2020年自动驾驶地图形态发生了变化，仍然重要但角色不同了。作为一个高精度地图相关经理，曾经也处理相关公司的资本收购和技术开发业务。这里讲一下。
首先梳理一个先导问题：导航地图对自动驾驶有多重要？
这个问题很好回答，你现在不开车机，不开手机，请从你的所在地开到北京王府井大街。嗯
估计在目前这社会，也就那可能（2%不到的）路上老的哥，还知道这个世界上有指路牌这个东西，大部分司机估计分分钟被教做人。
很显然， 人做不到的事情，别指望自动驾驶能够做到 ，自动驾驶领域，放很长一段时间这句话都适用，那ok，SD图对自动驾驶车是需要的。
然后梳理题主的问题：高精地图对自动驾驶有多重要？
目前大家理解的高精度地图，是这样的
我们继续刚才的思考实验，那这种级别的地图对人类司机来说重不重要？它相当于人类驾驶过程中的地图，应该类似这样
这是不是很重要？ 算有点重要，但已经不是这么重要了 。因为如果你是自己非常习惯的通勤道路，没事，估计99%的朋友，不要导航地图就能够解决。但如果是第一次，在没有这种高精度图片的导航下，你可能有20%的可能性，没有提前并道，或者转弯有多个入口的时候，一不小心进错口了。这些场景下，高精度地图发挥了作用。这里强调下，目前这些都是针对人类这个水平的能力进行评估的。
除了刚才这些场景，地图似乎不被需要，但放在自动驾驶高精度地图上来看，情况并不是这样。
实际上如果用一个公式精练各种语言描述的话：
实际上高精度地图和感知在很大一个区间是互补关系。另外还有一层关系是最近几年才逐渐被大家认同的，他们是相互依赖的关系，这就需要提出 众包地图的概念了。
高精度地图本质是人类的行驶记忆
如果你开车觉得对路况熟悉非常关键，那高精度地图就非常关键。
用普通用户的话说： 如果我经常开的路，我记得，那我不需要高精度，甚至不需要导航。
从自动驾驶算法角度来说： 对某一个时刻，不同空间上的信息进行获取合并，我们叫特征提取与融合。也就是那个时刻，我看到了什么。把这个时间尺度拉长到10秒，继续合并信息，我们叫局部场景重建，也就是我这10秒，大概掌握了附件哪些状况（灯要变红，车要cutin），再把不同司机，更长时间的数据进进一步的进行合并就是众包地图了。
如果地图可以认为是人类的形式记忆，那它的外延就非常宽泛了
目前大家对于地图的理解：
后面地图可以包含更多的内容：
有些由于定位的传感器信息，也有可能直接被存储在地图中，用于传感器需要，但人类并不一定需要的应用当中。
地图未来的表征形式也在发生着巨大的变化
一种是记忆网络对于高精度地图普通表征的部分替换，规避了经纬度这种概念，和固有的地图组织形式
另一种是对固有地图组织形式的改变，利用图神经网络，将其进行编码，方便更多网络类感知算法的介入。
地图使用的后续问题
地图本身是一个非常大的课题，包括地图引擎的设计，地图云端数据的计算和成图流程，质保体系设计，中国的地图资质问题等。如果大家有兴趣，我写了一些专题文章，大家可以阅读下。
欢迎关注我的专栏，与其他作品
深度学习入门（1）-我是一个渣男我是一个渣男，有着丰富的阅女经历，然而女孩子实在过于复杂，不好好思考总结已经不足以支持我稳定的发挥，因此我决定拿起「深度学习」的工具来「深度学习」下女孩的心思，为了成为一个更好的PUA，呵呵呵。 如何要成为一个有「方法论」的PUA，核心便是要练…
关注我，听祖孙三代汽车人聊聊汽车的传承与改变！
