為什么自動駕駛汽車不能使用普通地導航？

智能手機中地 APP 已經可以囊括一切。打開地應用，藍色的點會告訴你身在何方。而設定好目的地后，你的路線就會浮現在屏幕上。

手機上的地確實非常好用，只需要一個簡單的 GPS 芯片，手機就能在地上定到你的位置，誤差只在幾米之間。

除此之外，它還有追蹤通勤習慣，推薦行車路線，提供打折信息等數百萬種應用場景。

這些地上有用的語義學數據包括興趣點（POIs）、街名和地址等。

在車上，地則會給出路徑指示，比如告訴你「在某某大街右轉」。

像谷歌地這樣成熟的產品甚至還會包含更加細化的信息，比如車道數量，這也是你會在開車時聽到「保持左側兩車道行駛」之類提示的原因。

人類使用的地是非常好的資源，但想把它編進代碼卻并不容易。畢竟它是人類數百萬年進化的產物，是人類大腦對周邊無數信息進行消化吸收的結晶。

簡言之，人類的常識比計算機的模式匹配能力要強大多了。

常識的力量強大了，人類的地就無需那么精確，即使 GPS 無法識別其中不同，一個藍色的小點也能保證你在駕駛時不會駛向轉盤上的花壇。

在隧道里或高層建筑間，GPS 信號可能會偶爾消失，但你還是能靠著常識繼續駕駛，直到藍色小點重新出現。

即使沒有常識，機器的地，加上超強算力也能輸出正確決策。機器人的地里「信息」更多，它能為計算機提供更多補充資源。

與人腦一樣，自動駕駛汽車搭載的超級計算機也能在駕駛時進行實時決策，不過由于缺乏常識，它理解起周邊環境來要困難不少。

因此，機器的地必須非常精確，其精度甚至要達到 10 厘米級別。

除了更加精準，它提供的信息還要非常直觀，指令更是能多細就多細。

比如：

車輛當前處在哪個車道，該車道需要注意哪些交通標識和信號燈。車輛與道路的高度也非常重要，這是自動駕駛汽車在城市高架行駛時的必備數據（車輛要知道自己是不是在高架橋上）。機器的地還必須永遠在線，并在 GPS 信號不穩定甚至徹底消失時持續為車輛提供精確信息。說到這里，什么是機器地，大家就很清楚了。

與人類不同，機器不需要精美的界面，也無需夜間模式和精挑細選的字體。

簡言之，機器地就是一個信息倉庫，足夠機器導航使用。

周邊環境的 3D 模型加上 3D 數據上的語義信息層就是自動駕駛汽車的「常識」

2、3D 點云

關注自動駕駛汽車的人，對 3D 點云并不陌生。

點云屬于空間數據，本質上來說是 3D 高程點的集合。

一個精準的實時 3D 點云地是自動駕駛汽車執行多種基本任務的必要條件：

首先，它讓車輛能找到自己的位置。

任何使用激光雷達的自動駕駛汽車都會實時生成點云，將點云疊加到現有地上后，車輛就能找到自己的精確位置（即使當時 GPS 不可靠）。

激光雷達會實時工作，幫助車輛進行物體探測和躲避，而一個精確的點云可充當環境的基線視。

點云信息越豐富，車載計算機就越輕松，它也能分出更多算力專注于移動物體。

3、簡單的語義信息：每條車道的行車路線

點云上要疊加一層語義信息，它能告訴自動駕駛汽車應該遵守什么樣的規則。

除此之外，語義信息還能為車輛 AI 提供周邊環境情況并充當這個世界的藍。

總得來說，語義信息的層次越多，車載計算機導起航來就越輕松，畢竟前路上會出現越來越多規劃好的環境。

這些語義信息包括：

1. 車道標線

2. 行駛方向

3. 交通信號燈與標識

4. 人行橫道

5. 馬路牙子標記與泊車規則

6.「高可信路徑」（最容易行駛的道路）

7. 建筑工地和任何臨時規則

如果能將這一層層信息都融合進去，我們就能得到一套強大的點云。

當然，到底哪些語義信息對自動駕駛行業最有用，現在依然充滿變數，但未來幾年這些語義信息肯定還會受到持續關注。

同時，這也意味著，商得抓緊在自己的地中添加語義信息層。