交通信号灯就是一个非常典型的例子。在普通地图中，它们是三维形状，表示交通信号灯的坐标位置，它们面向的方向或应用于哪些车道等。但是，交通信号灯不是静止的，普通地图所反映出来的特征并不能使自动驾驶车辆做出行驶决策。这时语义地图就能够发挥作用，能够辅助车辆的感知和规划系统判定交通信号灯的状态：是红灯还是绿灯？人行横道外是否还有行人在走动？这些是语义地图与其他地图相区别的特征，能够直接影响车辆的动态反应。
先验地图与之类似，但包含更多的细微差别，能够显示普通地图数据的派生或或延伸信息。再以信号灯为例，先验层能够显示单个交通灯颜色循环变幻顺序（红色，绿色箭头，绿色，黄色，然后再红色……）、每个颜色的停留时间。但这样的规律循环状态是固定不变的吗？在高峰时段绿色是否会持续更长时间以允许更多的车辆通过主要交叉路口？从理论上讲，先验层可以显示那些我们所关心的特定类别物体或具有时空特异性的需要观察的信息。举例来说，在一些经常遛狗的公园区域，可以为自动驾驶汽车设置先验层，提示自动驾驶汽车在周六上午8点到11点之间注意动物。
有了先验图层，自动驾驶汽车可以提供完全避开某个区域或在行驶到某个区域时更加谨慎。在高级别的先验图层中，自动驾驶汽车甚至可以洞察社会文化规范，这些信息不会显示在路标上，而是需要通过观察推断出来。例如，在中心转弯车道，由于相邻十字路口的限制，车辆倾向于转弯，此时自动驾驶车辆可以预先合并到其他车道上，从而避免事故的发生。
区分语义特征和地图先验的最后一个例子是停车。停车点是一种语义特征，指示车辆不能行驶必须停止的区域。而先验地图会显示：停车区域可能可以安全驶过，也可能需要注意已经停靠在这一区域的汽车。语义地图和先验地图共同使自动驾驶车辆在导航复杂的道路系统上做出更细致的决定，表现得像一位经验丰富的驾驶员。
语义地图构建
语义地图的构建遵循一些基本原则：
1．所有数据必须与车辆置身的几何图层信息一致。
2．车辆自身获取的数据是最值得信赖的信源。
3． 充分利用已有的数据资源，例如导航地图，在其基础上构建语义地图。
首先将现有的导航地图作为基础数据，在此基础上进行大量的工程设计用于保持信息的更新性和准确性，以上构成了道路图层的基础。利用自动驾驶探测车队和自身数据创建出用于本地化的道路图层、车道几何图层和大多数语义特征图层。接下来，通过自动驾驶传感器数据，利用计算机视觉和深度学习技术来识别车道标记、交通信号灯、路标和其他元素，对其位置进行三角测量，将它们的三维坐标放置在地图中。然后，通过分析车辆的行驶轨迹、观察其他车辆的行为，可以具体地做出诸如转弯限制，交通灯模式或驾驶员行为之类的提示。其中，自动驾驶传感器需要经过精心校准，并且要利用多种传感器例如GPS，IMU，激光雷达和相机等，通过激光雷达、视觉SLAM的方式处理道路信息，创建清晰的几何地图。激光雷达扫描处理产生一个模拟现实路面和周围区域特征的几何图，它能使我们精确地定位语义数据的位置。各种客观元素与地图数据之间的对应关系让我们将所有图层合并成为一个参照系，确保所有地图图层的一致性。
车道几何图层上的人工控制
地图构建的最后一步是持续的反馈循环，这种反馈用于人工管理和质量控制，以确保地图能够精确到厘米级。这其中算法发挥了很大的作用，除了辅助建图以外，还可以帮助我们巧妙地识别地图中的错误，以及提醒某些地方需要人工操作员进行最终的细化和质量控制。另外，丰富的2D和3D工具允许操作员标记数据源错误，在启发式算法或算法中调出逻辑错误，然后比对地图进行最终调整。一旦质量控制流程完成，就可以在车辆真正上路之前进行模拟情境自动化测试。通过模拟测试后，按照L5自动驾驶测试协议进行实时道路测试，严格遵守所有流程和规则。一旦最终的道路测试通过，该地图将被批准部署到车队中。
后续在对车队数据进行处理时，所有收集的新信息将会进行自动的更新迭代，有助于不断改进和更新地图数据，并在此过程中重置算法。然后不断生成更加精准和确切的地图，并在实际道路行驶中检验它的可靠性。
地图技术是自动驾驶车企能够正常运作的坚实基础，不仅对连接乘客和司机很重要，对行车安全问题和公司版图扩张也至关重要。自动驾驶技术更新迭代越来越快，智能驾驶传感器不断改进，性能越来越强，越来越多的城市开始部署自动驾驶研发测试，在此过程中，地图技术成为提高自动驾驶车辆行驶的效率、安全性和高速发展的关键。尤其在实现L5级自动驾驶时，高精地图的作用尤为重要，成为自动驾驶研发企业的必争高地。
