2020年自動駕駛地圖形態發生了變化，仍然重要但角色不同了。作為一個高精度地圖相關經理，曾經也處理相關公司的資本收購和技術開發業務。這裏講一下。
首先梳理一個先導問題：導航地圖對自動駕駛有多重要？
這個問題很好回答，你現在不開車機，不開手機，請從你的所在地開到北京王府井大街。嗯
估計在目前這社會，也就那可能（2%不到的）路上老的哥，還知道這個世界上有指路牌這個東西，大部份司機估計分分鐘被教做人。
很顯然， 人做不到的事情，別指望自動駕駛能夠做到 ，自動駕駛領域，放很長一段時間這句話都適用，那ok，SD圖對自動駕駛車是需要的。
然後梳理題主的問題：高精地圖對自動駕駛有多重要？
目前大家理解的高精度地圖，是這樣的
我們繼續剛才的思考實驗，那這種級別的地圖對人類司機來說重不重要？它相當於人類駕駛過程中的地圖，應該類似這樣
這是不是很重要？ 算有點重要，但已經不是這麽重要了 。因為如果你是自己非常習慣的通勤道路，沒事，估計99%的朋友，不要導航地圖就能夠解決。但如果是第一次，在沒有這種高精度圖片的導航下，你可能有20%的可能性，沒有提前並道，或者轉彎有多個入口的時候，一不小心進錯口了。這些場景下，高精度地圖發揮了作用。這裏強調下，目前這些都是針對人類這個水平的能力進行評估的。
除了剛才這些場景，地圖似乎不被需要，但放在自動駕駛高精度地圖上來看，情況並不是這樣。
實際上如果用一個公式精練各種語言描述的話：
實際上高精度地圖和感知在很大一個區間是互補關系。另外還有一層關系是最近幾年才逐漸被大家認同的，他們是相互依賴的關系，這就需要提出 眾包地圖的概念了。
高精度地圖本質是人類的行駛記憶
如果你開車覺得對路況熟悉非常關鍵，那高精度地圖就非常關鍵。
用普通使用者的話說： 如果我經常開的路，我記得，那我不需要高精度，甚至不需要導航。
從自動駕駛演算法角度來說： 對某一個時刻，不同空間上的資訊進行獲取合並，我們叫特征提取與融合。也就是那個時刻，我看到了什麽。把這個時間尺度拉長到10秒，繼續合並資訊，我們叫局部場景重建，也就是我這10秒，大概掌握了附件哪些狀況（燈要變紅，車要cutin），再把不同司機，更長時間的數據進進一步的進行合並就是眾包地圖了。
如果地圖可以認為是人類的形式記憶，那它的外延就非常寬泛了
目前大家對於地圖的理解：
後面地圖可以包含更多的內容：
有些由於定位的傳感器資訊，也有可能直接被儲存在地圖中，用於傳感器需要，但人類並不一定需要的套用當中。
地圖未來的表征形式也在發生著巨大的變化
一種是記憶網絡對於高精度地圖普通表征的部份替換，規避了經緯度這種概念，和固有的地圖組織形式
另一種是對固有地圖組織形式的改變，利用圖神經網絡，將其進行編碼，方便更多網絡類感知演算法的介入。
地圖使用的後續問題
地圖本身是一個非常大的課題，包括地圖引擎的設計，地圖雲端數據的計算和成圖流程，質保體系設計，中國的地圖資質問題等。如果大家有興趣，我寫了一些專題文章，大家可以閱讀下。
歡迎關註我的專欄，與其他作品
深度學習入門（1）-我是一個渣男我是一個渣男，有著豐富的閱女經歷，然而女孩子實在過於復雜，不好好思考總結已經不足以支持我穩定的發揮，因此我決定拿起「深度學習」的工具來「深度學習」下女孩的心思，為了成為一個更好的PUA，呵呵呵。 如何要成為一個有「方法論」的PUA，核心便是要練…
關註我，聽祖孫三代汽車人聊聊汽車的傳承與改變！
