編者按：本文編譯自《經(jīng)濟學(xué)人》網(wǎng)站科技版塊。在眾多車企、圖商、科技公司高調(diào)布局自動駕駛的今天，衍生了許多面向自動駕駛領(lǐng)域的新技術(shù)、新手段，有基于激光雷達(dá)掃描進行道路信息檢測的、有利用計算機視覺算法進行特征匹配的，然而這一切手段都離不開高配測繪車用車輪走出的高精度地圖和數(shù)不盡的深度信息。在這一領(lǐng)域深耕的，有骨子里帶著圖商基因的HERE、TomTom，有一直以來對自動駕駛野心勃勃的谷歌，當(dāng)然，還有眾多牢牢把握風(fēng)口的車企車商……《經(jīng)濟學(xué)人》的這篇文章對自動駕駛技術(shù)探路的過程梳理地十分通透，也能給我們呈現(xiàn)很多此前沒注意到的細(xì)節(jié)和驚喜，值得細(xì)讀與分享。

　　今天，如果一輛小汽車頭頂長出一個旋轉(zhuǎn)雷達(dá)傳感器，還裝備著幾個攝像頭，沿著美國伯克利擁擠的街道緩慢前進，大概不會有人會多看它一眼。因為自動駕駛汽車在加利福尼亞的街道上早已不再是什么稀奇的玩意兒，在這里，每天會有來自十幾個廠商的百余臺自動駕駛車輛進行路測，年均覆蓋里程達(dá)幾萬公里。

　　但是這輛車卻與眾不同——它的駕駛員將兩手緊握在方向盤上。這輛叫“喬治（George）”的地圖測繪車，來自于高精度地圖霸主、如今被德系車企三巨頭收入囊中的HERE，它可不是在測試自動駕駛，但是它希望通過不斷收集數(shù)據(jù)讓更多汽車的自動駕駛成為可能。

　　喬治：HERE飼養(yǎng)的高精度測繪車

　　一秒鐘，在這個幾乎可以忽略不計的時間里，我來告訴你測繪車喬治都做了什么：

　　1.車頂?shù)腉PS接收器反復(fù)10次收集車子所處的經(jīng)緯度和海拔高度信息；

　　2.慣導(dǎo)系統(tǒng)反復(fù)100次跟蹤記錄車子的偏航、傾斜和轉(zhuǎn)動數(shù)據(jù)；

　　3.激光雷達(dá)傳感器通過大約600000個不同的掃描點（如樹木、路緣石和建筑）計算車子的位置信息；

　　4.通過四個攝像頭拍攝一張高達(dá)96兆像素的360度全景圖。

　　這樣一來，喬治每天大約能收集和處理100G乃至更多的數(shù)據(jù)。同時，這些數(shù)據(jù)使HERE能夠為喬治走過的空間建立極其精細(xì)的三維地圖數(shù)據(jù)——即專業(yè)測繪人員口中的高精度地圖（HD map）。

　　高精度地圖：治好自動駕駛汽車的“近視眼”

　　幾年前，一些汽車制造商希望自動駕駛汽車能夠使用低精度地圖（這種地圖在今天的路徑規(guī)劃導(dǎo)航設(shè)備和APP中還在使用）進行自主定位，然后由傳感器處理其他問題。舉個例子，如果在公路標(biāo)記十分清晰的前提下，視覺傳感器已經(jīng)能夠使汽車在它們的車道中安全行駛了，它們甚至能夠指出路面的障礙物或是標(biāo)示著停車的標(biāo)記線。

　　但是問題在于，一輛完全自動駕駛的汽車需要在各種環(huán)境下保證安全。“簡單的車道保持根本不需要使用地圖，”HERE副總裁、負(fù)責(zé)實景掃描的約翰·里斯特夫斯基（John Ristevski）說，“但是如果你的車子處在有5條車道的高速公路上，你就必須清楚自己位于其中的哪一條，知道哪條是能夠安全通過的，并且準(zhǔn)確判斷在哪個時間點沿出口駛出高速路。”

　　一個很大的難題是，路面標(biāo)記在下雪后可能會模糊甚至消失不見，而目前的激光雷達(dá)（LiDAR）傳感器在這種情況下很可能會失真。簡單說來，激光雷達(dá)的原理是打出激光并接收返回的掃描點，通過激光發(fā)射和返回的時間以及其他復(fù)雜算法求解與目標(biāo)間的距離，密集的激光點云也就形成了三維空間信息。

　　事實上，無線電探測器（雷達(dá)）做的事很大程度上是類似的。車載裝置中，通常激光雷達(dá)和雷達(dá)的有效探測距離為50米，然而在雨雪等極端天氣，抑或是當(dāng)探測對象被行進的車輛掩蓋時，這個數(shù)字會大大縮減。即使是最智能的汽車，如果它以高速公路的車速水平形式，也只能“看”清眼前很短的距離（一秒半探測到的數(shù)據(jù)量）。而高精度地圖給自動駕駛汽車帶來的，則是一雙看得更遠(yuǎn)的眼睛。

　　對于自動駕駛汽車而言，更加重要的是能夠?qū)ψ约核幍奈恢眠M行精準(zhǔn)定位，幾米的誤差就足以使車輛處于錯誤車道。商用GPS系統(tǒng)的精度僅有5米左右，而在城市樓宇之間的誤差能達(dá)到50米以上，更別提在完全無法接受信號的地下隧道了。但高精度地圖中的本地圖層卻可以與傳感器協(xié)同工作，將汽車的位置定位精確到厘米級。

　　HERE目前正在嘗試開發(fā)類似這樣的圖層。圖層中包含了環(huán)境特征信息，如橋梁、路標(biāo)和護欄等，這些數(shù)據(jù)來源于測繪車的圖像采集，自動駕駛汽車可以通過自身攜帶的攝像頭拍攝的照片與圖層中的信息比對和匹配，從而對一些環(huán)境信息做出判斷。這也涉及到了自動駕駛領(lǐng)域的另一門關(guān)鍵技術(shù)——計算機視覺算法。

　　自動駕駛領(lǐng)域百花齊放：TomTom、谷歌各出其招

　　不過，另一家荷蘭制圖公司TomTom卻認(rèn)為這種方式是不可靠的。“我們發(fā)現(xiàn)，投入大量精力為空間環(huán)境建模，甚至精細(xì)到每一根橋梁柱子，然后再把這些數(shù)據(jù)三角化（點云數(shù)據(jù)的一種處理方式），這樣的做法使得后期數(shù)據(jù)的靈活性大大降低，你很難再進行修改了。”TomTom副總裁皮爾特（Pieter）說。設(shè)想一下，如果一棵樹被砍伐了，或是街道場景變了，問題將會升級。“視覺上的變化太多了。”他補充道。

　　所以，與HERE不同的是，TomTom使用其測繪車的激光雷達(dá)設(shè)備捕捉了一種“深度地圖”。這個系統(tǒng)會持續(xù)記錄路邊場景中變化的形狀和距離，而并非試圖識別出每個具體的物體。通過分析整段道路，系統(tǒng)即能夠?qū)⒆詣玉{駛汽車自身LiDAR傳感器獲取的數(shù)據(jù)與深度地圖數(shù)據(jù)建立聯(lián)系，計算出車輛位置，當(dāng)然，即使新長出了一棵樹也沒關(guān)系了。

　　谷歌，這家一直以來致力于測試自動駕駛汽車的公司，做的也是類似的本地圖層。此外，HERE也在研究如何基于人工智能技術(shù)識別相機以及激光雷達(dá)傳感器獲取的特征信息。無論采用哪種方式，這三家公司都聲稱他們有能力使自動駕駛汽車在道路的定位精度達(dá)10-20cm。

　　一些車企，如尼桑、福特、起亞和特斯拉，認(rèn)為自動駕駛技術(shù)將在2020年發(fā)展成熟，而沃爾沃則計劃于明年把完全自動駕駛汽車提供給100名用戶。所有這些動作，都加劇了整個行業(yè)對高精度地圖數(shù)據(jù)的渴求和期待，在自動駕駛汽車從展示臺走向應(yīng)用之前，必須有人為我們精確地描述這個世界。HERE擁有數(shù)百輛像喬治一樣的測繪車，它們在32個城市，對數(shù)百萬公里的道路進行了測量。TomTom在歐洲及北美的高速路和主干道上部署了70臺測繪車。而Zenrin，日本一家部分由豐田控股的測繪制圖公司，在亞洲的測量動作非?；钴S。

　　“新鮮”的數(shù)據(jù)：自動駕駛的血液和靈魂

　　對眾多測繪車獲取的數(shù)據(jù)進行分析和處理是最大的技術(shù)難題之一。HERE最初采用的方法是使用人力檢測原始LiDAR數(shù)據(jù)，然后用處理軟件將其轉(zhuǎn)換成數(shù)字模型——“這有點像地圖界的Minecraft（一款三維游戲），”里斯特夫斯基說。然而，手動處理數(shù)據(jù)效率極低，目前HERE已經(jīng)開始采用機器學(xué)習(xí)算法來自動識別特征信息，例如車道標(biāo)志、人行道邊緣等。HERE的人工智能系統(tǒng)能夠通過喬治拍攝的靜態(tài)照片識別路標(biāo)、交通燈等信息。人類只需簡單修改和校正計算結(jié)果，并且檢查是否有錯誤。

　　然而問題在于，喬治采集到的信息從它被獲取的那一刻起就已經(jīng)開始過時了。隨后的建筑項目、道路施工或是變更了的限速信息，會將自動駕駛汽車拖入過期地圖導(dǎo)致的危險的深淵。里斯特夫斯基承認(rèn)，地圖永遠(yuǎn)也無法完全實時更新。“我們的目標(biāo)是，盡量保持地圖的時效性和準(zhǔn)確性，但傳感器必須足夠強大，來應(yīng)對各種變更了的信息。”

　　據(jù)了解，在像舊金山這樣的大城市，測繪車會頻繁地往來。然而對于絕大多數(shù)城市，測繪車最多只能做到一年一次的收集頻率。一個退而求其次的解決方案是，使用里斯特夫斯基口中描述的“探測數(shù)據(jù)”，其實不過是依靠智能手機用戶以及車載導(dǎo)航設(shè)備返回的信息。HERE每天約能接收20億人的返回數(shù)據(jù)，包括汽車的位置信息、速度和方向，其中一些信息來自Windows設(shè)備（當(dāng)年HERE在諾基亞旗下時的余熱）。

　　這些取得的數(shù)據(jù)會被聚合和脫敏，以保護個人隱私，同時使HERE能夠快速取得其中的關(guān)鍵信息，例如道路封閉等。隨著汽車裝配日漸復(fù)雜，這些數(shù)據(jù)的獲取成本將更加高昂。最終，里斯特夫斯基估計，自動駕駛汽車將會自己來完善它們的地圖。這種自學(xué)習(xí)的模式在谷歌無人車上已經(jīng)成為了現(xiàn)實，它能夠自主辨別和回傳交通錐、以及穿著亮黃色服裝的施工工人的信息（這些信息能夠標(biāo)示道路正在施工）。此外，谷歌還從全球15億活躍安卓手機和設(shè)備中獲取了大量導(dǎo)航和交通數(shù)據(jù)信息。

　　目前，越來越多的汽車被裝備智能駕駛功能，如自動剎車、車道線檢測以及自動超車等。技術(shù)的迭代終有一天會引領(lǐng)汽車進入完全自動駕駛的時代。而高精度地圖將在更多道路上延展開來。值得一提的是，HERE和TomTom現(xiàn)在都具備低空信息，如公共電纜、橋梁、樹木，抑或是15層樓以內(nèi)的建筑。這樣的數(shù)據(jù)能夠被用于一種全新形式的導(dǎo)航——無人機導(dǎo)航，這就是亞馬遜滿腔無人機送貨野心，卻在與HERE商談股份合作的原因。

　　結(jié)語

　　在傳感器設(shè)備、數(shù)據(jù)分析技術(shù)、人工智能算法不斷成熟的今天，筆者相信真正意義的自動駕駛已經(jīng)離我們越來越近了。今天我們梳理了自動駕駛在國外的一些發(fā)展現(xiàn)狀和趨勢，而放眼國內(nèi)，自動駕駛領(lǐng)域的技術(shù)和市場熱度也毫不遜色。昨日在GMIC現(xiàn)場，筆者剛剛采訪了國內(nèi)自動駕駛的領(lǐng)航者之一——四維圖新，從四維口中獲得了更多國內(nèi)自動駕駛市場環(huán)境的最新信息，所以之后的文章，我們會就這個話題有更多的跟進和探討。（文|3sNews 思佳）