从年斯坦福车的问世，自动驾驶汽车概念便开始进入公众的视野，相关成果也从最开始的移动一米需要10到15分钟到如今在特定园区内行云流水地搬运货物。

不管技术怎么更迭，但不变的是，最终的需求都是试图用各种技术来解放人的眼睛、耳朵、大脑和手脚。

耳朵和眼睛用来感知外界的变化，从而为大脑进行决策提供有效信息，大脑做好决策之后发出指令来指挥手脚进行操作。

自动驾驶技术要实现对人的完全解放，做好感知层的布局首当其冲，而铺好一张感知层的大网，得靠各种传感器来搜集外界信息，然后通过数据的整理、分类和清洗形成一张动态的高精度地图来指导车辆行驶。

本文主要是从采集方式来剖析高精度地图的市场现状。

众包模式为主的采集模式

从采集端来看，目前主要有两种主流采集模式，一种就是以传统图商为代表的“专业测绘制图”模式和以具有相关硬件的“数据众包自动生产”模式。

目前，获准中国甲级测绘资质的企业共20家，背后涉及的企业及大佬有小米、华为、腾讯、蔚来、戴姆勒、马云和部分A股上市公司，其余部分为国家测量单位。

测绘方面，百度较为典型，除了参与早期测绘资质的标准制定。年国家测绘地理信息局公布的数据显示，截止年底百度共拥有在册测绘人员名，其中包括了百度自身的56人和其于年收购的、拥有“电子导航地图制作”甲级测绘资质的长地万方的人。此外，百度地图事业部员工超过人。

虽然传统地图商已经在测绘采集方面进行了布局，但是其高资金成本和人力成本、时间成本让众多企业望而却步。

大多数企业采取了“数据众包自动生产”模式，这也是目前主流采集模式，国内外十几家高精地图制作商均采用了此模式。

其中，Mobileye旗下的REM地图服务和博世旗下的BRS地图服务都是采用众包模式，日产、大众、宝马等多家车企也与高精度地图制造商联合进行数据采集。

之所以高精度地图需要采取众包模式，一方面是因为其数据来源广泛，包括轨迹数据、图像数据、雷达数据、CAN数据等，另一方面是冗杂的数据来源需要进行整理和清洗，再加上高精度地图需要频繁更新。在此情况下，众包模式能实现较大程度的资源分担和共享。

从轨迹数据上来看，由于传统的GPS只能定位某个点的距离和既定路线的规划，对于物体移动方向和运动轨迹无法进行初步预测，所以高精度地图使用GNSS定位和辅之IMU（惯性测量单元）的惯性位置感知测量功能结合，感知物体目前位置和运动轨迹。

IMU的优势在于可以根据物体现有运动状态来预测物体将要运行的方位和幅度，弥补了GNSS关于点定位的缺陷，此外，IMU在恶劣天气条件和没有GPS信号下依旧能工作。目前在医疗和康复领域、无人飞行装置及测量和控制工业机械振动方面应用比较普遍。

但是IMU存在的问题是，降低漂移率和保持长期稳定性也是一项挑战。

年10月，IMU老牌制造商ADI（亚德诺半导体）推出ADIS，能在导航应用中维持很低的位置漂移，实现低噪声、严格对准、抗振性和高带宽（陀螺仪为Hz，加速度计为Hz）的精心平衡组合，为实施最具挑战性的系统提供最低总误差。

资料显示，ADIS其起始单价（千片定量）为美元。

图片来源：ADI

转载请注明:http://www.aideyishus.com/lkzp/3240.html