驱动汽车绘图和导航的六大技术趋势

未来的汽车导航是高度互联的，能够动态使用来自云端的高分辨率地图信息以及车辆和环境数据。它们是强大的驾驶员辅助、智能电动汽车和自动驾驶的推动者。作为移动出行行业软件工程服务的全球供应商，Intellias 参与了其中的许多开发。      

尽管现在的地图和导航数据比 10 年前更容易（多亏了行车记录仪、无人机和卫星），但收集这些数据仍然是劳动密集型的。即使世界的大部分角落已经记录在公共和私人地理信息系统 （GIS） 中，这些地图仍然需要定期维护。随着物理世界的不断发展，数据准确性和及时性是移动出行行业的两大挑战，其次是覆盖范围。为了满足这些要求，导航和数字地图的发展正在加快步伐。以下六大技术和部署趋势将在未来几年推动汽车地图和导航的发展。

 1. 使用 AI 丰富地图数据      

卫星图像是地图创建的一个突破。然而，问题在于大多数地图软件无法直接处理卫星照片。首先需要将视觉数据以合适的格式编纂成全面的导航数据集，例如导航数据标准 （NDS）。然后，地图所有者必须使其保持最新状态。这两个过程成本高昂且劳动密集，使其成为人工智能 （AI） 在制图中的绝佳用例。

AI 算法通过提供更频繁地更新地图和更快地绘制新区域的能力，提高了数字地图构建的速度和精度。他们可以对卫星图像中的对象（建筑物、道路、植被）进行分类，以创建丰富的 2D 数字地图以及多层 3D 地图模型。借助精确的地图，您可以提供更好的 ETA、详细的燃料或能源使用估算以及更丰富的兴趣点信息，让用户感到满意。

除了促进地图数据的收集外，AI 还可以帮助生成此类数据。来自麻省理工学院和卡塔尔计算研究所 （QCRI） 的研究人员最近发布了 RoadTagger。该神经网络可以自动预测道路类型（住宅或高速公路）和车道数量，即使存在视觉障碍（例如树木或建筑物）也是如此。该模型在美国 20 个城市的数字地图上的遮挡道路上进行了测试。它以 77% 的准确率正确预测车道数量，以 93% 的准确率预测道路类型。

也就是说，从互联车辆收集传感器数据不会消失。OEM 越来越依赖其车队来收集用于创建数字地图的新见解，随着机器学习的进步，这一过程变得越来越容易。HERE Technologies 最近推出了 UniMap，这是一种新的 AI 驱动技术，用于更快地处理传感器数据并创建地图。新的解决方案可以有效地提取 2D 和 3D 格式的地图特征，然后将它们与早期的地图版本相结合。这种统一的地图内容数据模型允许在 24 小时内提供新的数字地图。

2. NDS.Live：从离线数据库到分布式地图数据系统

传统的车载导航系统是设计、开发和集成专有数据库的，这些数据库在每一代新产品中都过时了。NDS.Live 是汽车生态系统中地图数据新的全球标准，促进了从离线导航到混合/在线导航的过渡。它通过一个灵活的规范最大限度地减少了支持不同数据模型、存储格式、接口和协议的复杂性。NDS.Live不是一个数据库，而是一个分布式地图数据系统。

NDS.Live 是由全球 OEM 和技术领导者共同开发的，包括 Intellias、戴姆勒、HERE、电装、雷诺和 TomTom 等已经采用它。例如，第二代梅赛德斯-奔驰用户体验 （MBUX） 系统由 NDS 提供支持。分布式地图数据系统为驾驶员辅助系统提供了新的信息，这些信息在平视显示器 （HUD） 上以增强现实 （AR） 指令的形式可视化。NDS.Live 可以帮助大幅改善电动汽车和常规互联汽车的导航体验。它还可以帮助 OEM 部署用于辅助驾驶和导航的增值订阅。

3. 3D 和高精地图生成

3D 地图可以以 3D 形式准确渲染物理对象。高清 （HD） 地图包含有关道路特征（车道位置、道路边界）和地形类型（曲线严重程度、路面坡度）的详细信息。这两种类型的地图对于推出高级 ADAS 功能并最终迎来自动驾驶时代都是必不可少的。

3D 地图定义了车辆的移动方式，并帮助它解释从车载传感器接收到的数据。由于大多数传感器的范围有限，高清地图通过为导航系统提供有关道路特征、地形和其他交通相关对象的额外信息来提供帮助。

HD 和 3D 映射的瓶颈是收集和渲染数据。对于 3D 地图，您需要从多个摄像头实时捕获视频，规划由于振动、温度和硬件问题造成的干扰，然后在全球数十亿公里的道路上重复该过程。移动出行企业和 OEM 不是单独完成这项艰巨的任务，而是联手：

• 例如，HERE 和 Mobileye 合作，众包高清地图数据收集，大众汽车后来也加入了进来。Mobileye 开发了一种名为 EyeQ 的紧凑型高性能计算机视觉片上系统。该系统由 50 多家 OEM 的 300 种车型安装，为 Mobileye 提供了充足的视觉数据，然后他们可以在合作伙伴的帮助下将其渲染成地图。

• 反过来，TomTom 与 Qualcomm Technologies 合作，从其用户那里众包高清地图洞察。Qualcomm 提供了基于云的底层平台，用于制作和维护来自各种来源的高清地图，包括成群的互联车辆。

4. 自动驾驶模拟

自动驾驶汽车需要进行广泛的道路和赛道测试才能通过安全检查。制造商还需要模拟濒临碰撞事件，而不会将任何人置于危险之中。超逼真的虚拟世界可以成为自动驾驶汽车 （AV） 更安全的试验台，尤其是在虚拟化技术进步的情况下。

一组研究人员发布了一个开源的数据驱动型仿真引擎，用于为 AV 训练构建逼真的环境。该引擎可以模拟复杂的传感器类型，包括 2D RGB 摄像头和 3D 激光雷达，以及生成存在多辆车的动态场景。借助新引擎，用户可以模拟超车和跟随等复杂的驾驶任务。

Waymo 采用了类似的方法，使用从车载摄像头和传感器收集的真实数据来创建高度详细的虚拟测试台。Waymo 团队已经构建了几个十字路口的虚拟副本，这些十字路口的尺寸、车道、路缘和交通信号灯完全相同。在模拟过程中，Waymo 算法可以经过训练，使用相同或不同的驾驶条件以及车队中不同车辆，执行最具挑战性的交互数千次。

为了完善算法的性能，该团队使用了一种模糊测试技术。在培训课程期间，工程师会交替调整其他车辆的速度、红绿灯时间以及是否存在之字形慢跑者和休闲骑行者。一旦 Waymo 算法学会了通过闪烁的黄色箭头的特定十字路口的技巧，“技能”就会成为知识库的一部分，与车队中的每辆车共享。

新一代高保真 3D 环境可以使用来自不同传感器类型的数据构建，以有效地将材质世界的所有细节传达给算法。现有的 3D 视觉数据库已经包含交通标志、路面标记和道路纹理的真实细节。借助机器学习和深度学习算法，复杂的 ADAS/AD 场景可以模拟接近现实生活的条件。

5. 道路基础设施的数字孪生

虽然 OEM 利用行车记录仪数据收集来构建更好的导航系统，但运输管理人员使用相同的智能来实现道路基础设施的数字化。数字孪生是物理资产或系统（如智能交通灯网络或智能停车设施）的交互式虚拟表示。在实时数据的支持下，道路基础设施的数字孪生可以实现高级城市规划场景。这包括动态交通信号优化以减少拥堵，以及优先公共和服务运输管理和准确的交通预测，以优化规划、标牌、施工进度等。

低延迟对于自动驾驶至关重要。然而，在边缘生成 3D 地图需要强大的计算能力。此外，车辆无法在其路线上存储所有地图数据，并且需要不断接收无线更新。一组研究人员提议在路边放置紧凑的地图分发设备，以方便在旅途中交付点云数据 （PCD） 地图。结果表明，自动驾驶汽车可以在下载 PCD 地图时进行自定位。该系统允许自动驾驶汽车接收每个新目的地的动态新地图，而不是在车载上存储大量数据记录。

6. HUD 导航产品中的 AR

最新的车辆具有升级的人机界面 （HMI） 设计，具有允许 AR 导航的新硬件和软件元素。HUD 中的 AR 可以从静态显示器（行驶速度、ADAS 系统状态、燃料或充电水平）以及动态路线指令（包括交通标志、限速、施工警报和 ETA 信息）中提供所有标准信息。

总体而言，AR 导航系统可以帮助驾驶员在道路上做出更好的决策。最近的一项比较研究发现，与使用传统 HUD 的驾驶员相比，使用 AR 增强 HUD 的驾驶员犯的错误更少，平均驾驶速度也更快。参与者还将 AR HUD 说明评为更有用且更易于理解。

导航的下一个进步将是全息显示器，提供 3D AR 指令。激光雷达技术的进步已经允许将道路物体的超高清全息表示实时投影到驾驶员的视野中。据 Tech Explore 称，此类系统可以缩短障碍物可视化时间并减少与驾驶相关的压力。