2023年6月14日，由江夏区人民政府、盖世汽车、武汉大学测绘遥感信息工程国家重点实验室主办，江夏科技投资集团有限公司承办的2023第五届自动驾驶地图与定位大会上，武汉大学教授、博士生导师李必军表示，从传统的地图，到导航地图，再到高精度地图，企业高度重视地图设计。地图体系的核心内容是“模型”，即怎样组织、存储数据，怎样表达信息。从高精地图生产来看，未来信息采集将实现全球覆盖。目前高精地图存在的一个难点在于需要对高精地图进行场景划分；另一个难点是目前尚未形成统一的标准。
李必军|武汉大学教授、博士生导师
(资料图片)
以下为演讲内容整理：
地图感知如何融合自动驾驶
地图需要许多理论基础，面对自动驾驶的地图与汽车导航地图有所不同。自动驾驶所需地图应该如何表达、存储或使用？2018年前我提出地图感知融合实现自动驾驶，既不是单纯地图，也不是单纯感知，而是融合协同。从国家角度来看，智能汽车需要精确的智能控制和环境信息，2022年8月30日，自然资源部发布《关于促进智能网联汽车发展维护测绘地理信息安全的通知》，明确了在智能汽车上安装定位、图像采集设备等属于测绘行为。
测绘行为肯定是用到地图，地图的应用从传统地图到导航地图，再到高精度地图。很多设计师把地图看得很重，在复杂环境下，地图具有众多优势，比如转弯半径、上下坡坡度、路线长度、车道等。由于传统导航电子地图的信息不全，因此需要增加大量信息，并且采集成本也较高。
为了支持11部委提出的智能汽车创新发展战略，以及推动智能驾驶汽车的系列标准建设等，在专项中增加了编码为706的子项。标准体系有些已经在制定，有些尚未完成，它又分为五大类，从基础通用到安全管理。
导航地图安全有一个强制标准，必须进行加密和偏转。在加密完成后，还需要考虑如何解密和还原。关于地图体系，需要解决的核心问题是如何存储数据和组织。在导航方面，我们使用较多的格式有两种：欧洲NDS标准和日本kiwi标准，中国有自己的标准，但未得到认可，因为此前销售较好的是合资企业和品牌，新能源汽车出现后注定会逐步赶超。
武汉大学提出的四层模型，核心内容增加了定位特征，即在驾驶过程中，人的行为是根据与路上的交互实现定位和相关导引。这个过程中涉及到了如何进行定位，机器定位又需要什么技术和特征。机器还无法达到通过记忆和本能来判断，所以我们诟病的是庞大的计算能力而非算法。此外，我们还增加了用户层，让用户保持自己的习惯。
在习惯的基础上如何将其转化为模型？在这个模型中讨论了概念和逻辑问题，实际上最终还是要形成文件的格式，而驾驶中使用较多是部分专业化生产的力量。但自动驾驶存储方式存在很多问题，如无法区分动态车辆和地下隧道等，因此还需要进一步完善。
数据模型与场景处理
ASAM模型，将道路分成车道、用户层、动态层等进行描述，并将地图分成多个部分进行表达。一方面，地图学中，通常使用点线面、路口和路段来表示地图的基本逻辑结构。另一方面，高级定制图层和表达，图上基本都有这些内容，但每家都有其细微的变化，而且地图是很难通用的。其中的重点是需要具备测绘的导航地图资质，核心是要有三维模型等能支持数字展示。
数据模型和格式有很多不同，现在只需要包含特定点、图像信息和路上的属性信息。我们可以利用背包式、移动式和机载实现数据的采集，以及众包和低空遥感数据采集。通过这种能力可以实现大范围的地图更新，基本上4天内全球更新一次，并且未来高新技术采集的门槛和成本都会降低。
因此很多企业对高精度地图处于观望的状态是正确的。在没有卫星的情况下，如何进行采集？以高速公路、高架为例，我认为高速上不需要高精度地图，可以直接通过感知实现，因其车道线非常明确。而在地下停车场、高铁站、机场等场景，是无法确定具体位置，导致定位问题难以解决。
我们需要将场景分为几个方面：结构化道路，如高速公路、城市道路等。乡村道路则是非结构化道路。国道有很多边界线，如中心线和边界线等，导致结构不完整。在这种不完整的情况下，计算机处理起来相当麻烦，因为它需要依靠人工智能来解决问题，所以是无法感知道路，并且边界线也有很多不清晰的部分。
在这种情况下，需要强调算法和制作的部分，现在有很多不同格式的编译和定义。在变换格式时，由于标准不同，且不满足自动驾驶需求，导致需要不断升级和更新。更新完成后，还需要重新调整，会造成工作量变大，所以如果有统一的标准，操作方面会更为简洁。
目前主流的是基于众包更新，但需要资质，加密方法和手段尚不确定。现在的决策依赖计算，而非人为记忆和直觉技能，随着人们驾驶技能的提高，操作也会变得愈发轻松。但计算机不能仅凭本能，因为无法通过计算来了解情况。因此，在地图中需要增强人的视觉定位。
在智能驾驶中，地图的支撑需要一些特征，如视觉和几何特征。计算机强项在于了解相互关系，但视觉方面并不能做到准确且快速。每家公司都有自己的一套方法，这意味着又各自具有其特征，但加工后提供给别人使用就存在困难。人工智能可能通过大量计算得到最好的参数，这个参数就是企业的核心竞争力，因此就变成了一个矛盾点，解决方法是需要各行各业形成共识。
空间与时间感知下的高精定位
如何识别语义特征是一个核心问题，涉及到人类认知机理和逻辑接口，我们需要了解如何描述、表达和如何构建。因此需要制作3D图、高精度地图等，这样通用性和专业性都会得到提高。现在的算法因为缺乏前沿知识才会复杂，而在现实情况下，让计算变得简单，只需检测路口红绿灯，如果没有路口就不需要红绿灯，传感器性能也会下降，计算能力就不需要那么高，因此地图需要对算法和传感器进行调度和规划。
有学者已经进行了大量研究，探讨如何与汽车进行接口、地图之间如何互联、如何通过汽车对力度提出要求、地图反过来对汽车结构提出指导。在跨学科交叉融合的过程中，实际上是能够解决这些问题，需要一起共同努力。
我们有高新地图和基于普通地图的地图，未来也想尝试基于导航地图和osm地图。志愿者地图较为简单，只有一条线，许多车道和小区域都可以使用。但在开放马路上存在风险，一方面法律上不允许，另一方面风险较大。因此，我们需要在示范区内基于普通地图进行测试工作。
前期我们需要制作一个高精地图，许多视觉等特征都在后台图片上，虽然画面较为简单，但因为基于模型化，数据量小。下图左边是春笋，右边是厦门港的示范图。基本的高清地图不足以实现，需要高效融合。我认为这种融合只是一个途径，即基本概念和方向，同时还需要通过感知和脑子结合来准确判断。
图源：演讲嘉宾材料
近些年，科技部已经开展了智能驾驶方向的研究，我们也在测试和研究人的行为预判，以及如何将车辆与地图结合等，这将是未来的重要研究方向。目前我团队承担的科技部的重点研发计划项目，主要是关注定位和地图，同时也需要具备空间和时间的感知机理，时间和空间两方必须同步，时间越准，精度就越高。
（以上内容来自武汉大学教授、博士生导师李必军于2023年6月14日，由江夏区人民政府、盖世汽车、武汉大学测绘遥感信息工程国家重点实验室主办，江夏科技投资集团有限公司承办的2023第五届自动驾驶地图与定位大会上发表的《高精地图模型、表达与应用》主题演讲。）
标签：
