編者按：可能有人會有疑問：自動駕駛汽車使用的地圖，與我們日常接觸的高德地圖、百度地圖等公司的地圖有什麼不同？高德和百度做的是人類的地圖，而高精地圖公司做的是機器人使用的地圖。這兩種地圖都是幫助用戶基於地理位置做決定的工具，但它們的終端用戶差別很大。也正是由於終端用戶的不同，其類型與信息量就千差萬別。
本文作者為 Mapper.ai 產品負責人 Neehar Garg。Mapper.ai 是一家地圖和定位軟件公司，今年 7 月被激光雷達公司 Velodyne 收購。本文由汽車之心編譯自 Medium。
1、人與機器使用的地圖：到底有什麼實質不同？
我們先回答一個問題：什麼是人類使用的地圖？
智能手機中地圖 APP 已經可以囊括一切。打開地圖應用，藍色的點會告訴你身在何方。而設定好目的地後，你的路線就會浮現在屏幕上。
手機上的地圖確實非常好用，只需要一個簡單的 GPS 芯片，手機就能在地圖上定到你的位置，誤差只在幾米之間。
除此之外，它還有追蹤通勤習慣，推薦行車路線，提供打折信息等數百萬種應用場景。
這些地圖上有用的語義學數據包括興趣點（POIs）、街名和地址等。
在車上，地圖則會給出路徑指示，比如告訴你「在某某大街右轉」。
像谷歌地圖這樣成熟的產品甚至還會包含更加細化的信息，比如車道數量，這也是你會在開車時聽到「保持左側兩車道行駛」之類提示的原因。
人類使用的地圖是非常好的資源，但想把它編進代碼卻並不容易。畢竟它是人類數百萬年進化的產物，是人類大腦對周邊無數信息進行消化吸收的結晶。
簡言之，人類的常識比計算機的模式匹配能力要強大多了。
常識的力量強大了，人類的地圖就無需那麼精確，即使 GPS 無法識別其中不同，一個藍色的小點也能保證你在駕駛時不會駛向轉盤上的花壇。
在隧道里或高層建築間，GPS 信號可能會偶爾消失，但你還是能靠著常識繼續駕駛，直到藍色小點重新出現。
即使沒有常識，機器的地圖，加上超強算力也能輸出正確決策。機器人的地圖裡「信息」更多，它能為計算機提供更多補充資源。
與人腦一樣，自動駕駛汽車搭載的超級計算機也能在駕駛時進行實時決策，不過由於缺乏常識，它理解起周邊環境來要困難不少。
因此，機器的地圖必須非常精確，其精度甚至要達到 10 釐米級別。
除了更加精準，它提供的信息還要非常直觀，指令更是能多細就多細。
比如：
- 車輛當前處在哪個車道，該車道需要注意哪些交通標識和信號燈。
- 車輛與道路的高度也非常重要，這是自動駕駛汽車在城市高架行駛時的必備數據（車輛要知道自己是不是在高架橋上）。
- 機器的地圖還必須永遠在線，並在 GPS 信號不穩定甚至徹底消失時持續為車輛提供精確信息。
說到這裡，什麼是機器地圖，大家就很清楚了。
與人類不同，機器不需要精美的界面，也無需夜間模式和精挑細選的字體。
簡言之，機器地圖就是一個信息倉庫，足夠機器導航使用。
周邊環境的 3D 模型加上 3D 數據上的語義信息層就是自動駕駛汽車的「常識」
2、3D 點雲圖
關注自動駕駛汽車的人，對 3D 點雲圖並不陌生。
點雲屬於空間數據，本質上來說是 3D 高程點的集合。
一個精準的實時 3D 點雲地圖是自動駕駛汽車執行多種基本任務的必要條件：
首先，它讓車輛能找到自己的位置。
任何使用激光雷達的自動駕駛汽車都會實時生成點雲圖，將點雲圖疊加到現有地圖上後，車輛就能找到自己的精確位置（即使當時 GPS 不可靠）。
激光雷達會實時工作，幫助車輛進行物體探測和躲避，而一個精確的點雲圖可充當環境的基線視圖。
點雲信息越豐富，車載計算機就越輕鬆，它也能分出更多算力專注於移動物體。
3、簡單的語義信息：每條車道的行車路線
點雲圖上要疊加一層語義信息，它能告訴自動駕駛汽車應該遵守什麼樣的規則。
除此之外，語義信息還能為車輛 AI 提供周邊環境情況並充當這個世界的藍圖。
總得來說，語義信息的層次越多，車載計算機導起航來就越輕鬆，畢竟前路上會出現越來越多規劃好的環境。
這些語義信息包括：
1. 車道標線
2. 行駛方向
3. 交通信號燈與標識
4. 人行橫道
5. 馬路牙子標記與泊車規則
6.「高可信路徑」（最容易行駛的道路）
7. 建築工地和任何臨時規則
如果能將這一層層信息都融合進去，我們就能得到一套強大的點雲圖。
融合了語義信息層的 3D 點雲圖
當然，到底哪些語義信息對自動駕駛行業最有用，現在依然充滿變數，但未來幾年這些語義信息肯定還會受到持續關注。
同時，這也意味著，圖商得抓緊在自己的地圖中添加語義信息。
閱讀更多 汽車之心Autobit 的文章
關鍵字: 地圖 無人駕駛 屏住呼吸智能汽車來了
