光庭CTO罗跃军：高精度地图还处在投入期，量产化取决于人工智能的成熟

过去一两年，光庭 CTO 罗跃军和他的团队时常会听到这样一种声音：「我们的无人车在高速公路上行驶得很好，完全不需要高精度地图。」

当自动驾驶从业者在谈论高精度地图没有价值的时候，罗跃军常是面带笑容来化解这种尴尬。因为他知道，当他们开始考虑解决更多鲁棒性问题时，必然会寻求图商的合作。

实际上，高精度地图数据通过提供静态、先验以及超感知范围的智能感知数据内容，帮助汽车解决「在哪儿」、「周围是什么情况」、「该如何做」等一系列问题。

作为全国为数不多的拥有地图甲级测绘资质的供应商，光庭在很长一段时间内并没有开始导航数据的采集与制作。因为在他们看来，这个领域已经有四维图新、高德和百度。光庭从零开始搭建数据平台与他们竞争，「没什么意义。」

但到了 2014 年，光庭团队逐渐意识到自动驾驶和高精度地图两者的关系和重要性，也就是从那时起，他们开始从零起步制作高精度地图。

去年，这家位于武汉的公司对外公布了两个新的进展：

一是「小鱼畅行」，这个自动驾驶项目是光庭与武汉大学、武汉理工大学共同研制，在武汉选取了光谷资本大厦到武汉未来科技城的一段 17.1 公里的道路进行示范运营，并对公众免费开放，乘客可以通过手机 App 进行预约。

二是光庭与中海达成立合资公司「中海庭」。为了更大限度地整合行业资源，前者借助后者的测绘技术共同合作进行高精度地图的测绘与开发，并进行商业模式上的探索。

到目前为止，这家合资公司采集了上万公里的高精度地图数据，制作了将近 3000 多公里高精度地图。尽管如此，罗跃军向雷锋网表示，他们目前制作的地图数据通过与汽车厂商合作，仍是在小范围或封闭区域以自动驾驶预研为主的测试。

与自动驾驶行业一样，高精地图市场现在也开始变得愈发热闹：谷歌、百度、Uber 和福特等公司都在利用自己的测试车采集数据以便绘制高精地图。而涌现出的地图初创公司，如 DeepMap、Carmera、 Civil Maps 更是获得了资本的青睐。

毫无疑问，高精地图作为自动驾驶拼图上重要的一部分，将为参与者创造一个新的聚宝盆。

但是，阻碍高精度地图走向量产业化的尴尬之处是：居高不下的制作成本。据雷锋网了解，图商的一辆传统测绘车 30 万到 40 万，一辆高精度测绘车需要 800 万人民币。而且制图方式需要投入大量的测绘车为基础。目前高精度地图的制作还无法做到完全自动化，人工标定依然占据重要成分。

此外，车载设备成本居高不下、数据处理效率较低、数据密度极大，消耗大量的计算资源，且后期地图通信量高也是困扰高精度地图走向产业化的另一个阻碍。

罗跃军认为，目前高精度地图还处于投入期，只有人工智发展到一定程度，地图自动化采集制作的成本才有可能降低，而成本的大规模降低为高精度地图产业化扫清障碍。至于高精度地图何时量产，业界的观点大多集中在 2019 年、2020 年前后。而高精度地图的发展，未来一定是动态数据的服务、静态数据的采集、众包数据融合而形成的闭环。

以下是雷锋网与罗跃军的对话实录（有删减）：

雷锋网(公众号：雷锋网)：谈谈光庭在自动驾驶方面的布局？着重哪些方面？

罗跃军：我们主要做高精度地图、高精度定位的自动驾驶解决方案。

定位与地图是相辅相成的，如果我们要把地图用起来，定位的成熟化是前提。所以在自动驾驶方案中，我们着重的是定位的解决方案：通过视觉、差分 GPS、激光雷达等一系列传感器做融合定位。

此外，我们还会解决自动驾驶的交互，比如仪表，HUD、人工智能等产品。

雷锋网：目前你们有哪些用于 ADAS 或自动驾驶领域成熟的产品和技术？你们的定位是什么？

罗跃军：我们在这个领域的成熟技术，主要是定位，地图和传感器的识别，包括在车辆终端用的仪表和通讯等等。

我们与车厂合作也是提供打包的解决方案。车厂要的不是单一定位解决方案或是单一地图传感器，他们需要的是一套完整的自动驾驶/ADAS 方案。我们只是完成其中一部分。

从定位看，我们是图商，是 Tier1 背后的地图服务商、云端服务商。

雷锋网：现在 OEM，Tier1 对高精度地图有哪些需求？

罗跃军：到目前为止，还没有车厂对高精度地图提出明确需求。因为每家车厂在自动驾驶发展的阶段、选取的技术路线和对地图的需求处在不同层次，导致他们对自动驾驶理解各不相同。

这里的关键在于他们用高精度地图来做什么？每个车厂在自动驾驶不同的阶段，对地图的需求并不相同。

我们现在做的地图对车厂来说是「超标」的，车厂不需要高规格、容量大，数据内容多的地图。作为图商，我们可以展望未来车厂需要什么样的高精度地图。在某种程度上，我们做这件事有点超前。

雷锋网：去年 4 月和 9 月，光庭有两个动作：一个是「小鱼畅行」，面向公众的自动驾驶项目；一个是光庭与中海达成立合资公司「中海庭」，投入精力做高精度地图。作为一家图商，光庭为什么会做「小鱼畅行」这个自动驾驶项目？「中海庭」目前有哪些进展？

罗跃军：「小鱼畅行」其实是希望通过公众平台对外展出，让我们的地图、高精度导航技术、自动驾驶方面的技术在平台上进行验证，通过收集数据来验证高精度地图到底该如何做。

如果我们去等车厂的反馈，那几乎不现实。我们做自动驾驶是了解自动驾驶的前沿技术，比如自动驾驶到底需要怎样的数据、需要什么样的地图。

我们希望通过这种方式来获得需求和反馈。而传感器收集的数据是我们做大数据的基础平台，未来地图服务肯定是基于云端的大数据服务。

博世为什么找中国车厂合作，高德为什么免费去推高精度地图？目的是一样的：为了让更多用户使用它们的产品后获取更多数据，他们可以基于大数据不断迭代服务。这也是我们的出发点，也是我们长期要做的事情。

与中海达成立合资公司，我们希望更大限度地整合行业资源，打造开放式的合作平台，并吸引更多战略合作伙伴加入。

目前我们采集了上万公里的高精度地图数据，制作将近 3000 多公里高精度地图。我们制作的数据以自动驾驶预研为主，与车厂合作在小范围内或封闭区域做实验。我们也采集了国内几大城市特征数据，比如上海的环线路、主干线的高架。

地图采集周期并不长，主要瓶颈在地图制作。换句话说，高精度地图目前还在投入期。

雷锋网：有这么一种说法，目前高精度地图采集测绘数据方式全球主要有两大流派。一种以谷歌、HERE 的地图测绘车为代表。用车上的激光雷达传感器一天能够收集和处理超过 100G 的数据。另一种则以特斯拉的「车队学习网络」（Fleet Learning Network）为代表，相当于利用量产车，把测绘任务「众包」出去，调动整个车队的所有传感器来收集数据。怎么看两种方式的优劣？

罗跃军：其实高精度地图可以分为 3 类：

一类从测绘的角度理解，是传统矢量化、拓扑关系做得非常详尽的地图，这是传统测绘和导航自然延伸的地图；一类是类似谷歌使用激光雷达所产生的激光点云数据，这种数据地图容量大，所承载的资源也非常庞大；一类是诸如博世、Mobileye 所开发的特征地图，这种地图以传感器做定位的角度来理解他们需要什么样的数据，从传感器所看到的现实世界抽取特征点。

这只是不同的技术流派，每家特征数据并不相同，也没有统一的标准。这与传感器所使用的算法密切相关。但他们都有各自的技术难点。

比如，特征地图的动态特征如何剔除，如何在雨雪、夜晚、雾霾等多环境中感知；再比如，按照传统测绘方式采集的高精度地图是先验数据，在所有特征看不见的情况下，可以指导自动驾驶汽车行驶，但这种先验知识解决不了前方堵车、车祸等突发事件。

未来的地图一定是多种地图的融合，我们叫做动态地图。特征地图解决定位问题，传统测绘延伸的地图解决定位之外的更多问题，比如自动驾驶鲁棒性、先验知识。但要解决高精度地图的快速更新，得依靠传感器识别特征的方式。

最初我们制作的是静态地图，车身传感器识别道路，只要发生特征变化或与道路不一致，传感器将识别的数据传到云端，通过大数据挖掘再推送给车辆。这是我们所说的打造高精度地图的闭环。

如果未来结合 V2X，V2V 进行交互，地图的更新将会更快。我们现在做的是静态高精度地图，未来的地图一定是动态数据的服务、静态数据的采集、众包数据的融合形成的闭环。

雷锋网：高精度地图是否还存在一些技术瓶颈？怎么走向产业化？

罗跃军：第一是人工智能的瓶颈，号称能够自动识别数据的公司，几乎没有。在硅谷倒是有一些，但他们做得怎么样，目前还不清楚。如果人工智发展到一定程度，整个自动化采集制作的成本就会降低。

第二是定位。虽然这不是高精地图所面临的问题，但如果解决不了定位问题，高精度地图也用不起来。所以定位技术的解决也是非常重要的：但自定位目前不成熟，它能在某些情况让车辆跑起来，产业化还存在问题。

雷锋网：投入这么大，高精度地图商业化路径是什么？

罗跃东：未来高精度地图的商业模式，我们认为是多样的，不一定以销售赚钱。比如自动驾驶商业化后，高精度地图是不可或缺的一环，那么地图的更新服务必不可少，我们也可以作为云服务的提供商——由于资质的限制，并不是谁都能提供这样的服务。

高精度地图商业化案例目前还没有，但我们有研发的项目在推进，我们与十几家车厂在高精度地图、自动驾驶方面有合作。其他的应用，比如高精度监控，商用车的应用都有需求，但真正落地的产品还没有。

业内有一个说法：高精度地图要到 2019 年、2020 年前后才能正式量产。但目前配套的技术和政策还不成熟，高精度地图是否要加密，加密之后的高精度地图能否被车企接受等问题也未解决。

雷锋网：用于自动驾驶的高精度地图，与普通电子地图在生产方式上有哪些不同？高精度地图中究竟需要包含哪些信息、这些信息需要精确到什么程度？

罗跃军：业内基本有一个共识：高精度地图要 20 厘米的精度，可以满足自动驾驶的需求。但如果做更高的精度，成本也会相应提高。

不同精度数据的采集技术路线并不一样。我们将地图做到更高精度是可行的，但数据会更复杂，成本也更高。所以业内找到了一个车企可接受又容易实现的精度。

。