Een high definition map is het type kaart dat een zelfrijdende auto leest. Het is niet de kaart die je op je telefoon opent. Het is een centimeternauwkeurige, machine-leesbare beschrijving van elke rijstrooklijn, elk verkeersbord, elke stopstreep en elke wegrand langs een route, verpakt zodat een autonomistack die kan matchen met live sensordata en precies weet waar het voertuig zich binnen zijn rijstrook bevindt.
Deze gids legt uit wat een HD-kaart daadwerkelijk bevat, hoe die wordt geproduceerd en bijgehouden, waar die past in een autonome rijstack en welke open vragen de industrie nog steeds verdelen.
Wat een HD-kaart werkelijk bevat
Een HD-kaart legt drie lagen weginfomatie vast die een gewone consumentenkaart niet heeft.
Geometrische laag: de precieze 3D-vorm van het wegoppervlak, rijstrookmiddelpuntslijnen, rijstrookgrenzen, trottoirs en wegkanten, met een horizontale nauwkeurigheid van 10-20 cm. Elke rijstrook is een polylijn in plaats van een enkelvoudige wegmiddenpuntslijn, en de rijstrookbreedte wordt continu vastgelegd in plaats van gemiddeld.
Semantische laag: machine-leesbare attributen gekoppeld aan de geometrie. Snelheidslimiet, rijrichting, rijstrooktype (normaal, bus, fiets, HOV), afslagbeperkingen, rijstrookverbindingen bij kruispunten, stopstreepposities, voetgangersoversteekzones. Dit is wat de autonomistack in staat stelt om legale manoeuvres te redeneren zonder ze uit ruwe camerabeelden te hoeven afleiden.
Oriëntatiepuntenlaag: 3D-posities van verkeersborden, stoplichten en andere persistente kenmerken die de perceptiestack van het voertuig realtime kan matchen. Dit is de laag die kaartondersteunde localisatie mogelijk maakt.
Een typische HD-kaart voor een stedelijk gebied beslaat honderden gigabytes ongecomprimeerd, veel groter dan een consumentenkaart van hetzelfde gebied.
Waarom zelfrijdende auto's überhaupt een kaart nodig hebben
Camera's, lidar en radar kunnen waarnemen wat er nu rondom het voertuig is. Ze kunnen niet waarnemen wat er om de volgende bocht is. Een HD-kaart functioneert als een langetermijnprior: het voertuig kent de weggeometrie, de naderende bordposities en de rijstrooktopologie ver buiten het sensorbereik, en gebruikt die prior om soepelere, veiligere en besluitvaardigere manoeuvres te plannen.
De kaart verwerkt ook edge cases waarbij sensoren falen. Een rijstrooklijn bedekt met sneeuw, een verborgen stopbord, een moment van zoninstraling, een vervaagde oversteekplaats: met de kaart als backup weet het voertuig nog steeds waar de rijstrooklijn hoort te zijn en waar de stopstreep hoort te liggen. Zonder de kaart wordt elk van die momenten een verslechterde rijsituatie.
Tot slot legt de kaart de regels vast. Of een linksafslaand verkeer is toegestaan, of een rijstrook 's avonds alleen voor bussen is, of de snelheidslimiet zojuist is verlaagd: dit zijn semantische feiten die vision soms kan lezen, maar die een gecureerde kaart kan garanderen.
Hoe HD-kaarten worden gemaakt
Drie productiepijplijnen domineren.
Survey-grade lidar-vloten. Bedrijven als TomTom, HERE en gespecialiseerde karteringsdivisies binnen automotive OEM's exploiteren vloten surveyvehicles uitgerust met high-end lidar, meercameraopstellingen en survey-grade GNSS-INS. Elk voertuig registreert dichte puntenwolken en beeldmateriaal tijdens het rijden. Back-endpijplijnen voegen de data samen, extraheren rijstrooklijnen en borden en produceren de HD-kaart. Dit is de meest nauwkeurige aanpak. Het is ook de duurste en de traagste om te vernieuwen.
Crowdsourced via productievloten. Mobileye's Roadbook en Tesla's data-engine halen sensorsignaturen op uit miljoenen klantvoertuigen. Elk voertuig uploadt compacte kenmerken (borddetecties, rijstrooklijnsamples) in plaats van ruwe video. De backend aggregeert over voertuigen heen, filtert ruis en werkt de kaart continu bij. De kosten per kilometer liggen veel lager dan survey-grade. De nauwkeurigheid is dicht genoeg voor de meeste ADAS- en L2+-toepassingen en nadert wat L4 vereist.
Hybride. Een survey-grade baseline wordt eenmalig opgebouwd en daarna wordt een crowdsourced delta-laag toegepast voor wijzigingen. De meeste moderne providers draaien een variant hiervan. De survey biedt een solide fundament; de crowdsource biedt actualiteit.
Localisatie: de kaart matchen aan de werkelijkheid
Een auto met een HD-kaart moet nog steeds weten waar op die kaart hij zich bevindt. GNSS geeft ruwweg 5-10 m nauwkeurigheid bij vrij zicht en slechter in steden. Dat is niet goed genoeg voor rijstrookniveau-autonomie.
Het voertuig lost dit op met kaartondersteunde localisatie. De perceptiestack detecteert oriëntatiepunten (borden, rijstrooklijnen, lichtmasten) realtime en matcht die aan de oriëntatiepuntenlaag van de HD-kaart. Met voldoende matches is de positie van het voertuig bekend op een paar centimeter nauwkeurig, dezelfde nauwkeurigheid als de kaart zelf. De berekening is in wezen een strak gekoppelde fusie van GNSS, IMU, wielodometrie en visuele of lidar-oriëntatiepuntassociaties.
Dit is ook waar map matching deel uitmaakt van de autonomistack. Het klassieke map-matchingprobleem (ruisachtige GNSS koppelen aan weggeometrie) generaliseert naar het koppelen van ruisachtige multisensorpositieschattingen aan een centimeternauwkeurige kaart.
De kaart actueel houden
Wegen veranderen. Een nieuwe rijstrooklijn verschijnt, een bord verplaatst, een bouwzone sluit een afslagroute. Een HD-kaart die de werkelijkheid van vorig kwartaal weerspiegelt kan de autonomistack vandaag misleiden, soms gevaarlijk.
Het versheidssprobleem is een van de moeilijkste in het veld. Drie aanpakken worden in productie gebruikt.
Periodieke survey. Kwartaallijkse, maandelijkse of wekelijkse surveyrijpassen. Betrouwbaar maar traag en duur.
Anomaliedetectie vanuit de vloot. Productievoertuigen vergelijken wat ze zien met wat de kaart zegt. Afwijkingen triggeren een melding. Over voldoende voertuigen convergeren de meldingen naar echte wijzigingen en wordt de kaart bijgewerkt.
Realtime tile-levering. Het voertuig houdt een lokale HD-kaartcache bij en haalt alleen de tiles op die het op het punt staat te betreden. Wijzigingen verspreiden zich naar de cloud en vervolgens naar voertuigen, in minuten in plaats van weken.
De state of the art zijn vloten met zowel survey- als crowdsourced-invoer en tile-gebaseerde levering, waarbij kaartupdates continu naar voertuigen worden uitgerold in plaats van als bulkreleases.
Het vision-first tegenargument
Tesla's officiële standpunt is dat HD-kaarten een kruk zijn. Het argument: een voldoende capabele perceptie moet de weg net zo goed kunnen lezen als een mens, en elke kaart zal uiteindelijk verouderen. Tesla vertrouwt op zijn in-vehicle vision-stack en afgeleide rijstrookgeometrie, zonder centimeternauwkeurige kaartprior.
Het tegenargument van de rest van de industrie is dat een HD-kaart een veiligheidsbackup is, geen substituut. Het vervangt vision niet; het ondersteunt vision. Als een rijstrooklijn verborgen is of een stopbord ontbreekt, vult de kaart het gat. Als een bord "maximumsnelheid 30 behalve 6-9 uur" aangeeft, legt de kaart de regel ondubbelzinnig vast. Het defensieve standpunt is dat een autonomistack met een verse HD-kaart plus sterke perceptie veiliger is dan perceptie alleen, ook als die perceptie uitstekend is.
De discussie is oprecht en onopgelost. De meeste industrie convergeert naar hybride aanpakken: minder kaartafhankelijkheid dan eerste-generatie L4-stacks, maar niet de volledig kaartloze aanpak die Tesla bepleit.
Standaarden en formaten
Er is geen enkel dominant HD-kaartformaat. Het landschap splitst zich op in een paar concurrerende standaarden.
OpenDRIVE / OpenSCENARIO (ASAM, oorspronkelijk automotive simulatie): breed gebruikt in simulatie en steeds vaker in productiekaartuitwisselingen.
NDS / NDS.Live (Navigation Data Standard): een automotive-industrie consortiumformaat, waarbij NDS.Live is ontworpen voor tile-gebaseerde levering aan productievoertuigen.
lanelet2 (open source, van KIT): gebruikt door Apollo, Autoware en een groeiend aantal academische stacks.
Proprietary: HERE, TomTom en Mobileye onderhouden elk interne formaten met formaatspecifieke tooling. Klanten gebruiken die via SDK in plaats van ruwe bestanden.
Een productie-autonomistack houdt de kaart vaak in één canonieke interne representatie en importeert vanuit welke leveranciersformaten dan ook waarvoor licenties zijn verkregen.
Waar de karteerindustrie naartoe gaat
Drie tendensen zijn duidelijk.
Crowdsourced actualiteit wint op kosten en dekking voor alles behalve de meest veiligheidskritische L4-implementaties. Vijf jaar geleden waren HD-kaarten exclusief survey-grade. Vandaag draaien de meeste grote leveranciers hybride pijplijnen.
Open formaten winnen terrein. lanelet2, OpenDRIVE en NDS.Live maken het voor AV-ontwikkelaars eenvoudiger om van leverancier te wisselen, interne tools te bouwen en vendor lock-in te vermijden. Het eerste-generatie gesloten proprietary HD-kaartmodel staat onder druk.
De kaart krimpt in scope. Moderne autonomiestacks vertrouwen op de kaart voor semantische informatie (regels, rijstrooktopologie) en globale geometrie, maar leunen op perceptie voor fijnmazige dynamische details. De kaart verwerkt wat stabiel is; perceptie verwerkt wat verandert. Het resultaat is een kleinere, lichtere kaart die sneller wordt bijgewerkt.
Hoe MapAtlas erbij past
MapAtlas bouwt geen HD-kaarten voor L4 autonome implementaties. De focus van MapAtlas ligt op consumer-grade en B2B-mapping, geocoding en routering voor producten die nauwkeurige adressen, isochrones en routeoptimalisatie nodig hebben, niet centimeternauwkeurige rijstrookgeometrie. Voor een L4-stack heb je een gespecialiseerde HD-kaartleverancier nodig.
Wat MapAtlas wel biedt is de upstream en downstream van de autonome rijpijplijn. De Map Matching API koppelt ruisachtige GNSS-sporen van connected fleets aan weggeometrie, hetzelfde primitief dat fleet management, ADAS-analytics en kaartondersteunde localisatie op lagere nauwkeurigheidsniveaus aandrijft. De Geocoding API en Search API leveren adresgrade locatiedata voor vlootoperaties, klantophalen en bezorgroutering. De Isochrone API drijft reistijdanalyse aan voor mobility-as-a-service planning.
Bekijk voor een diepere kijk op hoe voertuigsporen schone routes worden What Is Map Matching. Voor de basisprincipes van hoe een coördinaat een locatie wordt, zie What Is a Geocode.
Veelgestelde vragen
Wat is een high definition map?
Een high definition (HD) map is een centimeternauwkeurige, machine-leesbare kaart van het wegennet, ontworpen voor autonome voertuigen en geavanceerde rijhulpsystemen. Anders dan consumentenkaarten leggen HD-kaarten rijstrookgeometrie, rijstrookverbindingen, verkeersborden, stoplichten, stopstrepen, wegmarkeringen en 3D-oriëntatiepunten vast met een positionele nauwkeurigheid van 10-20 cm. Het voertuig gebruikt de HD-kaart als prior en matcht die vervolgens met live sensordata (camera, lidar, radar) om zijn exacte positie binnen de rijstrook te bepalen en de weg vooruit te anticiperen.
Wat is het verschil tussen HD-kaarten en Google Maps of OpenStreetMap?
Consumentenkaarten zijn gemaakt voor mensen: ze tonen straten, namen en interessante locaties op meternauwkeurigheid. HD-kaarten zijn gemaakt voor machines: ze leggen geometrische en semantische details vast op centimeternauwkeurigheid, met rijstrooktopologie, driedimensionale bordposities en machine-leesbare regels (snelheidslimieten, rijstroobeperkingen, afslagmogelijkheden) die een autonomistack direct kan verwerken. Google Maps en OpenStreetMap zijn op zichzelf niet toereikend voor level 4 autonoom rijden, maar zijn nuttig als basislaag en als input voor HD-kaartproductiepijplijnen.
Hoe worden HD-kaarten actueel gehouden?
Er zijn drie dominante aanpakken. Survey-gebaseerd: speciale lidar-uitgeruste voertuigen rijden periodiek elke weg en verwerken de HD-kaart opnieuw. Crowdsourced: productievoertuigen in de vloot uploaden sensorafwijkingen (een ontbrekende rijstrooklijn, een nieuwe bouwzone, een verschoven bord) die kaartupdates triggeren. Hybride: een survey-baseline wordt per kwartaal bijgehouden en een crowdsourced delta-laag registreert wijzigingen daartussenin. Realtime levering aan het voertuig gebruikt tile-gebaseerde updates via LTE of 5G, zodat alleen gewijzigde gebieden worden gedownload in plaats van de volledige kaart.
Gebruiken alle autonome voertuigen HD-kaarten?
De meeste wel, maar niet alle. Waymo, Cruise, Mobileye, Baidu Apollo en de meeste level 4-implementaties vertrouwen sterk op HD-kaarten. Tesla vermijdt HD-kaarten bewust ten gunste van een vision-only aanpak, met het argument dat kaarten verouderen en dat een voldoende capabele perceptiestack ze niet nodig zou moeten hebben. De industrie convergeert naar HD-kaarten als veiligheidsbackup met vision en lidar voor de long tail, maar er is een echte discussie. De kaartdiscussie is een van de bepalende architectuurkeuzes in moderne autonomie.
