高精地图对于开发者及测试者来说并不是可以轻易获得的，制作高精地图需要大量的成本，周转时间长，在此背景下Apollo 2．5推出了基于动态的实时相对地图（Real－time Relative Map ）的解决方案。
在Apollo 1．5和2．0中，规划模块和控制模块依靠的是全球定位和高精地图。高精地图中有丰富的地图元素，可以帮助车辆规划，实现复杂路况下的自动驾驶，众所周知，高精地图在自动驾驶中的价值所在，它们不仅有着较高的精准度，而且适用于任何路况，更重要的是高精地图对于路测有着重要意义，但高精地图对于开发者及测试者来说并不是可以轻易获得的，制作高精地图需要大量的成本，周转时间长，在此背景下Apollo 2．5推出了基于动态的实时相对地图（Real－time Relative Map ）的解决方案。
该地图基于车辆坐标系，其原点位于车辆本身。众所周知，车道线是地图中的重要元素，以确保自动驾驶车辆做出合理的决策并进行安全的轨迹规划。在相对地图中，车道线数据是通过基于摄像头的车道感知而生成的，并且包含基于云端的导航线（Navigation Line）。
下图阐释了导航线是如何生成的。
导航线在自动驾驶中扮演着多种角色。第一，导航线作为出发点与目的地点的连接线，提供车道级别导航；第二，导航线可以生成Reference line用于驾驶决策；第三，为高精地图提供载体；第四，导航线是相对地图的重要组成部分。
导航线有以下特点：
1． 导航线是按照驾驶员驾驶路径设计，所以安全性和舒适性是有保障的；
2． 更重要的是，基于驾驶数据，导航线可以自动生成，大大降低了开发成本；
3． 可以与视觉感知系统配合生成基本的地图信息，可以适用于比较简单的驾驶场景，比如高速公路、乡村道路等；
4． 导航线可以与高精地图结合，生成复杂的驾驶场景，例如城市道路。
下面我们举例说明，相对地图和导航线在自动驾驶场景中是如何工作的。
1．在如下图highlight区域部署自动驾驶场景；
2．在实现真正的自动驾驶之前，我们需要采集导航线，经过对驾驶员驾驶路径的采集，后期可以转换成为（如下图绿色线条）；
3．需求：实现从A→B的自动行驶；
4．按照传统地图（百度地图or谷歌地图）导航，生成的轨迹1（蓝色线条）；
5．在接到导航需求时，系统会选择一条最匹配的导航线（黄色标线）用来导航；
6．系统为决策模块提供多条导航线，可以实现变道功能。
通过使用这种方法，我们可以创建一个与高精地图的数据格式相匹配的相对地图（Relative Map），并基于事先录制好的人工驾驶轨迹和摄像头实时检测到的车道线。有的开发者会有疑问：相对地图与SLAM有什么区别呢？其实SLAM问题可以描述为： 汽车在未知环境中从一个未知位置开始移动，在移动过程中根据位置估计和地图进行自身定位，同时在自身定位的基础上建造增量式地图，实现汽车的自主定位和导航。Relative Map在基于指引线录制模式时，会依赖录制的指引线与实时摄像头信息生成Relative Map，同时，依靠GPS定位； 在基于纯摄像头模式时，并不进行自身定位和建造增量式地图，只依赖实时摄像头生成的车道线信息行驶。
在行驶过程中，相对地图数据的计算和更新频率10Hz，相对地图数据来源一是基于视觉感知的车道标识，二是基于云端的导航线，而且相对地图支持以下三种自动驾驶场景：
相对地图模式1，仅依靠视觉感知的车道标识
适用场景：
1、定位缺失；
2、只有来自感知系统的车道线识别；
3、车道保持与自适应巡航。
在基于指引线录制模式时，会依赖录制的指引线与实时摄像头信息生成的Relative Map行驶，此时需要GPS定位。当GPS失效时（比如通过某个隧道），系统将自动切换为基于纯摄像头模式，此时只依赖实时摄像头生成的车道线信息行驶。只要有车线可以辨别，车会沿着车道中心线一直开（Lane Keeping）。如果车道线不可辨别，需要人来接管。
相对地图模式2，依靠视觉感知与云端导航线
适用场景：
1、感知系统检测的车道标识
2、能从云端获取导航线
3、高速道路或者车道线不清晰的乡村道路
此条件下，导航线与感知系统结合生成地图数据，用于车辆决策。
相对地图模式3，依靠视觉感知、云端导航线以及高精地图
适用场景：
1、车道标识不是来自于感知系统检测，而是基于历史驾驶数据以及高精地图生成；
2、能从云端获取导航线
3、城市道路
此条件下，导航线结合高精地图，能实现城市道路的规划决策。
相较来讲，相对地图的精度较低，仅限于某些用途。但它却有着不容忽视的优势，成本更低，周转更快 ，并且制作起来更容易，还可以实现实时更新。
