2023年，城市NOA迎来爆发期，众多车企纷纷宣布将在今年量产城市NOA功能。而随着城市NOA即将步入大规模量产落地，“不依赖高精度地图”逐渐成为行业主流观点和发展趋势。
究其原因，一方面是受限于高精度地图本身覆盖度、成本、更新频次等问题，难以满足城市NOA量产的需求。另一方面，则在于高精度地图的测绘属于国家强监管领域，相关政策法规的颁布和实施，也让企业使用高精度地图的成本攀升。
也正因此，越来越多的企业宣布推出“不依赖高精度地图”智能驾驶解决方案。如华为在4月份发布了不依赖高精度地图的高阶自动驾驶系统，将搭载至问界M5；理想汽车此前也表示今量产的城市NOA将不依赖高精度地图。
但“不依赖高精度地图”并不等于无图。毕竟，城市场景相比高速场景更加复杂，变化更加迅速，HMI更精细逼真的渲染需求，都对地图能力提出了更多的要求。因此，“轻地图”解决方案则成为城市NOA迈向量产的有效解法。
今年4月，腾讯发布了专为城市智能驾驶打造的地图产品HD Air轻量级高精数据，其具备更轻、更快、要素更精细的优势，能够在满足L2+级自动驾驶需求的同时，进一步降低建图成本，为城市级智能驾驶规模化落地提供基础。
同期，百度也发布了“轻量化”的解决方案，其城市智驾 Apollo City Driving Max 系统，选择以「纯视觉+激光雷达」的方式实现感知冗余，通过加强算法、减少对于道路要素的依赖，比行业通用的传统高精地图要「轻」近 80%，以便在多个城市用合理可接受的成本推广开来。
事实上，除了腾讯、百度外，包括四维图新、高德等图商，小马智行、元戎启行等L4级自动驾驶解决方案供应商，以及华为等企业，都在积极探寻轻地图解决方案。那么，“轻地图”的“轻”究竟该如何定义？“轻地图”又是如何实现更低成本助力城市NOA加速量产落地？
传统高精度地图，难以满足城市NOA需求？
早在2019年，特斯拉CEO马斯克就曾公开表示：“过分依赖高精度地图，会让自动驾驶系统变得极其脆弱，普及起来更加困难。”对此，业内普遍认为，高精度地图作为自动驾驶系统的重要感知能力，是必不可少的一项。但当自动驾驶从高速走向城市，受限于高精度地图本身成本、鲜度和覆盖度等问题，难以满足城市NOA的量产需求。
此前毫末智行CEO顾维灏表示，高精度地图在城市道路上会面临非常大的调整，原因在于城市道路多、公里路长、变化高，高精度地图想要体现时效性，对图商要求非常高。同时，成本也是一个非常大的问题，毕竟想要做到实时更新的鲜度，本身地图的成本就会非常高。
小鹏汽车自动驾驶副总裁吴新宙也曾表示，希望NGP发布的时候能够做到以“天”级更新高精地图的能力。但现实是，高精地图更新是另一个大难题。据了解，当前市面上的图商只能做到 3 个月更新一次高精地图，而对于自动驾驶而言，理想状态是日更，乃至小时级的更新。
成本方面，高精地图路线不仅初期投入巨大，还需要和激光雷达技术、摄像头、位置传感器配套，制作依赖专门的采集车，一辆采集车成本上百万，且需要在全国主要城市路网大面积采集，采集车工作人员，数据采集、分析、处理也要计入成本。而这只是第一步，随之而来的是高昂的维护费用。
据《智能网联汽车高精地图白皮书》显示，采用传统测绘车方式，分米级地图的测绘效率约为每天每车500公里道路，成本为每公里10元左右，而厘米级地图的测绘效率约为每天每车100公里道路，成本可能达每公里千元。
相关数据显示，中国城际高速公路和城市快速路有30万公里，中国城市道路约1000万公里，城市路口约40万个，红绿灯约136万个，交通网错综复杂。实现实时更新，不仅是一项庞大的工程，更是一项烧钱的事业。武汉大学测绘遥感信息工程国家重点实验室教授李必军曾表示，把全国的道路数据采集下来至少需要 200 亿左右。
与此同时，高精度地图的测绘也面临着更严格的资质监管，相关数据显示，2021年，共有31家企业拿到了甲级测绘资质，而到了2022年，却仅有19家通过复核，对比之下，数据量锐减，这也成为自动驾驶向更多城市道路拓展的阻碍
基于此，我们不难看出，尽管高精度地图在自动驾驶技术中扮演着不可或缺的角色，但受限于政策、市场、技术等多重难题，其很难发挥出自身重要作用，车企也逐渐走向“轻地图”路线。
轻地图解决方案，该如何定义？
不依赖高精度地图，并不意味着完全放弃高精度地图。
甚至到现在，大部分企业在自动驾驶系统的研发环节，都还高度依赖高精度地图。毕竟，如果没有高精度地图，连自动驾驶的demo都很难做出来。
当然，落到实际量产应用环节，尤其是在城市NOA量产过程中，高精度地图的限制却使其难以实现大规模的应用，“轻地图解决方案”应运而生。
所谓的“轻地图解决方案”，主要有两种情况，一种是直接接入导航地图，比如特斯拉FSD，其在数据标注阶段使用的是高精度地图，而在FSD实际运营阶段则是接入的普通导航地图。
另一种则是基于处于导航地图和高精度地图之间的地图形式，其在精度、要素的丰富度上，要比导航地图更高，但弱于高精度地图, 在保留智能驾驶所必需的基础要素基础上，简化了不必要的元素。比如腾讯推出的HD Air轻高精数据，就是介于SD地图和高精度地图之间的一种地图形式。
而轻地图解决方案能够进入实际应用环节中最重要的一个因素，在于现阶段单车强大的感知能力的提升，比如BEV鸟瞰图，以及大模型Transformer的应用。
BEV 指的是鸟瞰图，与此前基于 2D 直视图做目标检测和深度估计不同，它通过将多个摄像头采集的数据，进行多帧时序前融合，输出鸟瞰视角下动态目标物的 4D 信息及静态目标物的 3D 信息，以此供给规划、控制等下游任务做参考。
在这个过程中，一种基于注意力机制的神经网络模型「Transformer」起到关键作用，其抛弃了传统的 CNN 和 RNN 建模路线，能够抽象地理解整个图像不同区域语义元素之间的关系，就像被打乱的拼图游戏，Transformer 通过图片像素之间关系，依然能够记住它们的组合顺序，从而很好地在空间-时序维度上进行建模。
简单来说，Transformer 可以从不同视角的摄像头中提取特征信息，根据对像素位置关系的理解，顺理成章地完成 BEV 图像拼接，形成全面的场景认知。
而两者结合应用，大大提升了车端的感知能力，这也就弱化了自动驾驶系统对高精度地图的依赖。轻地图解决方案，也逐渐成为行业主流发展趋势。
轻地图，如何助力城市NOA加速落地？
事实上，虽然“重感知、轻地图”的提法固然振奋人心，然而在车辆实际运行中，却并不是易事。一方面，车端的传感器远远做不到如高精地图一般的超视距感知，以及丰富多样的语义理解。但同时，车企又在大力推进城市NOA的落地。
这二者之间的矛盾，让车企并没有办法完全割舍掉高精度地图。但面对城市NOA的亟待量产落地，轻高精度地图，则成为当前自动驾驶行业发展最优解。那么，轻高精度地图，究竟是如何加速助力城市NOA量产的？
我们以腾讯为例，其在今年4月份发布了轻高精数据HD Air。相比于高精度地图，HD Air更加轻量化、更新频率更快，相比于普通导航地图，其要素又更精细。
具体来说，HD Air形态更轻，聚焦智能驾驶的必要要素，在保障米级精度，满足L2+级自动驾驶需求的同时，进一步降低建图成本，为城市级智能驾驶规模化落地提供基础。
第二，HD Air更新更快，多种采集更新模式可以保障周级更新，通过提供更加实时准确的数据，帮助敏捷应对快速变化的城市场景。
第三，HD Air要素更精细，除道路精细化呈现，对于座舱应用需要的POI、环境、建筑物等有更精细的表达，可支持更三维化、逼真化、实时化的地图渲染，提升座舱体验。
对此，腾讯智慧出行副总裁刘澍泉表示，未来地图会越来越轻，鲜度将是决定地图优秀与否的核心，帮助自动驾驶从高速公路向城市道路扩展，需要为每个主机厂量身定制低成本、高覆盖率、高新鲜度的自动驾驶地图。
为此，腾讯还专门推出了车图云解决方案，提供地图更新服务，车图云融合了腾讯在云和地图方面的专长， 通过云平台，可以更高效地推动AD地图升级。
具体来说，从车辆数据收集开始，就已经进入地图升级周期，借助车载安全SDK，腾讯车图云解决方案能够在安全循环中收集、传输和存储传感器数据和车辆动态数据， 数据传回OEM后，叠加最新数据得到新的地图包，并通过ODD服务进行更新。
“图和云的一体化能力，将加速自动驾驶服务实现数据驱动和持续进化，成为自动驾驶服务运营的基石。” 刘澍泉表示：“腾讯将以图和云为基础，以服务化的模式开放地图能力，连接生态，助力车企完成商业模式升级。”
当前整个智能驾驶汽车尚处于初级发展阶段，不管是重地图，还是轻地图，最终的目的都是将无人驾驶带入现实。而在轻地图解决方案上，目前国内各公司也都还在探索阶段，离量产落地还有一定距离，最终未来自动驾驶究竟将以何种形式量产落地，我们仍需要拭目以待。
本文来源：财经报道网
