本文經自動駕駛之心公眾號授權轉載，轉載請聯系出處。

寫在前面&筆者的個人理解

在協作、互聯和自動化移動（CCAM）中，智能駕駛車輛對周圍環境的感知、建模和分析能力越強，它們就越能意識到并能夠理解、做出決策，以及安全高效地執行復雜的駕駛場景。高精（HD）地圖以厘米級精度和車道級語義信息表示道路環境，使其成為智能移動系統的核心組件，也是CCAM技術的關鍵推動者。這些地圖為自動化車輛提供了了解周圍環境的強大優勢。高精地圖也被視為隱藏的或虛擬的傳感器，因為它匯集了來自物理傳感器的知識（地圖），即激光雷達、相機、GPS和IMU，以建立道路環境的模型。高精地圖正在迅速向智能城市數字基礎設施的整體表示發展，不僅包括道路幾何形狀和語義信息，還包括道路參與者的實時感知、天氣狀況、工作區域和事故的更新。大規模部署自動駕駛汽車需要由一支龐大的車隊來構建和維護這些地圖，這些車隊協同工作，不斷更新地圖，使車隊中的自動駕駛汽車能夠正常工作。本文對這些地圖在高度自動駕駛（AD）系統中的各種應用進行了廣泛的綜述。我們系統回顧了構建和維護高精地圖的不同方法和算法的最新進展。此外還討論并綜合了高精地圖分發的數據、通信和基礎設施要求。最后回顧了當前的挑戰，并討論了下一代數字地圖系統的未來研究方向。

高精地圖發展歷史

A.數字地圖

現代衛星系統和圖像技術的出現徹底改變了對世界精確而詳細的數字表示的創建，產生了我們現在所說的數字地圖，如谷歌地圖、OpenStreetMap、蘋果地圖、Garmin和Mapbox。數字地圖對道路結構和基本語義信息以及興趣點（POI）進行編碼。有幾種方法和技術可以從衛星圖像中提取和識別構建這些地圖所需的地理特征。數字地圖現在是我們日常生活中必不可少的工具，尤其是與GPS集成時。事實上，這種集成一直是構建大量數字服務的核心組成部分，最重要的是導航和路由。這些地圖主要是為了幫助人類而開發的，現在可以在最新的車輛中使用，以幫助人類駕駛員。然而，這些地圖的準確性和精度以及AD要求的更新時間有限，其中車輛需要一定程度的位置精度以及詳細的車道級別信息。

B.增強型數字地圖

數字地圖已得到顯著改進，以滿足高級駕駛員輔助系統（ADAS）功能的要求，如車道保持輔助和自適應巡航控制（ACC）。這些增強型數字地圖中的典型特征包括速度限制、道路曲率和坡度、車道信息以及交通標志和紅綠燈。增強型數字地圖也稱為ADAS地圖，目前是大多數現代車輛不可或缺的一部分，可實現ADAS功能。盡管增強型數字地圖引入了車道級信息，但其幾何精度和語義細節水平限制了其在更高自主水平上的適用性。在AD系統中，要求車輛相對于其環境進行高精度定位，了解當前情況，并規劃無碰撞軌跡。為了達到這一自主水平，自動化車輛不僅需要獲得具有厘米級位置精度和車道級幾何信息的地圖，還需要獲得環境的3D模型，以及道路環境的所有靜態和動態特征。

C.高精地圖

上述要求的需要產生了我們今天所說的高精地圖，或者簡稱為高精地圖。圖1突出顯示了地圖的演變、地圖的特征和用途，以及地圖所包含的信息及其精度和細節水平。

D.可擴展地圖：概述

在過去的十年里，學術界和工業界都做出了巨大的研究和開發努力，將極限推向價格合理、自我維護和可擴展的高精地圖。然而，在按比例構建高精地圖方面存在各種懸而未決的問題。這些挑戰阻礙了高精地圖在自主移動方面實現其全部潛力和最終目標。這些挑戰可分為以下幾類。

• 1）數據收集：高精地圖的數據收集可能是一個耗時且勞動密集的過程。它通常包括使用GPS、IMU、激光雷達和相機等傳感器的組合來收集有關環境的詳細信息。
• 2）數據通信：數據通信包括將地圖數據從收集地傳輸到處理地以構建高精地圖，最后傳輸到消費地，例如自動駕駛汽車。測繪車輛從不同的傳感器生成大量數據，需要對這些數據進行處理以構建和更新地圖。實時處理來自大量測繪車輛的這些數據確實是一個挑戰。
• 3）數據處理：數據處理是通過提取構建高精地圖所需的元素和特征來創建高精地圖的步驟。這可能是一項非常復雜的任務，尤其是對于大型地圖，因為它涉及到聚合和對齊來自多個來源的數據，并確保地圖準確和最新。在地圖繪制過程中涉及大量地圖繪制車輛的情況下，必須確保精確的時間同步，以避免數據錯位。使用GPS產生的每秒脈沖（PPS）信號進行同步往往是使所有車載傳感器同步的最常見方法。
• 4）地圖維護：地圖維護是指根據道路環境的變化，如建筑工地、道路堵塞和道路連接的修改，不斷更新高精地圖的過程。由于道路環境是高度動態的，并且會發生變化，因此這一過程需要頻繁的數據收集和處理工作。
• 5）數據隱私與安全：數據安全和隱私對高精地圖至關重要，因為它們通常包含敏感信息，如建筑物和基礎設施的位置。確保這些數據得到保護而不被濫用是一項重大挑戰。
• 6）建圖成本：在創建高精地圖的過程中，地圖成本是一個重要因素。大規模繪制地圖需要使用大量的測繪車，每輛車都配備了一套昂貴的帶有高精度傳感器的測繪設備。在繪制大面積地圖時，此成本變得非常重要。使用消費級傳感器進行高精地圖繪制是可能的，但這是以使用復雜的地圖繪制算法為代價的。

E.主要貢獻

本文對高精地圖進行了深入的概述，包括其分層架構的統一模型。此外，本文強調了高精地圖在模塊化AD系統中的重要性，并綜合了它們在各種AD核心功能中的使用方式。鑒于上述地圖數據收集、通信、處理、安全和成本方面的挑戰，本文廣泛回顧了以往關于構建和維護高精地圖的工作，包括成本效益高的解決方案以及從生成到分發的通信和地圖數據需求。此外，本文還討論了目前在構建和維護高精地圖方面面臨的挑戰。最后，我們為未來和下一代移動高精地圖提供了一些啟示。這項工作的主要貢獻可概括如下：

• 高精地圖的獨立概覽，作為更廣泛的智能交通系統社區的背景。
• 詳細回顧高精地圖在AD系統的各種核心功能中使用的最先進技術。
• 全面調查不同的方法、方法和算法，以維護不同層次的高精地圖并使其保持最新。
• 討論綜合行政管理及其他方面高精地圖的主要挑戰和未來前景。

高精地圖：概述

早期的高精地圖只是ADAS中使用的增強型數字地圖的擴展，它們被稱為早期的地圖。HD地圖一詞是最近才出現的，但現在已被CCAM行業廣泛接受，包括一級汽車公司、地圖提供商和原始設備制造商。高精地圖封裝了自動化車輛的所有必要信息，以非常高的精度了解駕駛環境。雖然人們普遍認為高精地圖是CCAM的核心推動者，但對于什么信息構成高精地圖以及如何表示這些信息，沒有明確的指導方針或標準。盡管如此，市場上可用的高精地圖具有共同的功能。厘米級的位置精度以及車道級幾何和語義信息的可用性是大多數高精地圖中的基本特征。在最基本的層面上，高精地圖可以簡單地是一組點和線段，其準確位置代表路標、車道標記、車道邊界和車道分隔符。由于AD系統的要求，今天的高精地圖變得越來越復雜，來自不同來源的數據構成了關于駕駛環境的多層信息。將高精地圖分解為多個層可以使道路環境具有更結構化的數據表示。這有助于AD系統的不同組件的可訪問性，這需要在不同的細節級別對環境進行建模。此外，分層數據表示使地圖的構建、存儲、檢索和維護變得容易。圖2中給出了這些分層的示例。

如上所述，有幾種方式來表示AD系統中使用的地圖信息，包括車道級別的細節，例如車道邊界、車道標記類型、交通方向、人行橫道、可駕駛區域多邊形和交叉口注釋。盡管駕駛環境是高度動態的，但這三層中表示的數據是靜態的。環境的整體表示還應包括關于觀測速度、天氣條件、擁堵區、道路阻塞區（施工）等的實時交通信息。本節試圖以統一的方式提供存儲在這些層中的信息的全局概覽。盡管大多數高精地圖提供商都有自己的定義和格式，而且高精地圖還沒有唯一的標準，但我們將高精地圖中包含的信息分為六個不同的層，如圖2所示。

A.基礎地圖層

基礎地圖層是HD地圖的基礎，并被視為構建所有其他層的參考層。它包含環境的高度精確的三維地理空間表示，例如道路、建筑物和其他結構的位置和形狀。道路環境的三維地理空間模型正成為自動駕駛汽車的重要信息來源。現在，HD地圖通常包含環境的三維表示。基本地圖層通常使用來自激光雷達的點云和/或來自一個或多個相機的圖像創建，有時借助GPS/IMU。這套傳感器構成了一個MMS，可以創建一個高度準確和詳細的代表環境的3D點云。從該層提取道路和車道的幾何和語義特征，以構建HD地圖中的其他層。由于該層包含環境的密集數據表示，因此它在自動駕駛汽車的精確定位中發揮著至關重要的作用。點云配準的幾種技術允許通過將原始傳感器數據與該層的點云相匹配來估計車輛姿態。就數據處理和通信需求而言，構建和更新該層具有挑戰性。

B.幾何地圖層

盡管基礎地圖層對環境的表示精確而密集，但由于其表示中缺乏有意義的特征，其支持理解環境的能力有限。HD地圖中的幾何圖層提供了有關道路環境幾何圖形的詳細信息，包括道路、車道、路緣石和其他特征的位置和形狀。幾何層通常包括有關道路寬度、車道數量、每條車道的中心線、每條道路中車道的邊界以及路面高程的信息。它還包括有關路緣石、人行道、人行橫道以及垂直和水平交通標志的精確位置和形狀的信息。這些特征中的每一個都用基本的幾何圖元表示，即點、線、多線和多邊形。例如，垂直交通標志的位置可以用一個點來表示。車道中心線或邊界可以由一組相互連接的線段表示，例如多線。類似地，人行橫道可以用多邊形表示。該層的幾何特征是通過處理基礎地圖層的數據來創建的。根據基礎地圖數據構建幾何層通常涉及幾個處理步驟，包括道路分割、車道信息提取、路標、桿、交通標志、路緣石、障礙物和路面特征。該層提供了道路特征的高度準確的車道級幾何表示。HD地圖中的幾何特征對于各種AD核心組件至關重要，最重要的是對于動態道路參與者的精確運動預測，以及幾何可行軌跡的安全規劃。

C.語義地圖層

語義地圖層定義了由幾何地圖層提供的道路特征的重要性。該層中的數據為地圖中表示的特征提供了上下文和意義。例如，HD地圖中的語義地圖層包含諸如道路類型（例如，高速公路、住宅道路）和車道（例如，可能向左或向右改變）、它們的編號、交通方向以及車道是用于轉彎還是用于停車的信息。它還包括有關限速、車道邊界、十字路口、人行橫道、交通標志、紅綠燈、停車位、公交車站和許多其他對構建環境上下文表示很重要的特征的信息。語義地圖層允許自動駕駛汽車構建其環境的詳細情景表示，并理解交通規則，從而能夠在不同的交通場景中做出正確和安全的決策。簡單地說，語義地圖層為幾何地圖中定義的道路特征和對象分配語義標簽。例如，幾何圖層中的點只不過是地圖坐標參考系中的一組有序坐標。只有語義層定義該點是否對應紅綠燈、讓行標志或停車標志。眾所周知，高精地圖包含豐富的語義信息。語義層還將元數據與道路特征相關聯，如道路曲率、推薦行駛速度和每個語義特征的唯一標識符。事實上，語義豐富的高精地圖使自動駕駛汽車能夠更好地了解駕駛情況，從而在復雜的場景中做出復雜的決策。然而，構建可靠且高保真的道路環境語義圖并不是一個簡單的過程。需要幾個處理步驟，不限于場景分割、目標檢測、分類、姿態估計和地圖。隨著計算機視覺、深度學習、傳感器融合和語義SLAM算法的最新進展，構建準確的語義圖成為可能。

D.道路連接層

道路連接層描述道路網絡的拓撲結構以及各種幾何元素是如何連接的。與只包含道路級信息和道路級連接的數字地圖的標準定義相反，高精地圖包含車道級幾何和語義信息，因此道路之間的連接變得復雜，因為它定義了兩組或多組車道之間的連接。更準確地說，這一層提供了道路的布局和連通性，包括車道邊界和中心線以及十字路口。車道級連通性信息對于規劃道路和車道之間的合法過渡以及規劃每個交叉口允許的操作是必要的，這對自動駕駛汽車的路徑規劃至關重要。簡單地說，該層定義了構成幾何層的圖元如何相互連接。這些連接是通過定義幾何和語義元素的順序對來建立的。為每個幾何和語義元素分配一個唯一的標識符可以使用圖形數據結構來表示這些信息，其中每個元素都由一條邊和它們作為節點的連接來表示。圖形結構允許快速查詢和搜索地圖，并有效地規劃路線。

E.先驗地圖層

該層也被稱為先驗地圖層，因為它表示并學習過去經驗中的信息。它涉及地圖中的幾何和語義元素，它們的狀態隨時間變化。從車隊的數據中學習交通流和事故區域的狀態允許更有效和更具預測性的駕駛行為。該層還獲取和學習有助于預測人類駕駛行為和十字路口紅綠燈動態狀態的信息。它還適應臨時道路設置，如停車命令、占用率和時間表。例如，一些城市的路邊停車場在某些工作日會發生變化，預測占用的概率，并且管理給定停車場的時間規則是從經過該停車場的不同車隊車輛的先前地圖層傳感器讀數中得出的。由于不同社會之間的社會文化差異，學習和預測道路駕駛員的駕駛行為可能具有挑戰性。根據經驗對這些行為進行建模對于通用和可擴展的AD系統至關重要。

F.實時地圖數據

高精地圖中的實時層是一個動態層，它提供有關環境的實時信息，例如交通狀況、道路封閉和其他可能影響自動駕駛車輛導航的事件。該層通常是通過組合來自各種來源的數據來創建的，例如安裝在車輛上或位于路邊的相機、傳感器和其他連接設備。通過參與車輛的眾包或使用特定通信網絡的智能基礎設施，實時收集數據并用于更新高精地圖。實時層可以包括諸如其他車輛的位置和速度、交通信號的位置和狀態以及道路上是否存在施工區域或其他障礙物和堵塞物的信息。這些信息對于自動駕駛汽車實時做出安全高效的駕駛決策以優化交通流量和減少擁堵至關重要。此外，實時層可以用于通過提供關于環境的最新信息來提高HD地圖的準確性和完整性，這些信息可能不會被用于創建地圖的傳感器捕獲。簡單地說，高精地圖中的實時層提供了環境的動態、最新表示。動態元素的高精地圖實時更新具有挑戰性，需要復雜的智能通信基礎設施和多個參與者之間的合作。智能交通系統（ITS）、高精地圖提供商和車輛之間的數據傳輸必須可靠，并滿足本調查稍后介紹的某些要求。

自動駕駛系統架構中的高精地圖

高精地圖為AD系統提供了道路環境的詳細而精確的表示。這些地圖包含自動駕駛汽車安全高效導航所需的車道級幾何、拓撲和語義信息。在自動駕駛汽車中使用高精地圖可以讓他們更好地了解周圍環境，規劃路線，并做出更準確的駕駛決策，從而確保乘客和其他道路使用者的安全。本節討論高精地圖在AD系統中的重要性和用途。超精密地圖數據現在是AD系統中大多數不同核心組件的組成部分。為了討論高精地圖在AD中的重要性和用途，我們簡要介紹了典型的現代AD系統的架構和標準組件。圖5顯示了AD系統的標準組件，展示了那些依賴HD地圖的組件。本節首先簡要介紹AD系統的體系結構及其工作方式及其各種組件。本節的其余部分對依賴高精地圖的AD組件的最新技術進行了廣泛的回顧。

A.自動駕駛系統架構

自動化車輛是一種復雜的網絡物理系統，其中不同的組件必須協同工作，以穩健、可靠和安全的方式完成整體駕駛任務。雖然不存在AD系統的獨特架構，但我們在這項工作中依賴于一種通用架構，該架構有助于我們了解如何使用高精地圖來改善AD系統的不同功能。類似于任何機器人系統，自動駕駛汽車都可以被視為具有三個主要元件的認知代理，（1）傳感器、（2）感知和（3）行為。將這些元素拆分為一個行業級的AD系統會產生幾個組件，如圖5所示。現代AD系統架構中的傳感組件通常包括不同的傳感器，如IMU、GPS、相機、激光雷達和雷達。這些傳感器的子集允許車輛知道其相對于環境的位置，即用于定位，并且剩余的傳感器用于感知環境本身。傳感組件的作用是讀取和預處理原始傳感器數據，并將其提供給AD系統的其他部分。在最簡單的形式中，傳感組件由一組傳感器驅動器組成，用于實時讀取原始傳感器數據。定位組件是整個AD系統可靠運行的最關鍵部件之一。它的作用是精確估計車輛的位置。定位的錯誤會傳播到AD處理管道的其余部分。定位只是一個狀態估計器，它融合了來自傳感組件的原始傳感器數據。此外，地圖的可用性允許改進和魯棒定位，特別是在一些傳感器失效或性能下降的區域。感知的作用是生成當前環境狀態的中間級別表示，包括有關障礙物和道路因素的信息。此表示還包括有關車道（位置、邊界、標記和類型）、交通標志、紅綠燈和可駕駛區域的詳細信息。計算機視覺和深度學習技術廣泛用于分割、聚類和分類任務。此外，目標級融合也是該組件的重要組成部分。感知的輸出是被跟蹤目標的列表以及用于場景理解的圖像的語義分割。來自HD地圖的幾何和語義信息也可以用于改進目標檢測和融合。準確的感知對安全至關重要，因為感知錯誤會影響整個AD系統使用的信息質量。因此，使用冗余的傳感器數據源可以增強感知準確性的信心，從而提高整個系統的魯棒性。場景理解組件是AD系統中感知組件和高級認知組件給出的環境抽象中級狀態表示之間的橋梁。該組件旨在通過構建高精地圖和感知組件提供的數據，提供對駕駛場景的更高層次的上下文理解。在本節的后面，我們將討論如何將這兩個信息源融合，以構建用于理解駕駛環境的場景表示。AD流水線中依賴于HD地圖的另一個組件是運動預測組件。它建立在場景理解提供的環境的高級時空表示的基礎上，以預測車輛周圍道路代理的行為。HD地圖在運動預測中的作用是提供場景中每個道路代理的先前軌跡。運動預測是一個高度多模態的問題，HD地圖在其中發揮著關鍵作用，本節將對此進行詳細討論。運動規劃組件旨在計算自動駕駛汽車可行、無碰撞和安全的軌跡。這是通過優化由在HD地圖數據上運行的路由算法獲得的全局最短路徑以及道路代理的預測軌跡來實現的。運動規劃還包括行為規劃功能，該功能依賴于由檢測到的對象和HD地圖定義的當前場景的狀態。控制部件接收計劃軌跡，并計算轉向、制動和加速驅動系統的控制命令。控制組件沒有明確依賴于地圖數據，因此在本次調查中不會考慮它。最后，如圖5所示，通過處理提供地圖數據的請求，使用一個特殊組件為所有其他組件提供服務。高精地圖數據通常存儲在地圖服務器（本地或云）查詢的數據庫中，以路由、平鋪和更新車輛中地圖客戶端的請求。由于路由元素需要特殊的算法處理，我們將在AD系統中HD地圖應用的調查中考慮它。

B.定位

AD系統中的定位組件旨在估計車輛相對于全局參考坐標系的位置和方向。其關鍵作用是持續保持系統中連續組件所需估計的高精度和魯棒性。定位算法的精度決定了整個AD系統的可靠性。惡劣天氣條件下定位的穩健性是現代AD系統的一個關鍵要求，因為退化的估計性能可能會導致嚴重后果和潛在損害。在過去的二十年里，對定位的重大研究取得了顯著的成績，同時也產生了各種各樣的方法。為了保證正常運行條件并實現全球系統安全，自動駕駛汽車需要定位在10厘米精度以內。

C.感知

AD系統中的感知組件通常與處理原始相機圖像和激光雷達點云相關聯，不僅用于檢測和跟蹤靜態目標（例如，交通標志和道路標記），還用于檢測和追蹤動態障礙物，例如，周圍的車輛、行人和騎自行車的人。感知是AD系統的關鍵核心功能之一。確保其可靠性和實時性能對于確保無碰撞導航至關重要。將感知數據與高精地圖各層中包含的詳細而精確的幾何和語義信息相融合，可以通過關注最相關的感興趣區域（ROI）來潛在地改善感知。更準確地說，HD地圖的幾何形狀允許定義ROI來過濾點云，只留下感知函數特別感興趣的點云，從而簡化和提高不急檢測的計算效率。

D.場景理解

了解駕駛環境對于自動駕駛汽車做出正確、安全的決策至關重要。高精地圖的早期動機之一是為自動駕駛汽車提供精確而詳細的信息，以幫助了解其環境。該信息使AD系統能夠理解當前的駕駛狀況并解釋構成場景的所有實體。地圖中包含的幾何結構和語義使系統地構建緊湊的數據模型和環境表示成為可能，從而使車輛能夠處理復雜的駕駛場景。更準確地說，AD系統中的場景理解組件，在HD地圖的幾何和語義信息的支持下，可以始終如一地提供有意義的感知上下文。除了原始目標檢測，場景理解旨在提取和估計安全關鍵信息，并使其可用于后續處理階段。

E.ROUTING

道路級數字地圖有助于人類駕駛員導航。這些地圖中的路線計算不能超出使用道路級別連接的范圍，因為這些地圖不包括車道級別的詳細信息。準確和優化的駕駛路線對于節省時間和能源以及促進全球車輛安全是必要的。高效和低成本的行駛路線計算必須考慮環境的車道級模型。此外，在高度動態的環境中，當自動駕駛汽車在環境中導航時，有關交通狀態和車道占用的詳細信息對于動態調整路線至關重要。考慮到高精地圖靜態層的詳細和準確的車道級別信息以及先驗和實時層，有效的動態路線計算是可能的。為了使自動駕駛汽車中的路由子系統能夠計算從當前位置到設定目的地的可行駛路徑，必須從HD地圖服務器為系統提供最新的地圖，如圖5所示。或者，與數字地圖一樣，路線計算也可以作為一項服務提供。在將其準確位置發送到HD地圖服務器后，可以計算最佳路線并將其反饋給車輛，以支持系統的其他核心組件。在過去的幾年里，這些路由服務涉及到考慮實時交通狀況和能量因素（例如，最節能的路由）。對于自動駕駛汽車，可以考慮其他因素，例如避開ADS難以導航的復雜城市環境的路線，或者具有良好網絡覆蓋率的路線，以保證在線服務的連續連接，包括實時高精地圖服務。

F.運動規劃

運動規劃在AD系統中的作用是生成可行、安全、無碰撞和節能的軌跡。運動規劃任務通常包括軌跡生成和行為規劃。行為規劃是一種高級決策功能，用于決定不同駕駛狀態之間的轉換，例如變道、車道內車輛跟馳、減速停車等。為了安全地進行這些轉換，行為規劃器需要局部地圖和車輛感知來建立車輛環境的轉換模型。與移動機器人中的導航不同，道路環境是高度結構化的，所有道路使用者都必須遵守交通規則。生成的AD軌跡是嚴格要求的，以確保遵守交通規則，并且運動在可行駛的道路區域內。自動駕駛汽車的運動規劃存在不同的方法，它們都在某種程度上依賴于高精地圖提供的幾何和語義信息來遵守交通規則。在基于樣本的運動規劃方法中，HD地圖的車道幾何形狀用于通過拒絕不可行的候選軌跡來限制搜索空間。

G.運動預測

駕駛環境是高度動態的，涉及不同的道路參與者，如行人、車輛和騎自行車的人。預測這些道路參與者未來的運動和行為對于自動駕駛汽車構建其互動環境的上下文感知表示至關重要，從而預測潛在的危險情況。從抽象的角度來看，這些交通參與者可以被認為是一個復雜的多智能體系統。事實上，開發可靠的道路代理運動和行為預測解決方案將提高自動駕駛汽車的安全性和能力，以適應現實世界交通條件下的類人行為。預測這些交通參與者的行為對AD系統至關重要，主要用于風險評估和安全舒適的運動規劃。運動預測是指根據道路代理的當前狀態和他們所處環境的模型來估計他們的未來行為。各種研究工作已經解決了預測道路參與者未來運動的問題。

H.第三方應用

高精地圖可以提供準確可靠的GT數據，可作為校準傳感器輸出的參考。例如，激光雷達可以使用高精地圖幾何元素的高精度坐標進行校準，并與IMU完美配準。通過將傳感器測量值與HD地圖數據進行比較，可以識別和糾正任何錯誤或差異，從而改進傳感器的校準。此外，高精地圖可用于在線（自行）校準。高精地圖、實時原始傳感器數據和執行比較的算法的可用性使計算傳感器測量值和GT間的誤差成為可能。因此，它允許實時地連續校正傳感器的校準誤差。這使得AD系統能夠對不斷變化的環境條件以及傳感器性能變化更加穩健和可靠。與離線校準方法相比，在線校準可以實現更準確、更穩健的傳感器校準。最近，高精地圖還可以用于增強道路注釋，以創建用于交通地標檢測的大型數據集。

構建高精地圖

A. 移動建圖系統

構建高精地圖是一個復雜的過程，需要幾個步驟。構建高精地圖程序的第一步是派遣配備一套高精度和校準良好的傳感器的專業車輛來調查和收集有關環境的數據。用于建圖的數據采集車輛可能配備有與RTK（實時運動學）定位精度高達幾厘米的校正服務連接或實現校正服務的高精度GNSS。GNSS定位測量通常與高性能IMU（慣性測量單元）和車輪里程計的測量相融合。有幾種商業產品將全球導航衛星系統和IMU作為慣性導航系統集成在一個單元中。建圖車輛還配備了一個或多個高分辨率激光雷達和攝像頭，以收集道路環境的原始3D/2D數據。有兩種方法可以設置用于繪制地圖的數據收集工具。首先是購買上述傳感器，選擇合適的配置并將其安裝在車輛上。盡管這種方法提供了預先定義傳感器配置的靈活性；然而，將幾個不同的傳感器校準到繪圖所需的精度并不是微不足道和耗時的，尤其是對于相機。或者，一些制造商在一個封裝中提供整套傳感器，稱為移動建圖系統（MMS）。商用MMS的示例如圖6所示。

高精地圖維護

擁有最新的高清地圖對于各種AD核心組件的正確運行至關重要。高清地圖中的錯誤可能會由于系統做出的不當決定而導致嚴重損壞。通過地圖車輛的頻繁更新，可以避免錯誤的決策。由于新的基礎設施建設、道路維護和車道擴建，道路環境高度動態，可能會發生頻繁變化。繪制地圖的車輛必須能夠檢測到環境的變化，并發送它們來更新地圖。地圖更新過程涉及復雜的處理步驟，包括處理來自不同規模的多個來源和傳感器的數據，識別存儲的地圖和新收集的環境數據之間的偏差，并最終整合這些偏差來更新地圖的不同層。文獻中已經開發了幾種方法和方法來捕捉高清地圖的變化并進行更新。在下文中，我們回顧了檢測高清地圖變化的不同方法和方法，以及如何將這些信息應用于更新地圖。我們調查以前維護高清地圖的工作所遵循的方法是基于分析每種最先進的方法維護的圖層，如表3所示。

A.地圖變換檢測

高清地圖中的變化檢測是指識別環境變化的過程，如新建筑、道路封閉等。隨后相應地更新地圖的圖層。高清地圖會定期發生變化，擁有一張可以被自動駕駛汽車信任的地圖對于保證導航安全至關重要。變化檢測通常通過使用各種傳感器來實現，如相機、激光雷達和雷達，并結合計算機視覺算法和機器學習技術。甚至在高清地圖出現之前，變化檢測算法就已經在許多應用中找到了用武之地。遙感是地圖變化檢測和更新的早期應用之一。它還成功應用于城市監測、森林變化、危機監測、三維地理信息更新、施工進度監測和資源調查。在這些應用程序的最基本層面上，問題相當于比較原始傳感器數據，主要是3D點云、2D圖像或兩者結合。

B.地圖數據更新

HD地圖維護的第二階段是基于變化檢測的結果來更新地圖元素。簡單地說，地圖更新相當于一個概率數據融合問題。近乎實時地持續監測不斷變化的環境中的變化，并融合時間和空間上的不同數據模式，以及從不同來源更新多個層，這確實是一項具有挑戰性的任務。Cadena等人在他們的調查論文中指出，更新和維護大型自動駕駛汽車車隊創建和使用的高清地圖的分布式過程是未來研究的一個令人信服的主題。朝著這個方向，Kim等人提出了一種從眾包點云數據中保持新特征圖層最新的解決方案。這種新的特征圖形成了構建HD地圖的不同語義和幾何特征的基礎。

高清地圖的數據和通信基礎設施

大規模構建和維護高清地圖是多個利益相關者之間的數據交換問題，例如，作為ITS路邊基礎設施所有者的政府、地圖提供商和車輛，如圖7所示。地圖數據的收集、構建、維護和分發需要可靠的通信和分布式計算基礎設施。本節討論了擴展高清地圖的創建、維護和分發所需的數據和通信基礎設施。

挑戰和未來展望

盡管CCAM在過去十年中取得了顯著進步，但實現車輛的完全自主仍然是一個尚未解決的挑戰。對于要大規模部署的自動駕駛汽車來說，高清地圖的可擴展解決方案至關重要。在本節中，我們闡明了需要解決的各種挑戰，以充分發揮高清地圖CCAM的潛力。毫無疑問，在利益相關者之間構建、維護和分發地圖數據的成本效益和靈活性解決方案的可用性將大大提高CCAM在未來幾代智能城市中的可擴展性。此外，我們還討論了高清地圖的未來前景和應用。

A.挑戰

• 標準化與數據表示：高清地圖的概念已被廣泛接受，成為CCAM的一項關鍵技術。然而，對于如何表示地圖數據、需要多少層、每個層中必須存儲什么地圖數據以及以何種數據格式存儲地圖數據，沒有達成一致意見。由于高清地圖的復雜性及其包含的大量數據和信息，很難為其定義一個通用標準，因此創建一個全面且易于理解、存儲、維護、更新和有效分發的標準具有挑戰性。為地圖數據定義一個通用標準將提供更多的數據兼容性，方便訪問數據，同時降低開發和集成成本。此外，這將提高數據的質量、一致性和隱私性，從而提高包括自動化車輛在內的所有參與者的道路安全。
• 可擴展性：可擴展的高清地圖解決方案對自動駕駛汽車的大規模部署至關重要。構建城市、地區和全國范圍的高清地圖并保持其更新仍然是一個巨大的挑戰，尤其是在處理用于表示幾何道路特征和交通標志的不同標準、交通規則和條例時。這些標準因地區而異。映射算法必須是通用的，并且能夠在不同的地區和國家工作。映射應該是一個連續的數據收集和處理過程，以修復已更改的區域。這一過程在大的地理區域變得具有挑戰性，在這些區域，大量的車輛必須成為地圖繪制過程的一部分。繪制地圖的成本直接取決于要繪制地圖的區域有多大以及為其服務所需的車輛數量。正如本文早期所討論的，繪制地圖的車輛非常昂貴。此外，使用配備消費級傳感器的單獨車輛需要復雜的算法，這些算法尚未成熟。
• 網絡和計算基礎設施：在構建和更新可擴展高清地圖的情況下，處理和處理大量數據需要可靠的網絡和計算基礎設施，該基礎設施應協調且接近實時。隨著5G/6G蜂窩通信、物聯網（IoT）和邊緣計算架構的出現，車載通信的許多機會普遍可用，處理構建高清地圖的解決方案成為商業上可行的選擇。這些通信和計算基礎設施旨在處理此類數據密集型應用程序，并滿足其延遲和帶寬要求。具有大量聯網車輛的大規模眾包地圖將是這些基礎設施的主要應用之一。
• 建圖算法的限制：盡管在構建高清地圖的自動化過程中付出了巨大的研發努力，但高清地圖的最新研究結果清楚地表明，用于提取高清地圖特征和構建道路和車道拓撲的地圖算法仍然局限于簡單的特征。目前最先進的算法可以檢測簡單的幾何特征，但無法處理高曲率特征，例如環形交叉路口。此外，這些方法中的大多數都需要幾個后處理步驟才能以合適的矢量格式獲得特征。地圖語義特征仍然局限于極少數且易于檢測的交通標志。最近很少有工作開始解決構建車道拓撲以構建簡化的道路/車道連接網絡的問題。開發一個通用的地圖管道可以構建一個包含幾何、語義和拓撲信息的全功能高清地圖。建造這樣一條管道仍然是一個挑戰。
• 地圖數據所有權、隱私、完整性和分發：構建和維護高清地圖的未來將是自動化和分發數百萬輛汽車所涉及的過程。從環境中收集、處理和存儲大量分布式數據引起了對數據所有權、隱私、完整性和分發的一些擔憂。原始地圖數據是在車輛中生成的，與來自公共當局的其他數據源聚合，由地圖提供商處理和分發。從收集到分發的地圖數據所有權可能需要在大規模高清地圖中解決。此外，保護個人和車輛的隱私至關重要，在繪圖過程中必須加以考慮。地圖數據可以包括敏感的用戶信息，例如車輛的精確位置以及車輛環境的精確描述。必須確保高清地圖數據的完整性，以避免錯誤和致命的決策，尤其是在自動駕駛汽車使用時。構建準確可靠的高清地圖仍然是一個正在進行的研究問題。商用高清地圖通常要經過人工檢查和驗證。從多個數據源生成準確可靠的高清地圖數據，例如通過眾包生成，帶來了一些有待解決的技術問題。可擴展高清地圖的所有權、隱私和完整性最近開始引起研究人員的注意。另一方面，區塊鏈由于其分布式和安全性，已被證明是一種很有前途的解決方案，可確保數據完整性。構建和更新可擴展高清地圖，同時保持數據的可追溯性、隱私性和完整性的用例是區塊鏈的完美應用。這項技術有望在構建和分發下一代高清地圖方面發揮核心作用。

B.未來方向

• 精準：精確定位一直是將高清地圖引入自動駕駛汽車的主要動機之一。道路環境的密集、緊湊表示的存在是高清地圖的基礎；尤其是在本地化方面。HD地圖中包含的信息密度和處理這些信息所需的計算工作量之間一直存在折衷。神經3D場景表示的最新進展使以非常緊湊的表示方式重建真實感3D場景成為可能。使用神經輻射場（NeFR）表示基礎地圖層允許受益于該層的緊湊和真實感表示。這項技術可能會讓自動駕駛汽車進入一個新時代。
• 自動駕駛以外的應用：高清地圖的開發主要是為了幫助自動駕駛汽車了解環境并在環境中安全導航。由于高清地圖提供了詳細而精確的環境表示，因此也可以用于提高經典數字地圖提供的各種服務的質量。此外，高清地圖在殘疾人數字輔助技術中發揮著重要作用。如果視障人士配備了合適的傳感器，并能夠獲得高度精確、詳細和語義豐富的環境表示，他們的行動能力和安全性可以顯著提高。如果精確定位，數字輔助設備將能夠解釋和理解環境，從而生成語音導航消息以實現安全導航。行人高清地圖中交通信號燈和其他交通信息的實時狀態與增強這些設備的功能有關。目前，大多數高清地圖提供商只提供代表車輛環境的地圖。今天的高清地圖中仍然沒有繪制車輛以外參與者的路線圖，例如行人人行道和自行車道。為所有參與者構建和更新高清地圖將為實現廣泛的自主和非自主導航以及一些有用的數字服務鋪平道路。
• 面向數字孿生：環境數字孿生是環境的整體數字表示，包括其所有物理和功能特征。城市規模的數字孿生是CCAM中的一個新興概念，旨在構建一個數據驅動的模型，該模型將來自物聯網傳感器、聯網車輛、建筑、智能基礎設施和交通網絡以及所有其他數據源的各種來源的數據相結合，以幫助創建一個全面、實時的城市模型，從而改善道路服務。這一概念將高清地圖作為聯網和自動駕駛汽車的數字模型概括為幫助社會中所有實體的整體數字模型。數字孿生甚至可以用于對環境中不同實體的行為進行建模，即使是在微觀細節層面上。高清地圖將是數字孿生的單個模塊，支持我們智能城市中聯網和自動駕駛汽車的不同功能和服務。由于高清地圖可用于模擬復雜的駕駛場景，數字孿生將用于模擬和分析這些車輛的復雜城市規模場景。數字孿生將允許研究、分析和模擬新開發項目的影響或交通模式變化的影響，并可以幫助城市規劃者和決策者通過預測未來情景來分析和優化城市的表現，并確定改進的機會。建立一個城市規模的數字孿生確實是一個巨大的挑戰，需要大量的數據，而且這可能是一個復雜而耗時的過程。分布式大量數據的交叉驗證、完整性和可信度仍然是創建數字雙胞胎的挑戰。車輛的眾包道路地圖繪制將被同時使用異構連接傳感器的大量數據進行室外和室內地圖繪制的統一過程所取代。

結論

高清地圖仍然是現實世界CCAM應用程序的一個快速發展的方面，推動了該領域的創新和進步。盡管在高清地圖在AD系統中的應用以及構建和維護高清地圖的算法和基礎設施方面進行了大量的研究和開發工作，但很少有文獻可以總結和提供這些工作的立足點。本文廣泛回顧了以往關于構建和維護高清地圖的工作，包括成本效益高的解決方案，以及從生成到分發的通信和地圖數據要求。此外，本文還討論了當前在構建和維護高清地圖方面面臨的挑戰。更準確地說，我們提供了高清地圖的獨立概述，作為更廣泛的智能交通系統社區的背景。我們還討論和分析了將高清地圖用于AD系統中各種核心功能的最新技術。此外，我們廣泛討論和回顧了構建不同層次的高清地圖并使其保持最新的不同方法、方法和算法。最后，我們對下一代移動應用的高清地圖的未來發展進行了一些說明。