立得空間資訊科技股份有限公司研究院院長 張文俊：立得自動駕駛技術及新場景應用

大家好，我是立得空間的張文俊，今天很榮幸可以藉此機會和大家一起來分享一下我們研究高精地圖和自動駕駛的一些感悟。

說到高精地圖，首先看一下自動駕駛這一塊的發展現狀，現在自動駕駛發展還是非常蓬勃，而且是百花齊放的。

我們在不同的車型上面都可以看到自動駕駛的影子，包括市場非常龐大的乘用車，包括私家車車輛、商用車輛等等。在細分領域方面，有無人礦卡、無人叉車，還有無人清掃車，還有工廠裡面的無人物流車，包括電站用到的無人巡檢機器人。我們看到無人駕駛的車輛型別非常繁多，而且它們的定位精度以及速度的要求都不太一樣，這也決定了我們給它提供的地圖方案也是有非常大差異的。

從場景上面來看，無人駕駛的場景也是覆蓋比較全面的，現在像Robotaxi，已經面向比較複雜的城市交通領域，包含十字路口等等這樣一些場景，也有在高速的車輛上行駛的結構化道路的場景，也包括低速車輛在園區、工廠、校園裡面執行的一些車輛，同時我們還會有自主代客泊車或者無人礦卡等等一些場景。

再從行業角度看一下自動駕駛，我們在各個行業裡面已經也有大量的自動駕駛的應用了，比如說交通領域、物流領域，還有人員、農業、國防，甚至一些應急行業都存在自動駕駛的需求。但是不同行業對自動駕駛的要求是不太一樣的，對高精地圖的資料或者高精地圖的應用方式也存在很大的差異。

重新回過來看一下自動駕駛的發展，我們從源頭再重新分析一下自動駕駛對地圖的要求是什麼樣的。從自動駕駛的本質需求上來講，回答三個比較有哲學性的問題，我們現在在哪兒？我們要到什麼地方去？我們怎麼去？我們可以非常清晰地發現，這三個問題都是跟地圖相關的，我們地圖是如何來去解答這三個問題的呢，也是透過地圖三項比較重要的功能：一個是定位，一個是感知，一個是規劃。

定位方面，我們剛才說到RTK等等衛星導航的定位方式，這樣比較方便，也會比較精準獲取定位的時候，與其說地圖來提供定位，不如說地圖為定位提供了一個參考的座標，我們可以把我們自己獲取定位的座標在地圖上標識出來，這是大部分場景裡面的情況，但對於一些特殊場景，比如說隧道或者是一些衛星訊號不是那麼好的地方，我們就需要透過地圖的一些特徵和周圍觀測到的資訊進行匹配來完成定位。

其實這項能力也並非是高精地圖一項特有的能力，其實我們自己使用地圖的過程當中，在GPS訊號缺失的時候，我們經常也會尋找街邊的一些門店資訊和地圖上的資訊進行比對，來發現我們自己在什麼地方。

除了地圖提供的定位能力之外，地圖也幫我們提供了一個非常好的預先感知的能力，地圖的感知能力和我們自動駕駛在行駛過程當中實時做的感知演算法是非常相像的，把我們實際車輛行駛過程中能夠感知到的一些地圖要素、場景記錄在地圖上，來節省我們車輛在行駛過程中耗費的一些感知的算力，也為我們在一些特殊的情況下，比如說天氣非常惡劣，或者一些超視距感知的情況下，提供一些相應的感知能力。

最後，我們把資料經過一些梳理，新增一些屬性和交通訊號的規則以後，我們可以透過地圖導航引擎的能力來提供路徑規劃的一些演算法，根據這樣的路線和速度的規劃，我們就能夠到達我們目標的位置，這是我們地圖方面提供的一些能力。

除了剛才講到的地圖的三個非常重要的核心能力之外，隨著自動駕駛的發展，我們發現自動駕駛在地圖的應用上面也得到了一些新的體現，有幾個比較明顯的方面。

第一塊就是車聯網，在路側上面，我們看到路側幫助我們車輛提供了更好的感知和定位，這樣的感知和定位的能力，需要在同樣的一個地圖上得到展現。同時，我們的地圖也為車聯網後臺的管理提供了一個平臺的基座，方便我們對車聯網的裝置和車輛來進行統一的管理。

第二塊，我們在做自動駕駛的過程當中，我們怎麼來提高自動駕駛的能力，我們可以透過模擬，現在也有一個概念叫元宇宙，我們可以把我們的自動駕駛汽車在不同的虛擬場景裡面進行反覆的訓練，來提升我們自動駕駛的能力，再到真實場景中來完成自動駕駛的應用。這裡面就強調了我們的資料需要高精度，需要和我們真實場景的一致性，而且還能夠模擬一些天氣場景，還能夠模擬感測器的一些資料。

還有一個在現在智慧駕駛汽車裡面已經得到了非常好的體現的，就是我們的智慧駕駛座艙，智慧駕駛座艙裡面也會用到三維真實的地圖的底座，這也是我們新的地圖在自動駕駛一些新領域中的一些應用。

根據上面說到的自動駕駛需要的一些地圖的基礎能力，還有一些拓展的需求，我們來梳理一下地圖具體要輸出什麼樣的資料，包括用什麼樣的應用軟體來滿足我們的需求。

首先，比較重要的是地圖的語義層的資料，語義層這一塊，我們能夠提供道路的一些屬性資訊、車輛模型，還有一些交通設定模型，這塊保證了自動駕駛的一些路徑規劃和感知能力。

第二，剛才提到了地圖能夠幫助自動駕駛車輛來完成感知，剛才是透過人來觀察周圍的環境，自動駕駛的感知是靠感測器去收集周圍感測器的特徵，我們是要跟地圖上面的感測器的特徵進行匹配，然後來完成自身的定位，主要的感測器就是鐳射雷達、相機，未來將用到的4D毫米波雷達等等。

第三，車聯網，包括智慧駕駛座艙，還有一些數字孿生平臺裡面要用到的數字化的三維模型。

這樣的一些資料需要透過相應的演算法的引擎來去完成它相應的功能，比如說語義層的道路屬性、車輛模型、交通設施模型，我們就需要用到地圖的導航引擎來完成自動駕駛的感知和規劃。地圖能夠運用這樣的定位能力，需要定位引擎，也就我們常說的向量演算法幫助我們完成地圖的輔助定位。還有三維引擎。

明確了這樣的資料和應用引擎以後，在做地圖生產的時候，我們就會對應生產一些採集和和生產工藝。立得的主要特點是，我們一直在研究移動測量的技術，而且針對不同的地圖需求，我們會特定來去設計我們自己的移動採集裝置，包括立得覆蓋有衛星遙感無人機移動測量的，還有室內各個場景的，針對不同場景的一些移動測量裝置。比較常見的就是移動測量採集，針對上述的資料，我們的移動測量系統包含了豐富的感測器。

針對地下停車場這樣的場景，我們對移動測量採集車做了一些改造，能夠讓它適合在沒有衛星訊號的場景下快速實現三維場景的重建和地圖的生產。還有一些需要快速獲得場景搭建，同時能夠完成一些自動駕駛的場景，我們這邊也有相應的無人機的採集方案，來實現空地一體化的呈現方式，來快速建造資料網格，同時來實現跟路面資料進行統一。

面向低速場景，也就是低速物流車、低速巡檢機器人這樣的場景，我們也開發了一款行動式的移動測量裝備，能夠方便大家快速在一些封閉場景區域裡面得到高精度的地圖，得到一個三維實景地圖和點雲地圖的資料。同時這樣的一套能力也可以為我們視覺定位感知、AR導航提供相應的技術能力。

除了上述的幾個採集裝置，我們也有專業的一些製圖軟體來生產出我們所需要的高精地圖的資料，這款生產軟體裡面包含了我們匹配的各項感知能力，包括目標檢測與分割、點雲分割等等，來幫助我們做道路場景的一些預先的感知跟提取。

與此同時，我們針對不同的需求，有的我們是提供資料服務，有的會提供導航引擎的定位導航的服務，還有比如說面向行業的一些使用者，它不僅僅是需要資料或者是導航引擎，更重要的是需要自己來去按照自己的需求來繪製地圖，我們也相應的可以提供地圖生產的平臺。生產平臺不僅可以幫助我們快速進行二維的編輯，同時我們可以透過三維的部署來幫助客戶快速完成自動駕駛的能力。

最後我總結一下，現在針對自動駕駛多樣化的高精地圖的需求，我們可以透過我們的平臺化的生產能力，來完成定製化的地圖生產，提供多樣化的地圖服務方案，並且針對性的使用我們的地圖採集裝置，提供我們智慧化的生產工藝，來幫助大家獲得智慧駕駛能力。我們也希望，透過我們的不懈努力，能夠將高精地圖和自動駕駛的技術應用到更多的場景裡面去，實現更大的價值。