自動駕駛技術由於具備非凡的商業價值，一直以來吸引了眾多傳統車企、新造車勢力，網際網路巨頭、Tier1等玩家進入這一賽道，經歷多年的發展，諸多不同的技術路線和解決方案應運而生。如今不同等級、不同場景的自動駕駛量產方案呈現日趨務實的態勢。
無論哪種解決方案，原則上都是讓汽車實現智能「感知——決策——執行」流程，在這一過程中，高精度地圖是汽車實現「感知」不可或缺的元素，地圖的商業價值由此而凸顯。
01專業採集與眾包採集
在諸多實現自動駕駛技術方案中，地圖都處於「感知擔當」的角色，地圖數據到底該如何採集？
比較常見的是專業採集與眾包採集兩種方案。孰優孰劣？可以一起來了解看看。
專業採集
在傳統導航發展的早期階段，需要大量專業的數據採集人員、測繪設備、採集車等，往往在測繪一條道路時測繪車會來回採集多遍，以確保數據的準確性。
高精度地圖專業採集也同樣依賴於專業採集設備和專業採集人員，且高精度地圖數據對道路數據屬性和粒度要求更細緻，地圖採集時候需要包含的數據往往會涵蓋道路網絡數據、車道網絡數據、道路交通設施數據、安全輔助數據等信息。
此外，高精度地圖生產流程繁雜，在完成集中式數據採集後，還要經歷數據融合、數據處理、發布、交付等諸多環節。
眾包式採集
關於眾包式地圖數據的採集，目前暫無明確的定義，基本上可以理解為用戶通過自動駕駛車輛自身的傳感器，或其他低成本的傳感器硬體，收集的道路數據傳到雲端進行數據融合，並通過數據聚合的方式提高數據精度，來完成高精地圖的製作。
眾包採集也分為視覺和雷達等方式，目前國內外均出現了沿用不同方案的眾包公司，這些初創企業基本分兩大陣營，第一是以視覺為主，用戶使用車輛自身的攝像頭傳感器或另安裝專門的攝像頭採集視頻數據，在本車做一些基本的道路要素提取，並上傳提取結果，這些數據最終將幫助圖商/方案集成商創建高精地圖。另一種方案則是以雷達為主，主要是將雷射雷達獲取的點雲數據利用AI識別道路特徵，把道路邊線、車道線以及一些看板的特徵識別出來，建立起地圖更新或直接構建感知圖層。
02 不同地圖採集生產方式的特點與優劣
無論是專業式還是眾包式採集，地圖數據採集的目的都是助力自動駕駛技術實現，這兩者優劣各在哪裡？
專業式採集
圖商在製圖過程中採用專業測繪車，通過自主採集半自動化以及全自動化生產的方式獲得了高精度的矢量地圖，矢量地圖包括車道級拓樸、車道邊線、道路區間以及ADAS數據等信息，它能夠滿足車道級的導航功能的自動駕駛，精度和可信度高。
優勢01 精度高：專業的測繪手段與成熟的製圖工藝流程相配合，可以達到釐米級精度，能夠滿足不同等級自動駕駛技術對高精度地圖的精度要求。
02 適應性強：不同場景、不同等級的自動駕駛技術方案各有不同，礦山、園區等場景在地圖測繪時也可能會採用不同的方案（採集車搭配不同的傳感器），以滿足客制化的需求。在為客戶提供產品之前是全方位多角度的產品設計，基本上可實現與算法軟體無縫對接。
03 技術成熟：專業採集技術已經經過多年的技術積累，形成了相對成熟的流程，在質量控制方面也具有相對成熟的經驗，可以很好的滿足車廠項目的需求。
劣勢01 成本高：測繪車由於搭載了雷射雷達等昂貴的設備，一臺測繪車成本往往高達幾十萬甚至幾百萬。
02 數據量大：由於採集的地圖要素多而精細，在存儲和傳輸過程中，需要的存儲容量和帶寬要求也非常驚人，這也是目前高精度地圖的採集、製作基本上以項目/區域為主，還並未形成一張全國高精度地圖的原因。
03 專業人員需求：外業採集人員需要具備專業的知識且經過多年培訓，才能完成任務。而且後續在製圖過程中也需要大量內業人員參與繪圖、切片等製作流程中。
04 鮮度維繫不易：專業採集受制於採集車的使用頻率與地圖的製作工藝，在日新月異的國內建設速度下，數據鮮度的維持變得愈發重要且不易。
與專業測繪相比，眾包測繪的優勢和劣勢有哪些？
眾包式採集
眾包本身是為解決高精度地圖更新與製作成本問題而生，目前這種採集方式多用於地圖數據更新，也就是把地圖更新的任務交給道路上行駛的大量非專業採集車輛，利用車載傳感器實時監測環境變化，並與高精度地圖進行比對，當發現道路變化時，將數據上傳至雲平臺，再下發更新給其他車輛，從而實現地圖數據的快速更新。
對於眾包而言，大多數是基於視覺算法形成地圖。利用攝像頭採集視頻數據，經過深度學習算法，或者圖像識別，大量的數據投餵給深度學習算法則讓機器有了更強大的識別能力，從而提高了數據處理的能力。它非常依賴於算法，原則上它是通過大量數據共享、挖掘、分析和融合來彌補單個數據質量精度低的問題，提升地圖精度和可信度。
優勢01 相對成本較低：與昂貴的專業的雷射雷達測量車相比，成本較低，普通車輛經過簡易改造即可執行任務。
02 數據來源非常豐富、實時性好：大量非專業採集車輛在行駛中即可即時獲取道路狀況發生的變化，這種UGC的數據產生方式可以及時完成路況數據快速檢閱與更新的問題。
03 是實現實時更新的低成本和可量產化的方案：眾包採集具有一些非常顯著的優勢，中國大概600多萬公裡的道路數據，如果按照專業測繪的方式採集，成本與時耗都將是個天文數字。
劣勢01 傳感器數據來源和標準不一：由於各家眾包方案使用的傳感器不一樣，導致數據來源、精度、格式標準都不統一，各種傳感器採集的數據在融合時會出現一定難度。
02 精度不夠：眾包方案產生的數據大多是視頻數據，精度較低。圖像包含的信息量非常大且大部分為非結構化的數據。實際上，這些非結構化數據要處理成結構化數據，是要通過標定和AI算法把圖像數據變成矢量化數據。精度比較低的話，後續處理會更加複雜。為了提高精度達到高精地圖的要求，需要海量的數據做數據聚合後才行，也造成了很難通過眾包的方式做成第一張高精地圖，而這種方式各家適合於數據更新。
03 政策門檻：對於眾包數據採集的行政許可目前是沒有的，根據測繪法對測繪行為的定義，企業性質的大範圍的帶GPS或不帶GPS的地理數據搜集行為屬於測繪行為，這些數據需要由有甲級導航電子地圖資質圖商收集處理。
04 技術門檻高：眾包製圖整個過程涉及到計算機視覺技術，AI技術，數據融合技術等目前業界的一些尖端技術，有些技術目前還相對不成熟。
一直以來，大範圍的精度控制難、製作和更新成本高、以及近乎實時性等要求，都是高精度地圖面臨的重大挑戰。採用專業採集和製作的方式來完成一張全域的高精度地圖底圖以保障大範圍的精度控制，是當前主流圖商的基本做法。而通過眾包採集，主要依賴算力、AI及計算機視覺技術，實現無人幹預的全自動化實時雲端製圖和發布，則是未來的低成本快速更新高精度地圖的主流趨勢。
部分素材來源於網絡，如有侵權請聯繫刪除。