Un mapa de alta definición es el mapa que lee un coche autónomo, no el que abres en el móvil. Describe con precisión centimétrica cada línea de carril, señal de tráfico, línea de detención y borde de la calzada a lo largo de una ruta. Está en un formato que una máquina puede leer, para que el sistema de conducción autónoma lo compare con lo que captan sus sensores y sepa exactamente en qué punto del carril está el vehículo.
Esta guía explica qué contiene un mapa HD, cómo se produce y se actualiza, qué papel cumple en un sistema de conducción autónoma y qué cuestiones siguen dividiendo al sector.
Qué contiene un mapa HD
Un mapa HD guarda tres capas de información sobre la vía que un mapa de calles normal no tiene.
Capa geométrica: la forma exacta en 3D de la calzada, el eje de cada carril, los límites entre carriles, los bordillos y los bordes de la vía, con una precisión horizontal de 10 a 20 cm. Cada carril es una polilínea propia, no un único eje para toda la carretera, y el ancho del carril se registra de forma continua, no como un promedio.
Capa semántica: atributos legibles por máquinas asociados a esa geometría. Límite de velocidad, sentido de circulación, tipo de carril (normal, bus, bici, VAO), giros prohibidos, conexiones entre carriles en los cruces, posición de las líneas de detención y pasos de peatones. Con esta capa, el sistema sabe qué maniobras están permitidas sin tener que deducirlo solo a partir de las imágenes.
Capa de referencias: la posición en 3D de señales, semáforos y otros elementos fijos que el sistema de percepción del vehículo puede reconocer en tiempo real. Es la capa que permite al coche situarse con ayuda del mapa.
El mapa HD de un área metropolitana ocupa mucho más que un mapa de calles normal de la misma zona.
Por qué un coche autónomo necesita un mapa
Las cámaras, el lidar y el radar perciben lo que rodea al vehículo en este momento. No ven lo que hay detrás de la próxima curva. El mapa HD funciona como conocimiento previo de largo alcance: el vehículo conoce la geometría de la vía, la posición de las próximas señales y la estructura de los carriles mucho más allá de lo que alcanzan sus sensores. Con esa información planifica maniobras más suaves, más seguras y más firmes.
El mapa también cubre los casos en los que fallan los sensores. Una línea de carril tapada por la nieve, una señal de stop oculta, un deslumbramiento, un paso de peatones borrado: con el mapa como respaldo, el vehículo sigue sabiendo dónde debería estar la línea de carril y dónde la línea de detención. Sin el mapa, en cada uno de esos momentos el coche conduce con menos información.
Por último, el mapa contiene las normas. Si se puede girar a la izquierda, si un carril es solo para autobuses a esa hora, si el límite de velocidad acaba de bajar: son datos que la visión a veces consigue leer, pero que un mapa revisado puede garantizar.
Cómo se construyen los mapas HD
Hay tres formas principales de producirlos.
Flotas de levantamiento con lidar. Empresas como TomTom y HERE, y los departamentos de cartografía de los propios fabricantes de coches, tienen flotas de vehículos de levantamiento con lidar de gama alta, varias cámaras y GNSS-INS de precisión topográfica. Cada vehículo graba nubes de puntos densas e imágenes mientras circula. En los servidores, los datos se unen, se extraen las líneas de carril y las señales, y se genera el mapa HD. Es el método más preciso, pero también el más caro y el más lento de actualizar.
Crowdsourcing con coches de clientes. El Roadbook de Mobileye y el motor de datos de Tesla recogen datos de sensores de millones de coches de clientes. Cada coche envía rasgos compactos (señales detectadas, muestras de líneas de carril), no vídeo completo. En el servidor se combinan los datos de todos los vehículos, se filtra el ruido y el mapa se actualiza de forma continua. El coste por kilómetro es muy inferior al del levantamiento. La precisión basta para la mayoría de los usos ADAS y L2+, y se acerca a lo que necesita el nivel 4.
Mixto. Se hace una base de levantamiento una vez y después se aplica una capa de cambios procedente de la flota. La mayoría de los proveedores actuales usa alguna variante de este método. El levantamiento da una base limpia y la flota mantiene el mapa al día.
Localización: comparar el mapa con la realidad
Un coche con un mapa HD tiene que saber en qué punto del mapa está en cada momento. Un receptor GNSS como el de un teléfono suele tener una precisión de unos 5 m a cielo abierto, y peor en ciudad. Eso no basta para conducir de forma autónoma a nivel de carril.
El vehículo lo resuelve situándose con ayuda del mapa. El sistema de percepción detecta referencias (señales, líneas de carril, farolas) en tiempo real y las compara con la capa de referencias del mapa HD. Con suficientes coincidencias, el coche conoce su posición con un error de pocos centímetros, la misma precisión que el propio mapa. Técnicamente es una fusión estrecha de GNSS, IMU, odometría de las ruedas y las referencias detectadas por cámara o lidar.
Aquí el map matching entra en el sistema de conducción autónoma. El problema clásico del map matching, ajustar posiciones GNSS con ruido a la red viaria, se amplía a ajustar estimaciones de posición de varios sensores a un mapa con precisión centimétrica.
Cómo se mantiene el mapa al día
Las carreteras cambian. Aparece una línea de carril nueva, se mueve una señal, una obra cierra un giro. Un mapa HD que refleja la situación del trimestre pasado puede confundir hoy al sistema de conducción autónoma, a veces de forma peligrosa.
Mantener el mapa actualizado es uno de los problemas más difíciles del sector. Hay tres métodos en uso real.
Levantamiento periódico. Los vehículos de levantamiento pasan cada trimestre, cada mes o cada semana. Es fiable, pero lento y caro.
Detección de anomalías en la flota. Los coches de clientes comparan lo que ven con lo que dice el mapa. Cada discrepancia genera un aviso. Cuando hay suficientes vehículos, los avisos se concentran en los cambios reales y el mapa se actualiza.
Envío de teselas en tiempo real. El vehículo guarda una copia local del mapa HD y descarga solo las teselas de la zona en la que está a punto de entrar. Los cambios llegan a la nube y de ahí a los vehículos en minutos, no en semanas.
Lo más avanzado hoy son flotas que combinan levantamiento y crowdsourcing con envío por teselas, de modo que las actualizaciones llegan a los vehículos de forma continua y no en grandes versiones periódicas.
El argumento de la visión sin mapa
La posición oficial de Tesla es que los mapas HD son una muleta. Su argumento: un sistema de percepción lo bastante bueno debería leer la carretera tan bien como una persona, y cualquier mapa acaba quedándose anticuado. Tesla se basa en el sistema de visión del propio coche y en la geometría de carriles que deduce de las imágenes, sin un mapa previo con precisión centimétrica.
El resto del sector responde que un mapa HD es una red de seguridad, no un sustituto. No reemplaza a la visión, la respalda. Cuando una línea de carril está tapada o falta una señal de stop, el mapa cubre el hueco. Cuando una señal dice "Velocidad máxima 30, salvo de 6 a 9 h", el mapa guarda la norma sin ambigüedad. Quienes defienden los mapas sostienen que un sistema con un mapa HD actualizado y una buena percepción es más seguro que la percepción sola, aunque esta sea excelente.
El desacuerdo es real y no está resuelto. La mayor parte del sector se mueve hacia soluciones mixtas: menos dependencia del mapa que en los primeros sistemas de nivel 4, pero sin llegar a prescindir de él como propone Tesla.
Estándares y formatos
No hay un formato de mapa HD que domine el mercado. Conviven varios estándares que compiten entre sí.
OpenDRIVE / OpenSCENARIO (ASAM, nacidos para la simulación en automoción): muy usados en simulación y, cada vez más, para intercambiar mapas en producción.
NDS / NDS.Live (Navigation Data Standard): un formato de un consorcio de la industria del automóvil. NDS.Live está pensado para enviar el mapa por teselas a los coches de serie.
lanelet2 (código abierto, del KIT): lo usan Autoware y cada vez más proyectos académicos. Baidu Apollo usa su propia variante de OpenDRIVE.
Propietarios: HERE, TomTom y Mobileye tienen formatos internos con sus propias herramientas. Los clientes acceden a ellos mediante un SDK, no con los archivos en bruto.
Un sistema de conducción autónoma en producción suele guardar el mapa en una única representación interna y convertir a ella los formatos de cada proveedor con el que tiene licencia.
Hacia dónde va la cartografía para vehículos autónomos
Hay tres tendencias claras.
El crowdsourcing gana en coste y cobertura en todo salvo los despliegues de nivel 4 más críticos para la seguridad. Los primeros mapas HD se hicieron con levantamiento topográfico. Hoy la mayoría de los grandes proveedores combina los dos métodos.
Los formatos abiertos ganan terreno. lanelet2, OpenDRIVE y NDS.Live facilitan que los desarrolladores de vehículos autónomos cambien de proveedor, creen herramientas propias y no dependan de un solo fabricante. El modelo cerrado y propietario de la primera generación de mapas HD está bajo presión.
El mapa abarca cada vez menos. Los sistemas actuales usan el mapa para la información semántica (normas, estructura de los carriles) y para la geometría aproximada, y dejan a la percepción los detalles finos que cambian. El mapa se ocupa de lo estable y la percepción de lo que cambia. El resultado es un mapa más pequeño y ligero que se actualiza más rápido.
Qué papel tiene MapAtlas
MapAtlas no hace mapas HD para despliegues autónomos de nivel 4. MapAtlas se centra en mapas, geocodificación y cálculo de rutas para productos de consumo y B2B que necesitan direcciones precisas, isócronas y optimización de rutas, no geometría de carriles al centímetro. Para un sistema de nivel 4 necesitas un proveedor especializado en mapas HD.
Lo que sí ofrece MapAtlas son las piezas que rodean a la conducción autónoma, antes y después del mapa HD. La Map Matching API ajusta a la red viaria las trazas GNSS con ruido de las flotas conectadas. Es la misma operación básica que usan la gestión de flotas, el análisis de ADAS y la localización con ayuda del mapa cuando basta con menos precisión. La Geocoding API y la Search API dan datos de ubicación con precisión de dirección para operaciones de flota, recogida de clientes y rutas de reparto. La Isochrone API permite analizar tiempos de viaje para planificar servicios de movilidad.
Para ver cómo las trazas de un vehículo se convierten en rutas limpias, lee Qué es el map matching. Para entender cómo una coordenada se convierte en un lugar, lee Qué es un geocódigo.
Preguntas frecuentes
¿Qué es un mapa de alta definición?
Un mapa de alta definición (HD) es un mapa de la red viaria con precisión centimétrica, pensado para que lo lean máquinas: vehículos autónomos y sistemas avanzados de ayuda a la conducción. A diferencia de los mapas de calles para personas, un mapa HD describe la geometría de cada carril, cómo se conectan los carriles, las señales de tráfico, los semáforos, las líneas de detención, las marcas viales y referencias en 3D, con una precisión de 10 a 20 cm. El vehículo usa el mapa HD como conocimiento previo y lo compara con lo que captan sus sensores (cámara, lidar, radar) para situarse dentro de su carril y anticipar la carretera que tiene delante.
¿En qué se diferencian los mapas HD de Google Maps u OpenStreetMap?
Los mapas para el público están hechos para personas: muestran calles, nombres y puntos de interés con precisión de metros. Los mapas HD están hechos para máquinas: describen la geometría y el significado de la vía con precisión centimétrica, con la topología de cada carril, la posición de las señales en 3D y normas legibles por máquinas (límites de velocidad, restricciones de carril, giros permitidos) que el sistema de conducción autónoma usa directamente. Google Maps y OpenStreetMap no bastan por sí solos para la conducción autónoma de nivel 4, pero sirven como capa base y como fuente para producir mapas HD.
¿Cómo se mantienen actualizados los mapas HD?
Hay tres métodos principales. Por levantamiento: vehículos con lidar recorren cada carretera de forma periódica y el mapa HD se vuelve a procesar. Por crowdsourcing: los coches de clientes envían las anomalías que detectan sus sensores (una línea de carril que falta, una obra nueva, una señal desplazada) y esas anomalías activan actualizaciones del mapa. Mixto: una base de levantamiento se renueva cada trimestre y una capa de cambios procedente de la flota cubre lo que pasa entre medias. Las actualizaciones llegan al vehículo por teselas a través de LTE o 5G, así que solo se descargan las zonas que han cambiado, no el mapa completo.
¿Todos los vehículos autónomos usan mapas HD?
La mayoría sí, pero no todos. Waymo, Mobileye, Baidu Apollo y la mayoría de los despliegues de nivel 4 dependen mucho de los mapas HD. Tesla los evita y apuesta solo por la visión: sostiene que los mapas se quedan anticuados y que un sistema de percepción lo bastante bueno no debería necesitarlos. El sector tiende a usar los mapas HD como red de seguridad, con la visión y el lidar resolviendo los casos poco frecuentes, pero el debate sigue abierto. Usar o no un mapa es una de las decisiones de arquitectura que más pesan hoy en la conducción autónoma.
