专业采集与众包，细数两种地图制作方式的优劣

自动驾驶技术由于具备非凡的商业价值，一直以来吸引了众多传统车企、新造车势力，互联网巨头、Tier1等玩家进入这一赛道，经历多年的发展，诸多不同的技术路线和解决方案应运而生。如今不同等级、不同场景的自动驾驶量产方案呈现日趋务实的态势。

无论哪种解决方案，原则上都是让汽车实现智能“感知——决策——执行”流程，在这一过程中，高精度地图是汽车实现“感知”不可或缺的元素，地图的商业价值由此而凸显。

专业采集与众包采集

在诸多实现自动驾驶技术方案中，地图都处于“感知担当”的角色，地图数据到底该如何采集？

比较常见的是专业采集与众包采集两种方案。孰优孰劣？可以一起来了解看看。

专业采集

在传统导航发展的早期阶段，需要大量专业的数据采集人员、测绘设备、采集车等，往往在测绘一条道路时测绘车会来回采集多遍，以确保数据的准确性。

高精度地图专业采集也同样依赖于专业采集设备和专业采集人员，且高精度地图数据对道路数据属性和粒度要求更细致，地图采集时候需要包含的数据往往会涵盖道路网络数据、车道网络数据、道路交通设施数据、安全辅助数据等信息。

此外，高精度地图生产流程繁杂，在完成集中式数据采集后，还要经历数据融合、数据处理、发布、交付等诸多环节。

众包式采集

关于众包式地图数据的采集，目前暂无明确的定义，基本上可以理解为用户通过自动驾驶车辆自身的传感器，或其他低成本的传感器硬件，收集的道路数据传到云端进行数据融合，并通过数据聚合的方式提高数据精度，来完成高精地图的制作。

众包采集也分为视觉和雷达等方式，目前国内外均出现了沿用不同方案的众包公司，这些初创企业基本分两大阵营，第一是以视觉为主，用户使用车辆自身的摄像头传感器或另安装专门的摄像头采集视频数据，在本车做一些基本的道路要素提取，并上传提取结果，这些数据最终将帮助图商/方案集成商创建高精地图。另一种方案则是以雷达为主，主要是将激光雷达获取的点云数据利用AI识别道路特征，把道路边线、车道线以及一些看板的特征识别出来，建立起地图更新或直接构建感知图层。

不同地图采集生产方式的特点与优劣

无论是专业式还是众包式采集，地图数据采集的目的都是助力自动驾驶技术实现，这两者优劣各在哪里？

专业式采集

图商在制图过程中采用专业测绘车，通过自主采集半自动化以及全自动化生产的方式获得了高精度的矢量地图，矢量地图包括车道级拓朴、车道边线、道路区间以及ADAS数据等信息，它能够满足车道级的导航功能的自动驾驶，精度和可信度高。

优势

1、精度高：专业的测绘手段与成熟的制图工艺流程相配合，可以达到厘米级精度，能够满足不同等级自动驾驶技术对高精度地图的精度要求。

2 、适应性强：不同场景、不同等级的自动驾驶技术方案各有不同，矿山、园区等场景在地图测绘时也可能会采用不同的方案（采集车搭配不同的传感器），以满足客制化的需求。在为客户提供产品之前是全方位多角度的产品设计，基本上可实现与算法软件无缝对接。

3 、技术成熟：专业采集技术已经经过多年的技术积累，形成了相对成熟的流程，在质量控制方面也具有相对成熟的经验，可以很好的满足车厂项目的需求。

劣势

1、成本高：测绘车由于搭载了激光雷达等昂贵的设备，一台测绘车成本往往高达几十万甚至几百万。

2、 数据量大：由于采集的地图要素多而精细，在存储和传输过程中，需要的存储容量和带宽要求也非常惊人，这也是目前高精度地图的采集、制作基本上以项目/区域为主，还并未形成一张全国高精度地图的原因。

3 、专业人员需求：外业采集人员需要具备专业的知识且经过多年培训，才能完成任务。而且后续在制图过程中也需要大量内业人员参与绘图、切片等制作流程中。

4、 鲜度维系不易：专业采集受制于采集车的使用频率与地图的制作工艺，在日新月异的国内建设速度下，数据鲜度的维持变得愈发重要且不易。

与专业测绘相比，众包测绘的优势和劣势有哪些？

众包式采集

众包本身是为解决高精度地图更新与制作成本问题而生，目前这种采集方式多用于地图数据更新，也就是把地图更新的任务交给道路上行驶的大量非专业采集车辆，利用车载传感器实时监测环境变化，并与高精度地图进行比对，当发现道路变化时，将数据上传至云平台，再下发更新给其他车辆，从而实现地图数据的快速更新。

对于众包而言，大多数是基于视觉算法形成地图。利用摄像头采集视频数据，经过深度学习算法，或者图像识别，大量的数据投喂给深度学习算法则让机器有了更强大的识别能力，从而提高了数据处理的能力。它非常依赖于算法，原则上它是通过大量数据共享、挖掘、分析和融合来弥补单个数据质量精度低的问题，提升地图精度和可信度。

优势

1、相对成本较低：与昂贵的专业的激光雷达测量车相比，成本较低，普通车辆经过简易改造即可执行任务。

2 、数据来源非常丰富、实时性好：大量非专业采集车辆在行驶中即可即时获取道路状况发生的变化，这种UGC的数据产生方式可以及时完成路况数据快速检阅与更新的问题。

3 、是实现实时更新的低成本和可量产化的方案：众包采集具有一些非常显著的优势，中国大概600多万公里的道路数据，如果按照专业测绘的方式采集，成本与时耗都将是个天文数字。

劣势

1、 传感器数据来源和标准不一：由于各家众包方案使用的传感器不一样，导致数据来源、精度、格式标准都不统一，各种传感器采集的数据在融合时会出现一定难度。

2 、精度不够：众包方案产生的数据大多是视频数据，精度较低。图像包含的信息量非常大且大部分为非结构化的数据。实际上，这些非结构化数据要处理成结构化数据，是要通过标定和AI算法把图像数据变成矢量化数据。精度比较低的话，后续处理会更加复杂。为了提高精度达到高精地图的要求，需要海量的数据做数据聚合后才行，也造成了很难通过众包的方式做成第一张高精地图，而这种方式各家适合于数据更新。

3 、政策门槛：对于众包数据采集的行政许可目前是没有的，根据测绘法对测绘行为的定义，企业性质的大范围的带GPS或不带GPS的地理数据搜集行为属于测绘行为，这些数据需要由有甲级导航电子地图资质图商收集处理。

4 、技术门槛高：众包制图整个过程涉及到计算机视觉技术，AI技术，数据融合技术等目前业界的一些尖端技术，有些技术目前还相对不成熟。

一直以来，大范围的精度控制难、制作和更新成本高、以及近乎实时性等要求，都是高精度地图面临的重大挑战。采用专业采集和制作的方式来完成一张全域的高精度地图底图以保障大范围的精度控制，是当前主流图商的基本做法。而通过众包采集，主要依赖算力、AI及计算机视觉技术，实现无人干预的全自动化实时云端制图和发布，则是未来的低成本快速更新高精度地图的主流趋势。

部分素材来源于网络，如有侵权请联系删除。