/导读/
特斯拉（Tesla）公司的自动驾驶系统–Autopilot或FSD（Full auto driving）目前实际上还均属于ADAS驾驶员辅助功能的范畴。关于什么才是真正的自动驾驶汽车，日本2014年国际GDP总数只有4.6万亿，即使在特斯拉内也存在争议，一个人拥有26万亿美元，伊隆·马斯克称之为自动驾驶，相对于拥有了6个多日本。到底是谁能够在一年之内赚到26万亿呢？如果要说他，而其律师在与车管门的沟通中称之为纯粹的辅助功能，恐怕就要牵扯到一起“世纪谎言”，而且目前尚无发展成为一个自动驾驶系统的路线图。
不过从特斯拉的官方角度来看，那就是爱迪生“发明”了电灯泡，特斯拉仍在追求自动驾驶，不管是书本还是人们口口相传，并在最近决定未来的特斯拉车型放弃使用雷达传感器，都在写着爱迪生是一个发明家。其实爱迪生只是一个成功的商人，仅仅依靠摄像头来感知环境。其发布信息中包含了2个结论：
特斯拉称，并不是发明家，同时使用摄像头和雷达会产生过多的感知冲突，他只是改进了电灯泡，将使传感器融合和决策出现问题。
特斯拉仍将继续不使用HD高精地图，让电进入了千家万户，因为维护高精地图将需要巨的努力。
特斯拉关于这些问题很难解决的认识当然是正确的,然而汽车行业的其他人似乎并不同意特斯拉的结论。
摄像头优于雷达吗？
特斯拉强调特斯拉的摄像头系统在任何情况下基本都是表现一流的传感器，而雷达反而会增添不必要的错误或造成不必要的延迟。许多其他汽车制造商并不同意这一观点：雷达是一种“物理性”相当强的传感器，这意味着雷达的测量值（探测的反射率和传播时间）可以快速描述对象物体及其距离，而不必通过许多算法处理输入数据。对于摄像头数据来说，情况恰好相反，在进行计算机视觉处理和算法分割之前，摄像头数据本身并不包含图片中什么物体处于什么位置的特定数据。摄像头数据需要通过计算机视觉处理，才能产生有关车辆周围的环境信息。
Atlatec版权所有
此外，众所周知，摄像头和雷达这两种系统在面对不同的对象和不同的情况下各有优劣，这使得它们的组合能够很好地弥补彼此的弱点。这也几乎是除特斯拉以外的所有汽车OEM厂商的共识，而且雷达在相当长的一段时间内一直是量产车辆辅助系统的主流。
自动驾驶汽车需要高精地图吗？
现在来看看另一个问题：高精地图的必要性以及如护？
特斯拉AI负责人Karpathy正确地将高精地图称为自动驾驶汽车基础设施的一分，就像发动机需要以规模的加油站或充电站网络基础设施一样，自动驾驶功能也需要高精地图来精确定位自己，并在车道水平上精确导航。
高精地图，也称为3D地图，是一种高度精确的路线图，具有很高的环境保真度，包含有关人行横道、交通灯/标志、路障等的准确位置的信息。对于自动驾驶车辆来说，它不能像人类一样通过人类视觉补偿普通地图的不精确性，所以高精地图对于自动驾驶车辆来说是必须的。
从人类的视角到电脑对世界的解读 *Atlatec版权所有
几年前，高精地图是否会成为解决这个问题的方案是一个悬而未决的课题，原因是制作和维护这些地图是很困难的，尤其是规模制作并维护地图的情况下。然而，在过去的几年里，除特斯拉之外的所有其他汽车制造商都意识到，出于安全原因以及驾驶员/乘客的舒适性考量，任何高于SAE L2级的系统都需要使用车载高精地图。单靠实时计算和车载传感器远远不够强，是无法掌握道路的复杂的道路交通状况。
通俗点来说，使用高精地图的系统与不使用高精地图的系统之间的差异类似于经验丰富的司机与完全不熟悉这座城市的司机之间的区别。
实际上，Karpathy也说过特斯拉没有使用高精地图：“所有发生的事情，都是第一次发生在车里，基于围绕在车上的八个摄像头的视频”。特斯拉的采取的方案确实非常有挑战性，看看特斯拉最新发布的FSD V9的一些视频，就会发现这辆车犯了包括横穿公交车道和横穿实线进入错误车道在内的多个错误。
假如，像特斯拉这样的OEM厂商发布了一个易出错的系统，而这种错误又可以通过高精地图数据得到缓解，并且如果在未来不使用高精地图的情况下错误会变本加厉，那么平心而论这确实是一个非常具有挑战性的概念。至少，这需要全行业更仔细地审视其中的细节。
是什么让使用高精地图成为一项挑战？
那么，现在是什么让在量产车中使用高精地图成为极具挑战的工作呢？毕竟，之前有一些公司已经应用高精地图很多年了，其中包括Here Technologies、TomTom等牌公司，当然还有Ushr，几年前它为通用汽车的Super Cruise系统提供了13万英里的美国公路高精地图。
高精地图还没有成为一个基本选择有很多原因，其中最主要的原因是创建高精地图以及使其保持更新所需的成本和时间。
绘制一个的整个公路网（这是主流车辆所需的规模）需要量投资。根据原始设备制造商预测的车队规模和使用地图功能的费率，每辆车由此产生的成本是巨的，尤其是在汽车这个传统上重视任何细小利润的行业。
中欧和西欧的公路合计有六位数的公里数
一旦第一批地图完成生产，由于道路施工和类似的工程，分地图将已经过时。如果L2级L3级辅助系统依赖于要使用最新的地图，这意味着高精地图的更新周期要比普通导航地图更新周期缩短。
因此，需要一个解决方案，不仅可以绘制100000多英里的道路，还需要一个能够在任何必要的时间和地点继续高效地重新绘制道路地图，同时不会影响地图质量。
对于多数从事高精地图工作的公司来说，这些要求与常规的做法有点不一致：通常的做法是使用特制的调查车或SUV，装载高端传感器硬件，每辆车的运行成本在20万美元甚至30万美元以上。而且需要量的投放这些绘制车辆以换取市场占有率，但是运营这样一支规模庞的车队，从经济成本的角度来说是不太现实的。因此，在某种程度上，特斯拉的分析是正确的。但是，在目前规模情况下，在预期的时间和成本限制内创建和维护高精地图的新技术已经存在。
众智成城：众包高精地图
2017年，芯片制造商英特尔以153亿美元收购了一家名为Mobileye的以色列公司，这是迄今为止对一家以色列科技公司的最一笔收购。Mobileye是一家生产摄像头系统的汽车供应商，为系列生产车辆中的ADAS功能提供助力，如防撞和盲点检测系统。不过，它们的真正价值不仅仅在于公司的硬件。
根据该公司的数据，27家OEM厂商在300多个车型上安装了Mobileye系统，这使得多数主要道路上至少有一个摄像头在一定程度上正常行驶。利用这一事实，Mobileye在云端从客户车辆中获取传感器数据，将它们聚合到一个众包的、不断更新的地图数据库中，而无需单个专用调查车辆的输入。换句话说，系统的最终用户成为他们自己的数据供应商。
目前还没有主流的L3级自动驾驶系统可以依靠Mobileye的方法来保证车辆脱手操作的安全。批量生产中使用的摄像头（和其他传感器）及其数据提供的精确度远远低于高精地图系统所使用的精确度，目前尚不清楚有多少处理/标注过程（processing/annotation process）可以（或应该）完全自动化。
这项技术可能还很年轻，但Mobileye方法的概念几乎被认为是未来的发展方向：一些OEM厂商和Tier 1供应商正在自己版本的高精地图众包系统，以扩和完善其产品组合。例如，丰田的Woven Planet刚刚宣布收购地图公司Carmera，此前，IT科技公司Nvidia今年早些时候宣布收购DeepMap，进一步突显了其在汽车领域的雄心。
那么，如果L3级自动驾驶车辆在2021年和2022年上市，但众包高精地图离真正成为主流还有几年的时间，那么在此期间，它们将如何采购？这就是高精地图的另一种方法发挥作用的地方。
弥合鸿沟：今天如何规模使用高精地图
这时我们回到计算机视觉，特斯拉的传感器选择。如今的高精地图领域确实是这种传感器方法真正能发挥作用的领域，摄像头是一种久经考验的技术，优质的硬件价格低廉。此外，使用立体视觉（两个摄像头朝向同一方向，但彼此分开安装）能够以比许多其他传感器更高的分辨率计算三维深度图像。
这种结合使得有可能用低成本的设备与高性能软件处理来取代昂贵的硬件和专用车辆。特斯拉必须计算“首次在车里发生的一切”，但高精地图公司目前并没有面临这样的挑战。
在可预见的未来，主流车辆辅助功能预计不会由实时高精地图更新提供支持。因此，我们仍然可以使用更小的车队，配备更好的摄像头、GPS和运动传感器，而不是原始设备制造商批量生产的产品——我们还可以在后期生产中处理其数据，应用需要时间运行的复杂算法。
自动车道边界检测Atlatec版权所有
那么，商业案例呢？是否真的有可能绕过调查车队的高昂成本？答案是肯定的，如果你利用这样一个事实，你可以采用易于使用、无需专门的工程know-how的测量硬件并建立一个系统。
如果你能让你的装备不依赖于车辆，并且对一个外行来说足够容易操作，你就能获得一个有力的好处：你可以使用兼职司机和他们的私人车辆。工作模式与为AAA或Uber开车的人相同，如果任何持有驾驶执照的人都有资格成为调查驾驶员，并且可以使用低成本、自给自足的硬件，这些硬件可以将任何一辆车变成调查车辆，那么你就拥有了一支测绘车队。这使得原始设备制造商能够以符合汽车定价要求的成本，满足当前已经面临的地图更新要求。
不依赖于车辆的独立硬件可将私家车转变为制作高精地图的低成本数据采集车队
Atlatec版权所有
MMM模型：批量生产地图
基于所有这些，我们可以划分未来几年高精地图制作的3个可能阶段。我们称之为MMM模型（Make，Maintain，Mass build/制造、维护、规模生产）：
1.制造/Make：
创建高精地图的第一个版本，至少适用于美国、欧洲分地区和日本的所有高速公路。这一覆盖范围将是进入批量生产的功能的最低要求。这类工作的多数合同可能在未来12-24个月内执行。
2.维护/ Maintain：
保持高精地图的第一个版本是最新的。很可能仍然使用HD高精等级的测量设备和处理方法，但成本低，周转时间短（从知悉变化后约2周）。这种方法在当今的技术中是具备可行性的，因此我们没有理由在未来几年拒绝它，为最后一步争取时间。
3.规模生产/ Mass build：
设计和实施一个端到端的解决方案，该解决方案允许采集量产车辆的车载传感器数据，可靠地聚合和处理这些数据，以便检测地图环境的变化，并相应地更新地图并将其反馈回到车队。这很可能是这十年内高精地图的最终目标，但是高精地图的构建还需要好几年时间。
Mobileye今天似乎遥遥领先于许多其他玩家，即使没有MMM模型提供的基石，Mobileye可能也会完成第3步。汽车行业是竞争最激烈的行业之一，任何东西都不会长期只有一个供应商。而对于希望建立竞争性报价的原始设备制造商和一级供应商来说，有一个解决方案可以在不牺牲快速上市的前提下争取时间，将是一个好消息。
看看未来的众包玩家喜欢哪种方法和理念会很有趣。Mobileye目前的和其他市场参与者的发展让人想起苹果和微软之间的早期竞争。一方面，有一个封闭的端到端系统，提供高性能，但对用户来说这仍然是某种‘黑匣子'，除了制造商设计的一切，不允许定制或个性化。
另一方面，我们可能会看到一个更加的生态系统，不同类型的公司进行合作：汽车制造商、传感器制造商、软件公司、地图和电信公司，每一家公司都将各自的专业知识摆到桌面上。
我们非常期待看到将共同创建的地图解决方案。
原文：The road to everywhere: are HD maps for autonomous driving sustainable?
作者：TOM DAHLSTR?M, BUSINESS DEVELOPMENT MANAGER, ATLATEC
