高精度地图自动驾驶汽车的“行动指南”

1、目录 HYPERLINK l _TOC_250010 高精度地图 Overview：从“放大镜”到“显微镜” 1 HYPERLINK l _TOC_250009 何谓“高精度”地图，具体包含哪些道路信息 1 HYPERLINK l _TOC_250008 高精度地图与一般导航地图的区别 2 HYPERLINK l _TOC_250007 自动驾驶汽车是如何利用高精度地图来进行“导航”的 3 HYPERLINK l _TOC_250006 高精地图的数据采集过程及资质要求 5 HYPERLINK l _TOC_250005 从技术方案上如何实现高精地图数据采集 5 HYPERLINK l _TO

2、C_250004 从组织形式上如何实现高精地图数据采集 6 HYPERLINK l _TOC_250003 谁有资质进行高精地图数据采集 7 HYPERLINK l _TOC_250002 高精地图的市场空间、格局和展望 8 HYPERLINK l _TOC_250001 空间及格局：当前国内外主要厂商及市场空间 8 HYPERLINK l _TOC_250000 行业展望：全球统一的数据采集标准、采集频率标准有待确立 10风险因素 11投资建议 11插图目录图 1：高精地图与传感设备、车联网/云之间的关系 1图 2：高精地图分图层信息 2图 3：车道模型信息 2图 4：导航地图与高精地图场景

3、 3图 5：环境感知与高精地图矢量数据匹配及路测画面 4图 6：高德高精地图采集车搭载设备 5图 7：高精地图多级发现采集 6图 8：Mobileye 高精地图众包采集模式 7图 9：四维图新自动驾驶地图 8图 10：高精地图全球市场规模预测 10图 11：高精地图 OpenDRIVE 格式规范 10图 12：高精地图标准体系框架 11表格目录表 1：高精地图包含信息分类 1表 2：导航地图与高精度地图对比差异 3表 3：具有导航电子地图制作（甲级）资质的单位 7表 4：高精地图海外厂商概况 9 高精度地图 Overview：从“放大镜”到“显微镜”何谓“高精度”地图，具体包含哪些道路信息高精

4、地图也称自动驾驶地图、高分辨率地图，是面向自动驾驶汽车的一种新的地图数据范式。高精地图绝对位置精度接近 1m 相对位置精度在厘米级别，能够达到 10-20cm。准确和全面地表征道路特征，并要求更高的实时性，是高精度地图最显著的特征。此外，高精地图记录驾驶行为的具体细节，包括典型驾驶行为、最佳加速点及刹车点、路况复杂程度、以及对不同路段信号接收情况的标注等。图 1：高精地图与传感设备、车联网/云之间的关系资料来源：中信证券研究部高精地图与车载传感设备、车联网之间联系紧密。一方面，高精地图为激光雷达、摄像头等传感设备提供定位、识别的数据基础，而传感器采集的信息可用于构建高精地图。另一方面，车联网能

5、够进一步补充、丰富高精地图数据，并支持数据实时更新，高精地图数据能够上传至云平台进行整合、处理、计算。表 1：高精地图包含信息分类道路车道模型车道数、车道中心线、道路分离点和车道分离点、车道连接关系信息道路部件交通灯、交通标志、斑马线、停止线、路缘石、防护栏、龙门架、桥梁道路属性车道数、车道变化属性、车道线曲率/坡度、车道连接关系、车道分组、交通区域、兴趣区（如人行横道等）、GPS 信号减弱/消失位置、加速点及刹车点规则信息车道限速、高速收费信息、限行限号信息实时信息实时交通天气、事件信息（交通事故、道路施工等）、停车场服务、危险区域预警、基于坡度的节能减排、道路天气/能见度资料来源：中信证券

6、研究部高精地图信息可分为道路信息、规则信息、实时信息三部分。道路信息包含车道模型、道路部件、道路属性三部分，为自动驾驶汽车提供决策基础。而规则信息与实时信息则是在道路信息之上的叠加，包含对驾驶行为的限制以及从车联网获取的实时道路信息。图 2：高精地图分图层信息资料来源：四维图新官网，中信证券研究部高精地图内涵丰富，但并非无所不包。以自动驾驶汽车需求的导向，与导航地图相比，高精地图不包括具体地点属性和信息、障碍物属性、建筑模型，只需关注车辆行驶道路及其周边场景，其余场景如公园、商场、景区等地图信息不在高精地图的考虑范围之内。高精地图的数据大小与现有的数字导航地图在相同的量级上，甚至更小，主要原因

7、在于导航地图包括大量非驾驶信息。图 3：车道模型信息资料来源：中国工程科学，中国工程院，2018 年 02 期高精度地图与一般导航地图的区别高精度地图与导航地图：面向对象的不同带来本质差异。一般地图面向对象为人，以人的认知为基础，解决的需求包括规划路线、确认地点、辨别方位等，而高精地图面向对象为自动驾驶算法，面向的是“一台机器”，数据将作为自动驾驶算法的输入端，解决的需求包括环境感知、高精度定位、规划与决策等，是自动驾驶汽车行驶上路的“行动指南”。图 4：导航地图与高精地图场景资料来源：高德地图，四维图新表 2：导航地图与高精度地图对比差异道路导航地图高精地图要素和属性POI涉密 POI 禁止

8、表达、重点POI 必须表达背景国界、省界等行政区划边界必须准确表达详细车道模型曲率、坡度、航向、高程、限高、限重、限宽定位地物和特征图层所属系统信息娱乐系统车载安全系统辅助环境感知、定位、车道级路径用途导航、搜索、目视规划、车辆控制使用者人，有显示计算机，无显示信息更新频率相对低，人可以良好应对高，机器需要更高频数据应对资料来源：高德地图，中信证券研究部自动驾驶汽车是如何利用高精度地图来进行“导航”的当前自动驾驶导航过程可以简要分为三个阶段：路线级规划、车道级规划、自动驾驶控制。路线级规划通过导航地图确定具体行驶路线，考虑交通方式、路线距离、交通状况、途径地点等，是点到点的粗略规划。车道级规划

9、依靠高精度地图，根据给定的路线确定具体的形式方案，包括车辆起步和停止、速度限制、车道保持与变道、车道坡度等。在自动驾驶控制阶段，系统依据具体的行驶方案控制汽车，实现自动驾驶。具体到自动驾驶的控制，我们可以将自动驾驶流程分为“感知层-决策层-执行层”，高精地图横跨“感知层”和“决策层”。在感知层，车辆通过摄像头、毫米波雷达、激光雷达等设备获取周围场景信息，实现周围感知；将周围场景信息与高精度地图进行比对，确定车辆相对位置，并通过 GNSS、RTK 定位、惯性导航系统确定自身姿态、速度和绝对位置，共同实现自我感知。感知信息进入决策层，算法将依据高精地图、车联网技术提供的多维度信息对具体驾驶问题做出

10、判断、输出车辆控制信号并交给执行层执行。感知层首先要感知周围环境，高精地图用于环境感知，能够与激光雷达、摄像头等感知设备输出结果形成冗余，提高识别的准确度。此外，高精地图信息能够为感知设备识别提供辅助信息。例如，通过高精度地图，已知汽车在当前位置附近有红绿灯，再通过摄像头、雷达设备感知该红绿灯存在的准确率能够有所提升。除了感知周围环境，自动驾驶的车辆同时要实现自我感知，即知道“我在哪”。 利用高精度地图实现相对位置定位是自动驾驶汽车定位解决方案之一。人类驾驶员在驾驶车辆过程中，通过观察场景内的参考物确定车辆的相对位置，相对位置定位与之类似：自动驾驶汽车通过激光雷达、摄像头等感知设备获取周围场景

11、信息，与高精度地图进行识别对比，确定车辆当前的相对位置，满足自动驾驶车道级别的定位需求。一方面，基于高精地图的相对位置定位能够与基于 GNSS、RTK 定位技术的绝对位置定位形成冗余，提高定位精度；另一方面，相对位置定位能够在车辆信号不佳的路段为车辆提供定位支持，形成互补。 NVIDIA 于 2019 年发布的基于其 NVIDIA DRIVE Xavier Soc 处理器的高精地图定位软件模块 DRIVE Localization，依靠 Xavier Soc 强大的计算能力，该软件模组能够在不依赖激光雷达的前提下实现厘米级精确定位。高德地图提供的类似“摄像头+高精地图”定位方案在测试路段能够实

12、现车道级别准确定位，相比之下 GNSS+RTK 定位方案则存在米级误差。图 5：环境感知与高精地图矢量数据匹配及路测画面资料来源：高德地图感知完周边环境和自我位置之后，高精度地图接下来用于进行决策支持。在规划与决策层面，高精地图除了用于自动驾驶汽车车道级别的线路规划外，还能够为决策和识别算法提供支持。例如，当车辆驶近人行横道高精地图上标注的“兴趣区”时，识别算法将提前进行模型比较，提高对各类行人姿态的识别准确率，同时降低车速，避免事故的发生。由于自动驾驶需要极高的安全性，因此系统的鲁棒性非常重要，由于摄像头、激光雷达、毫米波雷达、高精度地图都有信息缺失或者不能及时获取的可能，因此各种传感器的信

13、息相互补充，互为冗余就非常重要了。高精地图和感知层（激光雷达、毫米波雷达、摄像头）一起构成了信息冗余的组成环节，信息冗余确保自动驾驶的鲁棒性。高精地图提供的部分道路和环境信息，例如道路细节信息、交通标志等，与自动驾驶汽车通过摄像头、激光雷达等感知设备获取的信息存在重叠，达到“信息冗余”状态。一方面，冗余信息确保车辆在遇到恶劣环境、信号不佳、识别错误等非常规状况时能够依靠多余信息实现正确驾驶决策，确保自动驾驶的“鲁棒性”。另一方面，信息冗余为相对位置定位提供支持。通过将实时感知信息与高精地图信息进行对比，汽车可以获取当前行驶的相对位置，与基于 GNSS 等技术手段的绝对位置定位互补，构成另一层次

14、的“信息冗余”。 高精地图的数据采集过程及资质要求从技术方案上如何实现高精地图数据采集高精地图需要更加全面准确地表征路面特征，实现更高的精度，数据采集的成本更高。高精地图采集的核心设备包括激光雷达、摄像头、GNSS、IMU。采集车辆基于 GNSS、IMU 获取当前的绝对位置和汽车姿态、速度等信息。对于周围道路及环境的感知，方案有激光雷达制图、纯视觉制图、激光雷达与图像融合方案。激光雷达采集：信息精确，语义丰富度较低。激光雷达通过发射和接收激光光束实现对周围道路环境的感知和建模，在结合车辆自身感知数据，将空间信息从扫描三维点，转换为连续的三维结构，实现对整个道路空间的三维建模。纯视觉制图：成本低

15、，可靠性不能保证。通过摄像头与图像识别算法相结合的制度方案，由于不需要激光雷达，成本显著降低，理想情况下纯视觉制图精度可达厘米级。但是图像识别算法的可靠性、以及图像采集对环境的要求，使得纯视觉制度的可靠性有待考量。纯视觉制图的图商包括宽凳科技、DeepMotion 等。激光雷达与图像融合方案：精确可靠，成本高。方案融合了激光雷达和摄像头的优势， 能够综合运用丰富的图像信息和精确的激光雷达数据，对道路环境实现相对精确完整采集。采用该方案的厂商包括百度、高德地图、四维图新等。以高德地图为例，高德 HAD 级别高精度地图采集车采用 RIEGL VMX-450 三维激光扫描系统方案，搭载 2 个激光雷

16、达、4个摄像头，可实现 10cm 精度的采集，但整辆采集车造价超过 800 万人民币。图 6：高德高精地图采集车搭载设备资料来源：车云网数据采集完并不意味着终结，后续还要经历处理、测试、发布等环节。高精度地图数据经专业采集或众包形式采集后，首先进行降噪、分类、提取等处理，实现三维建模。再进行可靠性测试及精度测试，测试分为两阶段：首先通过人工或算法对数据本身进行测试，再进行实地路测，确保高精地图的可靠性。之后通过车联网进行地图的发布和更新。从组织形式上如何实现高精地图数据采集高精地图的数据采集可分为专业自主采集、行业采集和众包采集三种思路，目前以专业自主采集占大多数。在 2018 年 6 月在上

17、海开幕的亚洲消费电子展上，凯迪拉克 Super Cruise 超级智能驾驶系统在中国正式发布，据凯迪拉克总裁史蒂夫卡莱尔(Steve Carlisle)介绍，该项技术的核心便是其合作伙伴高德地图完成的中国国内超 30 万公里的高速及城快公路的高精地图数据采集，达到绝对精度 1m 量级，相对精度 10cm 量级，在领域内处于领先水平。依靠运输车、出租车/专车等专业车辆实现行业采集以及以“众包”形式基于 UGC 数据的众包采集，大多采用纯视觉制图方案，现阶段尚不能完全保证高精地图对于采集数据精准度和可靠性的要求，只能作为对专业采集数据的补充或冗余存在。图 7：高精地图多级发现采集资料来源：高德地图

18、未来发展趋势：从专业采集到众包采集。目前以“众包”形式实现地图数据采集的厂商，包括特斯拉、英特尔的子公司 Mobileye 等，已经在众包采集领域深耕多年。但采集的地图数据只适用于 ADAS 驾驶，距 L3 或更高级别自动驾驶仍有一段距离。未来随着更多具有高感知能力的自动驾驶/辅助驾驶汽车上路，以及更广泛区域内对高精地图的需求，更高效率、更低成本的众包采集方案将成为主流。Mobileye 具有 REM（Road Experience Management）众包采集功能的 EyeQ4 芯片已于 2017 年问世，2018 年全年出货量达到 200 万，合作车厂包括宝马、日产、大众等。任何搭载 E

19、yeQ4 芯片的汽车理论上都能够成为地图数据的“采集点”，通过该方法采集的地图数据将被用于所谓的“L2+”级别自动驾驶，数据精度难以支持 L3 级别在特定驾驶场景下完成全部自动驾驶功能。特斯拉提出类似的数据采集思路，称为“影子模式”，在该模式下，自动驾驶系统的输出结果与驾驶者的实际操作进行对比，作为人工神经网络算法的训练数据。截至 2019 年，特斯拉自动驾驶里程达 15.6 亿英里，占特斯拉汽车行驶总里程的 10.8%，而自动驾驶龙头 Waymo的路侧里程也不过 1500 万英里，特斯拉通过“众包”形式积累的数据将成为其未来的核心竞争力。图 8：Mobileye 高精地图众包采集模式资料来源

20、：Mobileye 官网，中信证券研究部谁有资质进行高精地图数据采集并非所有厂商都有资质能进行高精地图数据采集。受到国内地图测绘政策限制，测绘资格成为当前高精地图产业的“敲门砖”。由于地图行业涉及国家安全，截至 2020 年 7 月，拥有“导航电子地图制作（甲级）资质”的单位仅 24 家，其中企业单位 20 家，外国图商则被完全排除在外。而不具备该资质的厂商则禁止参与自动驾驶地图（高精地图）的数据采集、编辑加工和生产制作环节。被排除在外的企业只能通过投资、合作等方式间接使用该测绘资质，例如吉利、东风等汽车厂商。在自动驾驶汽车亟待商业化落地当下，不排除政府未来极放宽相关资质审查政策，促进高精地图

21、领域内的良性竞争，推动国内自动驾驶技术蓬勃发展。表 3：具有导航电子地图制作（甲级）资质的单位单位获得资质 时间企业类型融资轮次企业四维图新2001/01图商2016 年 10 月 1.8 亿元 战略融资 腾讯产业共赢单位基金高德2004/06阿里巴巴子公2014 年 2 月被阿里巴巴以 10.45 亿美元的价格司并购灵图2005/05图商2004 年 2 月 200 万美元 天使轮 戈壁创投长地万方(百度地2005/05图)百度子公司2013 年 8 月被百度全资收购凯立德2005/06图商2016 年 7 月被兴民智通以 16 亿元的价格并购易图通2005/07图商2016 年 7 月 战

22、略融资 知卓资本城际高科2007/04车载信息终端供应商立得空间2007/06图商2018 年 9 月 5000 万元 战略融资 东风汽车大地通途2007/06腾讯子公司2014 年 1 月被腾讯并购光庭信息2013/06图商2017 年 9 月 上汽获得光庭信息 10%股份滴图科技2017/10滴滴子公司中海庭2018/08上汽子公司2016 年 11 月 天使轮 中海达Momenta2018/08自动驾驶算法2018 年 10 月 2 亿美元 战略融资 腾讯产业共公司赢基金、蔚来资本等宽凳科技2019/01图商2018 年 2 月 A 轮融资 IDG 资本领投；2019 年10 月 A+轮

23、融资 易行基金领投智途科技2019/05图商晶众科技2019/05图商2016 年 A 轮 上汽；2018 年 A+轮 东风、江铃华为2019/07电信网络公司丰图科技2019/11顺丰子公司京东叁佰陆拾度2020/01京东子公司速度时空2020/07图商事业单位国家基础地理信息中心2006/01江苏省测绘工程院2008/06浙江省第一测绘院2008/06江苏省基础地理信息中心2010/10资料来源：亿欧，中信证券研究部 高精地图的市场空间、格局和展望空间及格局：当前国内外主要厂商及市场空间行业壁垒高，市场内易形成垄断格局。除政策限制外，高精地图数据的采集和维护需要大量固定成本投入。高精地图关

24、系到自动驾驶安全，高精地图供应商一旦与整车厂形成封闭供应链，短时间内很难更换。目前国内高精地图行业呈现三足鼎立格局百度地图、高德、四维图新。其中高德于 2014 年被阿里并购，四维图新则于 2016 年获得腾讯的战略融资，高精地图行业背后的 BAT 格局一目了然。图 9：四维图新自动驾驶地图资料来源：四维图新官网互联网巨头、图商、车企三方角逐高精地图市场。互联网巨头通过出资、并购等方式支持传统图商抢占高精地图市场。车企为抓住自动驾驶的发展机遇，同样在高精地图领域积极布局。上汽一方面与阿里合资成立斑马网络，专攻车载操作系统，另一方面控股高精地图初创公司中海庭。此外，成立于 2016 年的自动驾驶

25、算法公司 Momenta 也参与到了高精地图的竞争当中，于 2018 年 8 月获得“导航电子地图制作（甲级）测绘资质”，是领域内少有的自动驾驶算法公司。纵观全球高精地图市场，巨头厂商已初露头角。国外的主要厂商有 Here、TomTom、 Waymo、Mobileye 以及一批优秀的高精地图初创公司DeepMap、CivilMaps、lvl 5、Carmera等。其中 Here 于 2015 年被奔驰、宝马、奥迪以 28 亿欧元联合收购，之后引入英特尔、博世等自动驾驶领域厂商的投资，形成了一个成规模的高精地图联盟。截至 2018 年，Here的地图数据已覆盖 200 个国家，超过 4600 万

26、公里。另外 Uber、通用 Cruise 等也在积极布局高精地图。表 4：高精地图海外厂商概况企业企业概况收购/合作情况MobileyeHEREWaymo（谷歌地图）TOMTOMDeepMapCivilMaps主要从事汽车领域的计算机视觉算法、 ADAS 和自动驾驶系统芯片 EyeQ 系列； 2018 年以众包方式构建高精度地图专注高精地图及位置服务；开放位置平台(OLP)运营商.Alphabet 公司（Google 母公司）旗下的子公司，自动驾驶领域的“领头羊”RoadDNA 技术，将原本的 3D 地图数据转换成 2D 视图，在对地图数据进行压缩的同时，保留道路上的关键要素高精地图可伸缩和可

27、维护的高清映射技 术，提供实时本地化的厘米级自动驾驶地图从汽车内部传感器上收集三维数据，众包采集交通信息，将其整合到自动驾驶地图中2017 年英特尔以 153 亿美元收购；2018 年与四维图新合作，在中国开发和发布 Mobileye 的路网采集管理（REM）产品2018 年与四维图新、Increment P(IPC)/Pioneer、SK Telecom 共同成立 OneMap 联盟；2018 年 3 月与宝马集团签署协议，在其下一批具有高度自动驾驶功能的量产车中使用 HERE HD Live Map2018 年 DeepMap 携手上汽提供自驾车地图服务2018 年与软件技术公司 Reno

28、vo 合作，提高 CivilMaps 的车辆认知系统性能lvl 5纯视觉制图方式实现高精地图采集通过安装在物流车辆上的传感器组件，采2018 年加盟 Renovo 旗下的 Aware 生态系Carmera集高精地图数据；基于实时数据挖掘，为统物流车队反馈实时驾驶信息资料来源：亿欧，第 1 电动，中信证券研究部乘上自动驾驶“东风”，高精地图市场规模预计在 2030 年突破 200 亿美元。高精地图作为自动驾驶技术的必要组成部分，自动驾驶产业的发展势必带动高精地图市场的繁荣。根据我们预测，未来 10 年全球高精地图市场规模将实现 10 倍增长。图 10：高精地图全球市场规模预测高精地图全球市场空间

29、（单位：亿美元）25022520090203002502001501005002020E2025E2030E2035E2040E资料来源：中信证券研究部预测行业展望：全球统一的数据采集标准、采集频率标准有待确立全球统一的规范标准有助于提高行业整体效率。目前国内外从事高精地图数据采集的厂商和机构逐渐增多，各厂商采用的数据采集设备、数据处理方法、数据存储结构等各不相同，对车厂或算法提供商采纳高精地图、以及未来可能的平台间高精地图数据交流与共享带来问题。目前主流的高精地图格式规范分为 NDS 和 OpenDRIVE 两种，此外还有日本 OMP 公司的格式规范。NDS 标准是欧洲 NDS 组织联合多家跨国企业开发的统一地图存储标准，以数据库存储技术为基础，具有兼容和可拓展等优点。OpenDRIVE 由德国 VIRES 公司发布，是一种相对成熟的格式规范。以 OpenDRIVE 格式规范为例，道路按照车道数量、虚线/实线、道路属性变化被切分为不同的部分(Section) ， 再通过参考线 (Reference Line)表征道路行驶的方向，参考线 ID 初始值为 0，ID 正向递增表示向左 1、2、3；负向