車網中國報道：
2021年6月17日-19日，由中國汽車工業協會主辦的第11屆中國汽車論壇在上海嘉定舉辦。站在新五年起點上，本屆論壇以“新起點 新戰略 新格局——推動汽車產業高質量發展”為主題，設置“1場閉門峰會+1個大會論壇+2個中外論壇+12個主題論壇”，全面集聚政府主管領導、全球汽車企業領袖、汽車行業精英，共商汽車強國大計，落實國家提出的“碳達峰、碳中和”戰略目標要求，助力構建“雙循環”新發展格局。其中，在6月18日下午舉辦的主題論壇“智能網聯汽車產業生態的融合與升級”上，四維圖新地圖產品總監劉洋發表了主題演講。以下內容為現場演講實錄：
大家好，我是來自四維圖新的劉洋，剛才很多整車廠、系統解決商從他們角度介紹了生態鏈等自動駕駛的體驗和實踐。我代表圖商，從數據服務這塊兒，來給大家分享一下我們對自動駕駛整個產業的認知，以及我們的思考和我們的實踐分享。

從我們認知來看，自動駕駛的關鍵是感知和定位，感知和定位的關鍵是傳感器，傳感器分物理傳感器和在線傳感器。在線傳感器就是依托于定位和高精度地圖提供的，圖商的關鍵在于圖商具備精準的測繪和制圖能力，能夠幫助車端解決大量算力的問題，節省算力。

我們還可以匯聚多種數據源，把各種數據源構成地圖，發給車端，提升單車能力。讓自動駕駛體驗更好，效率更好，更可靠，這是我們地圖提供商參與產業的初心。

高精度地圖要解決哪些問題呢？

第一是針對物理傳感器的感知失效，我們看到很多場景，比如非常復雜的交通路況的場景，對于遮擋天氣、不清晰、磨損場景，高精度地圖可以為物理傳感器的失效進行感知的增強和冗余。

第二點在很多的復雜城市環境里面，包括高架群、建筑物密集、隧道群定位失效場景，高精度地圖本身是非常專業化，非常可靠，地圖本身品質和精度是遠高于其他數據的。總體說高精度地圖可以為自動駕駛的車端，提供定位失效的場景補充。
高精度地圖本身還是超視距的傳感器。我們會發現當車輛進行超車的時候，普通物理傳感器是無法知道超車之后的場景，當前面有大曲率的車道或者道路的時候，包括有遮擋的時候，有天氣原因看視距不遠的時候，這都是可以提供預測性的信息控制參考，提供給車端。包括前方有分流、合流，停止線的時候，我們可以為車端提供速度控制的預測性參考。

總體來說，對于車端，因為之前幾位領導提到了預測性控制，對車端預測性控制做得越清晰越安全，信息越準確，整個自動駕駛的體驗和安全性就越高。

上面兩個我們和合作伙伴一個是基于視覺系統的合作伙伴，做的高精度地圖匹配定位，右邊是基于激光合作伙伴做的匹配定位，下面是德國做的高精度地圖匹配測試。

除了上面的應用型問題，高精度地圖本身還要做風險性的控制，比如說常規大家認識的高速場景下，通常認為高速是一個比較封閉，比較規矩的，可以完全信賴的場景，但實際上通過我們這么多年量產地圖經驗，我們看到現場有很多的不確定信息和不規則的信息，比如說高速場景出現很多平交路口，高速場景有不規則的標線，高速場景有沒有隔離帶的上下行路線，還有非正常的開口都是對自動駕駛安全非常隱患的地方，所以通過高精度地圖可以讓汽車提前知道這些不穩定、不規則、不安全的信息，并且可以提前判斷。

數據多樣性來看，傳統上或者大家通常認為兩個派系，一個是基于視覺的派系，一個是基于激光的派系。但細分的話，組合還是更多樣的。基于純視覺的派系，對算力的要求非常高，它的應用級別其實還不能算真正的自動駕駛。逐漸基于激光的特征，跟視覺不太一樣，視覺通過AI算法來做的，激光是通過特征提取做的，在眾包的數據以及形成完整的高精度地圖，最高級的玩法現在不僅有高質量的數據，還有概率性數據，還有實時性的交通數據。

比如通過高精度地圖，通過歷史概率信息和實時路況信息，可以知道當前方車停止的時候，它停止在哪一個車道上，它的停止行為是一個可以正常停車的行為還是前方擁堵的停車行為，以此決定超車還是跟車。

四維圖新兩年前已經覆蓋了全國所有的高速，現在已經處于更新維護的階段了，已經開始逐漸擴展普通道路。除了地圖事情本身之外，我們也在地圖的服務端，在線分發、眾包任務管理、在線更新、在線傳感器的回傳等都做得比較成熟。

基于地圖的一體化解決方案來說，我們一直想幫助做自動駕駛系統的整車廠或者系統提供商，可以支持更多場景的自動駕駛體驗。我們也要支持基于不同系統架構的，因為不是所有的整車廠都會做全鏈路的自動駕駛，大家針對的方向不一樣，開發程度不一樣，我們也是基于不同的場景，不同的自動駕駛等級開發了不同的產品，以支持大家系統的開發和量產。

高精度地圖本身就是把現實世界一個完整的語義化、矢量化。我們面向L3級別的地圖，已經是兩年前完成了整體的開發，現在已經在更新、維護，它其中涵蓋了一百多個要素，包含基礎的現場要素、信息化要素以及邏輯要素和功能安全的要素，這是面向L3級別的，并且已經在幾個L3級別的整車廠上，在量產的計劃里面了。

作為圖商講，有著專業的采集設備，有著基于點云融合，以及跳變檢測的精度控制的手段，有著基于高自動化的要素提取自主平臺，還有基于人機交互對信息進行補充的編輯平臺。還有比較完整的基于地圖評價的質量平臺。

四維圖新作為地圖服務提供商，也過了Aspice level 3，這是我們為了做自動駕駛這件事情，必須從軟件方的角度，去做本來是面向汽車硬件商的公共安全體系，這個都是我們必須要提前做好的。

最后，我們也是搭建了基于眾包的地圖學習平臺。

從自動化的角度來說，我們已經從點云特征中，自動提取60多個要素，并且在我們這么多年的深耕過程中，積攢了很多案例、特殊場景，所以我們現在對于整體上激光這一層，特殊場景下的程序魯棒性是特別優異的。

基于視覺性這塊兒，我們現在可以把圖像中進行語義分割、要素識別、三維重構，并且根據高精地圖進行匹配、差分，找到變化的，然后進行高精的地圖更新。

我們整體上來說，有四維空間自研的圖像采集設備，我們也和合作伙伴一起共研了采集設備，我們可以把消費級的行車記錄儀的圖像采集設備全部都適配完畢了，并且可以把主要的要素和語義信息做自動化的提取。

基于快速更新來說，我們已經主車廠和源的數據提供商，把他們的數據接入，進行數據的清洗、匹配、融合、收斂，最終能夠在地圖中發現變化，更新變化。通過大量的數據，我們可以進行快速的更新，還可以用數據源對車上做置信度的參考。我們還能做交叉驗證，交叉驗證的目的主要是單數據源本身可能在不同場景產生不同的問題，通過多源的數據就能讓系統問題不會做進高精度里面發到車端，進一步讓車更安全，對于數據的信賴性更可靠。

我們在車端上的更新，也是在和合作伙伴一起正在開發，我們基于車端前視的車規級攝像頭，現場在車端直接識別桿、交通牌、車道線等要素并特征化，與車端的高精度地圖進行匹配，匹配發現不一致的地方進行上傳到云端系統上，做更新。

我們在整體面向L3級別的高速場景高精度地圖已經比較成熟了，我們現在要開始做普通路的場景，已經在量產階段了。為什么要做普通路的場景？因為從行業調查來看，普通路的場景在中國來說，相比較的成本是更低，對于所有的系統商，解決方案商落地的話，更容易落地，商業化前景也會更好。

請大家看一段視頻。我們剛才看到了做自動駕駛的一些場景，為什么做自動駕駛以及它相關非常復雜的規則。這是我們做了兩年多了，一個面向于L4級別的定制化自動駕駛地圖，這是針對普通路的，這里面所有要素的精確度和復雜度以及對于普通路場景的理解，都是可以對標L4級別的，現在這個屬于定制化的開發階段，還不能大范圍的量產，我們已經正在跟很多的，尤其國際車廠還有國內系統合作伙伴做很多測試，這些測試效果還是不錯的。

基于量產級的全國普通路場景的路圖，我們去年推出了HD Lite的產品，未來兩三年的時間我們計劃要覆蓋中國一二線城市的主要道路，整體上可以支持車道級的速度控制、定位、安全冗余的語義性描述。基于它整體技術而言，在成熟的L3生產線上，結合點云和圖像的充分利用，把點云分類、圖像分類以及點云矢量一起做了匹配，整體匹配提升基于普通路場景的交叉口、主輔路、環島、大型交叉口等普通化場景，可以快速量產，覆蓋大部分城市的主要目的。

我們也和合作伙伴一起做了自動駕駛，我們可能不是說為了爭自動駕駛的商業化，我們主要是測試產品，我們在用自動駕駛的系統不斷的迭代普通路的場景，修正地圖，提升地圖，也是能夠為HD Lite全面進入SOP階段做準備。

面向L4的AVP產品，我們已經完成了整個工具鏈的開發，今年開始進入量產階段，整體AVP解決什么問題呢？首先我們做過調查，整體大型陌生停車場，停車時間大概花費18分鐘，高精度AVP可以幫助車輛做自主泊車，給大家節省很多時間。找車難也是大家經常遇到的問題，在非常封閉陰暗的，長得都一樣的環境下，找自己的車經常找不到，尤其是陌生的停車場，或者嚴寒酷暑環境下地面停車場找自己的車也是很辛苦的，所以一鍵召喚，把車輛直接召喚到自己上車點也是很重要的。還有一些思路是在場端直接做傳感器，因為停車場管理都是很復雜的，很難落地，所以我們還是通過AVP地圖提高車端能力，讓車端自己實現全部功能。整體上，我們做這個目的是為了整體用戶體驗和系統這塊兒，能夠省時、省心、省錢。

基于高精度地圖本身，我們也讓它賦予導航新的生命。因為以前所知道的普通導航產品，實際上還是模擬的三維場景。我們首先讓駕駛員更有沉浸感，在做自動駕駛以后，人是有更多的時間關注那塊兒屏幕，當然也不一定是那塊兒屏幕，還有其他的地方，就有可能關注我們的系統，所以沉浸感、體驗感會特別好。

我們會通過車的定位傳感器，做但真正的車道級導航。高精地圖本身會匯聚很多安全信息，包括L3級的安全信息，讓駕駛員能夠體驗到行為預警、路況預警。

除了地圖本身，我們也在做云端，做了眾包服務、高精度分發服務、仿真，從圖商角度來說，我們是積攢了很多現場案例，我們不是標注的很多樣本案例。車端也做了基于感知模塊、定位模塊、路預測模塊等等做了整體生態閉環的能力。

V2X，就是兩點，現在不管怎么說，集中式存儲還是對效率安全性保障還是存在瓶頸的，借助于V2X分布式、分量的，效果可能提升很多，包括基于國家政策性保護和手段的保護，也可以讓我們自己圖商，自己地圖安全性，也可以得到很好的保護。

對專業圖商來說，我們有很強大的工具鏈路體系，我們愿意把工具鏈體系貢獻出來，所以我們做了開放平臺產品，我們是基于可以把各個開發者自己的數據進行自己的定制化服務，用客戶想要的方式運營，也可以客戶自己開發迭代，這是我們做這個事情的初衷。

除了自動駕駛，還有智慧城市的搭建，為養護部門找到養護點，以及資產管理，包括停車位的查找都可以一起貢獻力量。

最后，四維圖新會一直做各種場景，包括以后未來自動駕駛想要的場景做補充。前面很多嘉賓說了行業上不可能一兩家公司把全自動駕駛搞定的，所以一定是大家合作協同的模式，四維圖新也想把我們的解決方案，我們的貢獻跟各個OEM、系統商、友商一起分享，一起共建產業，更好為自動駕駛產業服務，謝謝大家的聆聽！