高精還是高精度？自動駕駛地圖的發(fā)展之路

導讀：日前，武漢大學測繪遙感信息工程國家重點實驗室教授、博士生導師李必軍在自動駕駛地圖峰會上做了題為“高精還是高精度？自動駕駛地圖的發(fā)展之路”的演講。他認為，自動駕駛應(yīng)該使用場景地圖，要通過地圖的信息來降低感知的難度，同時通過傳感器的感知來降低對地圖精度的要求。他同時指出，不改變現(xiàn)有的交通規(guī)則，自動駕駛就不可能實現(xiàn)。

以下是演講實錄:

今天我主要講地圖在自動駕駛中的應(yīng)用。

在武漢大學測繪遙感里面主要是做測繪工作，從移動測量到汽車導航，再到現(xiàn)在的無人駕駛，做移動測量將近有20年的時間，無人駕駛2008年到現(xiàn)在也整整十年，我發(fā)現(xiàn)這里面有很多的問題。

我這么多年做的研究其實是跟導航、位置服務(wù)緊密相關(guān)的，包括從2009年到現(xiàn)在做的國家863、國家自然科學基金等項目，基本上都是圍繞著地圖數(shù)據(jù)的獲取、處理跟服務(wù)展開的。最近的就是從廣義影象到基于雙目視覺，再到智能汽車的環(huán)境精細感知，從這里面可以看到測繪技術(shù)在交通領(lǐng)域的研究應(yīng)用。PPT上列的是這些年的研究成果，特別是2017年底完成了國家標準——關(guān)于導航電子地圖增量更新，參與單位還有四維圖新、高德，包括在座的熟人也參與了一系列關(guān)于地圖相關(guān)的標準。

今天重點講四個方面，主要是智能駕駛與地圖相關(guān)的，里面有很多內(nèi)容是我自己這些年的經(jīng)驗總結(jié)，可能跟現(xiàn)在的大眾說法有些不一樣的地方，大家可以共同探討，在這里也請大家提供寶貴的意見和建議。

首先，測繪。在遙感實驗室有一個方向叫做3S集成研究室，在座的都知道3S集成是什么內(nèi)容。智能交通這塊是我的老師在實驗室定的一個新的研究方向。怎么樣介入交通領(lǐng)域？那我們就選擇了智能交通方向。3S集成技術(shù)是智能交通的核心內(nèi)容，也是重要的基礎(chǔ)。在智能制造里邊有先進的制造、先進駕駛、控制系統(tǒng)等等，目前智能汽車非常流行、落地的是ADAS，這是智能交通的內(nèi)容之一。

我今天主要講的是復雜環(huán)境下，測繪技術(shù)怎樣在交通領(lǐng)域里面為交通的“十三五”發(fā)展目標提供一些解決方案或者提供一些技術(shù)支持。

從大的研究背景來說，我的理解是這樣的：測繪是個小學科，交通是個大行業(yè)，兩方面結(jié)合作為自己的研究方向。這20年圍繞著導航與位置服務(wù)，我們在2003年跟一汽做過汽車導航的配套研究，包括當時弄了個“武大導航”的注冊商標，為“一汽”做了汽車導航的后裝軟件、后裝系統(tǒng)。

在這個過程中，我們發(fā)現(xiàn)地圖的測繪和更新是非常難的。大家都知道我們武大搞移動測量，我本人在2000年的時候?qū)⒓す鈷呙?、相機、GPS集成進行地圖信息快速采集與更新。目前最大的問題就是地圖快速更新的問題，我們今天講高精度地圖采集，技術(shù)難度不是問題，更新才是實實在在的問題。

在這兩個基礎(chǔ)上，把十年導航的技術(shù)成果加十幾年移動測量的成果進行集成，2008年開始進行智能駕駛方面的研究，主要還是從測繪的角度、從感知的角度來看看智能駕駛是怎么做的，測繪的技術(shù)怎么在智能駕駛應(yīng)用？這里面有一些感觸和經(jīng)驗。

傳統(tǒng)的測繪主要是提供地圖服務(wù)，在現(xiàn)代的測繪之下，除地圖產(chǎn)品之外還有很多的增值內(nèi)容。大家都很熟悉這個背景，我就直接略過去。

這里講自動駕駛，又有很多人分成無人駕駛、智能駕駛等，還有很多其他的說法。我這里統(tǒng)稱為一個名詞，就不細分了。背景意義大家也都知道，剛才看到的傳統(tǒng)擁堵交通狀況下，怎么解決交通的問題、緩解城市的交通困難，特別是提高交通安全，這對中國來說是很重要的問題。

公安部說每年的交通死亡人數(shù)涉及到汽車駕駛的是五六萬人，但是世界衛(wèi)生組織報道的是大概5-6倍，也就是將近30萬人，這應(yīng)該是準確的數(shù)字。從這里來看每年有幾十萬人相當于一個中小城市的人口就沒了，安全問題非常嚴重。智能駕駛能不能解決安全問題？我想大家應(yīng)該對此抱有非常大的希望。

這是美國的自動駕駛分級標準，大家也都采用這個，網(wǎng)上也有，也都這樣分。包括現(xiàn)在的交通設(shè)施是服務(wù)人。交通的渠化、交通的地圖是為人服務(wù)，并不是為機器服務(wù)的。

這里面爭議最大的是L3級，現(xiàn)在很多的創(chuàng)新企業(yè)要越過L3搞L4級、搞全自動駕駛等等的說法。為什么L3級大家不搞、不做了？前年的時候特斯拉有個交通事故，大家都是知道的，最后的鑒定結(jié)果是L2級，因為它要求人手不能離開方向盤。因此汽車行業(yè)里邊規(guī)定手是不能離開方向盤，如果手不能離開方向盤自動駕駛就很難受，特別是眼睛要看前方，你可以不操作，但是你人要注意隨時接管。

L3級要求是人機共駕，人隨時可以介入，機器隨時可以介入，到底什么時候人介入？什么時候機器介入？目前很難。不僅僅涉及到人的問題，還涉及到技術(shù)難題的問題，目前來說這是無解的。

在無解的情況下，很多人就直接開始搞L4級、搞全自動駕駛。這能不能做？如果我們都有高精度地圖，有精確到厘米的地圖，在地圖定位很準確、汽車技術(shù)也很成熟的情況下，我們可不可以實現(xiàn)基于高精度地圖的無人駕駛？這個話題現(xiàn)在很熱，熱到了各行各業(yè)都來搞自動駕駛，三五個人弄一個團隊開始做自動駕駛。

國外的相關(guān)研究發(fā)展的非常早。我國從2009年開始學習美國，國家自然科學基金委員會搞了個全國智能駕駛大賽。在這方面我國落后歐美國家將近10年的時間。當然這也不能怪在座的各位，汽車產(chǎn)業(yè)本來就是一直扶不起來，扶了這么多年還是依靠國外的核心元器件，從發(fā)動機到底盤到變速箱等等。

這是國外的情況。國內(nèi)其實做得也挺早，我們是國內(nèi)第一批參加國家重大研發(fā)計劃“視聽覺信息的認知計算”的。目的還不是圍繞著無人駕駛，但它把無人駕駛當作了驗證平臺，通過自動駕駛來驗證國家在視覺、聽覺方面的計算能力、感知能力。開始預(yù)算了8千萬，后面增加了一次總體大概1.5個億左右，大概是8年的時間到今年結(jié)束。

我相信大家都知道，國內(nèi)很多從事無人駕駛的人才，來自這些基金培養(yǎng)的有很多。我就有學生在騰訊做無人駕駛的，也是這樣培養(yǎng)出來的。這是當時國內(nèi)的基本情況，主要的科研單位是以比較有錢的高校為主，因為這個東西特耗錢。

國內(nèi)第一次舉辦無人駕駛大賽是2009年，在西安。那時候人比車快，因為車每走一步就要停大概一分鐘才能再往前。為什么？沒有地圖。沒有地圖后就靠視聽覺計算：靠視覺、靠激光，看一下就往前走一步再停下來。那時候沒有GPU加速這種東西，而且車很重，設(shè)備很貴，沒有低于150萬的車。武漢大學的車不到10萬塊錢，但是上面有170萬的裝備，那些裝備都很值錢。2009年這次比賽具有開創(chuàng)性意義，當時沒有車廠，也沒有互聯(lián)網(wǎng)企業(yè)看重這個，完全是前沿性研究。

2010年的比賽要考查參賽隊伍的認知能力，還是沒有地圖、不能用衛(wèi)星導航，要通過感知看道路、標牌。賽場在長安大學的某個校區(qū)，做了一個封閉環(huán)境，當時校區(qū)里有汽車的測試場。長安大學是搞公路的，所以在汽車方面有汽車學院，特別是在汽車測試場里面汽車可以撒開跑。但比賽結(jié)果也不是特別好，一個S彎有很多車沒過；雖然劃定了停車位，但是沒有地圖純靠感知，大家也很難找到地方；特別是兩輛車夾著的時候，當時沒有幾輛車能夠順利完成。

我們以地圖為基礎(chǔ)獲得了野外比賽第一名。當時，我?guī)е鴪F隊直接用地圖匹配，不到5公里的測試場，要40分鐘完成，結(jié)果只有我們武漢大學按時完成了。有的團隊是數(shù)電線桿，過幾個電線桿要轉(zhuǎn)彎，這在地圖里面都是很簡單的事情。通過地圖告訴你目的地在哪，規(guī)劃一條路徑，這是測繪里面最簡單的空間分析問題，在當時沒有地圖的情況下就是很難很難。

這個難度就需要用地圖來解決，通過我們測繪的相關(guān)技術(shù)手段來解決自動駕駛里面的感知問題。因為車載感知設(shè)備不是千里眼、也不是順風耳，只有在傳感器感知范圍內(nèi)才能做空間分析這些事情。

2011年的時候，比賽場地不再是限定測試場，而是放到了鄂爾多斯的真實道路上。不過當時做了道路封閉管制車輛，比賽場地變成14公里，難度有所增加。2012年開始進入鄉(xiāng)村道路。2013年開始進入高速公路道路，那時候就開始在常熟進行測試，參加單位越來越多，從9家到10家到20多個團隊，再到現(xiàn)在很多公司開始介入。

總的來說，自然基金委組織的大賽培養(yǎng)了很多團隊，培養(yǎng)了很多人才。我參加這個比賽交流時講無人駕駛一定要把地圖引進去，不能不用地圖。地圖是一種重要的先驗知識，一定會降低感知的難度，可以很好的解決無人駕駛的問題，之后大家都開始接受這個觀念。自2011年開始，很多人找我們合作，大家開始用差分定位技術(shù)，在比賽之前就開始做賽場地圖。專業(yè)不專業(yè)不好說，但至少有一點，明確了自動駕駛是離不開地圖的。

2012年接受《人民日報》采訪的時候我提了一句話：無人駕駛并不遙遠，記者就把這個作為標題。百度是2013年開始做無人駕駛，當時國內(nèi)的無人駕駛已從2009年開始發(fā)展了很多年，提供了很多經(jīng)驗和參考。剛才劉總說，2020年作為自動駕駛的元年，當年我接受采訪時，也是說至少有七八年才可能看到無人駕駛；目前很多地方都在測試無人駕駛，特別是美國的亞利桑那州。從目前來看，2020年自動駕駛元年可能有點早，特別是在乘用車環(huán)境方面，說2020年是駕駛的元年可能性不太大。但是有一點，地圖在自動駕駛中的作用是越來越大。既然地圖有這么大的作用，到底自動駕駛和地圖是怎么結(jié)合和發(fā)展的？我下面講一講自己的一些觀念。

大家都知道目前主要是兩條思路，一個是傳統(tǒng)汽車廠、一個是互聯(lián)網(wǎng)企業(yè)?？偟膩碚f，目前無人駕駛很熱，很多中小創(chuàng)企業(yè)進入到了無人駕駛領(lǐng)域，包括一些傳統(tǒng)的車企開始切入到智能駕駛領(lǐng)域。

簡單地講一下這塊的內(nèi)容，在我們國家，群智感知和眾包服務(wù)的地圖采集模式，目前在法律層面上還是有些問題。前年華為問我自動駕駛地圖可不可以搞？你可不可以幫我們做？我說，法律規(guī)定必須有測繪資質(zhì)才能做。目前國內(nèi)只有十幾家有導航電子地圖的生產(chǎn)資質(zhì)，不是誰想干就可以干，不是技術(shù)很牛就可以干，必須有專業(yè)資質(zhì)。

我們地圖怎么樣更新呢？以前的導航電子地圖從傳統(tǒng)的一年一次，到一年兩次，再到一季度一次，再到互聯(lián)網(wǎng)“實時”地圖，地圖從采集到發(fā)布的周期越來越短；但從國家目前的法律規(guī)定，地圖保密審查時間一到兩個月時間是要的。所以目前更新頻率有極限，速度不可能太快；當然也有便捷的方法，通過快捷的手段來解決，這是產(chǎn)業(yè)的事情不是技術(shù)上的事情。

大家都熟悉的移動測量，是自動化程度比較高的采集方法。這是高精度地圖采集車的情況，目前通過人工智能技術(shù)的發(fā)展，現(xiàn)在采集的自動化手段是越來越高，包括數(shù)據(jù)處理，特別是利用深度學習進行模式識別，目標分類的自動化水平是越來越高。所以我們在傳統(tǒng)制圖方法上面，比如說交通標識、標牌以前是人工識別和編輯方式，現(xiàn)在可以通過人工智能方法來解決，數(shù)據(jù)處理能力得到了比較大的提升。

但是地圖的生產(chǎn)裝備還是一個核心問題。我們怎么能低成本、高可靠的解決高精度地圖的采集？目前還是一個難題。如果是生產(chǎn)高精度地圖，一年投資五六千萬肯定是不行，至少每輛車的采集設(shè)備，貴的五六百萬，便宜的也得一兩百萬。我們研制開發(fā)的高精度數(shù)據(jù)采集車，也是兩三百萬的成本。這么高的成本來生產(chǎn)這樣一個地圖，如果我們的無人駕駛車也要達到這樣的一個精度，是不是也要增加一兩百萬數(shù)據(jù)采集成本？這種車產(chǎn)量肯定是有限的。

剛才也說了人工智能的問題，現(xiàn)在的人工智能也非常的火，都認為人工智能能解決很多問題。應(yīng)該說人工智能確實改變了生活，如掃地機器人等，但還有很多的問題沒有解決。我們到現(xiàn)在還要通過一百萬張、一千萬張圖片才能保證人工智能能夠準確的識別一只貓，那還不如一個小孩，你跟他說一下這是一只貓，他一輩子都記住，不要用那么多圖片來增加正負樣本的訓練。這體現(xiàn)了目前人工智能離人的智能還有很大的差距。人工智能最主要的三大問題是感知、決策、執(zhí)行，對我們在座的各位來說，主要是建立場景地圖感知問題。當然還有決策、規(guī)劃和控制的問題。

地圖的基本功能除了顯示，查詢、空間分析、導引服務(wù)是目前用的比較多的。我國導航電子地圖的發(fā)展從2003年的汽車導航開始，到現(xiàn)在ADAS和高精地圖的發(fā)展過程，總的來說分為三個階段。

第一階段大家都用的導航電子地圖，大概10米左右的精度。再就是ADAS地圖，然后是高精度地圖，高精地圖是車廠提出來的，跟我們傳統(tǒng)的地圖并不一樣。現(xiàn)在測繪行業(yè)提出來的高精度地圖指的是地圖精度、比例尺，跟汽車廠提出的內(nèi)容明顯不一樣。我們通過對比可以看到它是汽車駕駛自動化相關(guān)的問題，要求汽車行駛方向的橫向精度、縱向精度等等，不是傳統(tǒng)的測繪地圖。

這是高精度地圖的作用，是在ADAS里邊的基本應(yīng)用，它可以告訴駕駛?cè)耸裁磿r候轉(zhuǎn)彎，轉(zhuǎn)彎的半徑是多少，讓人可以提前減速，這是比較好的應(yīng)用。里面的核心內(nèi)容基本都用這張圖解釋出來，地圖可以進行計算。

我們現(xiàn)在地圖是為人服務(wù)的，人跟機器到底有什么差異？傳統(tǒng)都是把地圖先做抽象最后形成地圖語言，用地圖符號來做?，F(xiàn)在機器來模擬人的過程，之間到底應(yīng)該進行怎么樣的人機轉(zhuǎn)換？這應(yīng)該是我們重點研究的問題，也就是圍繞著無人駕駛和機器人，地圖應(yīng)該做怎么樣的改進？場景應(yīng)該做怎么樣的調(diào)制、設(shè)置和變化？這是我們要思考的。

這是高精度地圖的基本特征。除了精度高之外還要增加一些內(nèi)容，我們才能做無人駕駛的應(yīng)用。無人駕駛要增加的內(nèi)容包括紅綠燈的信息和動態(tài)交通信息。目前車廠做的環(huán)境感知解決方案，借用一個詞叫“洪荒之力”來實現(xiàn)地圖場景的構(gòu)建。無人駕駛汽車廠商都通過各種傳感器組合來實現(xiàn)汽車周邊感知的無縫覆蓋，但有這么多的傳感器依然解決不了無人駕駛的環(huán)境感知問題（測程外、遮擋），因此說地圖在這里面作用是非常明顯。

但遺憾的是在地圖采集過程中有很大難度。比如說福特公司的自動駕駛地圖生產(chǎn)時，圖上道路破損人看很明顯，地圖生產(chǎn)的時候當作道路缺陷處理，當把這樣結(jié)果的高精度地圖跟其他車共享時就出現(xiàn)了一個問題：所有自動駕駛測試車在這個地方都有避讓的動作，實際上這個破損的地方過了幾天之后就修好了，但是地圖沒有做更新。這是一個像素引發(fā)的問題，類似的問題很多?，F(xiàn)在我們國家公路建設(shè)、城市建設(shè)日新月異，例如在武漢修地鐵，今天還可以走的路，明天就不可能不能走了。地圖怎么更新？既然是高精度地圖，路上增加了欄桿或者引導標志時無人駕駛車識別不了怎么辦？這就會導致很危險的安全問題。

（PPT圖片）左邊是特斯拉的撞車事故，這還是比較簡單的場景。如果像右邊這樣的交通現(xiàn)狀，這種環(huán)境下怎么解決自動駕駛？目前肯定是解決不了，只要我們的交通設(shè)施是為人服務(wù)的話，這個問題始終解決不了。我認為如果交通設(shè)施和渠化始終是為人定規(guī)則，然后讓自動駕駛來適應(yīng)各種交通規(guī)則和場景，全自動駕駛是永遠不可能實現(xiàn)。

那么如何才能實現(xiàn)？如果哪一天人為機器人讓路，看到機器人就主動避讓，這個問題解決起來就快了。當然機器人也要保證能夠識別道路、識別地圖。畢竟人的交通行為善變，在方向是全自由度的，車不可能一下子飛起來，不可能一下子左邊，它有轉(zhuǎn)彎半徑和方向的約束。所以，解決自動駕駛問題就要改變交通規(guī)則。

今年5月份，我們剛才講到的Mobileye跟英特爾搞自動駕駛的新聞發(fā)布會，可惜的是自動駕駛車紅綠燈都沒有認出來。明明是紅燈，大家看到它就沒識別直接闖紅燈過去了。目前，每年無人駕駛比賽時，紅綠燈識別率都不高，60%的成績已經(jīng)算很好了，70%基本上可以拿到最好的成績。因為我們的紅綠燈有圓的、方的、左邊的、右邊的、橫著的、豎著的等等，紅綠燈都識別不了自動駕駛怎么可能實現(xiàn)？這是基本交通規(guī)則。

在這種情況下，利用現(xiàn)有人工智能技術(shù)實現(xiàn)自動駕駛還早的很。2020年左右稱為駕駛元年可能會樂觀了點。說到地圖，至今已經(jīng)有幾千年的歷史，我們在座的各位也是做了多年地圖的，那么無人駕駛到底應(yīng)該用什么樣的地圖？有專家針對“自動駕駛的地圖”提出“駕駛地圖”的概念，駕駛地圖很繞口，測繪里也沒有這個概念。我提出“場景地圖”，無人駕駛是按照場景走，我把這個概念描述一下，什么是場景地圖。

左邊是個場景，現(xiàn)在習慣的是按右邊渠化，把它全部拿來數(shù)字化。能不能基于左邊的影像直接實現(xiàn)無人駕駛？人是可以很清楚的，在這種場景下駕駛是安全的。以前喝點小酒開車回家也可以，事后不知道怎么回家的，停的好好的，路上的事全忘掉了，沒有復雜的計算也開回去了。這里邊有多少任務(wù)識別、人工智能？我感覺是沒有的，因為怎么回家的我忘了，車停在哪里我忘了，第二天到處找車?，F(xiàn)在不能酒駕，也沒有這種體驗了。

圖片上場景里邊信息很豐富，而且信息也很清晰，應(yīng)該怎么走，交通規(guī)則很清楚，下面車道線劃的也很清楚，遮擋等問題也存在。針對這個場景我們自動駕駛應(yīng)該怎么樣去做？如果靠人工智能實現(xiàn)左邊的駕駛分析、地圖匹配等等，至少目前的情況下全自動是做不出來的。大家不要把人工智能看得非常牛，什么都能解決，不是這樣，技術(shù)還沒有發(fā)展到這種程度。

在這種情況下，我就做了一個表來進行比較，這個表還在逐步完善中。這里面有大家經(jīng)常會提到的ADAS地圖、高精度地圖等，我要重點講的是場景地圖。首先，場景地圖是相對坐標系，可以有絕對位置。我們在交通中用的主要是線性參考系統(tǒng)，沒有用平面坐標和經(jīng)緯度。從空間認知來講也是三要素：基準、方向跟距離解決了位置的定位問題。

除了參照坐標體系之外，還有縱向跟橫向的定位問題，開車里面最關(guān)心的是橫向，不能隨意到其他車道去，不能到對面的車道去?？v向上多一點誤差，誤差幾米、十幾米都沒有關(guān)系。我們要關(guān)心車頭時距，交通里面標準，車輛剎車的時間距離是多少？把這個問題解決了就好了。在結(jié)構(gòu)化道路里有車道線，通過低成本的視覺就可以解決高精度的橫向定位問題。我們要正確的面對、正確的對待自動駕駛的地圖精度問題。到底是需要高精度地圖、高精地圖，還是需要什么樣其他的？這個問題大家都在關(guān)注和研究。

怎么應(yīng)用？大家都很熟悉。當然有高精度地圖是好，在高精度地圖的情況下通過測繪技術(shù)能很好地實現(xiàn)車輛的定位定姿，這是好處。但是，這樣做的代價跟其他技術(shù)問題怎么解決？

這是Mobileye的一個方案，實際上有很多的方案。當前深度學習、機器視覺的算法離人的智能差距還非常大。這里展示了團隊的研究成果。怎樣基于地圖來定位？基于各種傳感器來定位？基于方向盤來定位？怎樣基于ADAS來進行無人駕駛？這個圖片大家都熟悉，怎樣解決場景中目標的語義，目標的語義表達還做不到實時，要事后處理?？偟膩碚f，還是從模擬人的駕駛角度做了無人駕駛的技術(shù)研究。

講了這么多，做一下總結(jié)和展望。如果說2020年還做不到大眾化的自動駕駛，現(xiàn)在有哪些方面能夠快速做到優(yōu)先落地？首先講這三個場景，在3S場景下（小、特、慢）能夠?qū)崿F(xiàn)這樣的無人駕駛，現(xiàn)在很多做落地的基本上都是3S的場景。

機器人怎么來做自動行駛？我們開發(fā)的這個機器人上面是沒有衛(wèi)星信號的，而是基于地圖、基于車道線進行識別，雖然它目前跑得還不怎么樣，但是成本很低，兩三萬塊錢基本就解決了自動行駛。

還有一個方式，既然現(xiàn)有傳感器還解決不了自動駕駛汽車的環(huán)境感知問題，那我們可不可以基于基礎(chǔ)設(shè)施的信息化、網(wǎng)聯(lián)來實現(xiàn)環(huán)境感知問題？這是863車路協(xié)同提出的解決方案，通過信息化解決基礎(chǔ)設(shè)施感知、認知問題，通過通信方式解決紅綠燈識別、交通標志識別等內(nèi)容，通過信息交互而不是通過圖像識別解決認知問題。

這是一個解決方案，由于時間的問題，先講到這。我的觀念主要是自動駕駛應(yīng)該是使用場景地圖，要通過地圖的信息來降低感知的難度，通過傳感器的感知來降低對地圖精度的要求。今天我主要分享了一些我的研究成果和觀念，總的感覺自動駕駛?cè)沃氐肋h。謝謝！