語義高精地圖是高層級的高精地圖，語義地圖的實(shí)現(xiàn)需要以幾何地圖為基礎(chǔ)。在這篇文章中，將要講述自動駕駛語義高精地圖的實(shí)現(xiàn)過程。

正如人類駕駛員出行需要導(dǎo)航地圖并觀察周圍環(huán)境來確定行駛路線一樣，自動駕駛汽車上路時(shí)除了依靠自帶的傳感器探路避障，還需要一份地圖來確定自己的位置，進(jìn)行路線規(guī)劃，這種供自動駕駛汽車使用的地圖就是高精地圖。
自動駕駛車輛依靠自身配備的傳感器探測車身周圍環(huán)境信息，但超過車身一定距離后，例如車輛前方500米的道路環(huán)境，僅依靠車身傳感裝置很難得到信息反饋，而高精地圖能夠提供超視距信息，彌補(bǔ)傳感器探測的不足。這些全面精確的信息能夠?yàn)檐囕v增速還是減速、直行還是轉(zhuǎn)彎等行為提供必要的決策依據(jù)。

在真正上路行駛的過程中，隨著更高級別自動駕駛的出現(xiàn)以及更高安全要求的提出，僅僅包含了幾何位置信息的高精地圖已經(jīng)不能滿足市場的需要，現(xiàn)在自動駕駛要做的不僅是對環(huán)境的物理性描繪，更要對環(huán)境進(jìn)行理解，而對環(huán)境的理解分成兩部分：最基礎(chǔ)的是幾何描繪，例如車輛前方是彎道、直道還是十字路口，距離車輛多遠(yuǎn)等空間信息。幾何地圖幫助車輛進(jìn)行自身定位，并準(zhǔn)確識別車輛自身處于地圖中的何種位置。第二是語義理解，即通過幾何描繪出的這個圖形是信號燈還是路標(biāo)等。
語義地圖幫助車輛保持在某一正常車道內(nèi)運(yùn)行，讓自動駕駛車輛了解不同類型的道路之間、道路與路燈和行人之間是怎樣的關(guān)系，并按照社會公序良俗和具體環(huán)境中他人的期望來選擇如何作為。語義高精地圖是高層級的高精地圖，語義地圖的實(shí)現(xiàn)需要以幾何地圖為基礎(chǔ)，在這篇文章中，將要按順序講述自動駕駛語義高精地圖的層級實(shí)現(xiàn)過程。

道路網(wǎng)絡(luò)圖

語義高精地圖的最基礎(chǔ)層是道路網(wǎng)絡(luò)圖。道路網(wǎng)絡(luò)圖能夠表示存在多少車道、它們行駛的方向以及連接到哪條道路，還能顯示人行道和車道之間的優(yōu)先關(guān)系，這使得自動駕駛車輛能夠安全地停在十字路口或人行橫道上從而實(shí)現(xiàn)交叉通行。這些都是可以通過其他層進(jìn)行變化的復(fù)雜屬性：交通燈的變化影響車輛需要向哪些車道讓路，或者依據(jù)時(shí)間段改變單雙向車道。道路圖層與車載導(dǎo)航地圖相似，只不過功能更加豐富。自動駕駛汽車的規(guī)劃功能使用道路網(wǎng)絡(luò)圖來確定從A到B的粗略路徑，并通過避免復(fù)雜的交叉路口或限速道路來幫助自動駕駛車輛降低風(fēng)險(xiǎn)。

車道幾何層

道路圖層的基礎(chǔ)上是精確到厘米級的車道幾何圖層。這一圖層形狀上是一組多邊形，表示路面上的車道標(biāo)記以及車輛將遵守的街道規(guī)則。這一圖層顯示的數(shù)據(jù)還包含在導(dǎo)航地圖中通常沒有的屬性：線條顏色、允許換道區(qū)域、減速帶和停止線等。
了解這些屬性能幫助車聯(lián)對其他車輛或者行人做出明智的決定，使車輛能夠安全地執(zhí)行一些復(fù)雜的操作。雖然道路圖層能夠?qū)崿F(xiàn)高水平的規(guī)劃決策（例如規(guī)劃從舊金山到西雅圖的路線圖），但車道幾何圖層能夠幫助實(shí)現(xiàn)更具體和詳細(xì)的路徑規(guī)劃：如何轉(zhuǎn)動方向盤并使用踏板穿過這個十字路口？是否存在例如單行道類的環(huán)境限制？

在車道幾何圖層的輔助下，當(dāng)自動駕駛汽車真正行駛在路上時(shí)，可能會出現(xiàn)改變初始路線的實(shí)時(shí)決策。車輛的行為規(guī)劃器使用虛線白色的車道分隔器來決定何時(shí)將控制命令發(fā)送到車輛的油門和轉(zhuǎn)向控制，從而安全地改變車道或與車流合并。
感知系統(tǒng)檢測其他交通參與者并對其進(jìn)行分類（例如，我旁邊有一個大型物體，我認(rèn)為它是卡車）。然后，車輛的智能預(yù)測功能使用地圖位置、速度等信息來預(yù)測卡車在接下來的幾毫秒和接下來的10-30秒內(nèi)將做什么。有了人行道和人行橫道的幾何形狀，自動駕駛車輛可以正確地識別行人，預(yù)測他們的行為。然后自動駕駛車輛會在人行橫道前減速讓行。以上這些系統(tǒng)在短時(shí)間內(nèi)能夠多次協(xié)同工作，以確保安全舒適的乘坐體驗(yàn)。

語義特征和先驗(yàn)地圖

語義高精地圖能把路上的語義元素抽取出來補(bǔ)充到前述的幾何地圖中，比如車道線、紅綠燈、人行橫道等，形成新的地圖信息保存方式，然后用于車輛的定位和決策。

在前兩種幾何類地圖的基礎(chǔ)上，第三代高精地圖是語義特征和先驗(yàn)地圖。語義特征包括交通燈、人行橫道和路標(biāo)等要素。先驗(yàn)地圖是指地圖中那些我們關(guān)心的可預(yù)測的概率性區(qū)域。這兩方面的地圖要素幫助車輛決定自己相對于其他物體的行為方式。
在道路圖層和車道幾何圖層中，語義關(guān)系定義了如何在復(fù)雜的車道關(guān)系中協(xié)同工作：可以轉(zhuǎn)彎的地方、需要停車的地方，以及從A地到B地需要進(jìn)入哪個車道行駛等。語義特征通過為自動駕駛汽車提供更多有關(guān)環(huán)境和周遭運(yùn)動物體的相關(guān)信息，來獲得更多的優(yōu)先權(quán)。

交通信號燈就是一個非常典型的例子。在普通地圖中，它們是三維形狀，表示交通信號燈的坐標(biāo)位置，它們面向的方向或應(yīng)用于哪些車道等。但是，交通信號燈不是靜止的，普通地圖所反映出來的特征并不能使自動駕駛車輛做出行駛決策。這時(shí)語義地圖就能夠發(fā)揮作用，能夠輔助車輛的感知和規(guī)劃系統(tǒng)判定交通信號燈的狀態(tài)：是紅燈還是綠燈？人行橫道外是否還有行人在走動？這些是語義地圖與其他地圖相區(qū)別的特征，能夠直接影響車輛的動態(tài)反應(yīng)。

先驗(yàn)地圖與之類似，但包含更多的細(xì)微差別，能夠顯示普通地圖數(shù)據(jù)的派生或或延伸信息。再以信號燈為例，先驗(yàn)層能夠顯示單個交通燈顏色循環(huán)變幻順序（紅色，綠色箭頭，綠色，黃色，然后再紅色……）、每個顏色的停留時(shí)間。但這樣的規(guī)律循環(huán)狀態(tài)是固定不變的嗎？
在高峰時(shí)段綠色是否會持續(xù)更長時(shí)間以允許更多的車輛通過主要交叉路口？從理論上講，先驗(yàn)層可以顯示那些我們所關(guān)心的特定類別物體或具有時(shí)空特異性的需要觀察的信息。舉例來說，在一些經(jīng)常遛狗的公園區(qū)域，可以為自動駕駛汽車設(shè)置先驗(yàn)層，提示自動駕駛汽車在周六上午8點(diǎn)到11點(diǎn)之間注意動物。

有了先驗(yàn)圖層，自動駕駛汽車可以提供完全避開某個區(qū)域或在行駛到某個區(qū)域時(shí)更加謹(jǐn)慎。在高級別的先驗(yàn)圖層中，自動駕駛汽車甚至可以洞察社會文化規(guī)范，這些信息不會顯示在路標(biāo)上，而是需要通過觀察推斷出來。例如，在中心轉(zhuǎn)彎車道，由于相鄰十字路口的限制，車輛傾向于轉(zhuǎn)彎，此時(shí)自動駕駛車輛可以預(yù)先合并到其他車道上，從而避免事故的發(fā)生。

區(qū)分語義特征和地圖先驗(yàn)的最后一個例子是停車。停車點(diǎn)是一種語義特征，指示車輛不能行駛必須停止的區(qū)域。而先驗(yàn)地圖會顯示：停車區(qū)域可能可以安全駛過，也可能需要注意已經(jīng)?？吭谶@一區(qū)域的汽車。語義地圖和先驗(yàn)地圖共同使自動駕駛車輛在導(dǎo)航復(fù)雜的道路系統(tǒng)上做出更細(xì)致的決定，表現(xiàn)得像一位經(jīng)驗(yàn)豐富的駕駛員。

語義地圖構(gòu)建

語義地圖的構(gòu)建遵循一些基本原則：

1．所有數(shù)據(jù)必須與車輛置身的幾何圖層信息一致。

2．車輛自身獲取的數(shù)據(jù)是最值得信賴的信源。

3. 充分利用已有的數(shù)據(jù)資源，例如導(dǎo)航地圖，在其基礎(chǔ)上構(gòu)建語義地圖。

首先將現(xiàn)有的導(dǎo)航地圖作為基礎(chǔ)數(shù)據(jù)，在此基礎(chǔ)上進(jìn)行大量的工程設(shè)計(jì)用于保持信息的更新性和準(zhǔn)確性，以上構(gòu)成了道路圖層的基礎(chǔ)。利用自動駕駛探測車隊(duì)和自身數(shù)據(jù)創(chuàng)建出用于本地化的道路圖層、車道幾何圖層和大多數(shù)語義特征圖層。
接下來，通過自動駕駛傳感器數(shù)據(jù)，利用計(jì)算機(jī)視覺和深度學(xué)習(xí)技術(shù)來識別車道標(biāo)記、交通信號燈、路標(biāo)和其他元素，對其位置進(jìn)行三角測量，將它們的三維坐標(biāo)放置在地圖中。然后，通過分析車輛的行駛軌跡、觀察其他車輛的行為，可以具體地做出諸如轉(zhuǎn)彎限制，交通燈模式或駕駛員行為之類的提示。
其中，自動駕駛傳感器需要經(jīng)過精心校準(zhǔn)，并且要利用多種傳感器例如GPS，IMU，激光雷達(dá)和相機(jī)等，通過激光雷達(dá)、視覺SLAM的方式處理道路信息，創(chuàng)建清晰的幾何地圖。激光雷達(dá)掃描處理產(chǎn)生一個模擬現(xiàn)實(shí)路面和周圍區(qū)域特征的幾何圖，它能使我們精確地定位語義數(shù)據(jù)的位置。各種客觀元素與地圖數(shù)據(jù)之間的對應(yīng)關(guān)系讓我們將所有圖層合并成為一個參照系，確保所有地圖圖層的一致性。

車道幾何圖層上的人工控制

地圖構(gòu)建的最后一步是持續(xù)的反饋循環(huán)，這種反饋用于人工管理和質(zhì)量控制，以確保地圖能夠精確到厘米級。這其中算法發(fā)揮了很大的作用，除了輔助建圖以外，還可以幫助我們巧妙地識別地圖中的錯誤，以及提醒某些地方需要人工操作員進(jìn)行最終的細(xì)化和質(zhì)量控制。
另外，豐富的2D和3D工具允許操作員標(biāo)記數(shù)據(jù)源錯誤，在啟發(fā)式算法或算法中調(diào)出邏輯錯誤，然后比對地圖進(jìn)行最終調(diào)整。一旦質(zhì)量控制流程完成，就可以在車輛真正上路之前進(jìn)行模擬情境自動化測試。通過模擬測試后，按照L5自動駕駛測試協(xié)議進(jìn)行實(shí)時(shí)道路測試，嚴(yán)格遵守所有流程和規(guī)則。一旦最終的道路測試通過，該地圖將被批準(zhǔn)部署到車隊(duì)中。

后續(xù)在對車隊(duì)數(shù)據(jù)進(jìn)行處理時(shí)，所有收集的新信息將會進(jìn)行自動的更新迭代，有助于不斷改進(jìn)和更新地圖數(shù)據(jù)，并在此過程中重置算法。然后不斷生成更加精準(zhǔn)和確切的地圖，并在實(shí)際道路行駛中檢驗(yàn)它的可靠性。

地圖技術(shù)是自動駕駛車企能夠正常運(yùn)作的堅(jiān)實(shí)基礎(chǔ)，不僅對連接乘客和司機(jī)很重要，對行車安全問題和公司版圖擴(kuò)張也至關(guān)重要。自動駕駛技術(shù)更新迭代越來越快，智能駕駛傳感器不斷改進(jìn)，性能越來越強(qiáng)，越來越多的城市開始部署自動駕駛研發(fā)測試，在此過程中，地圖技術(shù)成為提高自動駕駛車輛行駛的效率、安全性和高速發(fā)展的關(guān)鍵。尤其在實(shí)現(xiàn)L5級自動駕駛時(shí)，高精地圖的作用尤為重要，成為自動駕駛研發(fā)企業(yè)的必爭高地。