高精地图是给自动驾驶汽车读的地图，不是你在手机上打开的那种。它以厘米级精度、以机器可读的形式，描述一条路线上的每一条车道线、交通标志、停止线和道路边缘。自动驾驶系统把它和实时传感器数据对照，就能准确知道车辆在车道里的位置。
本文介绍高精地图里到底有什么、怎样制作和更新、在自动驾驶系统中处于什么位置，以及行业至今仍有分歧的几个问题。
高精地图里有什么
高精地图记录了三层普通街道地图没有的道路信息。
几何层：路面、车道中心线、车道边界、路缘石和道路边缘的精确三维形状，水平精度为 10 至 20 厘米。每条车道都有自己的折线，而不是整条道路共用一条中心线；车道宽度连续记录，不取平均值。
语义层：附加在几何数据上、供机器读取的属性，包括限速、行驶方向、车道类型（普通、公交、自行车、多乘员专用）、转向限制、路口的车道连通关系、停止线位置和人行横道区域。有了这一层，自动驾驶系统不必从原始图像中推断，就能判断哪些驾驶动作合法。
地标层：交通标志、信号灯和其他固定设施的三维位置，车辆的感知系统可以实时与之匹配。地图辅助定位靠的就是这一层。
同一个大都市区，高精地图的数据量远大于普通街道地图。
自动驾驶汽车为什么需要地图
摄像头、激光雷达和雷达能感知车辆周围此刻的情况，却看不到下一个弯道后面有什么。高精地图起到远距离先验的作用：在传感器范围之外，车辆已经知道道路几何、前方标志的位置和车道拓扑，并据此规划更平顺、更安全、更果断的驾驶动作。
地图还能在传感器失灵的边缘场景中兜底。车道线被雪盖住、停车标志被遮挡、阳光刺眼的一瞬间、人行横道褪色：有地图做后备，车辆仍然知道车道线和停止线应该在哪里。没有地图，每一个这样的时刻都会让驾驶能力降级。
最后，地图记录了交通规则。能不能左转、这条车道此时段是否公交专用、限速是否刚刚降低：这些语义信息，视觉有时能读出来，而经过人工校验的地图可以保证它们正确。
高精地图怎样制作
目前主流的生产流程有三种。
测绘级激光雷达车队。TomTom、HERE 以及整车厂内部的测绘部门都运营着测绘车队，车上装有高端激光雷达、多摄像头套件和测绘级 GNSS-INS。车辆边开边记录密集的点云和图像。后端流水线拼接数据，提取车道线和标志，生成高精地图。这种方式精度最高，但也最贵，更新最慢。
量产车队众包。Mobileye 的 Roadbook 和特斯拉的数据引擎从数百万辆用户车辆收集传感器特征。每辆车上传的是精简特征（标志检测结果、车道线采样），而不是原始视频。后端汇总多辆车的数据、过滤噪声，持续更新地图。每公里成本远低于测绘级方案，精度对大多数 ADAS 和 L2+ 场景已经够用，也在接近 L4 的要求。
混合方案。先做一次测绘级基准图，再用众包差分图层叠加变化。大多数现代供应商都采用某种形式的混合方案：测绘提供干净的底子，众包保证时效。
定位：把地图和现实对上
有了高精地图，车辆还需要知道自己此刻在地图上的哪个位置。手机级 GNSS 接收机在开阔天空下的精度通常约为 5 米，在城市里更差。这对车道级自动驾驶远远不够。
车辆用地图辅助定位来解决这个问题。感知系统实时检测地标（标志、车道线、路灯杆），再与高精地图的地标层匹配。匹配点足够多时，车辆位姿可以精确到几厘米，与地图本身的精度相同。从数学上看，这本质上是把 GNSS、IMU、轮速里程计以及视觉或激光雷达的地标关联做紧耦合融合。
地图匹配也正是在这里进入自动驾驶系统。经典的地图匹配问题，是把有噪声的 GNSS 轨迹吸附到道路几何上；推广开来，就是把有噪声的多传感器位姿估计吸附到厘米级地图上。
让地图保持最新
道路会变。新画了一条车道线，标志挪了位置，施工区封掉了一个转向。如果高精地图还停留在上个季度，今天就会误导自动驾驶系统，有时后果很危险。
时效性是这个领域最难的问题之一。目前有三种方案已投入生产。
定期测绘。测绘车按季度、按月或按周跑一遍。可靠，但慢且贵。
车队异常检测。量产车辆把看到的情况与地图内容比对，不一致就上报标记。车辆足够多时，这些标记会集中指向真实发生的变化，地图随之更新。
实时瓦片下发。车辆在本地缓存高精地图，只拉取即将驶入区域的瓦片。变化先同步到云端，再推送到车辆，只需几分钟，而不是几周。
目前最先进的做法是：车队同时使用测绘和众包输入，以瓦片方式下发，地图更新持续推送到车辆，而不是批量发布。
纯视觉路线的反方观点
特斯拉的官方立场是，高精地图是一根拐杖。理由是：足够强的感知系统应该能像人一样看懂道路，而任何地图迟早会过时。特斯拉依靠车载视觉系统和推断出的车道几何，不使用厘米级的地图先验。
行业其他公司的反驳是：高精地图是安全先验，不是替代品。它不取代视觉，而是给视觉兜底。车道线被遮挡或停车标志缺失时，地图补上空缺。标志写着「限速 30，早 6 点至 9 点除外」时，地图会把这条规则明确记录下来。持稳妥观点的人认为，即使感知已经很出色，新鲜的高精地图加上强感知，也比单靠感知更安全。
这场争论确实存在，至今没有定论。行业里多数公司正在走向混合方案：对地图的依赖比第一代 L4 系统更轻，但也不是特斯拉主张的完全无图。
标准与格式
目前没有哪一种高精地图格式占主导，市场分成几个相互竞争的标准。
OpenDRIVE / OpenSCENARIO（ASAM，最初用于汽车仿真）：在仿真中广泛使用，在量产地图交换中也越来越常见。
NDS / NDS.Live（导航数据标准）：汽车行业联盟制定的格式，其中 NDS.Live 专为按瓦片向量产车辆下发而设计。
lanelet2（开源，出自 KIT）：Autoware 和越来越多学术系统在用；百度 Apollo 则使用自己的 OpenDRIVE 变体。
私有格式：HERE、TomTom 和 Mobileye 各自维护内部格式和配套工具，客户通过 SDK 使用，而不是直接拿原始文件。
量产自动驾驶系统通常在内部用一种统一的表示保存地图，再从已获授权的各家供应商格式导入数据。
地图行业的走向
有三个趋势已经很清楚。
众包在成本和覆盖面上胜出，安全要求最高的 L4 部署除外。最早的高精地图都是测绘级的，如今大多数主要供应商运行的是混合流水线。
开放格式在扩大地盘。lanelet2、OpenDRIVE 和 NDS.Live 让自动驾驶开发者更容易更换供应商、自建工具、避免被锁定。第一代封闭私有的高精地图模式正承受压力。
地图的职责在收窄。现代自动驾驶系统靠地图提供语义信息（规则、车道拓扑）和大致几何，精细的动态细节交给感知。地图管稳定的部分，感知管变化的部分。结果是地图更小、更轻，更新更快。
MapAtlas 的定位
MapAtlas 不为 L4 自动驾驶部署制作高精地图。MapAtlas 专注于消费级和 B2B 场景的地图、地理编码和路线规划，服务需要准确地址、等时圈和路线优化的产品，而不是厘米级的车道几何。做 L4 系统，你需要一家专门的高精地图供应商。
MapAtlas 提供的是自动驾驶流程的上游和下游。Map Matching API 把联网车队带噪声的 GNSS 轨迹吸附到道路几何上；车队管理、ADAS 分析以及精度要求较低的地图辅助定位，用的都是这项基础能力。Geocoding API 和 Search API 为车队运营、乘客上车和配送路线提供地址级位置数据。Isochrone API 支撑出行即服务规划中的出行时间分析。
想深入了解车辆轨迹怎样变成干净的路线，请看什么是地图匹配。想了解坐标怎样变成地点，请看什么是地理编码。
常见问题
高精地图是什么？
高精地图（HD map）是为自动驾驶和高级驾驶辅助系统（ADAS）设计的道路地图，精度达厘米级，供机器读取。与普通街道地图不同，高精地图以 10 至 20 厘米的位置精度记录车道几何形状、车道连通关系、交通标志、信号灯、停止线、路面标线和三维地标。车辆把高精地图当作先验，再与摄像头、激光雷达和雷达的实时数据对照，从而确定自己在车道内的位置，并预判前方道路。
高精地图与 Google 地图或 OpenStreetMap 有什么不同？
普通地图是给人看的：以米级精度显示街道、名称和兴趣点。高精地图是给机器读的：以厘米级精度记录几何和语义细节，包括车道级拓扑、交通标志的三维位置，以及自动驾驶系统可以直接使用的规则（限速、车道限制、允许的转向）。单靠 Google 地图或 OpenStreetMap 无法满足 L4 级自动驾驶，但它们适合做底图，也可以作为高精地图生产流程的输入。
高精地图怎样保持更新？
主流做法有三种。测绘模式：配备激光雷达的专用测绘车定期跑一遍每条道路，再重新处理地图。众包模式：车队里的量产车上传传感器发现的异常（车道线消失、新的施工区、标志移位），触发地图更新。混合模式：每季度维护一次测绘基准图，两次测绘之间的变化由众包差分图层补上。向车辆下发时，系统通过 LTE 或 5G 按瓦片推送，只下载有变化的区域，不下载整张地图。
所有自动驾驶汽车都使用高精地图吗？
大多数用，但不是全部。Waymo、Mobileye、百度 Apollo 和大多数 L4 级部署都高度依赖高精地图。特斯拉则以不用高精地图、只走纯视觉路线著称，理由是地图会过时，而足够强的感知系统不需要地图。行业共识正在向一种组合靠拢：高精地图作为安全先验，视觉和激光雷达处理长尾场景。但争论确实存在。要不要地图，是现代自动驾驶架构中最关键的选择之一。
