成本固然重要，但这些才是高精度地图最大的商用瓶颈!

成本固然重要，但这些才是高精度地图最大的商用瓶颈!

　　而且，从导航地图到高精地图，针对内容和形态的法规审核也发生了很大变化，谷小丰补充到：“以往，在对导航地图进行审查时，主要关注的是边界、敏感岛屿以及敏感的POI等等。而到了自动驾驶高精度地图上，这些内容都将消失，审图的重心也会转移。比如，在现行的法规中，道路的最大和最小曲率不能在地图中表达，而这些内容往往是自动驾驶汽车非常需要的。还有一个更远的问题，那就是‘全民测绘’，现在的汽车、手机其实某种程度上都有测绘的行为，记录轨迹、拍摄照片等等，这些操作都是牵涉到测绘政策问题。所以，未来还需要业界同仁共同配合国家地理信息局为调整制订政策法规提出必要的技术和业务参考。”

　　此外，在实际应用当中，想要做到精准、快速以及庞大的数据更新，也需要在基础硬件以及软件算法等多方面进行技术支持。不仅针对高精度的信息需要利用智能传感器以及定位模块来实现数据输出，同时如此庞大的数据解算也需要通过高效的软件算法来支撑。

　　罗跃军认为：“高精度地图的数据主要是通过高精度传感器来实现的，而地图传感器作为独立的应用模块需要外接互联网，内接TCU通信，然后通过ADASIS协议将高精度地图数据传输给车载端需要使用地图的应用模块。此外，定位也是高精度地图的前提条件，作为地图发挥作用的核心模块，定位目前主要是通过RTK、激光惯导等高精度定位设备实现的，不过这种方案的硬件设备由于过于昂贵，且无法实时解算，因此不适合当前自动驾驶车辆使用。当前的自动驾驶车辆更多的是考虑通过相机视觉来匹配高精度地图、SLAM定位、基于图像或点云的特征点定位以及多传感器融合等方式来实现的。除此之外，由于不同环境的定位效果不同，因此针对信号遮挡严重的城市等环境，还需要辅助单点精密定位等手段来提高地图精度，控制点的数量也将直接影响高精度地图的生产成本，给高精度地图的量产带来挑战。”

　　而在软件技术方面，就需要利用高效的数据解算以及AI算法，罗跃军进一步补充到：“精度方面，由于受到采集设备、采集方法、原始数据解算算法以及后续内业数据处理方法(人工、自动)的影响，主要依靠数据采集各传感器间的时间同步、数据融合以及后续作业个工序间的精度进行保证。而至于快速方面，则需要靠提高内产线自动化程度来提高产能，目前在自动识别方面主要运用深度学习的目标检测算法(如FCN、SSD以及YOLO等)、基于规则的路网自动生成算法、高性能计算等，而算法开发对人员以及设备的要求较高，随之也提升了研发的成本。而最后，需要解决高精度地图带来的巨大数据量的问题，这将给数据库技术带来很大挑战，而未来则是通过实时众包数据来保证数据量和鲜度，这样对各种不同的处理、通信以及高性能计算等将有更高要求。（责编：振鹏）

本文为华强电子网原创，版权所有，转载需注明出处

关注电子行业精彩资讯，关注华强资讯官方微信，精华内容抢鲜读，还有机会获赠全年杂志

关注方法：添加好友→搜索“华强微电子”→关注

或微信“扫一扫”二维码