷锋网(微信官方账号:雷锋网)

雷锋的原创文章。未经授权，禁止转载。详见转载说明。我们最关注两点:车道级路径规划，可以和其他导航地图进行动态关联。无论是谁的导航地图，都可以随时关联四维图新的高精地图，进行车道级导航。

还有就是定位的内容。传统的定位主要基于GNS+IMU。定位在传统导航中是很有效的，主要是对人来说，一点点偏差影响不大。但如果要做自动驾驶级别的车道级导航，就需要将摄像头与地图进行匹配，找到具体的车道，然后根据匹配结果和定位点进行适配，再加上地图的一些属性，比如坡度、曲率，实现绝对定位和轨迹计算，这就是地图的特殊价值。

但是现在定位有些问题。一款车型上市前至少需要2万~ 10万公里的测试，这很正常。

还有一点，自动驾驶需要自动选择自己的车道，但是自己车辆的绝对精度和相对精度是多少呢？传统的评估方法是用惯性导航加GPS，做完事情再比较。但现在无法解决的一个问题是，车辆离车道线有多远？这很难确定……e.

四维图新已经形成了基于高精地图和自动驾驶解决方案的完整解决方案。通过与车道的实时评价对比，结果涉及多个维度，包括相对精度、绝对精度、高精度惯性导航等评价都能体现出来。当然，我们可以根据客户要求覆盖一些更高精度的评估，包括夜景。

以上是四维图新的整体产品组合，云端的HDMS服务云可以整体模拟和众包变化，发现更新；车载终端级可以实现定位、互相关和路径规划。

自动驾驶地图的未来

五年前，大家都以为L3和L4会很快到来，但实际上L3和L4的到来比预期的要晚。

从目前各车厂的规划来看，2023年L3才有可能正式量产，2025年L4之后才有可能大规模量产。现在L2+是最重要的市场，包括计算能力，各种传感器，功能安全，法律法规的要求也在逐步完善。

我们也对比了一下。在国外，可能跑高速的情况比较多，但是在国内，从家里到公司两点一线的情况比较多。大多数情况下，七八成在普通公路上行驶，三成在高速公路上行驶。ACC的很多场景功能在普通道路上是用不到的。

因此，我们认为L2仍有很大的体验改善需求。从L2本身来说，有很多城市路口，只能用高速。对于L4来说，成本和商业模式还没有到临界点。L2+是一个很好的选择，因为很多能力已经在高速上实现了，这些能力也可以用在城市道路上，可以提高基于地图的普通道路的可用性。

所以我们相信在普通道路中，未来会有成本相对较低，自动化程度相对较高的地图来支持场景化应用。

对此，我们和客户一起打造了名为LitePilot的地图，就是为了让大家随时享受自动驾驶的乐趣。他的一般功能是车道路径规划，也就是普通道路上一条车道的规划。他可以将普通道路、高速公路无缝连接成普通道路，实现全场景的连接，帮助上下车环岛匝道、路口通行、提前右转等。，这在之前没有地图是完全不可能的。

对于未来的高清地图，我们认为V2X是未来提升中国自动驾驶能力的一个很好的方向。边缘计算的一个好处是可以实时发现车辆找不到的信息，结合高精地图，可以提供一个更稳定的信息，包括拐角情况和一些危险信息。

最近我们在上海增加了一个“新四跨”活动，四维图新有高精地图支持，70%的车厂选择了四维图新高精地图。

要实现L2到L5的高精地图无缝升级，我们认为有一个整体的演进路径。这是一个平稳的过程，从ADAS到L4的整个演进过程。

最后说一下。其实地图要想真正被使用，需要一个完整的闭环生态。随着自动驾驶车辆越来越多，传感器配置越来越多，车辆和地图的云服务需要一起开放。我们会提供基于地图的定制服务，基于用户操作的服务，通过大数据产生一个实现自动驾驶的进化。

(雷锋网)雷锋网(微信官方账号:雷锋网)

雷锋的原创文章。未经授权，禁止转载。详见转载说明。

标签：发现特斯拉DS北京

汽车资讯热门资讯