在全球制作高精地图的「DeepMap高深智图」，用“轻资产模式”采集数据

目前，高深智图的高精地图主要针对L4级自动驾驶，也兼顾L3。其商业模式包括：为传统车企、自动驾驶初创公司和无法突破技术难点的其他图商提供高精地图定制化生产服务；提供定位服务；多传感器的标定，以实现坐标转换；提供低成本的数据收集方案。

谈及服务主机厂和自动驾驶初创公司的区别，刘澍泉说，主机厂最在乎成本和车规，每天想的都是量产，想从ADAS逐步演进到L4，而自动驾驶初创公司基本上起步就是做L4。

高深智图工程技术总监邹亮说，高精地图的制作技术主要有两种：一是激光点云融合技术，就是用激光雷达扫描、返回场景分布点的技术，适用于L4和L5级自动驾驶；二是基于图像和 GPS 的技术，适用于ADAS。

其中，激光点云融合技术包括两类，一是基于点云融合的算法，其应用场景较广，不仅限于 GPS 场景，这也是高深智图采用的技术思路；第二种是基于比较精确的差分 GPS 和精确惯导（IMU，惯性测量单元），但这种技术对场景依赖较强，必须在开阔地带使用，高架桥和地下车库等 GPS 信号弱的场景会削弱其效果。

刘澍泉认为，现在高精地图建图的难点主要有三个：第一，针对同一个空间点，可能会在不同时间、从不同角度、使用不同传感器对它进行扫描、生成数据。如何把这些“多源数据”进行融合来保证地图数据的一致性，是一个难点；第二，所有数据采集完成后，除了做数据融合以外，还需要自动化提取数据中的关键特征；第三，现在能够生成局部的高精地图，但如果要生成超大规模的高精地图，难度还很大。

高深智图成图过程演示（图源：高深智图）

目前，高深智图的高精地图涵盖三种场景：高速路和城市快速路、城市道路、封闭区域。

因为GPS信号被遮挡，地下车库是公认最难制作高精地图的场景之一。传统图商一般会选择使用更昂贵的设备进行数据采集，动辄数百万美元，而DeepMap采用基于低成本传感器的点云融合和ICP算法进行地图制作，有成本优势。

刘澍泉告诉，他们提供的是“相对精度”的测量方法和地图生成方式，可以不包含“绝对精度”的GPS信息，因为绝对精度其实是一个“观测平均值“，误差不可避免，且处在不断变化中。

“我们的地图和定位实际上是一体化的，可以将我们的定位服务理解成一种增值服务，你可以只使用我们的地图，不用我们的定位，但是你如果使用我们的定位，必须要用我们的地图。事实上，两相搭配使用才能够将我们的技术能力发挥到最好。”刘澍泉说。

刘澍泉告诉，高深智图没有固定的数据采集车辆，是“轻资产模式”，平常采集数据是用客户的车或自己租车。如果数据规模要求较大，比如，要采集整个北京城的地图、并保持每日更新，那他们会和第三方去合作，比如找出租车、公交车或环卫车公司，把采集设备安装在这些车的车顶。

刘澍泉说，他们使用的采集设备有激光雷达、摄像头、GPS 和惯导 (IMU)，市场售价是3万美元左右，远低于大多数图商的设备成本。

而在数据更新方面，高深智图是最先提出用“众包模式”的图商之一。所谓“众包”，就是每一辆带有传感器配置的自动驾驶车辆都能成为地图数据更新的采集来源。为了保证车端高精地图的实时更新，高深智图把整套人工智能生产流程部署在云上，利用云上的超级算力处理地图生产过程中的庞大数据量。

谈及自动驾驶公司是否能自己制图、不用外包给图商，刘澍泉说，局部区域或许可以，但如果要规模化，难度非常大。而且，很多技术细节很难处理，比如，在做图像语义分割时，要对当地的车道线、标识牌、信号灯等交通法规和交通标注非常了解。而且，纵观整个自动驾驶行业，一个公司把所有环节做完是不可能的，大家分工合作、做好自己最擅长的部分，整个行业才能发展下去。

“跟国内所有的竞争厂商去对比的话，我们最强的地方就是在欧洲、美国、日本、澳大利亚、新西兰等全球各地都在制图，这是我们的一个绝对的优势，”刘澍泉对说，海外的OEM要进中国，中国的车企要出海，如果两个地方的地图标准是一样的、是由同一家公司提供的，对客户来说就方便很多。

谈及高精地图目前的发展瓶颈，刘澍泉说，测绘行业政策严格，并非所有企业都被允许进入，申请甲级测绘资质的条条框框也很多，在一定程度上限制了图商业务进展，而政府在“偏转加密”方面的法律要求也有待完善。

刘澍泉认为，高精地图是一个有规模效益的事情。规模越大，数据处理的单位成本就越低，而自动驾驶普及之后，车企客户可以用自己的设备去采集和更新高精地图，就给图商省去了设备成本。

在加入高深智图之前，刘澍泉曾是阿里云全球技术合作事业部总经理和解决方案事业部总经理，也曾负责甲骨文中国企业架构师团队。

————