自動駕駛和車聯(lián)網(wǎng)會相互融合，而一個芯片級地圖方案可以更好地將這兩項業(yè)務串聯(lián)起來。

配合車企分階段實現(xiàn)自動駕駛的時間表，圖商也在分級定義地圖產(chǎn)品。

近日，四維圖新CTO 戴東海在接受采訪時更新了高精度地圖方面的進展：今年6月份時，公司具備了支持Level 2全國高速公路網(wǎng)覆蓋的數(shù)據(jù)和產(chǎn)品，達到量產(chǎn)的能力。Level 3的地圖正在按照2017年中旬可商用的規(guī)劃推進，Level 4高精度地圖已經(jīng)在北京和上海兩個城市做前期驗證，有些工作已經(jīng)走通。到2019年初左右，會提供主要城市的Level4級別的地圖數(shù)據(jù)。

在給出具體的時間規(guī)劃表后，關于如何為車企提供自動駕駛產(chǎn)品，自動駕駛會與車聯(lián)網(wǎng)業(yè)務如何配合，四維圖新在業(yè)務流程上有哪些變化，車云菌和戴東海聊了一些詳細信息。

四維圖新CTO戴東海芯片級的地圖方案

今年5月，四維圖新收購了聯(lián)發(fā)科子公司杰發(fā)科技，后者是一家車載信息娛樂系統(tǒng)解決方案提供商。兩家公司將合作研發(fā)生產(chǎn)低功耗高性價比芯片，主要作用是在自動駕駛過程中，進行地圖和傳感器的相關運算，包括處理車端傳感器傳來的感知數(shù)據(jù)，進行高精度匹配和決策，提取道路屬性和地物信息等等。

具體來說，在自動駕駛過程中，高精度地圖需要和傳感器時刻保持溝通。這塊芯片上，傳感器和高精度地圖的數(shù)據(jù)會相互融合，完成實時感知任務。同時在傳感器眾包采集地圖數(shù)據(jù)時，芯片中寫入的深度學習算法可以對攝像頭和激光雷達采集的數(shù)據(jù)進行分析處理，從中提取交通、交通設施等地圖強相關信息，用來完善自動駕駛地圖。

芯片上涉及的深度學習算法，四維圖新基礎技術研究院的深度學習實驗室正在自行研發(fā)和完善。以交通標志牌的識別為例，戴東海表示算法達到的識別率已經(jīng)超過了人類，基本上已經(jīng)可以完全實現(xiàn)自動化。

高精度地圖如何存儲

相比高精度地圖參與的融合數(shù)據(jù)運算，業(yè)內(nèi)人士表示，更加具有挑戰(zhàn)性的是高精度地圖如何在車端存儲。高精度地圖包括基礎導航層，高精度路網(wǎng)層，實時動態(tài)層，還有很多相關的環(huán)境影響因素，在圖層上和傳統(tǒng)導航地圖存在交叉，但是會補充大量的精細要素，一些對更新要求不高的基礎數(shù)據(jù)會存放在本地。隨著自動駕駛級別遞增，要在保證清晰度的基礎上，也要想辦法把地圖數(shù)據(jù)大小控制在合理的范圍之內(nèi)。

對此戴東海的回答是，目前車機端的存儲能力就能支撐高精度地圖的存放。四維圖新支持Level2、Level3自動駕駛的數(shù)據(jù)量并不大，只要在傳統(tǒng)導航地圖數(shù)據(jù)量基礎上增加1/3左右，就可以覆蓋到現(xiàn)在全國的高速公路網(wǎng)。Level4以后，數(shù)據(jù)量會有增加，但數(shù)據(jù)量也不是非常龐大。

包括通過攝像頭和激光雷達傳感器眾包采集的數(shù)據(jù)，算法也會進行矢量化處理，減小在本地的存儲和運算。雖然激光雷達和攝像頭采集的數(shù)據(jù)類型不同，因為有了數(shù)據(jù)矢量化的過程，如果車廠在原攝像頭方案基礎上增加激光點云，整個構架的邏輯和解決方案都可以持續(xù)延用。

自動駕駛和車聯(lián)網(wǎng)會相互融合

根據(jù)戴東海介紹，在Level 2-Level3級別自動駕駛，這塊芯片會放在車機端，同樣用于支撐四維圖新車聯(lián)網(wǎng)產(chǎn)品的運算。到Level 4級別，隨著運算量的增加，可以根據(jù)車企需要提供一塊單獨芯片用于自動駕駛的感知數(shù)據(jù)處理。

值得注意的是，戴東海在介紹這塊自動駕駛地圖業(yè)務時，把它歸為了車聯(lián)網(wǎng)3.0版。車端傳感器收集的數(shù)據(jù)會在本地處理后上傳到云端，一些確定的更新會從云端下發(fā)到本地更新地圖，地圖用于支持自動駕駛?cè)蝿铡?/p>

自動駕駛和車聯(lián)網(wǎng)會相互融合，而一個芯片級地圖方案可以更好地將四維圖新車聯(lián)網(wǎng)和自動駕駛兩項業(yè)務串聯(lián)起來。在整個過程中，四維圖新也從單純的地圖數(shù)據(jù)提供，轉(zhuǎn)變?yōu)檎麄€過程提供數(shù)據(jù)服務。

圖商面臨的工具鏈革新

之所以提到這點，是因為戴東海認為這是和開展自動駕駛業(yè)務同等重要的一件事。

他向車云菌介紹，尤其是發(fā)展到支持Level4自動駕駛，利用激光雷達設備以及眾包方式采集的數(shù)據(jù)會越來越多。龐大的數(shù)據(jù)量依靠人工處理并不現(xiàn)實，需要有一套自動的智能系統(tǒng)參與。

在一些物理世界電子化的過程中，逐漸加入一些自動化的作業(yè)方式。例如可以用深度學習算法識別出采集素材中的POI位置點、標志牌等信息，讓機器代替人工標記，如果說深度學習在自動駕駛汽車上的應用是解放駕駛員，在地圖領域的應用就是“把制圖人員從標記環(huán)節(jié)拽走”。

從公司架構我們也可以看到一些變化。四維圖新研究院中陸續(xù)成立了智能駕駛、深度學習、未來導航引擎核心、云服務四個實驗室。其中深度實驗室除了研發(fā)感知部分的算法，也會把深度學習和地圖作業(yè)的各個環(huán)節(jié)，用于工具鏈的智能化升級。

不過戴東海也坦言，作業(yè)流程的變革更新不是一蹴而就，而是逐漸改革的過程。利用深度學習識別標志牌被識別后，還需要去進一步理解標志牌的含義。圖商內(nèi)部的工具鏈的革新也是逐步實現(xiàn)，“這一點和自動駕駛的發(fā)展也是一樣的”。