Civil Maps 突破了用傳統(tǒng)的光柵圖像或點云數(shù)據(jù)來生成地圖的方法，走出一條自己的路。

高精度地圖是自動駕駛中不可缺少的一環(huán)。不僅是它本身可以看是一個超視距的傳感器，而且配合高精度地圖的高精度定位技術(shù)在高級別自動駕駛中尤為重要。

高精度地圖是個極其燒錢的行為，暫且不提后續(xù)的地圖內(nèi)容制作與分發(fā)等，單單是設(shè)備齊全數(shù)量足夠的測試車隊就能讓很多意圖進入這個行業(yè)的公司望而卻步。在進行成本分解后，高精度地圖制作的大部分成本來自驅(qū)動物流，數(shù)據(jù)管理，循環(huán)閉包，特征提取，語義數(shù)據(jù)和云處理費用。

傳統(tǒng)圖商一般是利用光柵圖像或點云數(shù)據(jù)作為他們的基礎(chǔ)地圖層，數(shù)據(jù)量非常龐大。在復(fù)雜的數(shù)據(jù)管道中，可能會遇到四種不同類型的計算瓶頸。這些計算瓶頸可能是由于內(nèi)存，CPU，網(wǎng)絡(luò)或存儲造成的。而Civil Maps平臺基礎(chǔ)地圖比傳統(tǒng)地圖小了一萬倍。

Civil Maps 為自動駕駛汽車開發(fā)了首個基于邊緣的高清制圖和本地化平臺。它憑借先進傳感器融合，六自由度（6DoF）指紋定位和Edge Mapping的新技術(shù)，允許汽車OEM、制圖提供商和移動公司加速其自動駕駛計劃。

地圖繪制實際上涉及三個不同的層：首先是基礎(chǔ)地圖，然后是一個向量層，它用來描述形狀；其次是一個語義層。向量層和語義層需要盡可能頻繁地進行更新，最終目標(biāo)是接近實時更新，要做到這一點，大多數(shù)的選擇是眾包：當(dāng)自動駕駛汽車沿著道路行駛，將實際感知到的數(shù)據(jù)與基本地圖進行比較，然后將差異化的數(shù)據(jù)上傳回到云端，只要有足夠多的車輛在這么做，就可以擁有足夠的覆蓋率。

基礎(chǔ)地圖無法眾包，必須派一輛測量車去收集基礎(chǔ)地圖數(shù)據(jù)，然后上傳到云端，再通過自動處理或者人工的方式來進行標(biāo)注和修改，然后發(fā)布。

因此，創(chuàng)建基礎(chǔ)地圖的數(shù)據(jù)量相當(dāng)龐大，因為它們都是由原始的3D激光雷達點云或光柵圖像構(gòu)建在云端的。而Civil Mpas生成基礎(chǔ)地圖的方式略有不同，使用AI算法來刪掉除所需傳感器之外的所有數(shù)據(jù)，進而創(chuàng)建“指紋基礎(chǔ)地圖”，這樣上傳到云端的數(shù)據(jù)要小很多。這套技術(shù)允許在三個地圖層中均使用眾包的方式進行數(shù)據(jù)更新。這是Civil Maps成本低的原因之一。

在2018年國際消費電子展上，Civil Maps推出了一款名為 CityScaleHDMaps 的新產(chǎn)品，并展示了實現(xiàn)城市規(guī)模高清制圖業(yè)務(wù)的一些核心功能。

CityScaleHDMaps 的存儲框架是3種不同類型系統(tǒng)之間的復(fù)雜抽象。首先將Redis用作內(nèi)存緩存，這是將數(shù)據(jù)移入CPU的L1和L2緩存或GPU內(nèi)存的最快方法之一。Redis上面的第二層是邊緣分布式文件系統(tǒng)，它使用Ceph在我們的私有云中通過網(wǎng)絡(luò)在服務(wù)器之間移動數(shù)據(jù)，最后我們與AmazonSimpleStorageService（S3）同步，在所有邊緣站點上擁有持久的分布式存儲。存儲抽象是開發(fā)人員讀取和寫入數(shù)據(jù)管理層的無縫接口。能夠快速更改技術(shù)或數(shù)據(jù)同步架構(gòu)，而不會影響應(yīng)用程序?qū)印Ｍㄟ^抽象，重構(gòu)的代碼變得很少。

傳統(tǒng)上，LoopClosure管道使用地面控制點將點云錨定到參考點，該參考點建立特定特征和對象的地面真實位置。這些地面控制點通常由專業(yè)測量員收集。在CivilMaps，利用機器視覺技術(shù)實現(xiàn)了閉環(huán)的自動化，實現(xiàn)了5CM的全球地理定位精度。

RTK GPS傳感器在復(fù)雜的城市環(huán)境中無法生成可靠的位置信息。傳感器數(shù)據(jù)在穿過城市某些地方會漂移，這會產(chǎn)生復(fù)雜性。通常，高層建筑會為GPS創(chuàng)建多路徑問題。即使使用差分GPS天線，性能也很差，特別是在舊金山這樣的城市。

除了RTK GPS之外，還有傳感器融合技術(shù)使用視覺里程計融合相機，LiDAR和IMU傳感器來創(chuàng)建校正軌跡。然而，由于GPS信號不良，IMU傳感器本身的輸入質(zhì)量非常差。這種方法有其局限性，充其量只是對現(xiàn)實世界中地面實況位置的估計。

CivilMaps 引入了一種新穎的循環(huán)閉合方法和技術(shù)。利用機器視覺，同時使用航空影像和航空LiDAR作為參考共享坐標(biāo)系。這更有利的原因是由于慣性系統(tǒng)在飛機上，而不是在高層建筑旁邊的地面上。如果慣性系統(tǒng)在天空中，并且上面的衛(wèi)星具有清晰的視線，則GPS誤差和IMU漂移會大大減少。從而獲得非常精確的軌跡信息，可以使用30－50個地面控制點對大約1，000線性公里的道路網(wǎng)絡(luò)進行校正，而陸地唯一的環(huán)路閉合則是每100米一次。這是地面實況要求的一個數(shù)量級減少。CivilMaps 利用航空三角測量的航空數(shù)據(jù)集來創(chuàng)建一個非常準(zhǔn)確的共享坐標(biāo)系。共享坐標(biāo)系是地面實況地理參考數(shù)據(jù)集，它能夠融合來自多個源的點云。

駕駛飛機獲取高精度低分辨率點云數(shù)據(jù)，這只是創(chuàng)新的一部分。利用圖像和激光雷達的組合，通過尋找空中點云和地面點云之間的共同特征來獲得XYZ校正。得到修正后，將修正融合到里程軌跡中，得到精度為5cm的修正軌跡。

很少有地圖繪制公司可以聲稱精確度達到5厘米，目前基于地面控制和復(fù)雜RTK軌跡的大多數(shù)基礎(chǔ)地圖的精確度在15厘米到25厘米之間。然而，使用地面RTK的精度測量在復(fù)雜的城市環(huán)境中是不可信的。地面ONLY方法不起作用，有太多變量可能會破壞傳感器融合或驗證方法的質(zhì)量。RTK協(xié)方差的誤報是導(dǎo)致傳感器融合質(zhì)量差的首要原因。RTK的協(xié)方差不可信，因為生成軌跡的解決方案基本上是衡量它自身的準(zhǔn)確性。

CivilMaps 發(fā)布的視頻中，在相互正交地比較獨立的數(shù)據(jù)集，其中一個被證明是高度準(zhǔn)確的，不容易受到GPS漂移的影響，因為樹木、建筑物或加速度的快速變化。通過這種方法，將每次地面旅行集成到通過航空圖像＋航空激光雷達數(shù)據(jù)集創(chuàng)建的共享坐標(biāo)系統(tǒng)中，以創(chuàng)建一流的基礎(chǔ)地圖。這為創(chuàng)建可伸縮的城市高清地圖提供了新的可能性。

循環(huán)閉合后，CivilMaps 繼續(xù)進行特征提取，將地圖劃分為單獨的地理空間區(qū)域。通過AirFlow使用mapreduce；各個docker容器獲取在循環(huán)閉包后發(fā)布的參考點云數(shù)據(jù)以提取功能。此特征提取過程提取相關(guān)的通道特征和幾何，以創(chuàng)建地圖所需的矢量幾何圖形。

創(chuàng)建矢量圖層后，在Unity中使用3D光線投射的單獨作業(yè)會創(chuàng)建相鄰的通道語義。最后發(fā)布到Web服務(wù)中以供使用。城市規(guī)模的高清地圖由于其大尺寸而可以是幾兆兆字節(jié)的數(shù)據(jù)。CivilMaps將HD地圖中的原始點云數(shù)據(jù)稱之為指紋基礎(chǔ)地圖的數(shù)據(jù)。指紋基礎(chǔ)地圖是原始點云數(shù)據(jù)的編碼版本，比原始點云數(shù)據(jù)小10，000倍。

通過“6D定位”，即6個自由度，因為汽車將知道它的運動軌跡，也知道它的當(dāng)前姿態(tài)。有了這些信息，汽車就可以定位自己，然后將對應(yīng)的地圖數(shù)據(jù)投射到傳感器的視場中，傳感器就可以把注意力集中在特定的區(qū)域，而忽略其他區(qū)域。Civil Maps認(rèn)為這樣做的好處是，知道要看哪里可以節(jié)省汽車的計算時間和計算資源，否則就需要反復(fù)重復(fù)對周圍環(huán)境進行識別以及與地圖進行對比的過程。

Civil Maps使用的增強現(xiàn)實標(biāo)注方式也是現(xiàn)在大家的常用方式，這種方式相對于激光點云數(shù)據(jù)，更容易被常人理解。Civil Maps并沒有使用昂貴的GPU，而是在ARM Cortex上就可以運行這套程序。目前該公司已獲得福特汽車公司，上汽集團，Motus Ventures，Stanford－StartX 基金以及許多其他杰出投資者的資助。