高級別自動駕駛滲透率的逐步提升，對高精度視覺基礎設施的要求也越來越高。自動駕駛的傳感器主要包括雷射雷達、毫米波雷達、麥克風陣列、雷射雷達+imu、陀螺儀和磁慣量傳感器等多種傳感器。其中基礎的傳感器有雷射雷達、毫米波雷達、imu（磁慣量傳感器）等。而對於高精度地圖來說，一般包括2d地圖和3d地圖。2d地圖主要包括雷射雷達+imu等，而3d地圖是利用紅外+3d雷射雷達，高精度地圖主要是磁慣量傳感器的作用。雷射雷達用於高精度的一維地圖，通過雷射雷達獲取地面點雲；毫米波雷達用於高精度的3d地圖，將車輛的雷射雷達數據經過衍射、slam等多種方法得到的地圖數據與點雲進行匹配，求得運動模型，計算運動軌跡，一般用於自動駕駛。
毫米波雷達+imu主要可以用於高精度一維地圖，比如環視地圖；磁慣量傳感器在自動駕駛中的作用主要是判斷周圍的一般軌跡是否與經緯度坐標計算的相符合，如果不符合就需要做視覺增強，最終獲得車輛的軌跡信息；dem的作用就是獲取其他傳感器的3d點雲或模型。高精度地圖主要依靠雲端的計算，計算量大。傳感器一般通過接入gps、雷射雷達和毫米波雷達進行檢測。經過多年的發展，目前高精度地圖處理系統主要由3d重建、精確3d重建、高精度網格三大階段進行。
高精度網格階段通過3d雷射雷達獲取三維車輛原點坐標和縱縱坐標，通過高精度3d卷積神經網絡提取高精度特徵點圖。fast2pair是基於熱卷積的機器視覺融合方法。該方法利用3d雷射雷達和毫米波雷達，提取三維車輛的點雲信息。基於點雲特徵圖的3d雷射雷達和毫米波雷達融合地圖建立是指通過雷射雷達點雲，高精度點雲輸入到pacsfast地圖數據融合系統。高精度網格階段結合雷射雷達數據和點雲數據，對輸入的點雲和三維地圖進行融合獲得最終高精度地圖。3d重建階段基於高精度3d雷射雷達點雲，高精度3d點雲進行3d重建，每個點維度為三維點和雷射雷達點分別獲取前三維的投影坐標。
高精度3d重建是一個雙機融合模型，需要較大的數據集，同時由於空間信息對重建準確性有影響，並且其經過計算量大，需要2d地圖進行融合；現階段3d重建速度較慢，計算量較大。此外，由於3d點雲與雷射雷達點雲相對應的點的精度較高，所以也需要3d重建。計算較耗時；高精度3d重建階段主要採用自動編碼算法解決，其的缺點是不能保證三維點和雷射雷達點的順序對應，即點雲編碼並非對齊，可能出現點雲編碼不正確的問題。高精度網格階段可通過半自動編碼算法，對三維點雲進行解碼，同時對網格進行編碼。