高精地图的详细解读：定义、组成、作用、采集、数据、制作.pdfVIP

导读：兴趣是最好的老师，而项目就是老师手里的教鞭。从图商的宣传材料里，陆陆续续了解到高精地

图的一些知识，自以为二三好友间吹吹牛逼已经足够了。未曾想，近期手里的一个项目要对接专业图

商，采集全场景高精地图，而我需要输出本项目对高精度地图采集的技术要求、验收指标。

在教鞭的鞭笞下，我又化身学生，认真研读每份高精地图专业报道，虚心聆听业内专业人士的耐心介

绍。并将所学所思总结下来，一来可以加深自身印象，二来以期给有缘人一些参考。因此，本文就介绍

下自动驾驶的天眼“”--高精地图的一些基础概念。

1、定义

一种精度可达厘米级（传统电子导航地图精度为米级），提供元素更加详细、属性更加丰富、维度更

高、更新频率更快的高精度、高丰富度、高维度、高新鲜度的电子地图。一种可以辅助实现更可靠的融

合高精定位功能，提供超视距环境感知能力以及提供车道级别最优路径规划的电子地图。

单车上的融合感知系统，受限于传感器物理特性以及恶劣气候影响，只能做到可见即可得，无法获得超

视距的感知，也就无法实时掌握极具中国特色的道路特点和交通状况。因此，业界除了特斯拉（马斯克

曾说：高精地图是一个很糟糕的想法）以外基本达成共识，高精地图是L3以上自动驾驶系统必备武器，

堪比二郎神杨戬的天眼。

有一个形象的比喻：装备高精地图的自动驾驶系统仿佛一个当地开了20年出租的老师傅，不仅车技好，

脑子里还有一张当地活地图。而没有高精地图的自动驾驶系统，就像是一个初来乍到的外地老师傅，虽

车技了得，但对当地大街小巷实际情况一无所知。

2、组成

高精地图需要存储和呈现车辆环境数据和交通运行数据，有静态，有动态。如果都放在一张图层，既不

利于制作，也不利于使用。因此标准化的分层就显得尤为重要，每一层体现一种环境要素或交通要素，

所有图层叠加后形成可用的高精地图。

而各国标准化组织或协会也一直在致力于这方面的工作，有欧洲的4层分层模型（静态、准静态、准动

态、动态），有中国提出的7层分层模型（道路层、交通信息层，道路-车道连接层、车道层、地图特征

层、动态感知层、决策支持层）。本文不去深究不同模型的差异，仅从利于逻辑理解的角度介绍业界比

较认可的分层逻辑。

目前自动驾驶圈内比较公认的高精地图自下而上可以分成两个大图层，静态数据层和动态数据层。

一、静态数据层

静态数据层自下而上又可细分为车道模型、道路部件、道路属性三个矢量子层，以及一个道路环境特征

子层。

车道模型，用于精确描述车道间拓扑关系，包括车道基准线、车道连接点、车道交通类型、车道功能类

型。车道基准线可以体现不同车道间的关联关系，是局部车道级路径规划的基础；车道连接点可以体现

不同路段车道间连接关系，是全局车道级路径规划的基础；车道交通类型定义有普通车道、行车道、超

车道、辅助车道等类型。车道功能类型定义有公交车道、HOV车道、潮汐车道等类型。

道路部件，主要分为路面标线类和道路设施类。路面标线类包括路面横纵向标线、标线类型，标线颜

色、标线材质，清晰程度等。道路设施类包括收费站位置、绿化带位置、防护栏位置、涵洞限高、桥梁

限重、地标性建筑位置等。

道路属性，包含车道类型的属性和路侧呈现设备属性。车道类型属性包含车道数量、类型、坡度、曲

率、航向、高程、侧倾等信息；路侧呈现设备属性包含交通信号灯位置、交通标志位置及含义、兴趣点

（斑马线）位置及含义等。

道路环境特征，用于记录具备独特环境特征的目标图层，比如交通信号灯、交通标志、地标性建筑等。

通过采集的激光点云和相机图像数据进行特性提取，并打上特定的标签，从而生成一张道路环境特征图

层。用于支持自动驾驶车辆实时感知结果的特征匹配，从而完成车辆实时融合精准定位。

二、动态数据层

动态数据层基于万物互联的V2X技术，实时获取交通运行数据、交通管理数据及人、车的实时运动数

据。因此由下往上可分为交通运行数据层、交通管理数据层及高动态运动层。

交通运行数据包含路口红绿灯实时状态，道路拥堵情况、通行区域天气情况、前方可用充电站、停车场

的实时状态等。通过V2I/V2N技术，车载终端OBU从路侧基础设施单元RSU或交管部门大数据云平台实

时获取。

交通管理数据包含由于道路施工、交通事故、交通拥堵而产生的临时交通标志和交通控制数据，车辆一

方面可以通过V2I/V2N技术实时获得交通管控数据，一方面通过自身感知设备将遇到的临时交通管控数

据上报图商大数据平台，图商基于此进行交通管理数据层的动态更新。

高动态数据层主要包含移动物体数据、车辆行驶状态、车辆操作数据。移动物体数据包含行驶路线上物

体的位置，包括车辆、行人、三轮车、电瓶车等；车辆行驶状态包括速度、方向