自动驾驶已进入落地关键期——访百度副总裁吴梦漪

提交资料后最快2小时标注成功

人们生活水平不断提高，对智能化汽车、自动化驾驶的需求日益增加。自动驾驶地图作为智能化出行的重要组成部分，能够更好地辅助自动驾驶汽车定位、感知和进行路径规划，可实时提供厘米级高精度定位服务，市场广阔。未来，智能驾驶将成为汽车产业决胜的关键。作为国内乃至世界范围内的自动驾驶领先企业，百度是如何思考和布局的？百度自动驾驶地图是如何生产的？又将如何落地应用？让我们听听百度副总裁吴梦漪是怎么说的。
探索多样化的制图方式

看到自动驾驶地图对中高级自动驾驶汽车的重要作用，全球科技公司和汽车企业对于自动驾驶地图非常重视，纷纷布局该产业。据《2021-2025年中国自动驾驶汽车高清地图市场可行性研究报告》可知，自动驾驶汽车市场高清地图的主要参与者包括TomTom（荷兰）、HERETechnologies（荷兰）、Waymo（美国）、NVIDIA（美国）、百度（中国）、DynamicMapPlatform（日本）、四维图新（中国）和Zenrin（美国）等。

“
“自动驾驶地图市场规模增长迅速，尽早布局有利于获得先发优势，当前全球自动驾驶汽车高清地图市场规模已超70亿元，预计到2030年市场规模将达到1000亿元，2021年至2030年的复合年增长率超过30%。”吴梦漪说。

目前，中国已成为全球汽车生产中心，中国车企技术进步增加了对高级辅助驾驶汽车的需求。“相较于国外车企直接投资于地图企业，国内车企更倾向于与地图厂商合作。”吴梦漪解释说，“这一方面是受国内的导航电子地图制作甲级测绘资质限制，另一方面也是由国内外自动驾驶汽车产业发展的不同阶段决定的，高精度电子地图市场直接依赖于自动驾驶汽车市场的增长，随着中国自动驾驶汽车市场规模的增长，中国自动驾驶汽车高精地图市场规模将快速增长。”

当前，自动驾驶地图制图主要有三种方式，一是集中制图，在遵守相关法律法规的前提下由专业队伍利用采集设备进行规模化采集，集中绘制自动驾驶地图,可满足对自动驾驶地图精度和鲜度要求不高的L3级自动驾驶,其量产落地将取决于自动驾驶汽车的准入。这种采集方式的数据质量稳定，但数据时效性较弱，成本相对较高。二是众包制图，在遵守相关法律法规的前提下依靠用户（车辆）采集大量真实可靠数据后回传给云端，经过云端计算处理生成自动驾驶地图并通过OTA下发到车端，可实现对动态事件更新，满足L4级自动驾驶使用，但现行管理规制中信息安全与数据格式问题有待明确。

三是车路协同制图，在遵守相关法律法规的前提下通过智能路侧基础设施采集路面实际情况与车辆行驶数据，并通过路侧边缘网络分发给车辆，实现自动驾驶地图的实时更新分发，适合复杂城市场景，受制于车路协同发展。

目前百度在长沙、武汉、成都、无锡等城市示范区的自动驾驶地图主要采用集中制图方式，在北京示范区先行先试政策支持下率先在国内试点通过众包制图方式制作北京示范区自动驾驶地图，为分阶段探索多样化自动驾驶地图制图方式提供借鉴。

百度高精地图“生产线”

据介绍，百度自动驾驶地图的生产有五个过程：数据采集、数据处理、元素识别、人工验证和地图发布。

数据采集是一项庞大的密集型任务。目前主流的自动驾驶地图数据采集方案有两种：一种是基于激光雷达，另外一种是基于视觉的方案。激光雷达采集的信息虽然非常准确，但是没有丰富的语义信息、没有色彩信息，视觉制图精度又不够。所以，为了发挥点云信息准确和图像丰富的色彩和语义特性，百度自动驾驶地图采用了将两者融合的技术实现方案。

百度自行设计的采集车，可以融合传感器采集到的数据，形成了惯导数据、GNSS数据、DMI数据、激光点云数据、全景相机或双目相机数据、精密星历数据等大批量原始数据。

百度Apollo是向汽车行业及自动驾驶领域合作伙伴提供的软件平台，定义了一个硬件框架，将这些传感器集成到单个自主系统中，通过支持多种类的传感器收集各类数据，将这些数据融合，最终生成自动驾驶地图。

数据预处理，是实现点云拼接和底图生产的过程。经过自动化的GNSS组合导航解算、采集偏差校正、路面异常变形校正等软件自动化处理完成原始数据的解算，得到原始点云数据。再利用智能算法对有先验知识的点云进行要素分类，给定分类值，确定有价值的要素点云后，对影响后续提取的噪点进行滤除，对作业范围外无效的点云进行自动裁切。元素识别，Apollo使用人工智能来检测静态对象，对其进行分类，其中包括车道线、交通标志，甚至是电线杆。自动化提取是成图的关键步骤，也是高精度制图的技术保障，通过点云分类结果和点云的强度值自动跟踪提取车道标线、路面标志、交通标志、杆状物等，以及路面、路侧、路上的交通设施和对自动驾驶有影响的附着物，提取的矢量数据根据识别结果自动赋属性值，和相邻的其他要素组织逻辑关系。

人工验证，不管是基于点云的自动化成图还是基于视觉的自动化成图，短期内都无法实现完全的自动化，在相当长时间内仍需要投入必要制图人员通过目视检查修正数据，手动验证可确保自动地图创建过程正确进行并及时发现问题。Apollo使手动验证团队能够高效标记和编辑地图，经过数据采集、数据处理、元素识别、手动人工验证之后，在确保满足相关法律法规要求的前提下才能正式公开发布自动驾驶地图。

Apollo是百度自动驾驶地图科技创新的集中体现，它采用在自动驾驶地图里面嵌入多个定位的锚点的方法解决了树木环绕的环境（林荫路）下卫星定位效果都不佳的难题。对于林荫道路卫星定位信号弱的复杂路口，自动驾驶地图在路口所有的左转/右转车道上绘出虚拟车道及其关联线，降低决策规划的难度，并在所有左转/右转的路口标志ROI区域，减少计算量的同时也能保证安全。

红绿灯的定位与感知是自动驾驶地图制作的另一个难点，Apollo采用停止线关联对应的红绿灯方式，在自动驾驶地图内部包含红绿灯的精确位置和高度信息，来降低感知难度，避免误识别。目前Apollo生产出的自动驾驶地图主要应用在高精定位、环境感知、决策规划、仿真运行四大场景。

一体化生产，缩短更新周期

想要真正实现赋能智慧出行，自动驾驶地图还需要更高的更新时效性。以百度地图“一体化地图数据Al大生产平台”为代表的新一代地图数据生产模式，能够从基础层赋能地图的一体化构建，支持标准地图数据和车道级地图数据的融合生产。预计在2022年全面实现标准地图、车道级地图、自动驾驶地图数据的标准化统一生产，有望将自动驾驶地图数据生产效率提升100%。基于该平台的数据更新具有以下特点：

在数据生产方面，平台以一套系统整合多种数据生产架构和工艺流程，可同时满足不同精度等级地图数据（相关要素属性超过550类）的标准化统一模型表达（关联要素表达一致性可达100%），让数据更加全面、统一，实现地图数据信息的“一次操作、同步更新”，充分利用多源资料的不同优势，保障数据最优质量。在数据质量方面，能够做到一个作业平台贯通数据预处理、检测识别、融合生产及发布的全生产流程，可实现不同精度、等级地图数据的一体化制作和存储，并且支持关联要素自动转换，确保数据成果高度一致。

在数据输出层面，平台可用“一张图”实现面向C/B/G多端产品的定制化输出，针对行业客户(如不同品牌的车企)不同的应用需求，也能够通过一体化的平台服务实现标淮化准入，让数据输出更加灵活、高效。

以现实世界中某路段车道数量变化为例，假设某个路段的车道数量从2个车道变为4个车道，自动驾驶地图和标准地图都面临数据更新的需求。

以往的高精地图更新模式往往相对依赖专业采集车和较多人力投入，从发现变化到最终“上图”，采集周期长成本高。而在标准地图中，数据更新往往也会涉及到像车道数量这样的道路要素信息，且更新来源多、时效快，借助智能化、一体化的地图数据生产能力，能够较好地弥补自动驾驶地图采集周期长的短板，将标准地图快速更新的优势同步扩展至自动驾驶地图。

目前，百度自动驾驶地图生产全流程自动化率达到90%以上，加工环节已实现AI化，效率较传统的地图生产模式提升超过30倍。覆盖范围广，全国高快速全域覆盖+普通道路覆盖头部城市已超过40万公里（含部分园区和停车场）。地图绝对精度可达50厘米，相对精度可达10厘米，事件数据更新时效大幅提升至分钟级。制作内容更贴合应用需要。目前，百度的自动驾驶地图与多家车厂合作并实现量产，数据得到应用检验。

数据动态更新采用自主采集+多渠道生态合作+多用户实时交互+多模态融合挖掘多元化结合模式，通过多渠道回传的信息（图片、点云、GPS轨迹等）识别特征，与底图差分对比后检测出变化，提取差异信息并进行三维重建，将差异信息和三维重建资料输入生产进行数据融合和变化点更新，更新成果回库，最终呈现动静态一体化的地图数据服务能力。

“服务当下交通治理，面向未来智慧驾驶”

国务院印发的《“十三五”国家战略性新兴产业发展规划》中指出自动驾驶地图的应用方向：要坚持单车智能和网联赋能并行发展路径，推动智能网联汽车产业实现高质量发展。在产业政策支持下，以百度为代表的中国企业持续研发投入、不断创新，摸索出“单车智能”加“车路协同”发展路线以及自动驾驶规模化落地解决方案，逐步形成涵盖自动驾驶芯片等硬件生产、自动驾驶技术解决方案研发、整车制造等全产业链生态，奠定了我国自动驾驶和智能汽车领域产品技术、解决方案自主可控和全球创新领先的基础。

“
在新一轮竞争中，百度对自己生产的自动驾驶地图充满信心，吴梦漪表示：“目前，百度是国内既拥有高精地图领先技术，又能提供自动驾驶完整解决方案的全面布局的公司。”“百度Apollo拥有国内领先的自动驾驶技术以及国内领先的自动驾驶车队，因此Apollo自动驾驶地图堪称‘最懂自动驾驶的高精地图’，也是业界精细化程度高、生产率高、覆盖面广的自动驾驶地图。”目前，Apollo高精地图的自动化程度已经达到了96%、准确识别率达到了97%以上，基本覆盖全国所有的重点道路。

高精地图有很多种格式，为了方便数据共享，Apollo高精地图采用了OpenDRIVE格式，这是一种行业制图标准。一般自动驾驶系统设计的反应时间是200ms，留给高精地图的时间为50ms，Apollo对OpenDRIVE做出了改进，制定了Apollo OpenDRIVE标准，这使得地图的反应时间可做到5ms以内，更适合无人车。

自动驾驶已进入落地关键期

交通强国，智慧交通是国务院发布《“十四五”数字经济发展规划》的发展战略。自动驾驶将成为全球科技创新竞争的焦点，而车路协同发展，实现智能网联汽车与智慧城市协同发展、智能基础设施建设、智能网联汽车应用场景是中国实现超越的关键路径。

立足当下，百度智能交通参与双智试点建设的实践，加速L4级自动驾驶落地和促进L2+级辅助驾驶规模落地的产业价值。

在《中国电动汽车百人会论坛（2022）》大会上，全国政协经济委员会副主任苗圩表示，智能网联汽车技术已进入落地关键时期。实现无人驾驶是智能网联汽车的终极目标，目前实现路径有两种，分别是以百度为代表的阶跃式和以特斯拉为代表的渐进式。现在，中国的百度明显赶上来了。

他提到，在北京亦庄高级别自动驾驶示范区，通过把聪明的车、智慧的路、精确的图、实时的云和可靠的网五位一体组合起来，现已成为国内最有特色的试点示范区之一。

“
吴梦漪介绍：“当前，我国自动驾驶已进入落地关键期，但尚未形成规模覆盖的车路协同商业生态。”

以百度为例，百度萝卜快跑已在北京、上海、广州、深圳等超大城市实现自动驾驶载人出行服务，成为了全球最大的自动驾驶出行服务商，仅2021年第四季度，萝卜快跑载人订单量已达21.3万单，2022年这一数据仍在高速增长中。

4月28日，北京发放无人化载人示范应用通知书，百度成为首批获准企业，其旗下自动驾驶出行服务平台萝卜快跑正式开启无人化自动驾驶出行服务，这意味着“方向盘后无人”的自动驾驶服务在中国超大城市首次放开。但我国高等级自动驾驶汽车发展仍面临不能入市、不能上牌、不能去掉安全员、不能运营收费、发生交通事故时责任难以认定等诸多问题。这些问题需要政府、行业、企业进一步突破与技术、产业发展不相适应的政策瓶颈，充分发扬“敢为天下先”的精神，激发自动驾驶领域创新能力。

百度已形成有竞争力的汽车智能化产品矩阵，并已经实现量产。在智能化领域的下半场中，百度将与汽车企业共同探索长期健康发展、共赢的合作模式，为广大消费者提供安全、智能、舒适的驾乘产品体验。