【转自】智车科技

四维图新2002年在国内制作了第一张商用的导航电子地图，从此拉卡了导航电子地图的序幕，从2002年开始，四维图新和BMW和戴姆勒合作，逐步把导航电子地图标准化，让国内的电子地图标准和国际接轨。

一、四维图新战略布局

在智能机刚刚兴起的时候，四维图新和诺基亚一起合作了国内第一个手机导航电子地图，当时的出货量是达千万，四维图新做了很多国内外的行业“第一”，如第一个过了某些质量体系，第一个过了车规级电子地图的标准，不只是国内，甚至有的是在世界范围内的。

从2013开始，四维图新从一个行电子地图的供应商逐渐向车联网，最后向自动驾驶转型的这个阶段。为什么要做车联网？为什么要做自动驾驶？其实大家可以看得很清楚，四维图新推的这个架构里面我们专注的还是泛导航的车载领域，我们专注在信息娱乐系统，我们专注在整个车上的智能体验上。所以我们从电子地图出发，大家会发现，四维图新只做navigation，很多信息需要online的更新和同步，比如说动态交通信息，比如说天气，比如说前方的一些路况，比如说交通事件，那这些情况下我们必须要联网，我们必须为我们的客户，为我们的用户提供更好的驾驶体验，才能让大家继续为这个业务买单，所以四维图新在2012年，2013年开始做成车联网。

随后在2014、2015年开始做商用车联网，同样随着联网的需求升级还有对安全的需求，这是也是整个行业的变化，我们遵循行业的发展，发现从SD Map到ADAS Map，再到HD Map整个变化就是地图的一个变化。HD Map、SD Map、ADAS Map什么区别呢？SD Map，在我们看来，它是一个可视化的，是一个定性的，是一个描述性的地图，里面所有定量的内容非常简单，而且不是为了导航这一个场景。

以前的SD Map，每一条道路可能都会有一百个属性或者最少几十个属性，包括车道数、车道宽度、道路宽度、道路等级、道路类型、道路名字、道路名字的英文名、道路名字以前的曾用名、道路名字当地的俗称很多种，但其实都是描述性。里面用来定性的非常少，唯一定性的可能是车道数，但也不太准。当时四维图新做导航软件的时候，其实CPU和内存都非常有限，为了让CPU更快，只能把很多条这种属性变成一个属性，让我们客户使用。这个属性叫共同等级，现在也没有什么办法也能够马上在茫茫路网当中建一个从第一级到第五级这样一个路网，因为要求很复杂。

第一，每一个功能等级是连通的。比如说功能等级一般是高速或者是环路，这个高速必须是连通的，通过功能等级必须能够从全国高速任何一个点到达另外一个点，比如说现在我在漠河的一条高速，那我要能到达，不管是香港还是上海或者是新疆，这是功能等级一。

第二，其实是辅助连通功能等级一的。这样完整一个大的网络，能够让整个全国级的导航计算非常快，这个网络其实靠十几年的累计做出来的，这样才能够让它计算非常快，所以这是传统做法。里面定性的东西非常少，更多还是定量的，它其实是传统地图和Databank(数据库)技术，融合之后产生一种新的产物，在车载导航里面找到很好的落地点，到了ADAS map是开始地图定量化，开始有测量级这种要求的一个最基本的属性。

ADAS map被用来描述地图本身也就是最基本的道路的一个形状，因为我们国内不让有绝对的精确坐标出来，有国家的法律的要求，同样也是为了计算速率，所以ADAS 应用的芯片也不会比以前的Navigation芯片好到哪里去，所以我们虽然定量但并不是提供绝对的三维坐标，SYZ或者精维度加高程，而是提供了坡度和曲率。这样仍然方便在日常下使用。

举一个最简单的应用例子，在前方500米有一个曲率非常大的一个转弯，那一面就是悬崖这一面就是山，如果我在这时候减速减得不好，那我可能就出现事故，这是一个非常常见的，也经常威胁我们司机的一个驾驶人员的危险场景，但是在这个情况下，没有什么Sensor(传感器)是有效的。第一，传感器没有看到500米以外；第二，如果黑天的话现在好像也没有特别好的传感器能够有效。假设是经过雷达的话下了大雨也没有太大的用处，所以在这个情况下，所以ADAS地图本身的作用非常大，但是成本非常非常低。这样的话，四维从2013年、2014年开始做ADAS Map，然后逐渐有了成熟的客户，我们再和BMW再和戴姆勒去合作做这些事情。

在2018年我们也成功应用在商用车用上了，用它做什么？做经济减排，现在用了这种产品的商用车，可以每一个用节省几百块钱的油钱，就是大概3-5%，其实单看并不是特别贵，但是日积月累起来，为什么很多卡车的司机会超载，是因为他们为了保证自己的盈利，这样的话我们会把成本稍微降下一点。这样卡车司机也不用那么危险。

未来ADAS Map应该在商用车领域会有更多更深入的应用，包括刚才提到的在特殊场景下的，危险场景下的甚至对安全影响下的干扰驾驶员的一些驾驶行为，比如说不会让司机在曲率非常大的时候，频繁抖动方向盘之类的，但这只是一个建议或者是约束，并不是说要替代这个驾驶员，只是让这个驾驶行为更安全。

到了HD map，HD map其实大家可以看到，是顺着Navigation场景下的，虽然和导航并不是一个完整相同重复的场景，但是他们俩个是顺延关系，是继承关系。在自动驾驶的时代也不会完全没有Navigation，因为车辆要从A点到B点。

这并不需要什么特别的AI，只需要最原始的搜索就够了，但是Navigation是必不可少的，因为没有一个局部特征可以替代这种全局的规划。我们可以把HD Map看作是SD Map，向交通场景或者驾驶场景一个更加量化和更加细化的。

第二个需要精度要高，它的高精并不只是精度还有信息程度，说到高精度地图大家可能会有一个小问题，这个问题我也在各个场合下被问很多次，现在有那么多非常有名的AI公司，说我们要做高精度地图，我也不知道为什么大家原来是做自动驾驶，突然说我们一做高精度地图，包括2018年Q3大概是秋季的时候，他们拿到了一些证件。他们觉得说为什么他们都要做地图？我现在跟大家澄清一下，在我看来首先我有一个对行业比较认可的观点，图商的测绘资质，永远不是图商最后的保护。

四维图新做地图并不是因为我们有证件保护才做得下去，而是因为本身的积累，现在能够定时保质保量更新全国仍然只有两三家，同样在高精度地图领域，之前他们能自动更新地图的，能够用AI的方法快速建立地图的那些公司，那些团队回过头来应该还会合作或者有的已经来找我们合作。

因为地图本身是一件量产的事情，我可以直白的讲，每一个自动驾驶团队都可以建地图，但是他可以用激光雷达做，可以用IMU加RTK……有很多方法去做，但是能不能推广，能不能做成量产，有多少个属性？能支持什么样的应用？它在一个自己特定的区，比如在北京的海淀区或者在静安区，测试了几个月，测得非常清楚，对每一个道路都非常了解，这样的地图可能很精确，很精准，但是能够把这样的地图推广到全国吗？能够覆盖全国上百万的普通道路吗？能够覆盖到全国30万的高速公路吗？这是不可能的。

如果说四维图新和这些自动驾驶团队都是从零开始，图商和其他公司都是从头开始的话，未必我们会赢，大家都对这个事情一无所知，可能人们的产品更新鲜，技术更好，也许人家就赢了，但是这个行业四维图新已经做了15年了，图商基本上都做了十几年。

我们的兄弟以前叫四维陆军，在这片土地上摸过了全国成千上万个路口，所有的复杂路口在四维地图里面，都能被限定在一百个基本路口类型以内表达出来，所以四维图新在做高精地图的时候，才游刃有余的说我们既要做高速也可以做城区，而且我们城区会在2019年底，做至少两个城市。

四维图新的地图在规范做出来之后就能够覆盖不同的场景，因为我们已经用自己的脚丈量过每寸土地了，所以这是不一样。我们的骄傲并不是说我是做AI的人，四维图新的AI特别牛，四维感知天下无敌，并不是这样，而是因为我们扎根于这样深厚的积累才敢这么聊。

四维的成长其实离不开整个行业体系，因为四维是在和众多的客户和合作伙伴相互磨合，互相促进的情况下才发展出来今天这套系统。在ADAS领域有最先尝鲜的BMW，在商用车板块我们和一汽都有合作，同样在自动驾驶这边，四维的高精地图也并没有选择一开始就覆盖全国。因为量产级的地图，要可持续更新，规格要不变化，要保持稳定，要能够让我们的用户，让我们的客户持续的使用到地图的能力。

这种前装的单子，每个单子基本上都耗时五年，五年以后四维的地图还应该能够支持我们的客户对自动驾驶的需求。但是只做地图本身是不够的因为现在的地图跟以前比，越来越复杂了，其实这个规格是面向多种行业非常细腻的变化，到了自动驾驶这个领域，四维图新是想从一个地图的数据供应商和地图的地理信息服务供应商，变成一个能力供应商，我们会把地图变成一个能力。

现在四维在自动驾驶里面想做的，就是把我们的地图做成一个服务，我们可以动态更新，可以增量的更新，可以把大家的变化引入进行，变成自己的更新，营造一个只要你提供一个数据，我们的服务会变得更加好的一个良性循环的地图。地图的基本应用包括车道的路径规划，包括定位，甚至包括下面的决策。

在定位里面最主要就是既要能够检测到变化，又要能够准确的定位，就是我要发现现场的车道信息，标牌信息有变化，同样要能够结合现在地图里面的信息，把这个变化检测出来。

即使有一些的误差，我还能准确的定位出来，地图本身的应用至少两三种，有些客户觉得我自己在上面建应用，我不需要你做任何的包装，但是我不想读地图，我也不想更新地图，这样你就自己把地图的读取更新发送封装好，然后我们只需要你不断的给予我们现在的位置，发送我所需要的数据，这是地图的第三种应用。我们现在主要做的是这三种，把地图从服务变成能力。

在2015年四维图新独立成立了高精度地图，现在也叫智能地图，随着跟客户以及我们内部应用的不断打磨，2016年的时候，其实自动驾驶部也成立了，两边互相打磨，到了2017年逐渐把标准制定了下来，我们通过日本和韩国的友商定义了联盟，把这个标准逐渐让它全球化。

同样在2017年我们也定义好了如何打通SD和HD这个场景，也就是导航的自动驾驶场景，就是一个参考信息。如果没有这个参考表，我如何能够实现从A到机场，但是我的高精度地图只覆盖机场那一段，我如何完成这个场景，我在A点开始坐车，我开车到了高架上，在有HD Map的时候才能开启自动驾驶，最后到达机场，其实这里面就靠这个。我先给了一个全局的路径规划，然后我通过全局的路径规划里面，普通道路的和高精地图的关联关系，来判断出来哪些区域是有高精地图的，在高精度地图这个区域里面启动自动驾驶系统，然后开启自动驾驶功能，基于高精度地图来做定位，做导航，来做自重的车辆控制。

2018年底我们已经做了全国大概20多万公里的高速了，全国一共有30多万公里的高速，我们做过了接近90%。在2019年我们会覆盖全国高速，保证鲜度。同时做一两个城市。

这是我们自动化生产流程，我们首先降噪之后，提取一些自动化的特征分类把不同类别的进行分类，提取之后通过人工的检查和编辑把它生成地图然后再过一遍质量体系，最后过一遍转换和Release体系变成图。所以大家看到一个量产地图的，符合车规生产要求的地图，其实制造起来非常麻烦，假设说我们采集出来这些做其实很快，但是现在我们如何能够保证AI做的东西能够满足你99.9%几的质量体系要求，这个是很大的一个问题。

在地图的自动化制造里面，是地图来为AI讲故事，还是AI为地图制造来服务。对于我们而言，我们选择的应该是后者。

所以虽然四维地图是纯矢量地图，就是跟Sensor无关，不管你用激光雷达还是用视觉，但是对于我们所需要的做的应用和遇到的场景其实没有什么影响，我们用自己的地图在2018年7月份联合国家测绘局，其实为了给国家测绘局测插件，对于国内高精度地图或者自动驾驶系统非常重要的，没有插件你就不合法，没有审图你就上不了市，所以我们四维当时和国家测绘局合作我们在京昆高速上，从北京到昆明再跑回来，跑了5000多公里，在2018年的Q3其实刚好是西南地区的雨季，我们这么测为什么冒这种风险去做这件事情，其实主要为了跨了纬度带，我们主要是为了测保密插件这个插件在跨纬度带的情况下，它的Performance是怎么样的，我们在那个过程当中，自动驾驶开了4000多公里，我们甚至直接用四维图新的几个信息来做车上控制。

在地图这个场景里面，最重要的几个，一个是所谓的精，高精，我刚才讲了意味着精度高，刚才胡老师也介绍，说精度高。第二意味着你的属性要丰富，像我刚才介绍的，说我们一个至少一个Barrel要有五个类别，至少要有五个类别，能够区分不同类别。

第二个就是质量，其实质量应该第一，但是高精度地图，所以 我把高精先讲了，质量第一套先，怎么说这个质量很难，不像以前，以前我们做的地图的话可能我一个月做一副OK，我一个季度做一幅至少也接受，因为有人做这个。现在没有人这个了，这个东西直接给自动驾驶用。

所以我们必须保证它的质量，怎么保证？要过什么样的标准？四维应该是HD地图今年过了Space，2019年一定会过Space，然后我们后面会过更多的这种汽车场从生产体系就要求你的，你要满足的这些要求，同样我们还会有专门的，Map Learning这个系统来保证地图的质量。

所以想要让大家讲的地图，有实时的地图能够发生让四维想了很多办法，包括这种，就是我们现在定了一个大概的一个策略，说采集和数据本身的保管应该是匀化的，说明自动化处理和计算的能力是匀化的。你的采集的力量应该是有专业，有质量、有数量，我们靠的是什么？靠的是自有的AB两个类型来保证质量，就是四维先通过A，每辆车，四维知识产权的每辆车造价100多万的高精度采集车，来作为第一道关，我们用它来保证全国骨架道路，尤其是高速道路的基本品质。

让它在全国架一个骨架出来，然后用B来更新和细化这个骨架，其实A是基于高技术雷达的和高精度惯导的ATK的，B其实基于双目的，对大机械双目的，这样的话我们可以既让A来专门去更新骨干又可以让B，因为B的成本会比A低很多，我们可以让B来进一步丰富和完善A。

因为B的相对精度很高，所以可以完善A，同样想做到实时更新那还要需要有大量的数据进来，四维再做原来的导航地图的时候，有引用了一些众包语言，尤其在动态交通数据的时候，我们和滴滴合作和搜狗合作，和车场合作，和出租车公司合作，我们并没有拿到用户自己的信息，我们只拿到用户的轨迹信息来进行数据挖掘，发现变化，体现变化。

在自动驾驶的阶段，我们可能会有自己的，假设这样的车没有什么采集变化发现标准的能力，四维可以提供自己的设备，轻量级便宜的设备，现在正在做帮助，来这样的车场实现能力，我们也可以车场合作它的自动驾驶车辆，主动安全车辆上面会有一些感知能力，把这些变化体验出来。

我们会把更新和教研这个能力放在云上，我们管它叫Map Learning，用它来判断更新上的数据质量里判断如何去聚合这些数据来形成最后的地图更新。最终我们会用这种Tail的方式去进行更新，保障实时的鲜度。

说到我们的自动驾驶，对于地图的在自动驾驶的应用我应该很有发言权，因为我们一直专注一个非常重地图的自动驾驶解决方案，现在大家看一下，这是我们2018年原型车，这辆车其实是用16个激光雷达两个毫米波雷达，加上两个camera再加上四维自己的高精度定位服务和MU来做的。这辆车其实是跨L3跟L4的，这两个场景，我们用它跑了5000公里的京昆高速，在大风，狂风骤雨里面跑了过来，然后同样这个车也在海淀北部，也就是在四维公司总部附近，做了一些L4基本尝试，包括跨路口，包括随机的一些行为干扰，我们的开放路段进行测试，这样的车也在考北京的T3牌照，那种非常窄的路里，让你S形过弯，不要压任何一根线的考试，这个考试我们考的比其他友商更晚，这个标准越来越高了，所以这是我们现在做的平台。

反过头来到上一页，高精度地图在这个自动驾驶里面有什么用？我们现在用的基本上有这么3-4个大层次，第一个是用来辅助感知，我们通过高精度地图本身来生成，对于不同传感器有用的ROI，这种兴趣区，我如果对于激光雷达来说，我首先帮它屏蔽掉噪声的干扰，植被的干扰，对于视觉来说我要能帮助它基本的跨导，那些它应该检测的标牌，地面信息，信号灯这些东西，阿波罗他们也发过一些文章，他们专门先把三个信号灯的框架投到他们的视角里面，再到里面找框和图像对应的位置，这是比较好玩的一篇文章。

我一般还是简单提供基本的类型，用视觉的方法去识别红绿灯，但是我至少知道每一个红绿灯对应哪个车道上，我知道每个红绿灯类型是什么，我通过检测和现实地图的结合，我能够让这个红绿灯的变化直接进入到车辆的决策体系，而不用我再猜，三个红绿灯最左边是控制左车道的，中间那个是控制执行的，右边那个是控制谁的？我不需要猜这个东西，然后感知之后就是定位。你感知的结果和地图里面的静态信息匹配，如果一旦地图里面少了或者检测的结果里面多了一个，我们要能融合这个能力，定位之后决策和预测。决策预测在于说，其实高精度地图在自动驾驶里面核心应用可以总结出来这么一句话，结构化，但不是精准的表达现实环境。

同样回到最开始的话题，全国有成千上万个路口，如果我只在上海测过，我不知道会不会天津有一个特别复杂的路口等着我，这个路口我从来没见过，我的决策系统根本不知道怎么表达，不知道怎么在里面决策，对于地图而言这是最好的应用场景，我能够把所有的路口都标准化，然后变成轻量的矢量地图方式表达出来。

在这个领域，其实在地图这个领域并不是我们自己认为，现在像Waymo，我们在看他们单目视频的时候有一种似曾相识的感觉，他们在地图的应用其实和图商的理解是完全一模一样的，包括车道级别的关联关系，包括每个路口的表达，车道的类型，其实跟图商最开始做的做法是一模一样的，所以就变成说为什么他们最后想觉得自己能做地图，他们似乎觉得说我克服了5个复杂路口就可以覆盖所有的场景。

也意味着可能自动驾驶这个应用在最近这一两年遇到一些瓶颈，大家在自动驾驶上的进展好像没有那么快了，所以大家需要让建立地图这件事情变成一个新的store，但是我们对于图商而言，我们一直在做地图，我们的愿景是什么？或者我们觉得自己的使命是什么？我们希望通过地图的能力，来帮助自动驾驶这个产业或者帮助汽车产业打通一些现在存在或者未来存在的瓶颈，这是我们的期待。

四维图新现在最主要着力的点一个是定位，让大家能够把地图用起来，第二个就是决策，决策是指推动基于数据，基于仿真的学习，结合四维图新的标准化地图，能够把决策这件事变得简单，因为我们已经把环境结构化表达了，能不能做到通过结构化的环境数据，来决策出来。

可能和很多ASW比，我们在感知上没有那么多积累，但是在决策这点上因为我们是同时起跑的，所以在这点上包括对于地图基本的使用上，我们在这个点上可能好像没有比Waymo更差，因为Waymo那个方案我们最早在2017年底定义这个题目的时候，已经被我们自己否决掉了，我们不会用这种沉重的，几百乘几百像素乘以十九通道，这种计算量巨大，但是只符合人类直觉，不符合地图直觉这种方式去做决策，这和地图本身不相符，所以我们未来应该在2019年会把L4的场景跨掉，如果能做到L4我们会愿意把这些点子，把我们新的构想、新的模型发出来，能跟大家共享，从图商的角度对于地图，对于自动驾驶的理解，能够帮助到大家。打通至少在这种场景下的一个瓶颈。

这就是我们现在定义的产品线，对于四维图新而言，我们现在要做的最核心的，要和地图结合在一起，做成HD Map，把这个能力提供给我们的客和伙伴，让大家能够快速容易的使用高精度地图。我们只是想把地图变成能力，给大家提供稳定的定位，能够让大家在有高精地图的地方就可以开启自动驾驶。

四维自动驾驶的地图

四维图新希望在今年能够把城市场景，高速场景再回到城市场景这样一种跨场景的自动驾驶跑道。基于我们的地图，我们能够从公司出发上高速，从高速开到某一个特定地点，再下到城市场景，然后去达到最终的目的地，这才是图商在自动驾驶里面应该做的。

四维图新希望通过把我们的能力标准化，变成软件和服务提供给大家，来用实验结果证明我们的地图是可靠有效的。

这就是我们四维2018年秋天进行的一次路测，我们从北京的总部出发一直开到了云南昆明的滇池，再从滇池返回，出了北京逐渐发现这个路况比我们想象的复杂。通过测试我们发现，至少用高精地图这种方案能够保障你对环境的完整判断，前方一公里有匝道可能会干扰，后方多少公里有什么收费站，会对你造成影响，这些是可以通过地图提前知道的。

第二，能够在感知有限的情况下，甚至感知受限的情况下；前方道路边缘虽然空了，并不代表不可以走，是因为那个地方应该是一个物理隔离线，不能跨越过去，这是地图对我们这套系统一个最基本的作用，也是我们通过这次艰难但是很有收获的路测里面，收获到的信息。这个过程对我们来说是巨大的成长过程，也奠定了我们继续用地图能力体现我们对自动驾驶行业推动的想法。

所以对于四维而言，我们觉得与其只做服务，不如把这个能力变成一个大家合作共赢的局面，不管是TR1还是车厂还是互联网用户，还是车主，大家能够分享车辆发生的变化。四维会主动承担责任，把最关键的东西都做好，推动相关的组织制定标准，让地图越来越共享，让地图越来越鲜活，对于我们自动驾驶方案来说我们会把这样的能力，这样简化复杂环境的能力提供出来，让它标准化。让人们使用地图，使用新鲜变化的地图越来越简单，不需要复杂的开发，我们会把自己的程序变成品拿出来给大家使用。同样也希望基于我们地图的世界观，基于AI新技术做的一些研究，能够帮助到这些行业和变化，起到一些推进作用，这也是四维作为图商，摸遍了祖国每一条道路，最后在新的市场，新的领域里面，希望能够为行业带来一点变化，属于图商能够做的独特贡献，谢谢大家。(完)