揭秘高精度地图的生产过程。

坐在一辆不到 8 万块钱的自主品牌小型 SUV 江淮瑞风 S3 里，行驶在高速公路上，如何做到回头率百分之百？

当然不会是「在车屁股上栓只鸡」这么接地气的答案。实际上换来这种高回头率的代价可能很大，比如，把它改装成一辆高精度地图采集车。

这个方法亲测可用，因为当我坐在百度的高精度地图采集车里，以 60km/h 的速度行驶在上海外环高速的时候，旁边那些车里的司机和乘客，都在以一种非常奇特的眼神往我们车上看。

只怪它太显眼了：

这些瑞风 S3，由江淮汽车向百度公司交付，共计 32 台，交付后由百度改装成图上的样子，用于进行高精度地图的采集。为此，双方还在百度上海研发中心进行了一个简短的交车仪式。

江淮是百度 Apollo 自动驾驶计划的首批合作伙伴之一，虽然这次的仪式看起来只是「百度向江淮订购了一批车辆」或者「江淮向百度捐赠了一批车辆」，但是百度和江淮方面都表示，在 Apollo 计划里，双方将会深入合作。

而根据江淮的计划，他们希望在 2019 年下半年推出自动驾驶量产车型，并且在 2020 年实现 L3 的商业化运营，以及在 2025 年实现 L4 级别自动驾驶，目前看起来，要完成这些计划，百度 Apollo 平台会发挥很重要的作用。事实上， 按照双方的说法，江淮推出的自动驾驶量产车型，会是 Apollo 计划开放以来的首个高精地图自动驾驶量产落地项目。

而之所以选择在上海的百度研发中心进行这个交车仪式，最主要的原因在于，这是百度高精度地图在全国采集、生产的三个基地之一。另外两个分别是北京和广东顺德。

其实在我看来，「交车」本不是一件大事，但是百度为此营造「仪式感」的原因，还是他们想对外展示自己在高精度地图方面的所作所为。顺便提一句：也是在这个月，百度的友商高德在北京宣布和千寻位置达成「高精度地图+高精度定位」的战略合作，目标之一当然也是推动自动驾驶技术的商业化落地。

我们还是先把友商之间的明争暗战放一边，我更感兴趣的是，所谓的「高精度地图」，到底是如何生产出来的？

百度把高精度地图制作分为「外业」和「内业」两部分，共三个步骤，分别是外采、后台数据化处理、人工验证以及发布。

简单地说，就是外出采集+后期处理，这和拍电影有点儿类似，前期的拍摄和后期的剪辑配合起来，才能最终生成一部能看的电影。

百度目前的高精度地图以满足 L3 级别自动驾驶的要求为标准，所以采集的道路场景以高速公路为主。算上这次交付的 32 台采集车，百度地图的采集车队总量为 288 台，其中具备高精度地图采集能力的车辆约 40 多台。

百度高精度地图负责人马常杰告诉 GeekCar，百度的高精度地图采集车，单车设备成本在 100 万人民币左右，硬件选型和采集系统都是由百度自行设计开发。

根据我们的观察，整套采集车在采集设备上包括以下几部分：

1. 由 Velodyne 提供的 32 线激光雷达，负责采集点云数据。激光雷达在车顶呈一定角度放置，为的是尽可能多的采集道路信息而非天空信息

2. 摄像头：负责采集前方道路影像，每秒拍摄 7-10 张照片

3.GPS：负责记录车辆 GPS 轨迹

4.IMU

5. 由三台单反相机+120 度鱼眼镜头组成的 360 度环视影像采集系统

下面分步骤介绍：

1. 采集

而在车内的副驾驶位置，是一台负责控制采集设备的电脑系统，用来让采集员实时监控采集情况。

对于采集员来说，他们的日常工作就是开着采集车以 60-80km/h 的速度在高速公路上平稳的行驶，每天至少需要采集 150 公里的高精度地图数据。

在驾驶采集车的过程中，他们需要不断的确认采集设备是否处于正常工作状态，同时还得根据天气和环境情况选择不同的摄像头参数预设，但是总体来说，外采工作对于采集员的技术要求并不算非常高。当然，因为设备昂贵，所以他们会比较担心采集车在夜晚的安全问题。

对于这些采集设备来说，让他们处于同一个「坐标系」下工作，是非常重要的，也就是所谓的「多传感器标定」。而这些设备综合起来的数据量，一般在一公里 1GB 左右。

马常杰说，这些采集来的数据除了可以用来生产高精度地图，还可以为百度的识别算法提供训练和测试样本。这有助于高精度地图自动化生产能力的提升。

2. 自动融合、识别

采集到的这些每秒 10 帧左右的图像，会由电脑进行自动的识别和融合。简单的说，就是把 GPS、点云、图像等数据叠加到一起，然后进行道路标线、路沿、路牌、交通标志等等道路元素的识别。

另外，诸如同一条道路上下行双向采集之后造成的数据重复问题，也会在这一步里被自动整合，剔除重复内容。

这一步，相当于视频制作里的「粗剪」，只不过，这不是由人工完成的，而是一个自动化步骤。

3. 人工验证、发布

这一步是需要人工完成的，属于内业操作。因为自动化处理不可能做到百分之百的准确，所以得再进行一轮人工验证，相当于视频制作的精剪、输出成片阶段。

在百度上海研发中心，有一些员工就在做高精度地图人工验证的工作。他们需要从云端下载需要验证的路段数据，然后把自动处理之后的高精度地图数据和对应位置的图像信息作比对，找出错误的地方并进行更正。比如，如果系统把一个限速牌错误识别成了 60km/h，而实际是 80km/h，这时就需要进行人工修正。

马常杰说，每个员工每天能修正的数据量在 30-50 公里左右。

这些修正后的数据不会保存在本地，而是需要上传到云端。最终的高精度地图成品，也会通过云平台进行下发。

总体来说，百度认为自己在高精度地图领域具备三个优势：

车队规模大& 覆盖广：拥有全国最大的高精度地图采集车队，覆盖 30 万公里的全国高速及城市道路

精细化程度高：可以精细刻画上百种道路要素和属性

生产效率高：自动化处理程度达到 90%+

自从 Apollo 计划发布以来，围绕它的技术路线、商业模式等问题，就有不少的讨论。不少人的疑问都是：百度说了那么多，但是 Apollo 计划实际执行起来到底怎么玩？

通过和江淮合作，我们能得出一个信息：在 Apollo 计划实际落地的过程中，高精度地图会扮演重要的角色。通用的 Super Cruise 就是利用高精度地图实现高速公路自动驾驶的一个典型案例，类似的方案，相信也会被其他的整车厂所效仿，如果国内的自主品牌们都选择这条路径去走，那么对于百度、高德、四维图新这些图商们来说，就是一个相当大的利好了。

另一个层面上，百度把高精度地图看做是是 Apollo 云端服务的核心数据，这个重要性也可见一斑。

总之，国内图商对于高精度地图的大力推广，也在一定程度上意味着，国内自动驾驶落地的进度正在加快。