高精地图技术与应用白皮书.pdf

指导专家指导专家李德仁 中国科学院院士、中国工程院院士刘经南 中国工程院院士主编主编刘玉璋 泰伯网创办人、董事长兼泰伯研究院院长编委编委(按姓氏拼音字母排序)陈会仙 自然资源部地图技术审查中心处长蔡艳辉 国家测绘产品质量检验测试中心研究员谷小丰 地图领域资深专家，曾任高德、腾讯高精地图负责人郭晟 立得空间信息技术股份有限公司董事长李必军 武汉大学测绘遥感信息工程国家重点实验室教授陆洪彬 易图通科技(北京)有限公司首席执行官刘莉萍 辽宁宏图创展测绘勘察有限公司董事长罗跃军 武汉中海庭数据技术有限公司首席技术官马常杰 腾讯地图数据产品负责人马照亭 中国测绘科学研究院研究员王闯 河北全道科技有限公司执行董事奚宁 HERE Technologies 大中华区总经理杨殿阁 清华大学车辆与运载学院教授、创院院长袁弘渊 蔚来汽车自动驾驶总监目录前言.11、高精地图发展概述.31.1 内涵.31.1.1 高精地图对于自动驾驶的意义.31.1.2 高精地图与传统地图的区别.51.1.3 高精地图的发展阶段.71.2 政策.81.2.1 高精地图的准入资质.81.2.2 高精地图的相关法规政策.101.2.3 高精地图的相关标准.121.3 市场.141.3.1 市场规模.141.3.2 产业图谱.152、高精地图技术体系.162.1 生产流程.162.2 关键技术.162.2.1 数据采集.162.2.3 数据处理.202.2.4 数据融合.222.2.5 地图发布.252.2.6 安全合规.253、高精地图自动驾驶典型案例.273.1 高精地图与 L2+级别自动驾驶.273.2 高精地图与 L3 级别自动驾驶.353.3 高精地图与 L4 级别自动驾驶.404、高精地图其它场景典型案例.434.1 高精地图与高速公路.434.2 高精地图与自主泊车.444.3 高精地图与垂直封闭场景.485、趋势与建议.545.1 未来发展趋势.545.1.1 技术趋势.545.1.2 应用趋势.555.2 存在问题与建议.571前言前言近年来，自动驾驶领域发展明显提速。2021 年 12 月，奔驰获得德国联邦机动车运输管理局批准，成为全球首家获得联合国法规自动车道保持系统（ALKS）（UN-R157）L3 级别自动驾驶认证的汽车企业，并且获得了在德国高速公路合法上路的资质。今年 6 月 23 日，深圳发布深圳经济特区智能网联汽车管理条例，允许“真无人驾驶”（允许无驾驶人的完全自动驾驶智能网联汽车在市公安机关交通管理部门划定的区域、路段行驶）。8 月 8 日，武汉、重庆两地政府部门率先发布自动驾驶全无人商业化试点政策，允许车内无安全员的自动驾驶车辆在社会道路上开展商业化服务。在自动驾驶领域，高精地图的能力无疑是至关重要的一环。今年 8 月，自然资源部先后印发了 关于做好智能网联汽车高精度地图应用试点有关工作的通知、关于促进智能网联汽车发展维护测绘地理信息安全的通知，高精地图的未来发展以及数据合规等诸多问题成为汽车、地图等行业都备受关注的焦点。此外，今年以来“重感知、轻地图”还是“重地图、轻感知”等声音不绝于耳，如何真正理解高精地图对于自动驾驶的角色、价值也至关重要。借助本白皮书编写之际，泰伯智库研究团队对高精地图主要厂商、自动驾驶相关厂商、汽车企业以及行业专家等进行了广泛调研。最终，白皮书总结了高精地图行业的发展现状，梳理了不同环节的关键技术，盘点了高精地图在主要自动驾驶（L2+、L3、L4）领域以及在不同场景（如高速公路、自主泊车、2垂直封闭场景等）下的应用情况，同时还总结了一些热点问题，提出了若干建议。本白皮书的编写处在高精地图加速量产以及国内自动驾驶政策松动的关键节点，通过梳理最新动态和发展态势，泰伯智库希望整合行业力量发现问题、解决问题，从而进一步推动高精地图的商业化，促进智能网联汽车产业的快速发展。同时，也为各相关产业链企业和政府管理部门提供决策参考。最后，本次白皮书能够顺利编写完成，离不开各位指导专家、编委及合作单位的大力支持，特此致谢！泰伯研究院分析师陈焕、腾讯地图吴航、HERE陈艳、易图通周娟、宏图创展王美玲、立得空间邹利平、张文俊、中海庭杨婧、全道科技赵蕾、百度地图代薇等作为白皮书主要撰稿人和素材整理，对白皮书编辑出刊贡献了主要力量。由于编写仓促或调研不够全面所致，部分章节可能存在疏漏之处，泰伯研究团队愿意对此承担所有责任。泰伯智库2022 年 10 月主要参编企业鸣谢：（按拼音首字母排序）31、高精地图发展概述1、高精地图发展概述1.1 内涵1.1.1 高精地图对于自动驾驶的意义1.1 内涵1.1.1 高精地图对于自动驾驶的意义高精地图，其英文一般为 HD Map（High Definition Map），是一种主要用于高级别辅助驾驶和自动驾驶的专用电子地图，它包含众多传统电子地图上不存在的细节，如车道线、坡度、曲率等道路信息以及路边基础设施、交通标志、交通信号灯等环境信息，其采集精度可以达到厘米级。高精地图通常使用一系列传感器来捕捉信息，如激光雷达、摄像头、惯性导航、GNSS 等。高精细度和高新鲜度是决定高精地图质量的两个重要方面。高精地图在智能网联汽车不同的发展阶段，发挥着不同的作用，其价值和意义也不完全一样。其重要性简要总结如下：自动驾驶阶段辅助驾驶（L2+）有条件自动驾驶（L3）高级别自动驾驶（L4-L5）责任主体以人为主人和机器混合以机器为主导依赖性依赖度较低依赖度较高高度依赖，是必需品以下为高精地图在不同发展阶段中所发挥作用的详细阐述：（1）高精地图是辅助驾驶阶段多重融合感知的安全冗余（1）高精地图是辅助驾驶阶段多重融合感知的安全冗余辅助驾驶是当前高精地图最主流的应用方向，该阶段主要对应的是 L2+应用车型，大多数场景下仍属于人操作为主的阶段。辅助驾驶可实现如自适应巡4航、车道保持、领航辅助、自动泊车等功能。以上功能主要通过多重感知传感器（包括摄像头、激光雷达、毫米波雷达等）来实现。在这个阶段，传统导航电子地图仍然可以发挥重要作用，如实时定位导航、路径规划等，因此对高精地图的依赖度较低，甚至可以不被看作是必选项。然而，面对雨雪、大雾等极端恶劣天气时，上述传感器的局限性不能完全保证驾驶安全，此时高精地图作为超视距传感器可以提供重要的先验知识作为安全冗余保障。考虑到当前高精地图覆盖范围的局限和采集成本高等因素，某些企业采用“重感知轻地图”策略来加速当前车型的量产，一方面是性价比上的被动选择，另一方面在调研中了解到，这种选择并不能被地图监管部门接受。因此，对于特别重视安全性和合规性的车企，高精地图仍然有其独特的、不可忽视的价值。（2）高精地图是有条件自动驾驶阶段预感知重要基础数据（2）高精地图是有条件自动驾驶阶段预感知重要基础数据L3 阶段被认为是自动驾驶发展的重要分水岭，在这个阶段也是高精地图更能体现价值的应用阶段，可以完美的覆盖自动驾驶的预感知需求。由于 L3是人和车混合驾驶模式，在车辆行驶过程中，高精地图可作为定义自动驾驶路段和条件最重要数据源与先验知识库（动态 ODD），服务自动驾驶决策和策略。比如合格条件启动 L3 自动驾驶，在不合格的条件下，禁用 L3 自动驾驶等等。因为其在解决方案中的重要地位，高精地图的市场价格和地位有望显著提升。未来整个自动驾驶行业迈入 L3 级水平必须还需要相关政策的支撑，而高精地图必须利用好政策开放所争取的时间，在低成本和高效率上实现更大突破。（3）高精地图是高级别自动驾驶阶段必不可少的数据库和知识库（3）高精地图是高级别自动驾驶阶段必不可少的数据库和知识库高级别自动驾驶阶段指的是 L4 及以上阶段，在这个阶段，机器是车辆行5驶的主要责任主体，人几乎不对车辆行驶过程进行干预。业界普遍认为，2025年以后将是高级别自动驾驶的重要发展期，2030 年以后将进入大规模应用期。在这个阶段，高精地图的重要性会被进一步强化和提升，将被视为是自动驾驶车辆“必不可少的数据库和知识库”，是传统导航电子地图“无法替代的必备项”，也是具备足够安全冗余的“必要保障”。在上述前两个阶段的技术积累和充分验证后，在高级别自动驾驶中高精地图的能力是不可或缺的。它既有的高精准度、高新鲜度、高丰富度的特征，可以提供其他传感器无法替代的先验知识，包括道路信息、环境信息和实时动态信息等。高精地图数据是帮助高级别自动驾驶阶段车辆实现自动驾驶操控功能的必备要素，其他传感器、车路协同等在此过程中只是作为数据辅助验证、修正手段，以降低对车辆传感器数据采集的需求，同时降低车端的运算和处理工作，从而提高车辆运行效率。在这个阶段，数据保鲜度和数据闭环将对高精地图提出更高要求，甚至重塑其采集和制作模式，高精地图的价值也将达到最大化，并有望与自动驾驶软件、硬件完全融为一体。1.1.2 高精地图与传统地图的区别1.1.2 高精地图与传统地图的区别传统导航地图与高精地图的核心区别首先是地图采集精度的区别，传统地图一般是米级，而高精地图可以达到分米、厘米级。表达的信息量方面，高精地图传递的要素更丰富、更多元。在数据的新鲜度方面，高精地图的实时性更高。使用对象方面，传统导航地图主要面向人，高精地图主要面向机器。此外，与导航和安全驾驶无关的信息均不需要包含在高精地图中。区别详见下表：6表 1：高精地图与传统地图的区别表 1：高精地图与传统地图的区别要素要素传统导航地图传统导航地图ADAS 地图ADAS 地图高精地图高精地图地图信息道路级别信息车道级别信息路径规划全局路径规划局部路径规划精度米级分米级厘米级信息量道路级别数据：道路形状、坡度、铺设、方向等高精道路级别数据：道路形状、坡度、曲率铺设、方向等增加车道属性相关数据以及高架物体、防护栏、树道路边缘类型、路边地标等大量目标数据实时性永久静态数据（更新频率约 1 个月），半永久静态数据（更新频率约1 小时）永久静态数据（更新频率约 1 个月），半永久静态数据（更新频率约 1 小时），半动态数据（频率约 1 分钟），动态数据（频率约 1 秒）街道名称信息重要性重要一般一般道路曲率数据重要性一般重要重要道路几何特征重要重要重要使用对象驾驶员面向机器、智能驾驶汽车使用定位依赖 GNSS 定位，定位准确性取决于 GNSS 精度、信号强弱及定位传感器的误差通过多维数据结合高效率的匹配算法，能够实现更高精度的定位与匹配功能辅助驾驶的导航功能“地图匹配+辅助环境感知+路径规划”：通过“高精度+高动态+多维度”的地图数据为智能驾驶提供自变量和目标函数71.1.3 高精地图的发展阶段（1.1.3 高精地图的发展阶段（1）发展历程传统导航地图）发展历程传统导航地图。上世纪 80 年代，车载导航电子地图出现。当时的车载导航地图主要功能是向车主提供位置及路网信息，为车主出行提供道路导航服务。其路网信息在地图数据库中是线条的链接，没有道路的宽度、弯道曲率、斜率等详细信息。ADAS 地图地图。进入新世纪，ADAS 地图（ADAS，Advanced Driving AssistanceSystem，高级驾驶辅助系统)作为高级驾驶辅助地图，在标准导航地图基础上，以高精度、高保鲜度 ADAS 数据更为详尽地表达现实世界复杂场景，内容数据包含道路形状、拓扑和其他高级属性，如道路坡度、弯道曲率、车道数或限速数值。高级驾驶辅助系统通过将车辆当前位置与地图中车辆即将驶入的路段进行匹配，进而分析前方路况，提供信息预警，有效提升车辆的安全性与便利性。高精地图高精地图。2012 年以来，自动驾驶汽车进入研制、测试阶段，对车载导航地图的精确度提出了更高的要求，推动车载导航地图进入高精地图阶段。其不仅包含了更加丰富、精确的车道级信息，同时实现了利用车路协同传感器的路况内容的实时更新，并且能够根据道路状态以及车主的驾驶习惯提供个性化驾驶解决方案。（2）重要里程碑（部分）国际事件）重要里程碑（部分）国际事件：2015 年 12 月，奔驰宝马奥迪联合，斥资 25.5 亿欧元收购 Here 地图。2016 年 6 月，日本相关 OEM 和供应厂商发起成立了高精地图平台公司8DMP。该公司注册资本 40 亿，参与投资的公司 17 家（三菱、丰田、日产等车企为主）。2017 年 1 月，英特尔投资 here 15%股份；3 月 13 日，英特尔 153 亿美金收购 Mobileye。2021 年 5 月，丰田旗下 Woven Planet Holdings 斥资 5.5 亿美元收购了 Lyft的自动驾驶部门 Level 5；7 月收购了高清地图初创公司 Camera。2021 年 8 月，英伟达收购硅谷高精地图图商 DeepMap2022 年 2 月，博世收购德国数字地图公司 Atlatec。国内事件国内事件：2013 年 8 月，百度全资收购长地万方，目前更名为百度智图。2014 年 1 月，腾讯全资收购科菱航睿空间信息技术有限公司，并更名为腾讯大地通途信息技术有限公司。2014 年 2 月，阿里巴巴斥资 10.45 亿美元并购高德地图，占股 37.74%。2014 年 5 月，腾讯以 11.73 亿元人民币入股四维图新，占股 11.28%。2021 年 5 月，小鹏汽车 2.5 亿元全资收购智途科技。1.2 政策1.2.1 高精地图的准入资质1.2 政策1.2.1 高精地图的准入资质高精地图准入资质方面，国家对于人员、设备、数据安全等方面有明确要求。2016 年 2 月 3 日原国家测绘地理信息局关于加强自动驾驶地图生产测试与应用管理的通知，明确自动驾驶地图属于导航电子地图的新型种类和重9要组成部分，其数据采集、编辑加工和生产制作必须由具有导航电子地图制作测绘资质的单位承担。2021 年 6 月 7 日自然资源部办公厅关于印发测绘资质管理办法和测绘资质分类分级标准的通知，内容如下：（1）专业标准专业标准：甲级资质的企业，需配置专业的技术人员和技术装备。要求专业技术人员总数不低于 100 人，其中高级测绘专业人员不低于 4 人，中级测绘专业人员不低于 8 人，初级测绘人员不低于 28 人，测绘相关专业人员不低于 60 人。要求具备外业数据采集设备 30 台（套）（定位精度10m），并具备导航地图编辑系统。（2）通用标准（导航电子地图补充要求）通用标准（导航电子地图补充要求）：1涉密网络应配备系统管理员、安全保密管理员和安全审计员。2保密要害部门部位应当确定安全控制区域，采取电子监控、防盗报警等必要的安全防范措施。3配置符合要求的安全保密专用产品，包括身份鉴别、访问控制、安全审计、保密技术防护（三合一）、漏洞扫描、计算机病毒查杀、边界安全防护和数据库安全等产品。4软件开发不得在保密要害部门部位内进行。5未经单位安全保密工作机构批准，单位内部涉密测绘成果不得采用移动存储介质进行交换，应基于涉密网络操作，并进行审计。6涉密测绘成果对外提供应配置专人专机。专机需安装安全审计软件，进行实时审计。107配置红黑电源。1.2.2 高精地图的相关法规政策1.2.2 高精地图的相关法规政策高精地图领域涉及庞大的数据量，为了保障数据安全，国家出台了一系列的法律法规。从采集、存储、使用、公司上市等等涉及数据安全的诸多环节，都有可能面临国家法律监管。（1）主要约束性法规）主要约束性法规1数据安全法数据安全法，2021 年 6 月 10 日第十三届全国人民代表大会常务委员会第二十九次会议通过，执行时间 2021 年 9 月 1 日，出台目的出台目的是为了规范数据处理活动，保障数据安全，促进数据开发利用，保护个人、组织的合法权益，维护国家主权、安全和发展利益。核心摘要核心摘要：关系国家安全、国民经济命脉、重要民生、重大公共利益等数据属于国家核心数据，实行更加严格的管理制度”。2中华人民共和国测绘法中华人民共和国测绘法，2017 年 4 月 27 日第十二届全国人民代表大会常务委员会第二十七次会议第二次修订。出台目的出台目的是为了加强测绘管理，促进测绘事业发展，保障测绘事业为经济建设、国防建设、社会发展和生态保护服务，维护国家地理信息安全。核心摘要核心摘要：从事测绘活动的单位应当具备下列条件，并依法取得相应等级的测绘资质证书，方可从事测绘活动。3网络安全审查办法（修订）网络安全审查办法（修订），发行机关为国家互联网信息办公室、国家发展和改革委员会、工业和信息化部、公安部、国家安全部、财政部、商务部、中国人民银行、国家市场监督管理总局、国家广播电视总局、中国证券11监督管理委员会、国家保密局、国家密码管理局等十三部门，执行时间 2022年 2 月 15 日，出台目的出台目的是为了确保关键信息基础设施供应链安全，保障网络安全和数据安全，维护国家安全。核心摘要核心摘要：网络平台运营者影响或者可能影响国家安全的数据处理活动被纳入网络安全审查。4汽车数据安全管理若干规定（试行）汽车数据安全管理若干规定（试行），发行机关为网信办、发展改革委、工业和信息化部、公安部、交通运输部，执行时间 2021 年 8 月 16日，出台目的出台目的是为了规范汽车数据处理活动，保护个人、组织的合法权益，维护国家安全和社会公共利益，促进汽车数据合理开发利用。核心摘要核心摘要：重要数据包括“军事管理区、国防科工单位以及县级以上党政机关等重要敏感区域的地理信息、人员流量、车辆流量等数据”。5测绘资质管理办法和测绘资质分类分级标准测绘资质管理办法和测绘资质分类分级标准，发布机构为自然资源部办公厅，执行时间为 2021 年 6 月 7 日。出台目的出台目的是为进一步落实党中央、国务院“放管服”改革要求，促进地理信息产业发展，维护国家地理信息安全。核心摘要核心摘要：在中华人民共和国领域和中华人民共和国管辖的其他海域从事测绘活动的单位，应当依照本办法的规定取得测绘资质证书，并在测绘资质等级许可的专业类别和作业限制范围内从事测绘活动。6关于促进智能网联汽车发展维护测绘地理信息安全的通知关于促进智能网联汽车发展维护测绘地理信息安全的通知，发布机构为自然资源部，执行时间为 2022 年 08 月 30 日。出台目的出台目的是为了统筹发展与安全，在守牢安全底线的前提下，积极扶持智能网联汽车新技术、新业态的发展，扩大内需、促进消费。核心摘要核心摘要：需要从事相关数据收集、存储、传输和处理的车企、服务商及智能驾驶软件提供商等，属于内资企业的，应依法12取得相应测绘资质，或委托具有相应测绘资质的单位开展相应测绘活动；属于外商投资企业的，应委托具有相应测绘资质的单位开展相应测绘活动。（2）高精地图城市试点政策）高精地图城市试点政策2022 年 8 月 2 日，自然资源部印发关于做好智能网联汽车高精度地图应用试点有关工作的通知，在北京、上海、广州、深圳、杭州、重庆六个城市开展智能网联汽车高精度地图应用试点。通知 要求，试点城市所在地省级自然资源主管部门可以根据自动驾驶地图数据不同应用场景合理划定不同类型试点应用范围，并鼓励管理创新、技术创新和服务业态创新，支持不同类型地图面向自动驾驶应用多元化路径探索，支持不同主体就不同技术路线、不同应用场景开展测试验证和应用推广，支持试点城市根据产业实际需求，开展高级辅助驾驶地图城市普通道路、高精度位置导航应用等先行先试和示范应用。同时，通知还要求，强化自动驾驶活动中地理信息采集、汇聚、处理、使用全流程的安全保密管理，制定并严格执行安全事件应急处置预案，确保所有试点行为不得危及国家地理信息安全。加强与试点企业的交流，积极提供试点区域地理信息成果，做好政策解读和指导工作，督促试点企业认真落实主体责任，争取在试点工作基础上形成可在全国复制、推广的自动驾驶相关地图安全应用技术路径和示范模式。1.2.3 高精地图的相关标准1.2.3 高精地图的相关标准目前从国家和行业等不同层面均在推动高精地图相关标准，初步整理如下：13表 2：目前已有的高精地图相关标准（不完全统计）表 2：目前已有的高精地图相关标准（不完全统计）标准类型标准类型标准名称标准名称归口单位归口单位国家标准智能运输系统 智能驾驶电子地图数据模型与交换格式 第 1 部分：高速公路全国智能运输系统标准化技术委员会国家标准智能运输系统 智能驾驶电子地图数据模型与交换格式 第 2 部分：城市道路全国智能运输系统标准化技术委员会国家标准高级辅助驾驶电子地图审查要求全国地理信息标准化技术委员会国家标准电子公路图地理要素高精度电子导航地图数据规范交通运输部国家标准导航电子地图安全处理技术基本要求全国地理信息标准化技术委员会国家标准地图导航定位产品通用规范全国地理信息标准化技术委员会国家标准导航应用软件基本功能及技术要求全国地理信息标准化技术委员会地方标准自动驾驶高精度地图特征定位数据技术规范北京市规划和自然资源委员会行业标准道路高精度电子导航地图数据规范全国地理信息标准化技术委员会行业标准道路高精度电子导航地图生产技术规范全国地理信息标准化技术委员会行业标准导航电子地图检测规范自然资源部团体标准自动驾驶地图采集要素模型与交换格式中国汽车工程学会团体标准自动驾驶地图动态信息数据交换格式中国汽车工程学会团体标准自动驾驶路侧传感器数据交换格式中国汽车工程学会团体标准基于视觉、激光传感器的自动驾驶侧定位系统技术条件中国汽车工程学会团体标准基于卫星地基增强的车辆定位技术要求中国汽车工程学会141.3 市场1.3 市场1.3.1 市场规模本次泰伯智库预测的依据主要是根据自动驾驶的渗透率、可能使用高精地图的车辆增长趋势两项数据。初步按照每辆车的高精地图使用成本为一万。结合中汽协对于汽车总量和新能源汽车的销量预测，以及智能网联汽车技术路线图 2.0规划 L2/L3 级自动驾驶新车渗透率等因素，泰伯智库预测到 2025 年高精地图市场规模将达到 240 亿人民币。（泰伯智库中国高精地图市场研究报告（2022）图 1 2020-2025 高精地图市场规模图 1 2020-2025 高精地图市场规模151.3.2 产业图谱目前高精地图产业，核心为数据层，按照技术路线可分为专业制图和众源制图，同时数据层的企业业务布局在其他层中大多也有涉及。其他层的企业也有部分存在跨多层业务布局。科技大厂多在基础设施层和应用层布局。近年来，由于智能网联汽车属于热门竞争赛道，传统车企、新势力车企、科技公司、自动驾驶解决方案提供商等纷纷进入布局，各大图商与以上角色交叉汇集，共同组成了高精地图整个生态。参考泰伯智库中国高精地图市场研究报告（2022）中的产业图谱如下：图 2 高精地图产业图谱图 2 高精地图产业图谱162、高精地图技术体系2、高精地图技术体系2.1 生产流程图2.1 生产流程图 3：高精地图生产流程图2.2 关键技术2.2.1 数据采集代表技术一：“双翼”高精度地图采集技术：高精地图生产流程图2.2 关键技术2.2.1 数据采集代表技术一：“双翼”高精度地图采集技术。高精地图需要高覆盖度和高频率更新，鉴于制图成本和精度的考量，目前业界高精地图制图的技术路线主要有测绘车专业采集、众源采集等多种方式。专业采集精度高，但更新频率低、采集成本高；众源采集数据鲜度高、成本低，但采集精度低、可靠性和一致性较差。“双翼”高精度地图策略，一翼依靠激光雷达制作一张底图，另一翼开发视觉众源更新与建图，两种模式相互校验，将高精度地图的可靠性提升两个数量级以上。这种以专业采集为建图基础，在海量众源数据中快速提炼符合规范的静态图层变更信息和动态图层实况信息，两者深度结合、优势互补、相互校验，极大提升了高精度数据的可靠性，符合高精度地图行业降本增效的诉求。（该技术代表供应商：易图通科技（北京）有限公司）17代表技术二：RTK-SLAM 技术代表技术二：RTK-SLAM 技术。高精地图的数据采集一般通过激光雷达、毫米波雷达、车载摄像头等对道路信息进行收集。当在室内、地下空间或者有大面积遮挡区域，无法接收到GNSS定位信号时，需要利用SLAM（SimultaneousLocalization and Mapping，SLAM）技术进行绘图和定位，而 RTK-SLAM 技术结合三维激光点云设备可在获得位置和模型的同时，将 RTK 控制点自动引入到SLAM 算法中联合解算，从而得到置信度更高的位置信息。将 RTK-SLAM 技术结合手持、背负、移动平台等多样性的作业方式，可获取高精度矢量化三维激光点云模型、带有坐标位置和姿态的图像数据以及轨迹点数据等。无论是在室外的大场景环境，还是室内无 GNSS 定位信号的环境，都有较明显的精度优势，而且自动化程度高，使用起来便捷稳定，细节表达能力强，适用于多种复杂环境。目前，RTK-SLAM 技术已成功应用于面向 AVP（Automated Valet Parking，AVP）场景的高精地图数据采集。（该技术代表供应商：辽宁宏图创展测绘勘察有限公司）代表技术三：快速移动测量技术代表技术三：快速移动测量技术。如何快速、高精度地进行海量地图数据获取、更新，是当前高精地图快速量产面临的难题。“移动测量技术”（MMT：Mobile Mapping Technology）是在机动车等移动载体上安装北斗/GPS 定位设备、CCD/全景相机、惯性导航单元、激光雷达等传感器，经过多传感器标定、融合、时间同步处理，在载体高速机动时，可同步快速采集道路及道路两旁地物的空间位置数据和属性数据，如：道路中心线或边线位置坐标、目标地物的位置坐标、路（车道）宽、桥（隧道）高、交通标志、道路设施等。数据同步存储在车载计算机系统中，经事后编辑加工处理，形成自动驾驶高精地图，解18决高精地图数据源快速获取问题。（该技术代表供应商：立得空间信息技术股份有限公司）代表技术四：数据更新情报中心代表技术四：数据更新情报中心。数据更新情报中心是一套收集和聚合客户信源/第三方信源/内部信源等接入方的道路地理变化信息系统，可以通过该系统对繁杂的信源进行数据获取/数据清洗/数据分析，实现按天/月/季的数据更新和 16 应用。特别是在城区部分，由于其复杂的现实场景，数据更新很难采用道路巡检的方式差异发现和更新，情报系统接入 V2X、智慧城市后，可以提供大量的城区变化的信息，实现城区地图的动态更新。执行路径如下：通过爬虫等信息手段为建立全国道路新增变化情报网，精准到天为单位；接入并驱动高精地图产业中如路测，专包，众包等数据，建立“对象级”道路时空间模型；通过外部资源合作，挖掘重数据资产公司合作模式，完成日活 10 万台次，日均覆盖三次道路，秒级信息调用，10-20 要素对比，tile 级道路时空间对象锁定；直接服务于数据更新，为量产用户提供完备信息数据链反馈。（该19技术代表供应商：武汉中海庭数据技术有限公司）图 4：中海庭情报中心代表技术五图 4：中海庭情报中心代表技术五：众源专包数据技术众源专包数据技术。该技术基于 NoMap（NotOnlyMap：不仅仅是地图）的理念，利用 SLAM、AI 与大数据等新技术实现从地理信息数字化到人类活动场景数字化的重大变革跃迁。打通高速及城快数据更新、城区高精度地图、AVP 高精度地图的全场景布局，服务于当前高速城快自动驾驶及未来数字时空应用领域。其主要实现路径如下：（1）通过基于激光及机器视觉的专包系统技术研发及工程化部署，每道路采集 3 趟的前提下，实现高速及城快的快速成图，支持与真值数据的差异点识别及数据更新；（2）通过基于视觉的众包系统技术研发及工程化部署，实现城区、停车场的 HC 成图；（3）该技术通过数据成图关键产品业务点，也在车端感知领域构建全栈技术闭环解决方案及战略合作生态能力。（该技术代表供应商：武汉中海庭数据技术有限公司）代表技术六代表技术六：基于数据生态闭环的众源更新技术基于数据生态闭环的众源更新技术。高精地图数据的实时20更新是自动驾驶领域关注的重要课题之一。建立基于数据生态闭环的更新机制，将逐渐推动地图更新由自主采集更新为主，转变为以众源更新为主，自有采集更新为辅的模式。该机制在发挥自有专业采集车辆高精度、高效率优势的同时，借助地图开放平台、网约车/车企、及政府等产业上下游各环节创造的海量出行生态数据，形成支撑高精地图高鲜度更新的泛生态数据集。此海量数据集具有驾驶场景全、覆盖范围广、数据规模大、生命周期长，安全监管严等显著特点。在此基础上，将深度学习、人工智能技术，如 TSR、PCR/PCF 等应用于高精地图数据生产和更新，实现点云及图像的自动化处理，对关键要素的自动识别、提取和预判，完成全要素、多模态的标注，自动化识别率达 90%以上。随着准确性的不断提高，可大幅降低人工参与程度，提升处理效率和实时性，最终实现高精地图高覆盖、高质量和高自动化率的全流程地图更新。该机制也将带来高精地图更新成本的大幅降低。（该技术代表供应商：百度高精地图）2.2.3 数据处理代表技术一：点云感知+图像融合自动化处理技术2.2.3 数据处理代表技术一：点云感知+图像融合自动化处理技术。相对于传统的数字地图来说，为了支撑自动驾驶等业务场景，高精地图在精度和鲜度上都有更高的要求，同时在内容上包含了更加丰富精细的道路元素，如车道线、防护设施、交通灯、车道坡度、曲率等。在高精地图的生产流程中，自动化处理系统是核心部分。高精地图自动化处理技术通过点云感知+图像融合方式，极大提升了要素识别的召回率和准确率；在此基础上，使用融合写入服务将自动识别到的要素预先写入数据，辅以人工核实校正，提升作业效率。同时针对数据更新，21还通过发现变化前置、数据差分、自动融合等多种手段，将现实变化部分提取出来，可大幅减少更新的工作量。此外，通过简化生产工艺，将车道线产线2D 化，通过识别 2D 灰度图，大大降低了作业复杂度。借助上述技术手段，大大提升了高精地图数据的自动化生产程度。（该技术代表供应商：腾讯大地通途信息技术有限公司）代表技术二：道路要素智能提取与高效更新技术代表技术二：道路要素智能提取与高效更新技术。传统的道路要素特征提取由人工完成，成本高、耗时且精度低，无法满足高精地图中道路要素三维信息快速获取与更新的需求。机器学习辅助的高精地图生成技术，可提高特征提取精度，减少人工工作量。基于深度学习和后处理算法相结合的点云智能矢量化技术，实现地面目标的自动化提取，提升数据自动化处理能力。该技术涉及人机交互，结合地面目标空间特征、反射强度、法向量等综合特性，对目标进行筛选优化，并使用深度学习对标记数据进行训练，通过人机交互的作业生产模式，大大提高了数据采集的效率与准确度，减少了人为操作产生的误差。目前该项技术已广泛用于道路边线、车道线及杆状物等要素的自动提取。由于高精地图的现势性强、数据更新量大、工作任务重、时间要求紧，快速更新技术需要多人同时对数据库进行更新作业。结合构建网络化协同作业模式，该技术可避免分区作业时的数据裁切和拼接工作，使生产效率与服务器数据体量、协同作业人员数量无关，将大幅提高数据生产与更新效率。（该技术代表供应商：辽宁宏图创展测绘勘察有限公司）代表技术三：基于 LiDAR 或 BEV 感知的自动化建图技术代表技术三：基于 LiDAR 或 BEV 感知的自动化建图技术。相对于传统基于机械激光雷达的建图，车载视觉与半固态激光雷达无法达成机械激光雷达的22精度标准，同时因其有限的视场角问题，使数据收集与定位存在缺陷，这为建图带来了巨大的挑战。基于车载固态 LiDAR 或环视 BEV 视觉的规模化自动建图技术，通过高度自动化的数据处理与自更新数据闭环服务，可以提供深度定制化的数据技术解决方案，支持主机厂建立起高精地图自更新的数据闭环。这套技术体系可基于商用车及乘用车传感器自采数据，精准感知道路环境变化。通过提取点云、图像中的核心信息，融合并构建语义图，实现与高精地图底图的叠加与更新，进而提升自动驾驶高精地图的时效性。目前，该技术已支持包括高速、城市道路、隧道及地下停车场等多种场景，特别是在复杂路段中，弥补了自动驾驶长尾场景中的短板。此外，这套技术也能应用于自动驾驶卡车、物流车等在内的商用车场景中。（该技术代表供应商：河北全道科技有限公司）2.2.4 数据融合代表技术一：融合高精度定位技术2.2.4 数据融合代表技术一：融合高精度定位技术。使用摄像头、IMU、GNSS、车辆速度信息、高精地图作为传感器输入，可提供高精度的传感器同步，失效处理，提供高精度和高置信度的融合定位结果。融合高精度定位技术结合高精地图数据，能精准将车辆所在车道反映在高精地图上，真正实现车道级导航功能，提供精准地引导变道信息提醒。该技术优势包括：L2 以上量产车传感器即可满足需求，不需要高端的硬件设备；占用算力资源少；采用语义 SLAM 的技术路线，不需要传统 VSLAM 的单独特征定位图层，对高精地图的格式依赖度低，可以适配不同厂商的高精地图；定位精度高，可以做到横向 20cm，纵向 30cm 的定位精度；鲁棒性高，可以适应各种工况以及天气环境下的精确定位，如城市峡谷，23隧道，立交桥下，黑夜、雨雪天气等。（该技术代表供应商：易图通科技（北京）有限公司、武汉中海庭数据技术有限公司、河北全道科技有限公司）代表技术二：GNSS/INS/轮速/视觉等多传感器融合高精定位技术代表技术二：GNSS/INS/轮速/视觉等多传感器融合高精定位技术。高精度定位技术是高精地图采集、各类智能终端的感知与决策的基础。传统的 GNSS定位技术难以解决在城市峡谷、隧道、高架桥等各类复杂环境中的 GNSS 信号失锁、多路径等问题。基于 GNSS/INS/轮速/视觉的多传感器融合定位技术，在 GNSS/RTK 技术基础上，融合 IMU 捷联解算和轮速计补偿，实现基于滤波和因子图优化方法的紧组合定位算法，并进一步引入车道线视觉匹配技术作为复杂环境下的定位辅助，充分发挥各传感器优势，提升全场景的定位精度和可靠性，提供高精位置和姿态解算结果。目前该技术已经在某车厂 L2+辅助驾驶场景使用，精度控制在 20cm 内。（该技术代表供应商：腾讯大地通途信息技术有限公司）代表技术三：GNSS/IMU 组合解算技术代表技术三：GNSS/IMU 组合解算技术。自动驾驶应用面向高速、环线、城市内部等多场景覆盖，在城市内部高楼、隧道、高架桥等 GNSS 信号遮挡路段，传统单一的 GNSS 定位方式无法获取城市复杂场景如 GPS 失锁、信号干扰等场景的高精度定位，基于 GNSS/IMU 组合解算技术可以解决城市复杂场景的高精度定位，保持定位的连续递推能力，输出载体高精度的位姿信息，而高精地图数据采集需要高精度定位，提高数据采集端的定位精度有助于提高高精地图数据的精度。GNSS/IMU 组合解算技术是通过滤波融合算法实现 GNSS、轮速与 IMU 信号的数据融合解算，综合使用 GNSS 相位差分定位解算、IMU 姿态捷联解算、IMU 姿态修正、杆臂效应补偿等技术，实现高精度位置姿态数据输出。24（该技术代表供应商：立得空间信息技术股份有限公司）代表技术四：3D-SLAM 三维建图技术代表技术四：3D-SLAM 三维建图技术。3D-SLAM 三维建图技术可以实现在无 GNSS 环境条件下准确地自主感知和自主定位功能，定位精度可达厘米级。解决室内/室外/地下复杂场景下自主应对场景能力差的问题，该技术是利用多传感器融合、即时定位与建图技术，实现无人设备适应多种复杂地形，在三维环境下自主定位、自主导航。该技术可广泛应用在地面/空中无人平台上，如各种应用场景各种类型的无人设备的高精度实时自主定位导航，无人机空中定位导航、无人驾驶汽车定位导航、巡检/物流机器人的定位导航；同时 3D-SLAM建图技术可以参与实现高精地图的制作与更新，解决无 GNSS 信号定位场景的自主定位和建图。（该技术代表供应商：立得空间信息技术股份有限公司、河北全道科技有限公司）代表技术五：HD GNSS 高精度定位技术代表技术五：HD GNSS 高精度定位技术。该技术是一种 PPP 定位算法，使用并合并多个频率的常规 GNSS 信号，与全球覆盖的高精地图和导航地图匹配，结合遍布全球的 200 多个参考基站以及众源数据，通过一系列复杂算法计算卫星时钟、卫星轨道以及电离层误差的单个误差，修正对流层误差，提供可靠的纠偏算法。HD GNSS 为嵌入式设备和芯片（