下图从要素、系统、用途方面更为清晰地囊括了传统地图和高精度地图的侧重点：
高精度地图的应用
高精度地图只是一个静态的数据，在实际使用时，不可能一开始就将全国的地图导入到系统中，这样不仅费时，而且会占用系统很多资源。高精度地图的供应商（图商）除了提供高精度地图外，还会提供一个叫做“地图引擎”的软件。由这个软件负责整个高精度地图的资源调度，无人车只需要告诉“地图引擎”现在的大致位置以及想要去的地方，“地图引擎”就会将这个过程中所要用到的高精度地图数据发布出来，供无人车使用。数据流如下图所示。
高精度地图的应用需要配合高精度的定位。
高精度定位，至少包含无人车当前的位置和航向角。位置是指无人车GPS天线安装位置所在的经度、纬度、高度；航向角，是指无人车车头的朝向与正北方向的夹角。
理论上，已知两个点的经纬高，即可计算出两个点的相对位置。那为什么还需要提供精确的航向信息呢？
如下图所示，如果无人车想要实现沿高精度地图车道线直线行驶，在有正确的经纬高和航向角情况下，车道线上的一系列点在无人车坐标系下的相对关系如下图（图中黑点）。根据车道线规划出来的轨迹（绿线）是与车道平行的直线。
试想一下，如果这时候航向值变得不准，比如偏了几十度。由于经纬高没有变化，因此车道线上的所有点距离无人车中心的距离是保持不变的，但这些点会以中心旋转。得到的车道线在无人车坐标系下的相对关系如下图。
根据此车道线规划出来的轨迹，会让无人车认为必须要转一个角度才能实现车道保持。最终造成的控制结果就是，无人车一直在原地打转。由此可见无人车的航向角是很重要的定位信息。
充分利用高精度地图的作用将对无人驾驶有如下帮助：
提升无人车的感知能力
比如，在天气良好的情况下，车载传感器能够检测出车道线、障碍物、路沿、可通行空间等，但对于道路坡度、道路曲率的检测无能为力。这些数据有助于无人车的控制，刚好高精度地图可以提供。
再比如，当遇到暴雨／大雪／沙尘等恶劣天气，车载传感器很难感知到远处的障碍物、车道线信息。而定位＋高精度地图的配合是可以提供诸如车道线、路沿和可通行空间这些信息的，增加系统的信息冗余。
结合车载传感器信息，提升定位精度
之前曾介绍过现有的无人车高精度定位在某些情况下也会出现定位不准的情况。因此仅依靠GPS的定位方案可靠性太差。
业内通用的定位方式是GPS＋高精度地图＋摄像机（激光雷达等）信息融合的定位方法。先看一个视频，了解一下业内是如何结合车载传感器信息做定位的。
首先根据GPS的数据（经纬高和航向）确定无人车大致处于哪条道路上，这个位置的可能与真实位置有5～10米的差距。
根据车载传感器检测的车道线（虚、实线）及道路边缘（路沿或护栏）的距离与高精地图提供的车道线及道路边缘做比对，然后修正无人车的横向定位。
根据车载传感器检测到的广告牌、红绿灯、墙上的标志、地上的标志（停止线、箭头等），与高精地图提供的同一道路特征（POI）进行匹配，进而修正纵向定位和航向。在没有检测到任何道路特征的情况下，可以通过航位推算进行短时间的位置推算。
无人车的定位算法通常采用粒子滤波的方法，需要多个计算周期后，定位结果才会收敛，进而提供一个相对稳定的定位结果。粒子滤波的算法原理我会在随后的系列文章中介绍。
高精度地图的挑战
挑战一：高精度地图的众包
高精度地图虽然好用，但目前还无法大规模地生产，大部分内外业处理还是由人工来完成标注和数据转化。而且仅仅靠地图公司的几十上百辆采集车在道路上采集，很难保证地图数据的实效性，即无法保证地图数据足够“新鲜”。
因此图商都希望能在量产车的前装摄像头上做文章，让这款摄像头具备L2以上自动驾驶能力外，还能够将采集图像预处理后的数据传到云端，实现数据的更新。当一个地点的实际情况被足够多的私家车检测到与地图不符时，由图商确认信息后，对地图进行相应的更新。这样一来，地图数据迭代地足够快，就能更好地服务于高精度地图生态和无人车了。
挑战二：高精度地图的政策
地图政策的这项挑战仅存在于国内。
高精度地图和国防息息相关，因此高精度地图的采集和使用在国内是受到严格限制的。目前我国仅有14家单位具有甲级地图测绘资质，这就意味着，只有这14家图商具有高精度地图采集和使用的权利。无人驾驶初创公司如果想使用高精度地图，要么强依赖这14家图商，要么在法律的红线上做研究。
由于测绘资质政策的存在，我觉得国外的无人驾驶技术想要染指中国的市场，并不是一件简单的事情。即便是博世这种Tier1中的大佬，没有国内图商的帮助，想要扩张他们的无人驾驶技术，依然会寸步难行。
结语
在高精度地图领域有一句很有意思的话，叫做Make the invisible visible。这句话可以作为本篇分享的总结。
这篇分享的内容基本上涵盖了大部分高精度地图的知识以及其在无人车领域的应用。如果你对高精度地图还有什么疑问，可以在评论区留言互动。
