大家好，我是立得空间的张文俊，今天很荣幸可以借此机会和大家一起来分享一下我们研究高精地图和自动驾驶的一些感悟。

说到高精地图，首先看一下自动驾驶这一块的发展现状，现在自动驾驶发展还是非常蓬勃，而且是百花齐放的。

我们在不同的车型上面都可以看到自动驾驶的影子，包括市场非常庞大的乘用车，包括私家车车辆、商用车辆等等。在细分领域方面，有无人矿卡、无人叉车，还有无人清扫车，还有工厂里面的无人物流车，包括电站用到的无人巡检机器人。我们看到无人驾驶的车辆类型非常繁多，而且它们的定位精度以及速度的要求都不太一样，这也决定了我们给它提供的地图方案也是有非常大差异的。

从场景上面来看，无人驾驶的场景也是覆盖比较全面的，现在像Robotaxi，已经面向比较复杂的城市交通领域，包含十字路口等等这样一些场景，也有在高速的车辆上行驶的结构化道路的场景，也包括低速车辆在园区、工厂、校园里面运行的一些车辆，同时我们还会有自主代客泊车或者无人矿卡等等一些场景。

再从行业角度看一下自动驾驶，我们在各个行业里面已经也有大量的自动驾驶的应用了，比如说交通领域、物流领域，还有人员、农业、国防，甚至一些应急行业都存在自动驾驶的需求。但是不同行业对自动驾驶的要求是不太一样的，对高精地图的数据或者高精地图的应用方式也存在很大的差异。

重新回过来看一下自动驾驶的发展，我们从源头再重新分析一下自动驾驶对地图的要求是什么样的。从自动驾驶的本质需求上来讲，回答三个比较有哲学性的问题，我们现在在哪儿？我们要到什么地方去？我们怎么去？我们可以非常清晰地发现，这三个问题都是跟地图相关的，我们地图是如何来去解答这三个问题的呢，也是通过地图三项比较重要的功能：一个是定位，一个是感知，一个是规划。

定位方面，我们刚才说到RTK等等卫星导航的定位方式，这样比较方便，也会比较精准获取定位的时候，与其说地图来提供定位，不如说地图为定位提供了一个参考的坐标，我们可以把我们自己获取定位的坐标在地图上标识出来，这是大部分场景里面的情况，但对于一些特殊场景，比如说隧道或者是一些卫星信号不是那么好的地方，我们就需要通过地图的一些特征和周围观测到的信息进行匹配来完成定位。

其实这项能力也并非是高精地图一项特有的能力，其实我们自己使用地图的过程当中，在GPS信号缺失的时候，我们经常也会寻找街边的一些门店信息和地图上的信息进行比对，来发现我们自己在什么地方。

除了地图提供的定位能力之外，地图也帮我们提供了一个非常好的预先感知的能力，地图的感知能力和我们自动驾驶在行驶过程当中实时做的感知算法是非常相像的，把我们实际车辆行驶过程中能够感知到的一些地图要素、场景记录在地图上，来节省我们车辆在行驶过程中耗费的一些感知的算力，也为我们在一些特殊的情况下，比如说天气非常恶劣，或者一些超视距感知的情况下，提供一些相应的感知能力。

最后，我们把数据经过一些梳理，添加一些属性和交通信号的规则以后，我们可以通过地图导航引擎的能力来提供路径规划的一些算法，根据这样的路线和速度的规划，我们就能够到达我们目标的位置，这是我们地图方面提供的一些能力。

除了刚才讲到的地图的三个非常重要的核心能力之外，随着自动驾驶的发展，我们发现自动驾驶在地图的应用上面也得到了一些新的体现，有几个比较明显的方面。

第一块就是车联网，在路侧上面，我们看到路侧帮助我们车辆提供了更好的感知和定位，这样的感知和定位的能力，需要在同样的一个地图上得到展现。同时，我们的地图也为车联网后台的管理提供了一个平台的基座，方便我们对车联网的设备和车辆来进行统一的管理。

第二块，我们在做自动驾驶的过程当中，我们怎么来提高自动驾驶的能力，我们可以通过仿真，现在也有一个概念叫元宇宙，我们可以把我们的自动驾驶汽车在不同的虚拟场景里面进行反复的训练，来提升我们自动驾驶的能力，再到真实场景中来完成自动驾驶的应用。这里面就强调了我们的数据需要高精度，需要和我们真实场景的一致性，而且还能够仿真一些天气场景，还能够仿真传感器的一些数据。

还有一个在现在智能驾驶汽车里面已经得到了非常好的体现的，就是我们的智能驾驶座舱，智能驾驶座舱里面也会用到三维真实的地图的底座，这也是我们新的地图在自动驾驶一些新领域中的一些应用。

根据上面说到的自动驾驶需要的一些地图的基础能力，还有一些拓展的需求，我们来梳理一下地图具体要输出什么样的数据，包括用什么样的应用软件来满足我们的需求。

首先，比较重要的是地图的语义层的数据，语义层这一块，我们能够提供道路的一些属性信息、车辆模型，还有一些交通设置模型，这块保证了自动驾驶的一些路径规划和感知能力。

第二，刚才提到了地图能够帮助自动驾驶车辆来完成感知，刚才是通过人来观察周围的环境，自动驾驶的感知是靠传感器去收集周围传感器的特征，我们是要跟地图上面的传感器的特征进行匹配，然后来完成自身的定位，主要的传感器就是激光雷达、相机，未来将用到的4D毫米波雷达等等。

第三，车联网，包括智能驾驶座舱，还有一些数字孪生平台里面要用到的数字化的三维模型。

这样的一些数据需要通过相应的算法的引擎来去完成它相应的功能，比如说语义层的道路属性、车辆模型、交通设施模型，我们就需要用到地图的导航引擎来完成自动驾驶的感知和规划。地图能够运用这样的定位能力，需要定位引擎，也就我们常说的矢量算法帮助我们完成地图的辅助定位。还有三维引擎。

明确了这样的数据和应用引擎以后，在做地图生产的时候，我们就会对应生产一些采集和和生产工艺。立得的主要特点是，我们一直在研究移动测量的技术，而且针对不同的地图需求，我们会特定来去设计我们自己的移动采集设备，包括立得覆盖有卫星遥感无人机移动测量的，还有室内各个场景的，针对不同场景的一些移动测量设备。比较常见的就是移动测量采集，针对上述的数据，我们的移动测量系统包含了丰富的传感器。

针对地下停车场这样的场景，我们对移动测量采集车做了一些改造，能够让它适合在没有卫星信号的场景下快速实现三维场景的重建和地图的生产。还有一些需要快速获得场景搭建，同时能够完成一些自动驾驶的场景，我们这边也有相应的无人机的采集方案，来实现空地一体化的呈现方式，来快速建造数据网格，同时来实现跟路面数据进行统一。

面向低速场景，也就是低速物流车、低速巡检机器人这样的场景，我们也开发了一款便携式的移动测量装备，能够方便大家快速在一些封闭场景区域里面得到高精度的地图，得到一个三维实景地图和点云地图的数据。同时这样的一套能力也可以为我们视觉定位感知、AR导航提供相应的技术能力。

除了上述的几个采集设备，我们也有专业的一些制图软件来生产出我们所需要的高精地图的数据，这款生产软件里面包含了我们匹配的各项感知能力，包括目标检测与分割、点云分割等等，来帮助我们做道路场景的一些预先的感知跟提取。

与此同时，我们针对不同的需求，有的我们是提供数据服务，有的会提供导航引擎的定位导航的服务，还有比如说面向行业的一些使用者，它不仅仅是需要数据或者是导航引擎，更重要的是需要自己来去按照自己的需求来绘制地图，我们也相应的可以提供地图生产的平台。生产平台不仅可以帮助我们快速进行二维的编辑，同时我们可以通过三维的部署来帮助客户快速完成自动驾驶的能力。

最后我总结一下，现在针对自动驾驶多样化的高精地图的需求，我们可以通过我们的平台化的生产能力，来完成定制化的地图生产，提供多样化的地图服务方案，并且针对性的使用我们的地图采集设备，提供我们智能化的生产工艺，来帮助大家获得智能驾驶能力。我们也希望，通过我们的不懈努力，能够将高精地图和自动驾驶的技术应用到更多的场景里面去，实现更大的价值。

谢谢大家！