HD-карта это карта, которую читает беспилотный автомобиль, а не та, что вы открываете на телефоне. Это машиночитаемое описание каждой линии разметки, дорожного знака, стоп-линии и края дороги на маршруте с точностью до сантиметра. Оно упаковано так, чтобы система автономного вождения могла сверить его с данными датчиков в реальном времени и точно знать, где автомобиль находится внутри своей полосы.
В этой статье мы разберём, что содержит HD-карта, как её создают и обновляют, какое место она занимает в системе автономного вождения и какие вопросы до сих пор разделяют отрасль.
Что содержит HD-карта
В HD-карте есть три слоя информации о дороге, которых нет в обычной карте улиц.
Геометрический слой: точная трёхмерная форма дорожного полотна, осевые линии полос, границы полос, бордюры и края дороги с точностью в плане 10-20 см. Каждая полоса задана своей полилинией, а не общей осью дороги, а ширина полосы записана по всей длине, а не одним средним значением.
Семантический слой: машиночитаемые атрибуты, привязанные к геометрии. Это ограничение скорости, направление движения, тип полосы (обычная, автобусная, велосипедная, для машин с пассажирами), запреты поворотов, связи полос на перекрёстках, положение стоп-линий и пешеходных переходов. Благодаря этому слою система автономного вождения знает, какие манёвры разрешены, и не должна угадывать их по изображению с камер.
Слой ориентиров: трёхмерное положение дорожных знаков, светофоров и других постоянных объектов, с которыми система восприятия автомобиля сверяется в реальном времени. На этом слое держится локализация по карте.
HD-карта крупного города намного больше обычной карты улиц той же территории.
Зачем беспилотному автомобилю вообще карта
Камеры, лидар и радар видят то, что окружает автомобиль прямо сейчас. Что за следующим поворотом, они не видят. HD-карта даёт автомобилю знание наперёд: он знает геометрию дороги, положение знаков впереди и топологию полос далеко за пределами дальности датчиков. С этим знанием он планирует манёвры плавнее, безопаснее и увереннее.
Карта выручает и там, где датчики не справляются. Разметка под снегом, заслонённый знак «Стоп», слепящее солнце, стёршаяся зебра: с картой автомобиль всё равно знает, где должна проходить линия разметки и где должна быть стоп-линия. Без карты каждый такой момент ухудшает качество вождения.
Наконец, в карте записаны правила. Разрешён ли здесь левый поворот, работает ли полоса только для автобусов в это время, снизилось ли только что ограничение скорости: камеры иногда могут это прочитать, а проверенная карта знает это наверняка.
Как создают HD-карты
Основных способов производства три.
Съёмка лидарными автомобилями. TomTom, HERE и картографические подразделения автопроизводителей держат парки съёмочных автомобилей с дорогими лидарами, несколькими камерами и высокоточными системами GNSS-INS. Во время движения каждый автомобиль записывает плотные облака точек и снимки. На сервере данные сшивают, извлекают из них разметку и знаки и собирают HD-карту. Это самый точный способ, но и самый дорогой, и обновляется карта при нём медленнее всего.
Краудсорсинг с серийных автомобилей. Roadbook от Mobileye и система сбора данных Tesla получают сигнатуры с датчиков миллионов клиентских автомобилей. Каждый автомобиль отправляет компактные признаки (найденные знаки, фрагменты разметки), а не сырое видео. Сервер объединяет данные от всех автомобилей, отсекает шум и постоянно обновляет карту. Километр такой карты стоит гораздо дешевле, чем при съёмке. Точности хватает для большинства задач ADAS и L2+, и она приближается к тому, что нужно для L4.
Гибрид. Базовую карту один раз снимают съёмочными автомобилями, а затем поверх неё накладывают слой изменений из краудсорсинга. Большинство современных поставщиков используют тот или иной вариант этой схемы: съёмка даёт чистую основу, краудсорсинг держит карту свежей.
Локализация: как сверить карту с реальностью
Даже с HD-картой автомобиль должен знать, где на этой карте он сейчас находится. GNSS-приёмник уровня смартфона обычно даёт точность около 5 м под открытым небом, а в городе хуже. Для автономного вождения на уровне полосы этого мало.
Автомобиль решает задачу локализацией по карте. Система восприятия в реальном времени находит ориентиры (знаки, разметку, фонарные столбы) и сверяет их со слоем ориентиров HD-карты. Когда совпадений достаточно, положение автомобиля известно с точностью до нескольких сантиметров, то есть с той же точностью, что и сама карта. Математически это тесное объединение данных GNSS, инерциального блока (IMU), одометрии колёс и сопоставления ориентиров по камерам или лидару.
Здесь в системе автономного вождения появляется и привязка к дорогам (map matching). Классическая задача привязки к дорогам (наложить зашумлённые GNSS-точки на геометрию дороги) превращается в более общую: наложить зашумлённую оценку положения по нескольким датчикам на карту с точностью до сантиметра.
Как поддерживать карту свежей
Дороги меняются. Появляется новая разметка, переставляют знак, зона ремонта закрывает поворот. HD-карта, которая отражает дорогу прошлого квартала, сегодня введёт систему автономного вождения в заблуждение, иногда опасно.
Свежесть карты это одна из самых трудных задач в отрасли. В реальных системах применяют три подхода.
Регулярная съёмка. Съёмочные автомобили проезжают дороги раз в квартал, раз в месяц или раз в неделю. Надёжно, но медленно и дорого.
Поиск расхождений силами автопарка. Серийные автомобили сравнивают то, что видят, с тем, что записано на карте. Каждое расхождение помечается. Когда меток от разных автомобилей становится достаточно, они указывают на реальные изменения, и карту обновляют.
Доставка тайлов в реальном времени. Автомобиль хранит локальную копию HD-карты и загружает только те тайлы, в которые вот-вот въедет. Изменения попадают в облако, а оттуда в автомобили за минуты, а не за недели.
Самые передовые системы сегодня сочетают съёмку и краудсорсинг с доставкой тайлов, и обновления карты приходят на автомобили непрерывно, а не большими выпусками.
Аргумент сторонников камер
Официальная позиция Tesla: HD-карты это костыль. По её логике, достаточно сильная система восприятия должна читать дорогу не хуже человека, а любая карта рано или поздно устареет. Tesla полагается на систему распознавания по камерам в самом автомобиле и вычисленную геометрию полос, без исходной карты с сантиметровой точностью.
Остальная отрасль возражает: HD-карта это страховка, а не замена. Она не заменяет камеры, а подстраховывает их. Если разметку не видно или знак «Стоп» пропал, карта восполняет пробел. Если на знаке написано «Ограничение 30, кроме 6-9 утра», карта записывает это правило однозначно. С этой точки зрения система автономного вождения со свежей HD-картой и сильным восприятием безопаснее, чем одно восприятие, даже очень хорошее.
Спор настоящий, и он не решён. Большая часть отрасли приходит к гибридным подходам: от карты зависят меньше, чем первые системы L4, но и полностью отказываться от карты, как предлагает Tesla, не готовы.
Стандарты и форматы
Единого главного формата HD-карт нет. Есть несколько конкурирующих стандартов.
OpenDRIVE / OpenSCENARIO (ASAM, изначально для моделирования в автопроме): широко используется в моделировании и всё чаще при обмене картами в реальных системах.
NDS / NDS.Live (Navigation Data Standard): формат консорциума автопроизводителей. NDS.Live создан для доставки тайлов на серийные автомобили.
lanelet2 (открытый формат от KIT): его используют Autoware и всё больше академических проектов, а Baidu Apollo применяет собственный вариант OpenDRIVE.
Закрытые форматы: у HERE, TomTom и Mobileye свои внутренние форматы с собственными инструментами. Клиенты работают с ними через SDK, а не через сами файлы.
Рабочая система автономного вождения часто хранит карту в одном внутреннем формате и загружает в него данные из форматов тех поставщиков, у которых купила лицензию.
Куда движется картографическая отрасль
Видны три тенденции.
Свежесть из краудсорсинга выигрывает по цене и охвату везде, кроме самых критичных для безопасности проектов L4. Первые HD-карты снимали только съёмочными автомобилями. Сегодня большинство крупных поставщиков используют гибридные схемы.
Открытые форматы набирают силу. С lanelet2, OpenDRIVE и NDS.Live разработчикам беспилотников проще менять поставщика, строить свои инструменты и не зависеть от одного вендора. Первая модель закрытых фирменных HD-карт теряет позиции.
Карта берёт на себя меньше задач. Современные системы автономного вождения берут из карты смысловую информацию (правила, топологию полос) и примерную геометрию, а мелкие меняющиеся детали получают от восприятия. Карта отвечает за то, что стабильно, восприятие за то, что меняется. В итоге карта становится меньше, легче и обновляется быстрее.
Где здесь MapAtlas
MapAtlas не делает HD-карты для проектов автономного вождения уровня L4. Мы занимаемся картами, геокодированием и маршрутизацией для потребительских и B2B-продуктов, которым нужны точные адреса, изохроны и оптимизация маршрутов, а не геометрия полос с точностью до сантиметра. Для системы L4 вам нужен специализированный поставщик HD-карт.
Зато MapAtlas закрывает задачи до и после этого конвейера. Map Matching API привязывает зашумлённые GNSS-треки подключённых автопарков к геометрии дорог. Это та же базовая операция, на которой работают управление автопарком, аналитика ADAS и локализация по карте с меньшей точностью. Geocoding API и Search API дают данные о местах с точностью до адреса для работы автопарка, посадки пассажиров и маршрутизации доставки. Isochrone API помогает анализировать время в пути при планировании сервисов мобильности (mobility-as-a-service).
Как треки автомобилей превращаются в чистые маршруты, мы разбираем в статье Что такое map matching. Как координата становится местом, читайте в статье Что такое геокод.
Часто задаваемые вопросы
Что такое HD-карта высокой точности?
HD-карта (карта высокой чёткости) это машиночитаемая карта дорожной сети с точностью до сантиметра, созданная для беспилотных автомобилей и систем помощи водителю (ADAS). В отличие от обычных карт улиц, в HD-карте записаны геометрия полос, связи между полосами, дорожные знаки, светофоры, стоп-линии, разметка и трёхмерные ориентиры с точностью положения 10-20 см. Автомобиль берёт HD-карту за исходную модель, сверяет её с данными своих датчиков в реальном времени (камеры, лидар, радар), определяет своё положение в полосе и заранее знает, какой будет дорога впереди.
Чем HD-карты отличаются от Google Maps или OpenStreetMap?
Обычные карты сделаны для людей: они показывают улицы, названия и интересные места с точностью до метра. HD-карты сделаны для машин: в них с точностью до сантиметра записаны геометрия и смысл дорожных объектов, топология полос, трёхмерное положение знаков и машиночитаемые правила (ограничения скорости, ограничения по полосам, разрешённые повороты), которые система автономного вождения использует напрямую. Одних Google Maps и OpenStreetMap для автономного вождения уровня 4 недостаточно, но они полезны как базовые слои и как исходные данные для производства HD-карт.
Как HD-карты поддерживают в актуальном состоянии?
Основных подходов три. Съёмка: специальные автомобили с лидарами регулярно проезжают каждую дорогу, и HD-карту пересчитывают заново. Краудсорсинг: серийные автомобили из парка отправляют расхождения, которые заметили их датчики (пропала разметка, появилась зона ремонта, переставили знак), и по ним обновляется карта. Гибрид: базовую съёмку обновляют раз в квартал, а слой изменений от краудсорсинга фиксирует всё, что меняется в промежутке. На автомобиль обновления приходят тайлами по LTE или 5G, поэтому загружаются только изменённые участки, а не вся карта.
Все ли беспилотные автомобили используют HD-карты?
Большинство, но не все. Waymo, Mobileye, Baidu Apollo и большинство проектов уровня 4 сильно опираются на HD-карты. Tesla известна тем, что отказалась от HD-карт в пользу подхода, основанного только на камерах: по её мнению, карты устаревают, а достаточно сильной системе восприятия они не нужны. В отрасли растёт согласие, что HD-карта служит страховочной исходной моделью, а камеры и лидар справляются с редкими нестандартными ситуациями, но спор настоящий. Вопрос о том, использовать ли карту, остаётся одним из ключевых архитектурных решений в современном автономном вождении.
