清华大学江昆：预计未来自动驾驶的路线会偏向于强地图模式

清华大学智能网联汽车与交通研究中心办公室副主任 江昆博士

首先非常感谢周总的介绍，今天非常荣幸能参加这么好的交流平台，我来自清华大学车辆学院。清华大学车辆学院是国内研究智能网联汽车的前沿阵地之一，智能网联汽车是多学科交叉的领域，我们学校为了应对前沿的技术开发挑战，由车辆学院牵头，联合计算机系、软件学院、电子系、自动化系等十个院系一起构建智能网联汽车与交通研究中心，进行多学科融合的研究。

而自动驾驶的多学科交叉过程中，自动驾驶地图就是其中非常重要的一个研究领域。在清华大学杨殿阁教授的带领下，以及中国汽车工程学会和中国汽车工业协会的支持下，行业内的各大图商和车企形成统一的力量，成立了自动驾驶地图与定位工作组。工作组的定位后面也会详细介绍，主要就是为了把地图行业的企业聚集起来，共同解决相关的技术问题和标准问题。

刚才听了前面两位专家的介绍收获很多，我也想分享一下我们清华大学在自动驾驶地图方面的研究思路以及成果。我分享的题目是自动驾驶地图的结构设计以及感知增强技术探讨。

大概分三个部分，第一个分析一下自动驾驶为什么跟地图关系这么紧密；第二个是我们在自动驾驶地图关键技术上的研究情况；第三个是自动驾驶地图标准体系的构建情况。

首先，我们简单对电子地图的发展历程进行梳理，我个人认为电子地图大概经历过三个阶段的发展，第一个阶段是传统的导航地图，大家可能有印象，传统的导航地图一开始只是在高端的豪华车上才有，今天车载导航地图是大规模的普及化，这一阶段主要关注的是离线地图的导航算法。第二个阶段是，车联网导航地图，这一阶段是地图与网联技术的紧密结合，以电子地图为基础提供车联网服务，包括车队的服务、共享单车，这也算是一种基于地图的车联网的服务。一个重要的车联网地图服务应用，我们跟陕汽进行合作，为大货车物流行业提供网联式的中心服务，对车队进行集中的调度以及人车路综合性服务系统。第三个阶段是自动驾驶地图的阶段，是地图与车更加紧密结合的阶段。此时地图已经不仅仅只是导航的作用，已经成了自动驾驶汽车核心的关键技术。

自动驾驶的路线逐渐在发生一些改变，一开始的时候采用的弱地图模式，也就是环境的理解、驾驶决策的计算，包括实施轨迹的规划，都是 通过车载传感器、车载操作平台进行实时计算而完成。地图的作用是相对来说不太重要，主要是提供梗概的路径规划，大部分的计算任务还是依赖于车的计算实时完成。

这样造成的问题在于计算的压力太大，问题的复杂维度太高。我们不去否认，仅靠激光雷达或者视觉就能够实现自动驾驶功能，但问题是这种方式难度太高，而且危险性比较高。我们预测自动驾驶的路线会偏向于强地图模式，这种模式下地图在自动驾驶过程中的角色将发生转变。强地图是指，地图将不仅是一个提供静态路线的信息，还将作为超级感知容器，作为信息融合的平台，一方面可以提供大家比较熟悉的高精度静态信息，提供相应的静态信息。另一方面静态信息可以作为容器，将动态的传感器信息输入进去，进行整体融合。在这个基础上，地图可以作为传感器的辅助感知技术，同时也可以作为平台对接车道级规划的需求，最终实现感知和决策的增强。

地图工作组和国内主要厂商进行了沟通，我们会发现一个非常有意思的现象，主要图商都跟我们表态说高精度地图数据的采集不是非常难的问题。地图可以达到十厘米精度，虽然成本会比较高，但不是不可能，而且在大规模量产化之后，成本还有可能会下降，所以高精度地图数据的精度性，各家厂商觉得是一个可以解决的问题。这跟我们普遍的认知不太相同，自动驾驶地图的关键难点不是高精度数据。但是我们也认识到一个现状，高精度地图的应用没有那么广泛，为什么？这也是今天想接下来进行分析的一个话题。

现在分享一下我们清华大学正在研究的自动驾驶地图关键技术。自动驾驶地图有四个研究特性，第一是数据内容更加丰富，包含不仅只是道路信息，还包含用于感知的信息，包括特征地图的信息，还有用于驾驶决策的信息。第二个数据的精度，原来只是梗概的信息，现在需要进行三维重建的高精度数据。第三个特性是数据的实效性，有厂商说是数据的鲜度，不仅需要静态的地图，还需要包含动态信息，例如天气、交通状况、路面障碍物的实时动态信息。第四个特性是需要与自动驾驶进行结合。

这是我们分析的自动驾驶地图数据的完整流程图，一方面需要地图厂商提供静态数据的基础数据。同样还需要有态数据的提供商，二者融合起来就形成既包含静态信息，也包含动态信息的数据库。地图数据在应用的过程中，需要建立静态数据的协议，需要将信息以传感器的形式发送给车辆信息决策的过程。另外一方面也需要将动态数据的信息通过协议发给车辆，让车辆对动态环境进行实时决策。

上面一条线路是指集中式的地图采集，并将数据传输给车辆，下面一条数据链路则是指车辆的数据回传给地图中心。自动驾驶车辆配备非常多的传感器，这些传感器的信息需要通过一定数据的处理之后，按照统一的传输协议，再返回给地图后端的数据端，进行地图的更新。这样自动驾驶地图越跑越多，越跑越精准，这样一种架构更适合于未来自动驾驶的需求。

面向L3、L4、L5自动驾驶地图采集方式，刚才盖世的同事也分析过，我们认为大概包含三种方式，第一种集中采集技术路线，以图商提供专业的采集车进行集中采集，优点是数据比较完整，格式标准化、统一化，容易进行融合。第二种采用众包，众包感知更新的技术路线。渗透率比较高的时候，传感器获取原始信息进行感知处理，再加入到原始的高精度地图的原始库里。这条路线的优点是数据来源非常多，速度比集中式采集更快，缺点是每一个数据、每一个车辆的传感器都是不同的规格，格式、清晰度都是不一样的，数据处理的过程更为复杂。面向未来自动驾驶地图数据的采集方式，更多还是将两者结合。主干的数据还是需要用采集车进行时间较长的模式进行更新，同时辅助众包更新模式，将变化比较快速的元素更新到地图上去。

现在分享一下我们在自动驾驶地图结构设计方面的工作，这是我们做的调研，自动驾驶地图的结构设计为什么很重要？刚才提到过一点，我们跟图商沟通时会发现一点，包括各位专家也会有体会，高精度地图数据并不是很难获取，但为解决的问题是怎么将地图跟自动驾驶进行结合，而结合的过程就是对地图结构的设计。首先第一个介绍NDS数据结构，这是目前已经标准化的数据结构，他们对自动驾驶的认知就是，自动驾驶地图并不是一个全新的地图类型，而在原有的地图数据基础上，会加更多的数据属性，将所有用于定位、辅助感知的信息作为新的属性，放到自动驾驶结构里面去。

另外一个国外的主流地图数据结构是Local Dynamic Map结构，是DMP公司主推的数据结构，将地图进行分层，按照地图数据的动态属性进行分层，最底层是纯静态的数据，这个数据已经包含了高精度的数据。第二层辅助的静态数，再往上是相对动态数据和高度静态数据。这种结构组织自动驾驶数据的时候是按照数据的特性进行分层，调用的时候会按照动态的属性特性进行调用。

第三种数据结构是Here HD Live Map结构，按照数据的分辨率进行分层，最底层是传统的道路数据，第二层是车道级的，第三层是路。这些数据结构根据地图数据结构本身特性进行分层，这种分层方式的好处是对图商来说，对制作数据的人来说，很方便。这个数据怎么取应用，需要开发企业自己去琢磨，增加了自动驾驶地图应用的难度。我个人认为地图数据结构的不清晰，是自动驾驶地图没有大规模应用的关键原因。而高精度的数据采集不是核心的瓶颈问题。

为了解决这个问题，我们提出来一种自动驾驶地图的分层模型，这种模型是我们原创提出来的7层地图数据结构，我们按照自动驾驶机理进行分层，考虑了地图数据怎么跟车辆自动驾驶的算法进行结合进行分层。第一层是最传统的道路数据层，支持自动驾驶算法就是路径规划，它的输出是比较粗糙的路线选择。第二层是动态交通信息层，包括拥堵、潮汐路以及道路维修的情况，第一层、第二层数据结合起来就是手机上已经实现过的融合动态交通信息的路径规划问题。第三层是高精度的车道线拓朴结构数据层，能提供的功能就是支持车道级路径规划。第四层是车道线的坐标信息层，有了这四层信息，可以实现自动驾驶轨迹的规划。这个轨迹我们称之为任务轨迹，假设路面上是没有障碍物的情况下，根据四层可以生成一条自动驾驶车可以实际去跟踪的轨迹。轨迹的生成，是车能不能走的最关键因素。第五层是特征地图层，辅助我们进行自动驾驶的定位，包括辅助的感知。第六层是动态的目标层，跟车联网技术密切相关，当其他车辆信息感知到或者路面信息感知到的，可以通过标准化的数据接口，实现动态信息和静态信息紧密结合。第七层是自动驾驶辅助层，地图上预先存储驾驶知识，如果没有地图，通过数据的模型，车辆进行实时计算。

七层地图的另一个维度的特点就是数据量的递增。每一层数据郎由小到大进行递增，底层的时候第一层、第二层是传统的数据，数据量是比较小的，第五层、第六层是高精度点云信息，第七层是人工智能、深度学习的模型信息。数据量是越来越大的，数据要求的精度越来越高，这么设计的考量是可以针对不同的自动驾驶的功能进行裁剪。我们针对不同自动驾驶功能的时候只需要调集相应需要的数据就行，比如我从北京到上海或者到武汉的自动驾驶路线的规划，数据量过于庞大，一开始只需要宏观的道路信息，逐渐根据需求加载道路级地图数据。等需要的时候再调用高精度数据。

这是我们提出七层地图结构的设计，最大的优点就是针对自动驾驶功能进行分层，而不是针对数据本身进行分层，可以更好的形成跟自动驾驶结合。自动驾驶数据首先能表达高精度的静态信息，另一方面也能表达动态要素的信息。将两者结合，动态、静态，宏观、微观都进行结合，整个路网以及环境。我一直有一个观点，地图是一个天生的汽车驾驶环境描述的平台，因为地图制作的过程其实就是环境感知，只不过是环境感知的冷冻，结合定位信息，对感知数据进行解冻。利用地图的过程本身就是环境感知的过程。将地图和环境感知结合起来，就是地图天然的使命。这是根据功能的需求进行数据的加载，第一层、第二层主要进行导航功能的实现，像车辆，地图主要辅助车辆进行道路规划，驾驶员进行感知规划和控制。加载第三层、第四层是车道线的导航，他们是能对感知和决策控制，都能提供一定的辅助，来减少自动驾驶计算的负载。七种数据都加载之后，我们可以看到地图本身可以进行感知决策和控制的计算，跟车载传感器的感知决策和控制进行相互验证、相互结合，这样可以提高自动驾驶算法的安全性和可靠性。

下面具体介绍一下这几种地图增强的环境感知技术怎么实现，第一个地图定位技术。很多专家提过地图可以进行定位，方式大概有两大类，一大类是通过点云地图，激光雷达采集到点云，在点云地图进行匹配搜索。这种定位方式弊端是点云地图数据非常大，搜索的难度非常大，不能大规模的进行搜索定位。

我们的研究是基于矢量化高精度地图的研究。实时处理过程是，在相机里提取将要进行定位的标志物，例如车道线，车道线是非常好的一种横向定位的方式；另外还要提取路测的灯杆，标识牌等语义特征，这样就可以形成一种既有横向的车道线信息，又有纵向的标识牌以及灯杆信息。我采用的定位特征是基于矢量化的描述，相对来说轻量型的，但同样可以获得高精度的定位效果。

定位之后是轨迹的规划，轨迹规划的方法刚才也提到过，我们的轨迹规划输出是任务轨迹，从地图上获取一条没有障碍物下的跟踪轨迹，这条轨迹怎么规划？采用分层规划的方式，第一步要进行道路层的规划，规划结果可以让我们找到相关的车道层数据。车道层数据非常庞大，但我们只搜索跟我们相关的车道线的数据。然后进行车道任务的细化规划，这样两个层次一结合，就会形成面向自动驾驶的任务轨迹规划。

这里要进行分层规划最主要的原因，因为地图数据，特别是高精度的地图数据，数据量太大，这这样的数据库里进行搜索，进行寻路，都会造成寻路算法消耗过多时间，而自动驾驶对实时性要求非常高。

我们还在多车协同感知与定位方面进行了研究。这是一个很有意思的研究方向，图中两个蓝点代表两辆自动驾驶汽车。每辆车都可以感知到不同的障碍物信息，包括地图信息，只有一辆车的时候我们会发现一辆车的感知系统不可能感知到所有障碍物信息，必然会有遮挡的情况，包括车与车的遮挡、车与路边建筑物的遮挡，所以一辆车无法满足自动驾驶感知需求，单靠单车的感知能力。但我们可以把前车感知数据回传过来，从而消除感知的盲区。但是不是直接把数据传过来就可以了呢？这样是不行的。多车融合的时候涉及两个关键的技术难题。第一个是坐标系的统一，每一个车都是基于自身坐标系进行感知的，怎么把车的信息融合起来，就可以体现地图的重要性。 而地图是很好的解决方案，基于地图进行定位之后，相对之间的关系就可以进行解算，就可以将多车的信息进行拼接。地图是非常好融合的平台，适于多车信息的拼接或者融合。

第二个难点是信息的融合。我们可以看到中间橙色和黑色是两个车都可以观测到的信息，意味着在地图里，A车观测到地图三个特征，B车也观测到地图三个特征，这时地图是一个标尺，对多车感知信息进行相互校验。地图提供先验的感知信息，可以实现多车信息有效有机的融合，不是简单拼接，而是相互校正。

因此将地图作为感知融合平台不仅能提高感知范围，实现感知盲区的消除，而且还能够提高感知精确度，多车协同感知就可以进一步提升自动驾驶感知的可靠性。

这里是我们做的实验，我们发现利用以地图为平台进行多车协同的感知，可以显著的提升车辆的感知完整性，消除盲区，同时能提高感知的准确度。

最后第三部分介绍一下地图工作组的情况。首先介绍一下现在地图的政策问题，现在地图政策逐渐放开，现在有资质的单位增加到20家，地图和自动驾驶结合过程中有哪些环节会涉及到的政策的问题。自动驾驶地图工作组在中国汽车工程学会和中国汽车工业协会的支持下成立，工作组目前有将近100家成员单位，都是图商以及自动驾驶的创新企业，当然也包含车企。目前工作组已经开展了非常多的工作，我相信在座很多专家都在我们工作组范围之内进行很多交流。我们工作组首期任务三个，第一个研究自动驾驶地图的标准体系研究，第二个针对地图偏远问题和相关部门进行沟通，第三个进行自动驾驶路线的研究。

自动驾驶工作组工作的目标是行业内的地图相关企业聚集起来，形成中国的地图标准制定组织。自动驾驶地图一方面是技术问题，自动驾驶地图是比较新的概念，有很多技术还没有完整的解决，所以需要技术的研究。另外一方面，自动驾驶地图也是非常需要标准化的行业，跟政策非常相关，没有非常好的标准指引，行业发展也是会受到局限。正是因为意识到这个问题，杨殿阁教授牵头成立了我们工作组，提供一个平台让行业内企业都坐下来一起商量，成立一个中国的地图标准制定组织。我们的目标时跟ISO，OADF、DMP同等组成形成平等交流的平台，我们争取建立中国自己的NDS标准，这样一方面图商在制作地图数据的时候可以更清楚了解车厂的需求。另外一方面，对于车企来说，提供更加清晰的地图应用技术路线，更好开发自己的服务。目前进展，已经在7月份开启了第一批首批自动驾驶地图标准的启动，主要启动关于自动驾驶地图的采集要素标准，包括动态信息的数据传输交换格式、车载数据交换格式、路基测传感器数据交换格式。有了这些自动驾驶地图标准之后，我相信可以更好的推动自动驾驶地图行业的发展，最主要的目的是想更好将自动驾驶地图数据跟自动驾驶技术进行结合，二者相互结合才能真正实现自动驾驶产业化的落地，我的分享就到这里，谢谢大家。