本次分享聚焦于高精地圖在自動(dòng)駕駛中的應(yīng)用，主要分為以下兩部分：1. 高精地圖 High Definition Map.2. 定位 Localization

一．高精地圖 High Definition Map

★ 拓?fù)涞貓D Topological Map / Road Graph

1.傳統(tǒng)地圖

我們先看下傳統(tǒng)地圖，這是從百度地圖里截出來(lái)的圖，從這張圖我們可以看到很多信息：

拓?fù)湫畔ⅲ何覀兛梢钥吹奖鼻迓返闹鞲傻溃梢钥吹奖鼻迓房梢匝由斓侥男┑缆飞先ィ@些拓?fù)湫畔娜说慕嵌葋?lái)看是能夠識(shí)別出來(lái)的；

各類 POI：我們同時(shí)還能看到許多 POI 信息，包括中關(guān)村壹號(hào)-A1座，拉卡拉大廈等；

用戶是人

米級(jí)精度：精度是米級(jí)別的，這對(duì)人來(lái)說(shuō)足夠了，因?yàn)槿藭?huì)自動(dòng)判別周圍的環(huán)境，做出自己的變化。

但是這些信息對(duì)于自動(dòng)駕駛的車輛來(lái)說(shuō)，到底是不是必要的、準(zhǔn)確的或者足夠的，那我們繼續(xù)往下看。

2.典型駕駛場(chǎng)景

這是一個(gè)典型的駕駛場(chǎng)景，假設(shè)我們正在駕駛的車輛是后面的白車，可以看到他的前面有輛自行車，那么對(duì)于白車來(lái)說(shuō)，他可以有倆個(gè)決策：跟車或者變道。那么對(duì)于自動(dòng)駕駛車輛來(lái)說(shuō), 我們作出決策的前提第一個(gè)是要知道全局的路線規(guī)劃信息，變道后是否還能夠到達(dá)終點(diǎn)，此外還需要知道很多具體的信息：

在哪條車道上以及當(dāng)前車道的具體位置

是否有隔壁車道，如果沒(méi)有車道你是變不過(guò)去的

是否允許變道：車道的類型，虛線實(shí)線，變道距離是否足夠長(zhǎng)

自動(dòng)駕駛車輛還不能夠像人一樣做出各種復(fù)雜的動(dòng)作，這時(shí)需要有一些先驗(yàn)的約束條件，這些信息的話都應(yīng)該從地圖中來(lái)。

3.HD Road Map

HD Road Graph 也就是高精地圖其中的一部分,又叫做拓?fù)涞貓D。HD Road Graph 以厘米級(jí)精度的描述道路細(xì)節(jié)，主要包含：車道類型、車道連通性、交通標(biāo)注/交通燈、人行橫道、道路幾何特征、其他更多語(yǔ)義信息。大家可以看下左邊這張圖，對(duì)里面的每一條路，也就是路級(jí)別，我們已經(jīng)精細(xì)到每條車道，包括直行的車道，左轉(zhuǎn)的車道，也包括周邊的一些幾何信息，總體上你會(huì)發(fā)現(xiàn)高精地圖上的信息要比傳統(tǒng)地圖大很多。

高精地圖在自動(dòng)駕駛里有很多應(yīng)用，我們先看一個(gè)應(yīng)用場(chǎng)景：在自動(dòng)駕駛里有感知系統(tǒng)，那一個(gè)典型的應(yīng)用是我們會(huì)在地圖里面描述紅綠燈的位置，自動(dòng)駕駛車輛到達(dá)路口后，可以根據(jù)當(dāng)前的位置，去正確的識(shí)別當(dāng)前的紅綠燈到底是紅色還是綠色，左邊我們可以看到是一個(gè)普通的場(chǎng)景，但是右邊這種特殊的場(chǎng)景有幾十個(gè)紅綠燈(現(xiàn)實(shí)情況基本不存在, 只是用來(lái)舉個(gè)例子)，對(duì)人來(lái)講也很難去知道在哪個(gè)路口應(yīng)該去看哪個(gè)紅綠燈，那如果我們?cè)陔x線地圖上能夠把上面的信息驗(yàn)證準(zhǔn)確的話，對(duì)自動(dòng)駕駛的安全性、可靠性來(lái)說(shuō)是起到很大幫助的。

我們?cè)賮?lái)看下決策規(guī)劃，剛才提到的一個(gè)典型場(chǎng)景，你需要知道一個(gè)全局的路徑信息，包括變道所需要的必要信息，那對(duì)右邊來(lái)說(shuō)，這里主要是強(qiáng)調(diào)綠化帶，我們這里提供的信息，前面有提到過(guò)叫做語(yǔ)義信息，我們?yōu)槭裁匆诘貓D里包括這些語(yǔ)義信息呢？如果自動(dòng)駕駛車輛可以提前知道旁邊是綠化帶，那么他可以幫助自動(dòng)駕駛車輛做一些先驗(yàn)的決策，他可以知道在那個(gè)時(shí)間段不會(huì)有人或者車直接從對(duì)向車道穿過(guò)來(lái)。所以從準(zhǔn)確性來(lái)講他可以得到很大的提升，對(duì)性能來(lái)說(shuō)也會(huì)有很大的提升，因?yàn)槟悴恍枰^(guò)多關(guān)心對(duì)面車道的物體，很明顯你的計(jì)算就會(huì)少，你會(huì)發(fā)現(xiàn)整個(gè)先驗(yàn)信息對(duì)決策來(lái)說(shuō)必不可少，并且是非常關(guān)鍵的。

我們?cè)賮?lái)看下我們當(dāng)前整體用到的 Pipeline，分為以下幾個(gè)環(huán)節(jié)：

數(shù)據(jù)收集，地圖信息的采集

數(shù)據(jù)清洗/聚合

自動(dòng)化識(shí)別，把地圖里所需要的必要信息處理出來(lái)，包括車道線、紅綠燈、十字路口等等各種信息

人工檢查/標(biāo)注，現(xiàn)有的算法我們還做不到100%的自動(dòng)抽取，所以還會(huì)加入人工檢查和標(biāo)注的環(huán)節(jié)

后處理和驗(yàn)證，整個(gè)數(shù)據(jù)出來(lái)之后，我們需要有后處理和驗(yàn)證，因?yàn)閿?shù)據(jù)出來(lái)之后怎么樣去保證你提供的信息是準(zhǔn)確的，這是我們需要解決的問(wèn)題，因?yàn)椴荒軉慰咳嘶蛘吒叱杀镜姆绞絹?lái)驗(yàn)證道路信息是否準(zhǔn)確，假設(shè)一個(gè)紅綠燈位置標(biāo)錯(cuò)了，或者自動(dòng)識(shí)別錯(cuò)了，那可能會(huì)導(dǎo)致你在路測(cè)過(guò)程中會(huì)出現(xiàn)一些安全隱患，所以整個(gè)驗(yàn)證環(huán)節(jié)占有很重要的部分

Release，整個(gè)驗(yàn)證完之后，我們會(huì)進(jìn)行 Data Release 數(shù)據(jù)的發(fā)布，數(shù)據(jù)會(huì)納入統(tǒng)一的管理中，每一版 release 的地圖的質(zhì)量已經(jīng)得到比較好的驗(yàn)證

這是一個(gè)常規(guī)的發(fā)布流程。現(xiàn)實(shí)中整個(gè)路網(wǎng)結(jié)構(gòu)是不斷往外擴(kuò)張的，且周圍環(huán)境會(huì)有變化，所以我們也會(huì)有增量的更新。

前面簡(jiǎn)單介紹了整個(gè) HD Road Graph 的 Pipeline，我們來(lái)看下 HD Road Graph 里面遇到的問(wèn)題：

成本

厘米級(jí)別的精度：需要各類傳感器（LiDAR、cameras、GNSS/IMU），右邊是蘋(píng)果的一個(gè)地圖車，大家可以看到上面裝了很多傳感器，很明顯制造一輛高精地圖車輛的話成本非常昂貴

數(shù)據(jù)量：海量存儲(chǔ)資源和計(jì)算資源

覆蓋范圍：從局部區(qū)域逐步擴(kuò)張，從中關(guān)村壹號(hào)附近地區(qū)，擴(kuò)張到海淀區(qū)，再到北京市，甚至是半個(gè)中國(guó)，這里面的硬件成本和人力成本等，都會(huì)極劇增加

那么如何去解決成本問(wèn)題？這需要我們?cè)诠ぷ髦邢胍恍┖玫姆绞健?/p>

挑戰(zhàn)-復(fù)雜性

第二個(gè)是復(fù)雜性帶來(lái)的挑戰(zhàn)，對(duì)于我們整個(gè) Data Model 來(lái)說(shuō)會(huì)包含三部分信息：

語(yǔ)義信息，從右邊的圖標(biāo)志牌來(lái)看，你會(huì)發(fā)現(xiàn)有很多的交通標(biāo)記，如何提高準(zhǔn)確性，并且盡可能提高覆蓋度

空間信息，右圖中的立交橋是西直門(mén)立交橋，我們會(huì)發(fā)現(xiàn)通過(guò)導(dǎo)航軟件或者老司機(jī)的經(jīng)驗(yàn)都未必能夠在某一條車道上找到準(zhǔn)確位置，對(duì)我們來(lái)說(shuō)就是如何能夠把整個(gè)空間信息描述好，然后集成到地圖中去

時(shí)間信息，在北京有一些潮汐街道，早高峰和晚高峰走的方向是不一樣的；對(duì)一些公交車道在早高峰的時(shí)候只能公交車去跑，自動(dòng)駕駛車輛是不能跑的，很明顯需要把這些信息包含在地圖里面

這樣的話，決策模塊和感知模塊才能去準(zhǔn)確的使用。

挑戰(zhàn)-擴(kuò)展性

自動(dòng)駕駛車輛行駛 1KM 會(huì)產(chǎn)生GB級(jí)別的原始數(shù)據(jù)，處理這些數(shù)據(jù)在功能架構(gòu)上會(huì)面臨很大的挑戰(zhàn)

更新，從天級(jí)別到小時(shí)級(jí)別再到分鐘級(jí)別的更新，整個(gè)功能架構(gòu)是不一樣的，比如我需要對(duì)北京市地圖做小時(shí)級(jí)別的更新，到底能不能做到，這需要很多的優(yōu)化功能在里面

挑戰(zhàn)-實(shí)時(shí)性

交通管制、環(huán)境變化等怎么反饋到 HD Road Graph 上，如果今天某條路修路了，對(duì)于人來(lái)講我就可以直接繞過(guò)這條路，而這種信息怎么去反饋到自動(dòng)駕駛里呢？是靠人去反饋，還是系統(tǒng)自動(dòng)去識(shí)別，即使反饋之后，怎么實(shí)時(shí)更新到地圖數(shù)據(jù)里，我們需要打通 offline 到 online 的環(huán)節(jié)，及時(shí)更新到我們正在運(yùn)行的自動(dòng)駕駛車輛里去。

★3D柵格地圖 3D Grid Map

1.3D Grid Map

前面介紹了拓?fù)涞貓D的部分，下面介紹我們的3D 柵格地圖（3D Grid Map）。

定義：我們認(rèn)為一個(gè)真實(shí)的三維世界可以用一個(gè)概率模型來(lái)表示。比如像今天這個(gè)會(huì)場(chǎng)，我們會(huì)把他離散化成一個(gè)個(gè)立體方格，對(duì)每個(gè)方格里面我們會(huì)存儲(chǔ)一個(gè)概率，這個(gè)概率是說(shuō)這個(gè)空間不為空的概率。

輸入：收集的激光點(diǎn)云數(shù)據(jù)

輸出：3D 網(wǎng)格的占據(jù)概率

用途：

定位，這個(gè)稍后會(huì)講

靜態(tài)環(huán)境感知，減少工作量，專心識(shí)別動(dòng)態(tài)環(huán)境

這是我們做的一個(gè) 3D 柵格地圖，他并不是一個(gè)連續(xù)的描述，從數(shù)學(xué)的角度講，已經(jīng)把他離散化，我們會(huì)保留他的一些概率值和一些屬性。展現(xiàn)出來(lái)的話，他是一個(gè)厘米級(jí)精度的柵格,從這個(gè)圖我們可以很清楚看到周圍的環(huán)境，包括一些樹(shù)、建筑之類的。

2.SLAM

那么我們一般會(huì)怎么去做高精地圖呢？在傳統(tǒng)上有一個(gè)方式叫 SLAM，如果是做這個(gè)方向的同學(xué)會(huì)比較清楚，但是對(duì)于做工程的同學(xué)來(lái)講這個(gè)概念可能是第一次接觸。他是指運(yùn)動(dòng)物體根據(jù)傳感器的信息，一邊計(jì)算自身位置，一邊構(gòu)建環(huán)境地圖的過(guò)程。目前，SLAM 的應(yīng)用領(lǐng)域主要有機(jī)器人、虛擬現(xiàn)實(shí)和增強(qiáng)現(xiàn)實(shí)。其用途包括傳感器自身的定位，以及后續(xù)的路徑規(guī)劃、場(chǎng)景理解。

我們來(lái)看下傳統(tǒng)和自動(dòng)駕駛 SLAM 的區(qū)別：

傳統(tǒng) SLAM：

2D

視覺(jué)傳感器，單靠攝像頭，在某個(gè)空間轉(zhuǎn)來(lái)轉(zhuǎn)去，然后通過(guò)一些算法來(lái)建模

沒(méi)有 GPS 信息，很多場(chǎng)景在室內(nèi)的話是收集不到 GPS 信息的

生成地圖和定位同時(shí)進(jìn)行

自動(dòng)駕駛：

3D，他描繪的是一個(gè)三維環(huán)境

激光傳感器，我們需要達(dá)到比較高的精度，所以我們一般采用激光傳感器

GPS 信息，室外的話我們有個(gè)優(yōu)勢(shì)就是很多時(shí)候我們是有 GPS 信息的

離線處理，最后我們的數(shù)據(jù)不需要在線處理，前面介紹過(guò)，在線的話我們有一些場(chǎng)景算法是不能很好的處理，所以我們需要抽取一些信息來(lái)做離線的驗(yàn)證

相比于傳統(tǒng) Slam，我們來(lái)看下有哪些問(wèn)題是需要解決的：

全局 GPS 信息并不總是好的，左下角的圖，大家可以清楚的看到，這個(gè)是我們建出的底圖，里面有當(dāng)時(shí)車輛的一個(gè)行駛軌跡，你會(huì)發(fā)現(xiàn)如果根據(jù) GPS 的行駛軌跡的話，車已經(jīng)開(kāi)到馬路牙子（路肩）上了，跟實(shí)際的情況是不一樣的，當(dāng)你拿到這樣一份數(shù)據(jù)，你在算法層需要做哪些優(yōu)化，把細(xì)節(jié)做好，這是需要我們考慮的一個(gè)問(wèn)題

不同時(shí)間段的數(shù)據(jù)如何 align（校準(zhǔn)），因?yàn)檎麄€(gè)地圖的采集不可能是一次就完成的，你可能需要今天采集一次，明天再去采集一次，這就需要我們?cè)谒惴▽用嫔峡紤]如何把不同時(shí)間段的數(shù)據(jù) align 到一起

去除非靜態(tài)的物體，我們建的是一個(gè)概率的模型，對(duì)于很多非靜態(tài)的物體我們是不需要保留的，我們只需要保留一些靜態(tài)的物體給感知系統(tǒng)去使用，所以我們?cè)谔幚硗陻?shù)據(jù)之后，需要把一些非靜態(tài)的物體去掉

3.Pose Graph

整體上我們可以認(rèn)為這是一個(gè)優(yōu)化問(wèn)題。如果我們把每一次采集的路線，按照時(shí)間去劃分，比如每隔4分鐘采一個(gè)點(diǎn)，我們可以得到不同的位置，舉個(gè)例子：我們?cè)诖髲d里走來(lái)走去，我現(xiàn)在站在這里，一分鐘后我可能在那里，再繞一圈的話可能站在門(mén)口，我們把整個(gè) GPS 得到的位置信息離散化之后，就可以得到一個(gè)個(gè)點(diǎn)，很明顯我們把當(dāng)時(shí)的點(diǎn)所看到的周圍的環(huán)境直接拼起來(lái)，就可能得到一個(gè)三維的地圖，因?yàn)槊總€(gè)點(diǎn)看到的角度都是不一樣的，那我們把不同位置的點(diǎn)都拼起來(lái)就可以了。但是直接拼起來(lái)會(huì)有很多問(wèn)題，因?yàn)樵嘉恢每赡芨鎸?shí)位置有偏差, 所以我們把這些點(diǎn)離散化之后，希望能夠把所有點(diǎn)都調(diào)整到準(zhǔn)確的位置，那我們?cè)趺慈グ炎罱K的結(jié)果求正確？因?yàn)閷?duì)整個(gè)圖來(lái)說(shuō), 除了頂點(diǎn)之外，還有邊，我們希望通過(guò)邊的約束把點(diǎn)調(diào)好，邊的約束你可以認(rèn)為是個(gè)相對(duì)約束，假設(shè)我知道下個(gè)點(diǎn)的準(zhǔn)確位置，那么我就可以倒推我這個(gè)點(diǎn)的準(zhǔn)確位置。就是在有準(zhǔn)確的相對(duì)位置的基礎(chǔ)上，加上一些比較少的絕對(duì)位置，我們直接可以得到一個(gè)全局的準(zhǔn)確位置。

優(yōu)化目標(biāo)：我們把整個(gè)圖離散化到一個(gè)點(diǎn)之后，我們會(huì)嘗試建立一些邊的約束，最終我們是希望通過(guò)優(yōu)化一些點(diǎn)的位置來(lái)滿足邊的約束，最終會(huì)轉(zhuǎn)化為一個(gè)優(yōu)化問(wèn)題。

整體的數(shù)學(xué)模型看起來(lái)是比較簡(jiǎn)單的，但是在整個(gè)細(xì)節(jié)里面是存在很多問(wèn)題需要去做優(yōu)化的：

如何選擇頂點(diǎn)，比如是不是毫秒的點(diǎn)都要加進(jìn)去，GPS 信號(hào)不好時(shí)的點(diǎn)要不要加進(jìn)去

如何保證邊的準(zhǔn)確性，一個(gè)頂點(diǎn)到另一個(gè)頂點(diǎn)的相對(duì)位置，我要通過(guò)什么方式去建立

如何求解非線性優(yōu)化，圖建好之后如何去做非線性的優(yōu)化

如何評(píng)估優(yōu)化效果，是否和真實(shí)的環(huán)境是一致的呢？如何評(píng)估我們的結(jié)果滿足要求

效率和資源，對(duì)于工程來(lái)講，數(shù)據(jù)量這么大，怎么去設(shè)計(jì)工程算法，能夠保證我們的效率和資源，比如說(shuō)，是不是需要在算法基礎(chǔ)之上去做一些定制優(yōu)化，用 GPU 或者分布式的計(jì)算方式，這都是做工程時(shí)需要考慮的問(wèn)題

上圖右邊其實(shí)是一個(gè)例子，左邊是原始的圖，有一個(gè)物體來(lái)回在球面上運(yùn)動(dòng)旋轉(zhuǎn)，邊與邊之間我們已經(jīng)建立相對(duì)約束，最終優(yōu)化完之后，你會(huì)發(fā)現(xiàn)整個(gè)環(huán)境的重建就變成了一個(gè)比較理想、完整的球體，概括來(lái)說(shuō)我們要做的事情就是需要把左邊的圖來(lái)變成右邊的圖。

4.ICP

我們前面提到我們要保證邊的約束，那我們?cè)趺粗狼蟪鲞@個(gè)約束，業(yè)界用的比較多的傳統(tǒng)的經(jīng)典算法叫做 ICP（Iterative Closest Point algorithm）迭代最近點(diǎn)算法。

舉個(gè)例子：左邊是一個(gè)紅色的兔子，右邊是一個(gè)藍(lán)色的兔子，現(xiàn)實(shí)中這倆個(gè)兔子的位置是一樣的，但現(xiàn)在倆個(gè)兔子是不一樣的，說(shuō)明位置存在偏差。他的輸入是倆組點(diǎn)云 A 和 B，輸出是倆組點(diǎn)云之間在空間上的旋轉(zhuǎn)和平移。

具體算法的思路大致是：找點(diǎn)云集合 A 中的每個(gè)點(diǎn)在 B 中的對(duì)應(yīng)點(diǎn)，通過(guò)求解最佳的剛體變換，不斷的迭代優(yōu)化，最終得到一個(gè)收斂解。

5.去除非靜態(tài)障礙物體

概率模型

點(diǎn)云處理，單純的概率模型是不夠的，比如有時(shí)候小區(qū)門(mén)口經(jīng)常是有車的，但是在某時(shí)刻他是開(kāi)走的，只是恰好在我們采集數(shù)據(jù)的時(shí)候這些車都在，所以我們需要依賴離線點(diǎn)云處理

機(jī)器學(xué)習(xí)，同時(shí)也可以利用機(jī)器學(xué)習(xí)算法去把非靜態(tài)的物體從地圖里面摳出來(lái)

這是一個(gè)簡(jiǎn)單的對(duì)比圖，沒(méi)有做處理的話，你會(huì)發(fā)現(xiàn)右邊是有一些車的輪廓，當(dāng)從空間上去除之后，會(huì)變得比較清晰。

二．定位 Localization

接下來(lái)簡(jiǎn)單介紹下定位，定位大家都比較熟悉，對(duì)于定位系統(tǒng)和傳統(tǒng)定位來(lái)說(shuō)，他的位置和姿態(tài)有如下特點(diǎn)：

厘米級(jí)別的精度，需要精確到車在車道線的具體位置離左右邊線幾公分

高頻低延遲，需要毫秒級(jí)別的時(shí)間延遲，告訴我的車在什么地方，否則會(huì)出現(xiàn)安全事故

定位系統(tǒng)的幾種定位方式：

全球?qū)Ш叫l(wèi)星系統(tǒng) Global Navigation Satellite System

特征：

米級(jí)別精度

低頻

干擾或者遮擋

解決方法：RTK（Real - time kinematic，實(shí)時(shí)動(dòng)態(tài)）載波相位差分技術(shù)，可以達(dá)到厘米級(jí)別。

相對(duì)定位：慣性測(cè)量單元 IMU（Inertial Measurement Unit）

特點(diǎn)：

加速度以及角速度

三個(gè)方向的加速度計(jì)和三軸的陀螺儀

高頻（通常100HZ）

累積誤差

解決方法：慣性導(dǎo)航系統(tǒng) Inertial Navigation System

點(diǎn)云定位

特點(diǎn)：

魯棒性好，不依賴于 GPS 信息

依賴于先驗(yàn)地圖，那么這個(gè)地圖的準(zhǔn)確性和實(shí)時(shí)性會(huì)導(dǎo)致一個(gè)定位誤差

弱特征環(huán)境？有些弱特征環(huán)境是需要解決的，比如說(shuō)在橋上，往前開(kāi)10米和往后開(kāi)10米看到的場(chǎng)景都是類似的，對(duì)于這類環(huán)境來(lái)說(shuō)，我們?nèi)绾稳フ业綔?zhǔn)確位置，這是需要考慮的一個(gè)問(wèn)題

綜合來(lái)說(shuō)，我們單靠單一傳感器是不夠的，所以采取的是多傳感器融合的方案，整體效果是會(huì)有更高的精度和更好的魯棒性，然后我們整體上是基于卡爾曼濾波模型。

簡(jiǎn)單介紹下卡爾曼濾波（Kalman Filter）模型：

卡爾曼濾波是一種高效率的遞歸濾波器，它能夠從一系列的不完全及包含噪聲的測(cè)量中，估計(jì)動(dòng)態(tài)系統(tǒng)的狀態(tài)。

我們把整個(gè)當(dāng)時(shí)的位置認(rèn)為是高斯分布，對(duì)這個(gè)小車來(lái)說(shuō)他大概在某個(gè)范圍之內(nèi)，在中間的可能性是最大的，然后我們會(huì)有個(gè)預(yù)測(cè)（預(yù)測(cè)是根據(jù)自己的運(yùn)動(dòng)方程），比如我往前走了10米，他大概在這個(gè)位置，你會(huì)發(fā)現(xiàn)他的誤差值會(huì)變大，因?yàn)榭赡苁?IMU 告訴你走了10米，但是傳感器本身也是有誤差的，那同時(shí)假設(shè)我有個(gè) GPS，告訴我可能是在藍(lán)色的部分，他也是包含一定誤差的，這樣我其實(shí)有了倆個(gè)位置，那么我就可以把倆者合在一起得到一個(gè)比較準(zhǔn)確的可信的結(jié)果，整體可以認(rèn)為卡爾曼濾波是不斷的在更新迭代的，來(lái)最終得到一個(gè)比較準(zhǔn)確的位置。

最終我們定位系統(tǒng)的目標(biāo)是萬(wàn)里無(wú)憂，對(duì)我們的挑戰(zhàn)是更低成本和更苛刻的外部環(huán)境。比如右邊這個(gè)圖，大堵車，這時(shí)候可能 GPS 不行，堵車堵了幾個(gè)小時(shí)，走走停停，會(huì)導(dǎo)致累積誤差，實(shí)時(shí)訊號(hào)又不好，你可能搜不到，這樣的環(huán)境你會(huì)發(fā)現(xiàn)，他只能看到周圍的很多車，也沒(méi)辦法跟周圍的環(huán)境去做對(duì)比，知道自己在哪里，這種情況下，我們到底怎么去得到一個(gè)比較準(zhǔn)確的定位效果，這需要我們把這些問(wèn)題都解決好。