业界的高精地图产品

HERE

HERE采集地图流程：

（1）基础地图的设计：基础地图是高清实时地图的基础。配有16线程激光雷达、相机的采集车辆采集数据，进行基础地图的绘制。

（2）众包更新（基于图像）：众包的特点在于其成本较低/利用众包车辆传感器采集行车路径、车道标志、道路边缘、路标、路面标志等。结合卫星图像等多种数据源，更快的更新地图。

（3）在云端映射学习：利用深度学习，在点云或图像场景下做图像分割，物体识别。
(4)更新地图：创建并添加到地图数据库后，在这里将其发布到HD Live地图，并将必要的平面图发送回车辆，以便车辆能够准确和实时地表示路网。

HERE的表述方式
（1）第一层是Road & Lane Model Layer（道路车道层）：最底层，包含车道线，交通标识等道路信息。
（2）第二层是Localization Model Layer（定位层）：基于Camera或点云提取地图特征，该层包含定位信息。
（3）第三层是Activity Layer（动态信息层）：描述路上的动态时间，如道路事故等，对实时性要求高
（4）第四层是Analytics Layer（司机驾驶习惯层）：收集司机驾驶习惯供机器学习，使自动驾驶可以更好的模拟人的行为。

MobileEye

MobileEye三个层次的技术体系：

(1)感知：Mobileye的软件可以进行传感器融合——从摄像机传感器、雷达和激光雷达传感器中解读数据。在图像处理方面，Mobileye经验丰富，使用自己独有算法是用来检测对象，确保安全行驶和系统决策。L3以下的自动驾驶不需要高精地图，但是L3以上就看你使用的是基于Lidar还是Camera的方案了。
(2)映射：自动驾驶汽车需要大量的系统冗余来处理无法预料的情况。在所有条件下，车辆相对于道路边界和交叉口的精确定位都需要高精地图。Mobileye提供基于REM的框架(REM™)，它使用众包的策略。让用户能低成本地构建和快速更新高清地图。
(3)驾驶策略：在Mobileye的驾驶策略中，他们认为，一旦一辆自动驾驶汽车能够感知周围的场景并在地图上进行定位，要解决的最后一件事情，就是学习和共享人类司机的驾驶策略。Mobileye声称，传感、测绘和强大的计算能力赋予了自动驾驶车辆超人的视觉和反应时间。Mobileye对驾驶策略的强化学习，将提供多变量情况的分析方案，并且尽可能地逼近人类的行为和判断方式。这证明Mobileye对于复制人类的驾驶行为还是很看重的，至少把其单独地作为一个数据层去阐述处理。

Mobileye的REM系统（道路经验管理系统），提供实时匿名众包的汽车数据，用于高精度地图的制作和使用。MobilEye把REM采集、发送云端、处理、发回车端的过程称为“路书”。搭载MobilEye的车端首先会对环境进行识别，然后进行语义分析和几何形状提取，将其压缩后打包上传，这个过程称为RSD。经过REM系统采集处理的RSDs，正是由于激光雷达的解决方案存在诸多的限制：高成本、低规模化和点云算法尚不完善。在现行的网络条件下，MobilEye的RSD方案“至少”看起来让自动驾驶这件事儿变得更加可行了。

Waymo

谷歌Waymo期待自己能够研发出栅格式的高精地图，而不是传统的矢量类型地图。这种地图记录了所有道路上的物体信息，并且将不存于静态地图中的动态物体自动过滤，由此降低车端感知识别的难度，达到更好的检测效果。

谷歌也是基于激光雷达＋视觉感知的方案。不同之处在于，谷歌自己设计的激光雷达探测距离远且成本低。