基于城市场景的地图定位量产开发研究

作为造车新势力，蓝兔汽车充分整合东风公司多年造车技术和优势资源，构建以用户为中心的创新商业模式，打造以用户为导向的科技企业。目前，蓝兔汽车已在两款车型上实现量产，分别是SUV蓝兔自由侠和MPV蓝兔梦想家。

蓝兔汽车智能驾驶与底盘开发高级总监傅斌发表了主题为“基于城市场景的地图定位量产与开发研究”的演讲。以下是发言摘要:

蓝兔汽车智能驾驶与底盘开发高级总监付斌

高精度测绘定位的行业背景和量产需求

我主要从汽车厂的角度分享一下自动驾驶开发过程中对地图定位的一些要求。

首先，我们来看看乘用车的销量。到2021年，中国乘用车销量接近33%，可能比美、日、德、法加起来还多，已经连续13年乘用车销量第一。在智能化和网络化浪潮的推动下，智能网联汽车逐渐接力成为整个乘用车的主要增长动力。从统计图可以看出，L2和L2+的智能驾驶功能在L2级功能量产后的近三年持续增长。预计到2025年，L2级功能加载率将超过50%，L2级、L2+级智能驾驶功能加载率也将持续提升，这也为车载地图定位的增长提供了发展基础。

众所周知，智能驾驶水平按照SAE标准分为五个等级。主要区别在于人类驾驶员是否参与整车的决策控制。车载导航和地图的应用比较早。按照传统认知，L3级自动驾驶级别需要应用高精度地图和定位。但从目前的量产情况来看，高精度地图和定位功能已经应用于L2+级智能驾驶车辆。随着地图和定位成本的降低，从功能优化和客户体验提升的角度来看，L2智能驾驶车辆未来也会有对高精度定位地图的需求。

接下来，我将分享蓝兔汽车的技术路线。蓝兔是东风集团的高端新能源品牌。它成立于2019年，已在两款车型上量产，分别是SUV蓝兔自由侠和MPV蓝兔梦想家。蓝兔汽车的智能驾驶系统以安全、可靠、软硬件分离和成长为基础。蓝兔汽车智能驾驶研究团队从关注用户体验这一基本点出发，形成了驾驶和泊车的核心开发能力。依托自主研发的面向服务的电子电气架构，整个智能驾驶计算平台正在从低计算能力向高计算能力演进，从L2典型功能向高速、城市自动驾驶功能演进。

城市NOA的定义和需求

对于地图和定位的应用，典型的场景是城市工况下的导航和驾驶辅助，也就是常说的城市NOA功能。市区NOA可实现市内点对点自动驾驶，由30多个子功能组成，可实现L3级自动驾驶。

图片来源:蓝兔汽车

据统计，90%以上的驾驶员有在市区驾驶的需求。相对于高速公路，城市场景更复杂，比如人车混杂。长尾场景很多，无保护左转、道路交通狭窄、礼让行人违法行为、常见的自动绕行、环岛自主穿越等场景都比较难。

基于以上问题，普通雷达和相机传感器感知的信息是不够的，高精地图和高精度定位是非常好的补充。因为它可以很好地预测车辆前方和周围的道路信息，所以可以控制自动驾驶车辆和周围……以一种更全面的方式。

高精度地图和定位在城市中会遇到具有挑战性的场景，比如城市峡谷、不同光照环境、半遮挡环境、城市隧道等。，对高精度地图的生产和更新有很大影响。同时，高精地图和高精定位之间的场景影响并不是独立的，复合场景或者交叉场景对地图定位的影响也是非常大的。

高精度地图和定位的应用按照技术路线可以分为两类:一类是使用城市的高精度地图，基于现有试点的城市部分路段可以量产；一种是基于导航地图的量产。第一类，在车辆应用方面，现有的高精地图在高速和快速路上的应用是一样的，但由于城市高精地图的敏感性，城市的导航辅助功能可能只能在高精地图覆盖的部分路段使用。2022年8月，自然资源部宣布在北、上、广、深、杭、渝等城市开展高精地图应用试点。

第二种导航地图，与第一种相比，增加了斑马线、停止线、红绿灯等元素，并绘制图层。这部分工作可以在汽车厂的开发过程中应用，也可以由地图供应商提供。近年来，业内提出了SD pro地图的概念，旨在解决NOA城市高精地图覆盖率低的问题。

目前，高精地图的使用存在一些问题。首先，根据法律法规，高精地图在使用过程中只有部分城市的部分路段可以覆盖。其次，在数据新鲜度上，城市里的里程是很多的。我国高速公路总里程只有30多万公里，城市总里程估计也就几百万公里。同时，城市道路经常维护和更新。这两点对地图数据的及时更新提出了很大的挑战，尤其是采集、制作和更新的成本会非常高。

考虑到法规和数据新鲜度，我个人认为短时间内可能无法实现高精度城市地图的量产。但城市NOA功能可以先在部分城市试点运行，可以减少高精地图的要素，在现有导航地图的基础上增加自动驾驶所需的地图信息，即使用SD pro地图实现城市NOA的场景覆盖。

SD pro地图与高精度地图

基于对车辆功能的拆解，高精地图的需求可以分为三类:道路属性、车道模型、交通设施。传统的高精地图可以在这三大类中提供更为详细的属性信息，但SD pro地图与高精地图最大的区别是减少了车道模型的属性信息，大部分集中在道路属性和交通设施的属性信息，而减少了曲率、坡度等车道模型的属性信息。

图片来源:蓝兔汽车

以上，SD pro地图的主要特点如下:一、符合法律法规要求。SD pro相当于高精地图的轻量版，减少了很多敏感的地理信息，更容易满足信息安全和法律法规的要求。二是满足整车的基本功能需求，SD pro地图的内容能够整体满足城市NOA的发展需求。第三，成本低，制图员可以在现有导航地图的基础上，在其他城市丰富NOA所需的道路信息。

综合来看，我认为SD pro地图在智能驾驶地图的设计上提供了一些很好的思路，有助于城市场景下自动驾驶辅助功能的落地。

城市场景中高精度定位的需求与实现

接下来，介绍高精度定位的技术现状。单传感器定位可以分为三种，一是基于信号的定位，二是航迹计算，三是特征匹配。根据城市中NOA功能的需求，企业需要提高单一定位模式的场景适应性和定位稳定性。不同的单一定位方式可以满足不同的定位需求，但是城市场景中的各种情况复杂多变，比如天气和季节的变化、道路和建筑物的变化、各种交通参与者的影响、电磁干扰照明等。因此，单一定位无法满足城市复杂的自动驾驶需求，多传感器定位成为行业主流。

图片来源:蓝兔汽车

多传感器融合有多种方式，包括……视觉感知和激光融合。每个主机厂都会根据自己车辆的特点，选择不同的传感器配置和合适的定位方式，但基本目的和要解决的应用场景相差不会太大。下面介绍夏兰图汽车融合视觉和激光SLAM在泊车应用中的主要研究内容。

蓝兔汽车研究团队融合激光点云和图像特征点数据，采用基于稀疏姿态调整的优化方法对车辆位置进行优化。同时利用基于视觉特征的模型进行闭环检测，进一步优化基于激光点云的栅格地图。与单激光或视觉定位相比，融合实现的定位精度会更高，能有效解决激光闭环探测难以实现的问题。

目前，融合方法也存在一些需要解决的问题:比如遇到白墙时没有办法提取出足够多的特征点，这些问题都需要以后进一步研究。但总的来说，从车辆发展来看，一体化定位的方式更符合更复杂场景的需求。

回到城市驾驶场景，介绍了夏兰图汽车在城市场景中驾驶定位的研究情况。本研究的重点是开发基于SD pro地图的多传感器融合定位，在地图的基础上结合多摄像头和BEV感知、特征信息和道路关联，融合导航、车身、雷达等多传感器信息。

在路口等变化复杂的场景中，蓝兔汽车的研究团队将重点用SD pro提供的点和道路属性信息进行匹配定位。利用多个传感器的输入信息，建立紧耦合的融合模型，进一步提高系统的精度和可靠性，减小融合定位的误差。

对于城市半遮挡和遮挡场景，除了视觉定位外，还引入了视觉里程计和激光里程计的观测模型，接入轮速和方向盘转角的数据，多组数据进行融合，提高融合定位系统的精度。测试表明，该方法可以大大提高半遮挡和遮挡场景下的定位精度。针对预测模型，在卡尔曼滤波器状态方程中加入25维状态矩阵，在线估计IMU安装角度和杆臂误差，避免IMU位置变化引起的定位结果误差。

上述定位系统为城市NOA功能的发展提供了水平和垂直定位信息以及地图信息，经测试在大多数场景下能够满足城市NOA功能的安全运行。下图是三个典型城市场景的对比测试结果。在半遮挡和遮挡场景下，横向定位精度可以小于0.5米。特别是视觉匹配定位的结果与DR的结果深度耦合，其中DR包含轮速、IMU、VO的融合结果，在全遮挡环境下达到千分之二的精度目标，满足当前行业高精度组合导航的指标要求。

图片来源:蓝兔汽车

在研发过程中，蓝兔汽车的研究团队也遇到了一些技术难点，在这里与大家分享，主要是四个方面。

第一，场景分析和理解，这需要建立在可靠的场景分析和判断的基础上。目前主要通过视觉感知GNSS信息对场景进行区分和定位，但仍存在一定的误差和误判。如何构建不同场景之间的关系也是目前的一大难点。二是定位信心的判断。高速场景对不同条件下定位系统可信度的判断具有较高的容错率，但城市场景更为复杂，定位可信度会直接影响定位可用性，进而影响智能驾驶系统的用户体验。三是定位系统的可靠性验证。第四，城市地图的新鲜度有保证。虽然SD pro地图是轻量级和高精度的，但不可避免的是……及时跟进城市道路的更新。

最后，有两个问题需要讨论:第一，V2X如何在城市场景中应用和普及？V2X的良好应用将有助于提高定位精度。基于城市场景的高精度地图和定位的应用和普及，有助于推动V2X的发展和普及，也将在普遍互联、反哺城市建设、改善城市环境方面发挥巨大作用。

第二，主机厂和图文经销商如何在城市场景下深化地图定位的合作？在城市场景中采集和更新地图是一个很大的挑战。汽车厂商有天然的数据优势。在法律法规的脱敏要求下，与地图厂商合作实现城市地图数据的众包也具有重要意义。

(以上内容来自蓝兔汽车智能驾驶与底盘开发高级总监傅斌，他在2022年9月14日由Gaspar主办的2022第四届自动驾驶地图与定位大会上发表了《基于城市场景的地图定位量产与发展研究》主题演讲。)作为造车新势力，蓝兔汽车充分整合东风公司多年造车技术和优势资源，构建以用户为中心的创新商业模式，打造以用户为导向的科技企业。目前，蓝兔汽车已在两款车型上实现量产，分别是SUV蓝兔自由侠和MPV蓝兔梦想家。

蓝兔汽车智能驾驶与底盘开发高级总监傅斌发表了主题为“基于城市场景的地图定位量产与开发研究”的演讲。以下是发言摘要:

蓝兔汽车智能驾驶与底盘开发高级总监付斌

高精度测绘定位的行业背景和量产需求

我主要从汽车厂的角度分享一下自动驾驶开发过程中对地图定位的一些要求。

首先，我们来看看乘用车的销量。到2021年，中国乘用车销量接近33%，可能比美、日、德、法加起来还多，已经连续13年乘用车销量第一。在智能化和网络化浪潮的推动下，智能网联汽车逐渐接力成为整个乘用车的主要增长动力。从统计图可以看出，L2和L2+的智能驾驶功能在L2级功能量产后的近三年持续增长。预计到2025年，L2级功能加载率将超过50%，L2级、L2+级智能驾驶功能加载率也将持续提升，这也为车载地图定位的增长提供了发展基础。

众所周知，智能驾驶水平按照SAE标准分为五个等级。主要区别在于人类驾驶员是否参与整车的决策控制。车载导航和地图的应用比较早。按照传统认知，L3级自动驾驶级别需要应用高精度地图和定位。但从目前的量产情况来看，高精度地图和定位功能已经应用于L2+级智能驾驶车辆。随着地图和定位成本的降低，从功能优化和客户体验提升的角度来看，L2智能驾驶车辆未来也会有对高精度定位地图的需求。

接下来，我将分享蓝兔汽车的技术路线。蓝兔是东风集团的高端新能源品牌。它成立于2019年，已在两款车型上量产，分别是SUV蓝兔自由侠和MPV蓝兔梦想家。蓝兔汽车的智能驾驶系统以安全、可靠、软硬件分离和成长为基础。蓝兔汽车智能驾驶研究团队从关注用户体验这一基本点出发，形成了驾驶和泊车的核心开发能力。依托自主研发的面向服务的电子电气架构，整个智能驾驶计算平台正在从低计算能力向高计算能力演进，从L2典型功能向高速、城市自动驾驶功能演进。

定义和d……和NOA的城市

对于地图和定位的应用，典型的场景是城市工况下的导航和驾驶辅助，也就是常说的城市NOA功能。市区NOA可实现市内点对点自动驾驶，由30多个子功能组成，可实现L3级自动驾驶。

图片来源:蓝兔汽车

据统计，90%以上的驾驶员有在市区驾驶的需求。相对于高速公路，城市场景更复杂，比如人车混杂。长尾场景很多，无保护左转、道路交通狭窄、礼让行人违法行为、常见的自动绕行、环岛自主穿越等场景都比较难。

基于以上问题，普通雷达和相机传感器感知的信息是不够的，高精地图和高精度定位是非常好的补充。因为它可以很好地预测车辆前方和周围的道路信息，所以可以更全面地控制自动驾驶车辆和周围的事件。

高精度地图和定位在城市中会遇到具有挑战性的场景，比如城市峡谷、不同光照环境、半遮挡环境、城市隧道等。，对高精度地图的生产和更新有很大影响。同时，高精地图和高精定位之间的场景影响并不是独立的，复合场景或者交叉场景对地图定位的影响也是非常大的。

高精度地图和定位的应用按照技术路线可以分为两类:一类是使用城市的高精度地图，基于现有试点的城市部分路段可以量产；一种是基于导航地图的量产。第一类，在车辆应用方面，现有的高精地图在高速和快速路上的应用是一样的，但由于城市高精地图的敏感性，城市的导航辅助功能可能只能在高精地图覆盖的部分路段使用。2022年8月，自然资源部宣布在北、上、广、深、杭、渝等城市开展高精地图应用试点。

第二种导航地图，与第一种相比，增加了斑马线、停止线、红绿灯等元素，并绘制图层。这部分工作可以在汽车厂的开发过程中应用，也可以由地图供应商提供。近年来，业内提出了SD pro地图的概念，旨在解决NOA城市高精地图覆盖率低的问题。

目前，高精地图的使用存在一些问题。首先，根据法律法规，高精地图在使用过程中只有部分城市的部分路段可以覆盖。其次，在数据新鲜度上，城市里的里程是很多的。我国高速公路总里程只有30多万公里，城市总里程估计也就几百万公里。同时，城市道路经常维护和更新。这两点对地图数据的及时更新提出了很大的挑战，尤其是采集、制作和更新的成本会非常高。

考虑到法规和数据新鲜度，我个人认为短时间内可能无法实现高精度城市地图的量产。但城市NOA功能可以先在部分城市试点运行，可以减少高精地图的要素，在现有导航地图的基础上增加自动驾驶所需的地图信息，即使用SD pro地图实现城市NOA的场景覆盖。

SD pro地图与高精度地图

基于对车辆功能的拆解，高精地图的需求可以分为三类:道路属性、车道模型、交通设施。传统的高精地图可以在这三大类中提供更为详细的属性信息，但SD pro地图与高精地图最大的区别是减少了车道模型的属性信息，大部分集中在道路属性和交通设施的属性信息，而减少了曲率、坡度等车道模型的属性信息。

图片来源:蓝兔汽车

以上，SD pro地图的主要特点如下:一、符合法律法规要求。SD pro相当于高精地图的轻量版，减少了很多敏感的地理信息，更容易满足信息安全和法律法规的要求。二是满足整车的基本功能需求，SD pro地图的内容能够整体满足城市NOA的发展需求。第三，成本低，制图员可以在现有导航地图的基础上，在其他城市丰富NOA所需的道路信息。

综合来看，我认为SD pro地图在智能驾驶地图的设计上提供了一些很好的思路，有助于城市场景下自动驾驶辅助功能的落地。

城市场景中高精度定位的需求与实现

接下来，介绍高精度定位的技术现状。单传感器定位可以分为三种，一是基于信号的定位，二是航迹计算，三是特征匹配。根据城市中NOA功能的需求，企业需要提高单一定位模式的场景适应性和定位稳定性。不同的单一定位方式可以满足不同的定位需求，但是城市场景中的各种情况复杂多变，比如天气和季节的变化、道路和建筑物的变化、各种交通参与者的影响、电磁干扰照明等。因此，单一定位无法满足城市复杂的自动驾驶需求，多传感器定位成为行业主流。

图片来源:蓝兔汽车

多传感器融合有多种方式，包括……视觉感知和激光融合。每个主机厂都会根据自己车辆的特点，选择不同的传感器配置和合适的定位方式，但基本目的和要解决的应用场景相差不会太大。下面介绍夏兰图汽车融合视觉和激光SLAM在泊车应用中的主要研究内容。

蓝兔汽车研究团队融合激光点云和图像特征点数据，采用基于稀疏姿态调整的优化方法对车辆位置进行优化。同时利用基于视觉特征的模型进行闭环检测，进一步优化基于激光点云的栅格地图。与单激光或视觉定位相比，融合实现的定位精度会更高，能有效解决激光闭环探测难以实现的问题。

目前，融合方法也存在一些需要解决的问题:比如遇到白墙时没有办法提取出足够多的特征点，这些问题都需要以后进一步研究。但总的来说，从车辆发展来看，一体化定位的方式更符合更复杂场景的需求。

回到城市驾驶场景，介绍了夏兰图汽车在城市场景中驾驶定位的研究情况。本研究的重点是开发基于SD pro地图的多传感器融合定位，在地图的基础上结合多摄像头和BEV感知、特征信息和道路关联，融合导航、车身、雷达等多传感器信息。

在路口等变化复杂的场景中，蓝兔汽车的研究团队将重点用SD pro提供的点和道路属性信息进行匹配定位。利用多个传感器的输入信息，建立紧耦合的融合模型，进一步提高系统的精度和可靠性，减小融合定位的误差。

对于城市半遮挡和遮挡场景，除了视觉定位外，还引入了视觉里程计和激光里程计的观测模型，接入轮速和方向盘转角的数据，多组数据进行融合，提高融合定位系统的精度。测试表明，该方法可以大大提高半遮挡和遮挡场景下的定位精度。针对预测模型，在卡尔曼滤波器状态方程中加入25维状态矩阵，在线估计IMU安装角度和杆臂误差，避免IMU位置变化引起的定位结果误差。

上述定位系统为城市NOA功能的发展提供了水平和垂直定位信息以及地图信息，经测试在大多数场景下能够满足城市NOA功能的安全运行。下图是三个典型城市场景的对比测试结果。在半遮挡和遮挡场景下，横向定位精度可以小于0.5米。特别是视觉匹配定位的结果与DR的结果深度耦合，其中DR包含轮速、IMU、VO的融合结果，在全遮挡环境下达到千分之二的精度目标，满足当前行业高精度组合导航的指标要求。

图片来源:蓝兔汽车

在研发过程中，蓝兔汽车的研究团队也遇到了一些技术难点，在这里与大家分享，主要是四个方面。

第一，场景分析和理解，这需要建立在可靠的场景分析和判断的基础上。目前主要通过视觉感知GNSS信息对场景进行区分和定位，但仍存在一定的误差和误判。如何构建不同场景之间的关系也是目前的一大难点。二是定位信心的判断。高速场景对不同条件下定位系统可信度的判断具有较高的容错率，但城市场景更为复杂，定位可信度会直接影响定位可用性，进而影响智能驾驶系统的用户体验。三是定位系统的可靠性验证。第四，城市地图的新鲜度有保证。虽然SD pro地图是轻量级和高精度的，但不可避免的是……及时跟进城市道路的更新。

最后，有两个问题需要讨论:第一，V2X如何在城市场景中应用和普及？V2X的良好应用将有助于提高定位精度。基于城市场景的高精度地图和定位的应用和普及，有助于推动V2X的发展和普及，也将在普遍互联、反哺城市建设、改善城市环境方面发挥巨大作用。

第二，主机厂和图文经销商如何在城市场景下深化地图定位的合作？在城市场景中采集和更新地图是一个很大的挑战。汽车厂商有天然的数据优势。在法律法规的脱敏要求下，与地图厂商合作实现城市地图数据的众包也具有重要意义。

(以上内容来自蓝兔汽车智能驾驶与底盘开发高级总监傅斌，他在2022年9月14日由Gaspar主办的2022第四届自动驾驶地图与定位大会上发表了《基于城市场景的地图定位量产与发展研究》主题演讲。)

标签：岚图汽车东风斑马曼

汽车资讯热门资讯