從1961年斯坦福車的問世，自動駕駛汽車概念便開始進入公眾的視野，相關成果也從最開始的移動一米需要10到15分鐘到如今在特定園區內行雲流水地搬運貨物。
不管技術怎麼更迭，但不變的是，最終的需求都是試圖用各種技術來解放人的眼睛、耳朵、大腦和手腳。
耳朵和眼睛用來感知外界的變化，從而為大腦進行決策提供有效信息，大腦做好決策之後發出指令來指揮手腳進行操作。
自動駕駛技術要實現對人的完全解放，做好感知層的佈局首當其衝，而鋪好一張感知層的大網，得靠各種傳感器來蒐集外界信息，然後通過數據的整理、分類和清洗形成一張動態的高精度地圖來指導車輛行駛。
本文主要是從採集方式來剖析高精度地圖的市場現狀。
眾包模式為主的採集模式
從採集端來看，目前主要有兩種主流採集模式，一種就是以傳統圖商為代表的“專業測繪製圖”模式和以具有相關硬件的“數據眾包自動生產”模式。
從1961年斯坦福車的問世，自動駕駛汽車概念便開始進入公眾的視野，相關成果也從最開始的移動一米需要10到15分鐘到如今在特定園區內行雲流水地搬運貨物。
不管技術怎麼更迭，但不變的是，最終的需求都是試圖用各種技術來解放人的眼睛、耳朵、大腦和手腳。
耳朵和眼睛用來感知外界的變化，從而為大腦進行決策提供有效信息，大腦做好決策之後發出指令來指揮手腳進行操作。
自動駕駛技術要實現對人的完全解放，做好感知層的佈局首當其衝，而鋪好一張感知層的大網，得靠各種傳感器來蒐集外界信息，然後通過數據的整理、分類和清洗形成一張動態的高精度地圖來指導車輛行駛。
本文主要是從採集方式來剖析高精度地圖的市場現狀。
眾包模式為主的採集模式
從採集端來看，目前主要有兩種主流採集模式，一種就是以傳統圖商為代表的“專業測繪製圖”模式和以具有相關硬件的“數據眾包自動生產”模式。
目前，獲准中國甲級測繪資質的企業共20家，背後涉及的企業及大佬有小米、華為、騰訊、蔚來、戴姆勒、馬雲和部分A股上市公司，其餘部分為國家測量單位。
測繪方面，百度較為典型，除了參與早期測繪資質的標準制定。2017年國家測繪地理信息局公佈的數據顯示，截止2016年底百度共擁有在冊測繪人員224名，其中包括了百度自身的56人和其於2013年收購的、擁有“電子導航地圖製作”甲級測繪資質的長地萬方的168人。此外，百度地圖事業部員工超過2000人。
雖然傳統地圖商已經在測繪採集方面進行了佈局，但是其高資金成本和人力成本、時間成本讓眾多企業望而卻步。
大多數企業採取了“數據眾包自動生產”模式，這也是目前主流採集模式，國內外十幾家高精地圖製作商均採用了此模式。
從1961年斯坦福車的問世，自動駕駛汽車概念便開始進入公眾的視野，相關成果也從最開始的移動一米需要10到15分鐘到如今在特定園區內行雲流水地搬運貨物。
不管技術怎麼更迭，但不變的是，最終的需求都是試圖用各種技術來解放人的眼睛、耳朵、大腦和手腳。
耳朵和眼睛用來感知外界的變化，從而為大腦進行決策提供有效信息，大腦做好決策之後發出指令來指揮手腳進行操作。
自動駕駛技術要實現對人的完全解放，做好感知層的佈局首當其衝，而鋪好一張感知層的大網，得靠各種傳感器來蒐集外界信息，然後通過數據的整理、分類和清洗形成一張動態的高精度地圖來指導車輛行駛。
本文主要是從採集方式來剖析高精度地圖的市場現狀。
眾包模式為主的採集模式
從採集端來看，目前主要有兩種主流採集模式，一種就是以傳統圖商為代表的“專業測繪製圖”模式和以具有相關硬件的“數據眾包自動生產”模式。
目前，獲准中國甲級測繪資質的企業共20家，背後涉及的企業及大佬有小米、華為、騰訊、蔚來、戴姆勒、馬雲和部分A股上市公司，其餘部分為國家測量單位。
測繪方面，百度較為典型，除了參與早期測繪資質的標準制定。2017年國家測繪地理信息局公佈的數據顯示，截止2016年底百度共擁有在冊測繪人員224名，其中包括了百度自身的56人和其於2013年收購的、擁有“電子導航地圖製作”甲級測繪資質的長地萬方的168人。此外，百度地圖事業部員工超過2000人。
雖然傳統地圖商已經在測繪採集方面進行了佈局，但是其高資金成本和人力成本、時間成本讓眾多企業望而卻步。
大多數企業採取了“數據眾包自動生產”模式，這也是目前主流採集模式，國內外十幾家高精地圖製作商均採用了此模式。
其中，Mobileye旗下的REM地圖服務和博世旗下的BRS地圖服務都是採用眾包模式，日產、大眾、寶馬等多家車企也與高精度地圖製造商聯合進行數據採集。
之所以高精度地圖需要採取眾包模式，一方面是因為其數據來源廣泛，包括軌跡數據、圖像數據、雷達數據、CAN數據等，另一方面是冗雜的數據來源需要進行整理和清洗，再加上高精度地圖需要頻繁更新。在此情況下，眾包模式能實現較大程度的資源分擔和共享。
從軌跡數據上來看，由於傳統的GPS只能定位某個點的距離和既定路線的規劃，對於物體移動方向和運動軌跡無法進行初步預測，所以高精度地圖使用GNSS定位和輔之IMU（慣性測量單元）的慣性位置感知測量功能結合，感知物體目前位置和運動軌跡。
IMU的優勢在於可以根據物體現有運動狀態來預測物體將要運行的方位和幅度，彌補了GNSS關於點定位的缺陷，此外，IMU在惡劣天氣條件和沒有GPS信號下依舊能工作。目前在醫療和康復領域、無人飛行裝置及測量和控制工業機械振動方面應用比較普遍。
但是IMU存在的問題是，降低漂移率和保持長期穩定性也是一項挑戰。
2016年10月，IMU老牌製造商ADI（亞德諾半導體）推出ADIS16490，能在導航應用中維持很低的位置漂移，實現低噪聲、嚴格對準、抗振性和高帶寬（陀螺儀為480 Hz，加速度計為750 Hz）的精心平衡組合，為實施最具挑戰性的系統提供最低總誤差。
資料顯示，ADIS16490其起始單價（千片定量）為1645美元。
從1961年斯坦福車的問世，自動駕駛汽車概念便開始進入公眾的視野，相關成果也從最開始的移動一米需要10到15分鐘到如今在特定園區內行雲流水地搬運貨物。
不管技術怎麼更迭，但不變的是，最終的需求都是試圖用各種技術來解放人的眼睛、耳朵、大腦和手腳。
耳朵和眼睛用來感知外界的變化，從而為大腦進行決策提供有效信息，大腦做好決策之後發出指令來指揮手腳進行操作。
自動駕駛技術要實現對人的完全解放，做好感知層的佈局首當其衝，而鋪好一張感知層的大網，得靠各種傳感器來蒐集外界信息，然後通過數據的整理、分類和清洗形成一張動態的高精度地圖來指導車輛行駛。
本文主要是從採集方式來剖析高精度地圖的市場現狀。
眾包模式為主的採集模式
從採集端來看，目前主要有兩種主流採集模式，一種就是以傳統圖商為代表的“專業測繪製圖”模式和以具有相關硬件的“數據眾包自動生產”模式。
目前，獲准中國甲級測繪資質的企業共20家，背後涉及的企業及大佬有小米、華為、騰訊、蔚來、戴姆勒、馬雲和部分A股上市公司，其餘部分為國家測量單位。
測繪方面，百度較為典型，除了參與早期測繪資質的標準制定。2017年國家測繪地理信息局公佈的數據顯示，截止2016年底百度共擁有在冊測繪人員224名，其中包括了百度自身的56人和其於2013年收購的、擁有“電子導航地圖製作”甲級測繪資質的長地萬方的168人。此外，百度地圖事業部員工超過2000人。
雖然傳統地圖商已經在測繪採集方面進行了佈局，但是其高資金成本和人力成本、時間成本讓眾多企業望而卻步。
大多數企業採取了“數據眾包自動生產”模式，這也是目前主流採集模式，國內外十幾家高精地圖製作商均採用了此模式。
其中，Mobileye旗下的REM地圖服務和博世旗下的BRS地圖服務都是採用眾包模式，日產、大眾、寶馬等多家車企也與高精度地圖製造商聯合進行數據採集。
之所以高精度地圖需要採取眾包模式，一方面是因為其數據來源廣泛，包括軌跡數據、圖像數據、雷達數據、CAN數據等，另一方面是冗雜的數據來源需要進行整理和清洗，再加上高精度地圖需要頻繁更新。在此情況下，眾包模式能實現較大程度的資源分擔和共享。
從軌跡數據上來看，由於傳統的GPS只能定位某個點的距離和既定路線的規劃，對於物體移動方向和運動軌跡無法進行初步預測，所以高精度地圖使用GNSS定位和輔之IMU（慣性測量單元）的慣性位置感知測量功能結合，感知物體目前位置和運動軌跡。
IMU的優勢在於可以根據物體現有運動狀態來預測物體將要運行的方位和幅度，彌補了GNSS關於點定位的缺陷，此外，IMU在惡劣天氣條件和沒有GPS信號下依舊能工作。目前在醫療和康復領域、無人飛行裝置及測量和控制工業機械振動方面應用比較普遍。
但是IMU存在的問題是，降低漂移率和保持長期穩定性也是一項挑戰。
2016年10月，IMU老牌製造商ADI（亞德諾半導體）推出ADIS16490，能在導航應用中維持很低的位置漂移，實現低噪聲、嚴格對準、抗振性和高帶寬（陀螺儀為480 Hz，加速度計為750 Hz）的精心平衡組合，為實施最具挑戰性的系統提供最低總誤差。
資料顯示，ADIS16490其起始單價（千片定量）為1645美元。
圖片來源：ADI官網
基於視覺、雷達等多傳感器的數據來源
關於圖像數據和雷達數據，對應的技術路線是自動駕駛的兩大流派。
一派主張以激光雷達為主，輔之以毫米波雷達、超聲波雷達等傳感器，利用其得到的點雲圖生成矢量圖，然後結合各種數據形成關於物體的三維圖，由於激光光束更加聚攏，所以在探測精度上具有一定優勢。但是最大的問題是成本過高、並且體積大、配套產業鏈還未完全成熟。
2016年8月，百度和福特公司對硅谷激光雷達生產商VelodyneLidar共同投資1.5億美元，目前該公司比較成熟的業務是用作商用卡車的部分。
福特隨後也公佈其自動駕駛戰略規劃圖，計劃2021年推出用於共享出行的全無人駕駛量產車，新的自動駕駛測試車將以福特Fusion混合動力車型為基礎，基於福特第三代自動駕駛平臺開發。
此外，國內導航地圖生產商頭部企業四維圖新此前還聯合ibeo、亮道智能，圍繞自動駕駛的“激光雷達+高精度地圖”方案進行研發和技術驗證。
認為激光雷達作為自動駕駛和高精度地圖採集必不可少的配置的這一派系，推崇此種技術路線的主要原因就是基於激光雷達能根據點雲圖形成矢量圖，從而生成三維圖使高精度地圖更加立體化。
但是激光雷達受天氣影響較大，目前相關產業鏈還未完善，所以導致其價格較高。
以谷歌子公司Waymo為例，其搭載了攝像頭、毫米波雷達、激光雷達、音頻探測系統等傳感器。
資料顯示，硅谷激光雷達生產商Velodyne推出的HDL-64型號的激光雷達售價高達7.5萬美元。一般車用激光雷達的售價均在萬元以上，重量1kg，測距小於200m，精度為20mm。
從1961年斯坦福車的問世，自動駕駛汽車概念便開始進入公眾的視野，相關成果也從最開始的移動一米需要10到15分鐘到如今在特定園區內行雲流水地搬運貨物。
不管技術怎麼更迭，但不變的是，最終的需求都是試圖用各種技術來解放人的眼睛、耳朵、大腦和手腳。
耳朵和眼睛用來感知外界的變化，從而為大腦進行決策提供有效信息，大腦做好決策之後發出指令來指揮手腳進行操作。
自動駕駛技術要實現對人的完全解放，做好感知層的佈局首當其衝，而鋪好一張感知層的大網，得靠各種傳感器來蒐集外界信息，然後通過數據的整理、分類和清洗形成一張動態的高精度地圖來指導車輛行駛。
本文主要是從採集方式來剖析高精度地圖的市場現狀。
眾包模式為主的採集模式
從採集端來看，目前主要有兩種主流採集模式，一種就是以傳統圖商為代表的“專業測繪製圖”模式和以具有相關硬件的“數據眾包自動生產”模式。
目前，獲准中國甲級測繪資質的企業共20家，背後涉及的企業及大佬有小米、華為、騰訊、蔚來、戴姆勒、馬雲和部分A股上市公司，其餘部分為國家測量單位。
測繪方面，百度較為典型，除了參與早期測繪資質的標準制定。2017年國家測繪地理信息局公佈的數據顯示，截止2016年底百度共擁有在冊測繪人員224名，其中包括了百度自身的56人和其於2013年收購的、擁有“電子導航地圖製作”甲級測繪資質的長地萬方的168人。此外，百度地圖事業部員工超過2000人。
雖然傳統地圖商已經在測繪採集方面進行了佈局，但是其高資金成本和人力成本、時間成本讓眾多企業望而卻步。
大多數企業採取了“數據眾包自動生產”模式，這也是目前主流採集模式，國內外十幾家高精地圖製作商均採用了此模式。
其中，Mobileye旗下的REM地圖服務和博世旗下的BRS地圖服務都是採用眾包模式，日產、大眾、寶馬等多家車企也與高精度地圖製造商聯合進行數據採集。
之所以高精度地圖需要採取眾包模式，一方面是因為其數據來源廣泛，包括軌跡數據、圖像數據、雷達數據、CAN數據等，另一方面是冗雜的數據來源需要進行整理和清洗，再加上高精度地圖需要頻繁更新。在此情況下，眾包模式能實現較大程度的資源分擔和共享。
從軌跡數據上來看，由於傳統的GPS只能定位某個點的距離和既定路線的規劃，對於物體移動方向和運動軌跡無法進行初步預測，所以高精度地圖使用GNSS定位和輔之IMU（慣性測量單元）的慣性位置感知測量功能結合，感知物體目前位置和運動軌跡。
IMU的優勢在於可以根據物體現有運動狀態來預測物體將要運行的方位和幅度，彌補了GNSS關於點定位的缺陷，此外，IMU在惡劣天氣條件和沒有GPS信號下依舊能工作。目前在醫療和康復領域、無人飛行裝置及測量和控制工業機械振動方面應用比較普遍。
但是IMU存在的問題是，降低漂移率和保持長期穩定性也是一項挑戰。
2016年10月，IMU老牌製造商ADI（亞德諾半導體）推出ADIS16490，能在導航應用中維持很低的位置漂移，實現低噪聲、嚴格對準、抗振性和高帶寬（陀螺儀為480 Hz，加速度計為750 Hz）的精心平衡組合，為實施最具挑戰性的系統提供最低總誤差。
資料顯示，ADIS16490其起始單價（千片定量）為1645美元。
圖片來源：ADI官網
基於視覺、雷達等多傳感器的數據來源
關於圖像數據和雷達數據，對應的技術路線是自動駕駛的兩大流派。
一派主張以激光雷達為主，輔之以毫米波雷達、超聲波雷達等傳感器，利用其得到的點雲圖生成矢量圖，然後結合各種數據形成關於物體的三維圖，由於激光光束更加聚攏，所以在探測精度上具有一定優勢。但是最大的問題是成本過高、並且體積大、配套產業鏈還未完全成熟。
2016年8月，百度和福特公司對硅谷激光雷達生產商VelodyneLidar共同投資1.5億美元，目前該公司比較成熟的業務是用作商用卡車的部分。
福特隨後也公佈其自動駕駛戰略規劃圖，計劃2021年推出用於共享出行的全無人駕駛量產車，新的自動駕駛測試車將以福特Fusion混合動力車型為基礎，基於福特第三代自動駕駛平臺開發。
此外，國內導航地圖生產商頭部企業四維圖新此前還聯合ibeo、亮道智能，圍繞自動駕駛的“激光雷達+高精度地圖”方案進行研發和技術驗證。
認為激光雷達作為自動駕駛和高精度地圖採集必不可少的配置的這一派系，推崇此種技術路線的主要原因就是基於激光雷達能根據點雲圖形成矢量圖，從而生成三維圖使高精度地圖更加立體化。
但是激光雷達受天氣影響較大，目前相關產業鏈還未完善，所以導致其價格較高。
以谷歌子公司Waymo為例，其搭載了攝像頭、毫米波雷達、激光雷達、音頻探測系統等傳感器。
資料顯示，硅谷激光雷達生產商Velodyne推出的HDL-64型號的激光雷達售價高達7.5萬美元。一般車用激光雷達的售價均在萬元以上，重量1kg，測距小於200m，精度為20mm。
目前大體上實現L4自動駕駛的硬件設備一般包含：6-16臺攝像頭、3-12臺毫米波雷達、5臺以內激光雷達以及1-2臺GNSS/IMU和1-2臺計算平臺，整體成本基本在50萬左右甚至更高。
Velodyne亞太區總監翁煒曾在2018年表示，“預計在2020年下的時候，Velodyne大概會開始做百萬等級的裝置，到那個時候Velodyne激光雷達年總體出貨量達到百萬等級，所有的產品都可以控制在1000塊美金以內。”
對於激光雷達的高成本和產業鏈相關配置的不確定，另一派系堅決反對高精度地圖的製作依賴激光雷達，特斯拉首當其衝，特斯拉Autopilot系統就是主要以攝像頭為主。
特斯拉人工智能和自動駕駛視覺總監 AndrejKarpathy曾表示，世界是為視覺識別而構建的，激光雷達很難分辨塑料袋和輪胎的區別。
從某種意義上來說，激光雷達一味地拔高技術壁壘，拋開了自動駕駛關於視覺識別的最直觀需求。而且從運算方面來看，傳感器越多越複雜，對算法的數據處理要求越高，成本自然會增加。
如果高精度地圖採集主要依靠攝像頭，單面攝像頭可以先通過圖像匹配進行目標識別，然後根據傳感器的尺寸，通過目標在圖像中的像素大小估算目標距離。雙目攝像頭可利用兩幅圖像的視差直接對前面物體進行距離測量，理論上雙目攝像頭的精度可達到毫米級。
但是，攝像頭雖然在成本上具有優勢，配置高的攝像頭也能滿足精度要求，但是對於高精度地圖所需要的關於道路圖層、定位圖層、動態圖層的數據，攝像頭可能沒辦法完全採集成功。
攝像頭雖然能捕捉比較基礎的道路、路口模型、車道邊線等等平面的數據信息，和路標、警示燈等立體物體的地理信息，但是無法真實地還原各物體點與點之前的關係，所以得使用雷達等設備進行輔助。
而且使用攝像頭形成的平面圖像或者視頻轉化成立體的物體，處理起來數據比較龐大和冗雜。
特斯拉autopilot系統配置的毫米波雷達和超聲波傳感器雖然能實現自動駕駛關於近距和中遠距離的障礙物探測，但是對於高精度地圖的生成還存在一定的不便利因素。
企業目前採集現狀
在採集方法上，不同的企業有其獨特的方法，但是對於高精度地圖的完整製作，是一個共同的目標，其進行的程度決定著自動駕駛的實現程度。
國內市場上
- 2019年3月29日，寬凳科技發佈了中國第一張全自動高精地圖，該高精度地圖採集模塊已經可以實現新舊車道線的識別、立交閘道出入口關鍵點的標示，還克服了雨雪、大霧等複雜天氣和夜間光線條件差的傳感器造成的影響，可實現高精度地圖的24小時全天候採集。
- 寬凳科技CTO馮漢平表示，公司目前已經完成百餘城的數據採集，以及近百萬公里道路的地圖繪製，同時完成了中國道路“主動脈”的鋪設。
- 2018年8月27日晚，百度智能駕駛事業群總經理李震宇對此表示，百度已獲得來自長城汽車的高精度地圖和自定位量產訂單。
- 四維圖新此前表示，預計2019年將完成全國首張高精地圖的製作，並稱其主導制定的高精地圖全國統一標準方案將很快通過。
國內市場上，BAT相關企業已發佈收到訂單的消息，部分企業表示已經完成高精度地圖部分線路的製作。
國外市場上
- Mobileye2019年年初表示，已完成日本高精度地圖採集並且攜手英國地形測量局推高精地圖服務。
- 谷歌母公司Alphabet旗下的自動駕駛公司Waymo 2018年年初宣佈，其自動駕駛汽車測試地點又新增了一座城市——亞特蘭大。
國外市場上，高精度地圖的繪製還在測試階段，完整的高精度地圖暫未形成。