*作者：老刘
在【首届焉知智车年会】上，一汽（南京）科技有限公司 / 一汽人工智能研究所高精地图负责人陈雪娟以「主机厂 L4 高精地图研发之路」为主题，分享了作为主机厂的一汽在高精地图方向的打法，作为主机厂为什么需要有自己的地图自研团队以及团队的业务方向，不失为一种值得主机厂借鉴的模式。
她在演讲中介绍了两个方面：一是适合小范围前瞻研究性的建图技术；二是特色创新业务地图检查，从而更好地支持整个团队自动驾驶算法的开发。
换个视角看高精度地图
陈雪娟介绍说，一汽南京公司是一汽集团一个非常重要的分支，是公司提出的「三国五地」全球战略的重要一环。集团为了抓住自动驾驶的风口，更好地吸引人才投入国产研发，去年 4 月份，将长春人工智能所分离出来，在南京成立了分公司。
经过市场分析与集团资源匹配，公司在有条不紊的扩张过程中，确立了前中后三期发展目标。前期是主要聚焦两个方面：AI 感知和 AI 大数据。
在 AI 感知方面，公司有非常明确的目标，即打造纯视觉自动驾驶量产路线，在研发迭代过程中将其他辅助技术形成技术积累，同时落地产出核心软件，计划在视觉、雷达、定位、融合等方面有所研究，在整个研发过程中产出 13 款核心软件，赋能一汽智能驾驶业务，同时希望南京的研发不仅对红旗品牌，甚至对奔腾的量产有所帮助。
换个视角看高精度地图
常规情况下，主机厂高精地图部门仅仅是需求提出方，向各类图商提出自家要求，并不具备自主建图的能力，甚至修改地图的能力也不具备。
由于高精地图目前没有行业统一标注标准，各家对高精地图元素信息的利用率不同，因而造成千人千面，需求各不相同，业务重点也不尽相同。另外，图商虽有信息丰富的高精地图原始数据，却多根据需求开放指定元素信息。
一汽南京公司对高精地图业务的定位十分清晰，也与图商以及其他主机厂形成了明显的不同。
在公司战略规划中，高精度地图模块旨在辅助整个公司的自动驾驶，不仅仅是大多数主机厂理解的购买高精地图，或是购买高精地图软件，而是要做高精度地图定制软件，根据自家不同研发阶段的需求，在短时间内随时丰富道路属性以及快速对现有地图进行修改。整个地图部门的三大板块业务包括：地图制作、地图引擎、地图质量检查。
地图制作：具备自己的小规模地图制作能力。但这样的地图制作与晶众或四维图新这样的大厂商的发展方式不同，图商需要的是自动化建图，规模化的自动化建图能力，更小的地图精度误差，以及更重要的合法合规生产交付地图周期。
法规的限制决定了把地图交给图商制作周期比较长，在快速迭代，不断尝试的研发上半场，这种购买方式不能及时响应自己的需求，所以需要自己内部有一个非常小的建图团队，以支撑感知、定位、控制规划提出的需求，快速响应。
陈雪娟举例说，根据需求实现的难易程度，目前做到了最快 2 小时完成一版专用功能的测试地图交付使用，基本上达到了上午需求提出方和地图团队碰头，理解双方意图，接下来开发功能和地图，下午便可以完成地图制作，开始上线测试。即使是稍复杂的功能，也差不多能在两周左右时间完成。这种迭代的速度，走购买地图的路子是没有办法实现的。
地图引擎：为满足其他模块读取地图元素的需求提供一个接口。这也是如何使用地图的问题。地图团队不仅仅需要制作地图，保证地图质量，也需要给其他模块开放读取地图元素信息的接口，指导其他模块顺利使用地图。
地图质量检查：这是非常重要的一个环节，也是一汽南京公司提出的创新性领域，从研发到量产的整个周期都可能涉及。
在研发阶段，因为是自己建图，需要检查自己做的地图有没有什么缺陷，自己做质保；在量产阶段，如何评判图商交付的地图是否符合其他模块的要求，地图质量是否过关，不能凭图商一面之词无限信任，图商拿来的地图还需要自己检验心里才有底。这个环节是去年向公司管理层提出的想法，也是区别其他主机厂的特色。
今年 1 月份开始着手研究系统，现在还处于初级阶段，但是也有很明确的发展方向，虽然时间很短，成果已很显著，在该方向上不仅仅有实际的输出，查出了一些地图问题并且在下次出图时予以避免，其相关专利也在陆续申请中，非常有希望将此前瞻性研究应用到量产当中。
建图流程和图商有什么不同？
陈雪娟介绍说，其地图的制作、遵循的原则和图商不一样。图商会重点考虑建图效率有多高，速度有多快，追求自动化率的极致等。但是，作为主机厂，建图并不是主业，地图部门作为一个支撑部门，只需要做到建一些简单的场景，比如一两公里的范围，供测试使用。
举个例子，如果控制规划部门提出想建立一个环岛区域，帮他建一个环岛区域就可以了。
一般情况下，特殊场景特殊处理，目前还没有能力去考虑高架上下匝道、隧道等比较常见的城市场景，这些场景都需要感知模块、定位模块、控制规划等模块初步具备相应的能力以后慢慢研发。反而图商重视的效率和规模在自己建图时都不必考虑，因为图商是每天都有建图任务，而支撑部门都是按月、按季度的建图需求。
每次建图时，范围、难易程度、道路元素的种类都会事先计划，留有充足的时间。由于建图频率低、范围小，人工标注也未尝不可。
目前使用全人工标注同样也能满足业务部门的需求。考虑到标注同学一直做车道线标注，重复率高，比较辛苦，目前车道线识别也已经很成熟，正在考虑将这一部分自动化，减轻标注同学的工作量。
当然，后期是否需要实现接近全自动化标注，还需要进行进一步考量。重点不仅仅在于实现的技术难度，也在于是否有必要耗费人力对地图中出现频率较低的元素进行识别。比如减速带，出现的频率低，纯人工标注工作量也不大，准确性也高，可能就不需要花费大量研发精力做算法和写代码自动识别标注。
据介绍，一汽南京公司目前使用的是二维标注系统，并不是三维点云系统。这种非常基础的标注系统也能够满足基本需求，毕竟大部分元素都是附着于地面，对于红绿灯是额外处理的。这方面确实有些局限性，所以后期升级考虑开发基于三维点云的标注系统。
即使是将标注系统维度从二维换到三维，也难免遇到激光雷达地面反射率相近的情况，此时更靠谱的是引入图像，依赖图像+点云融合的数据进行标注，这也是日后技术的拓展方向。
建图的流程和业内主流建图方案一样，分为五大步骤：采集数据、数据拼接与处理、标注、生成最终的地图文件、地图检验。现在是直接使用自动驾驶车辆来建图，有两个车型，一辆是是长春一汽集团总部提供的安装机械式激光雷达的车，另一辆是南京研发的安装固态激光雷达的车，后者是为量产化做的方案。
之所以有不同的建图车辆，是因为车辆所在的地域不同，车辆最初的设计方案不同。一汽集团目前仅在有自己研发机构的地方建图，目前国内只有长春、南京、海南三地。三地均有自己不同类型的自动驾驶车辆在做测试。地图团队是服务于其他模块，尽量做到现场有什么资源就利用什么资源，避免车辆的运输，降低成本。
获取数据包后的数据的处理采用从上到下投影的方式，利用激光雷达的信息生成高精度地图，数据包可以支持三种格式，因为集团不同版本自动驾驶车辆用的是不同的系统，所以会有不同的数据格式，要被动适应这些格式。
其过程很简单，读取点云信息直接拼接处理就可完成，能够满足大部分场景的需求，当然也会有缺陷，比如转弯处容易有重影，有时会用 NDT 算法看看是不是能够改善；又如依赖激光雷达反射率，当车道线和地面反射率相近时就没有办法做区分，因为使用粗糙方法做图，一些闭环场景效果不太好。这些问题目前都存在，有待陆续解决。
目前标注层面是纯人工做，所有元素类型与车道关系都需要人工标注。底图上面的线、点都需要人工去画，比如道路关系左转也需要人工标注，红绿灯也是一样。
因为建图的范围很小，比如 5 公里，不可能有 20 几个红绿灯，如果有几个红绿灯，可以人工一一处理，这样不会占用开发人员的太多时间，完成标注即可满足其他部门的需求。
这个标注系统前期用过供应商的系统，后来发现不能满足日益增长的研发需求，只能自己开发，以随时拓展和丰富道路信息。
标注完成后是生成最终文件，一汽南京公司 L4 是基于阿波罗系统做的，所以地图需要输出两种格式，一个是阿波罗的 Opendrive，一个是标准的 Opendrive，标准 Opendrive 是给仿真同事使用，他们需要用到这样的格式。
标注完生成的地图可以根据需求做一些调整，一些小的问题是通过后面打补丁的方式快速迭代，以避免改系统浪费时间。
目前南京公司建过两张较大范围地图，一个是长春的总部园区，这张图是自己建的。
另一个是南京示范区公开的道路，它是整个南京市政府划的一片自动驾驶区域，类似于上海安亭的自动驾驶示范区，大概 5 平方公里。其他还有一些公司附近的小图，供专门的测试项目使用。
从这里可以看起出，建图的里程数与图商是不能比的，也印证了前面的说法，自己具备基础建图能力只是为了支撑公司其他模块的需求，并不是要抢图商饭碗。
建图完成后是要检查的，去年还没有意识到这个问题的重要性，地图文件出来之后，直接开始路试，各个部门拿去试有什么问题再返回来修改，这样代价非常大，一是在刚开始并不知道做出的图有什么问题，其他业务部门提出疑问后很难跟踪查找问题；二是路试的人力开销非常大，大家准备了一阵子到测试场地，发现地图存在问题，又开始反馈修改。这种情况对整体团队不好，也让地图团队随时面对挑战，其他团队会因为等待查找问题和修改时有埋怨。
陈雪娟表示，经过摸索，现在已经形成了三级地图检查体系，首先是地图文件出来后会进行代码级测试，直接去查找或检查地图文件有没有什么问题，比如实际有红绿灯，但却因为疏忽漏标了。
然后再通过仿真的方式看有什么问题，最后才是路试，最后交付出去的时候已经对关键性问题进行了检查修改，不容易出现常见错误，交付出去地图质量比之前高了很多，至少其他团队不会频繁遇到问题，相应的抱怨变少了。在特别着急的时候，这三类检查可以并行，这样会大大减少实地等待时间和相应的修改，节省人力物力。
到目前为止，地图团队都认为质量检查是非常需要的一环，有必要做一个系统，根据不同需求选择不同的检查条目。
目前质量检查由一条条规则组成，从 1 月到 3 月，已经写了 20 几条规则，还有一部分没有写进去，每一条规则都有严格的级别，可以分为三类：ERROR、WARNING、INFO。这三种属性标识了如果违背该规则的严重程度。
比如如果一张地图缺失关键元素，那么检查关键元素的条目运行检查就会不过，而检查关键元素的属性是 error，则意味着本次检查的地图违背了 1 条 error 属性的条目，那么大概率这次检查能给出 fail 的结论，即本张地图不合格。
另一个例子是检查车道过窄，可能车辆某些场景能顺利通行，而某些可能因为过窄了没法通行，这个检查车道是否过窄的条目被标记的属性是 warning，因为只会引起一部分场景的失效。
此时没法判定地图质量是否有问题，需要分析具体情况，如果是标注同学标注得不对，则是地图的质量问题，如果实际场景就是车道很窄，那么标注同学也得依照实际道路情况标注，即使是车道很窄，也应该照现实世界标注得很窄。
还有一些是 INFO 信息，比如显示一些元素种类，包括整个地图范围，这需要人工查看，因为没有办法在规则里说清楚到底这张图的元素种类有几种，必须人工去判断，包括区域方面，也只有人才知道这张地图对应的的哪里的地图。
所以，这类信息只能从地图中读出，再以文字、语义的方式显示给人工确认查看。
陈雪娟坦承，目前这个系统做了三个月时间，还是半自动化状态，用人工执行条目，整个规则库里面有 20、30 条检查规则需要人工挑选执行，现在比较原始，checklist 还是人工去填，不太友好，后期如果库增加到 100 条，做的人可能要崩溃，此时就需要上线自动化检查系统了。
她说，后期打算借助持续集成的思想做自动化检测，整个流程是检查需要的条目，人工挑好了之后，把地图文件交给系统，然后由系统一条条去检查，最后生成 Report，发送邮件、归档，避免了当前人工一条条执行，再去填写 checklist 的情况。预计今年年底可能做出一个自动化系统的雏形。
除了一个自动化框架，整个检查系统的核心还是检查规则库。这是一个专家系统，没有资料可以借鉴，在这方面图商也是需要保密的，不会轻易传出来，所以需要根据经验来做。
随着时间推移，这个系统会慢慢变大，变复杂。目前南京公司已经为这个系统申请了专利，相信后续还可能有软件著作权方面的产出，甚至在成熟后应用到量产项目中，为图商量产交付的地图把关。
小范围建图能力支持内部需求
陈雪娟总结道，自己具备小范围建图能力是为了支撑其他模块使用，满足内部团队需求。如果用图商的图，一是交付周期比较长，二是每次只有 1、2 公里，十来分钟就采完了，他们从外地过来，成本太高。自己内部建小图可以节约成本，快速响应。
毫无疑问，后期量产还是要买图商的地图，因为并不打算自己去拿甲级资质，这样不太划算。
她强调，地图检查系统是未来的重点，也是一汽南京公司地图业务的特色所在，后期将继续完善这个系统，使之更加自动化，也会不断加入规则。这样，在研发阶段慢慢做，积累经验，到后面量产阶段也可以把控图商的地图，不是不相信图商，是不能完全相信，被牵着鼻子走。
重要的是，图商出图做一次检查，主机厂验收时再做一次检查，虽然检查会有重叠之处，但会有各自独立思考的地方，两次检查相当于双保险，让地图更加可靠。不仅是 L4 级别自动驾驶可以用这套系统，做相应的适配更改后 L3 级别的地图同样可以使用。
