高精度地圖，顧名思義相較于目前普通車輛上使用的電子地圖，精度更高，且顯示的環境圖像更清晰，可提供的道路交通信息元素更豐富。

　　一般來說，目前市場上普通車輛導航用的電子地圖，坐標精度大約在10米左右，即地圖上某個目標偏離其實際位置的誤差約為10米。而高精度地圖，坐標精度則保持在1米以內，特別對于車道和車道、車道和車道線的相對位置，精度更高，可達厘米級，且連每個車道的坡度、曲率、航向、高程等數據都可以測量。因此在汽車自動化、智能化呼聲日益高漲的當下，格外受各方造車勢力的青睞，甚至被認為是實現自動駕駛的必要條件。

　　那么，高精度地圖究竟是如何助力汽車自動駕駛的呢？據了解，主要有以下幾種方式：

　　第一，幫助自動駕駛汽車進行車輛定位。以百度BCU-MLOP為例，BCU-MLOP是百度基于高精度地圖，同時配合GPS、攝像頭與 IMU 等傳感器，打造的可提供自動駕駛所需高精度定位的專用計算平臺。其中，高精度地圖主要用于與視覺傳感器收集的信息進行匹配。

　　百度的BCU-MLOP里存儲了大量中國境內的高精度地圖數據，當自動駕駛汽車行駛在路上，車上的視覺傳感器也會收集到一些環境信息，如果這兩類數據針對某個位置顯示的信息一致，如目標位置周圍道路的形狀、人行橫道、道路信息指示牌等參照物，即可表明自動駕駛汽車到達了該指定位置。據悉，通過BCU-MLOP進行自動駕駛汽車定位，可輸出厘米級車輛定位，即橫向20厘米的定位精度，縱向則稍大一點，約2米，縱使如此定位精度也遠高于現在一般的電子地圖。不僅如此，百度的BCU-MLOP還具備云端更新數據和算法的能力，可滿足自動駕駛汽車的多種需求。

　　第二，輔助自動駕駛進行環境認知。雖然當前自動駕駛汽車上搭載了諸如攝像頭、激光雷達、毫米波雷達等各種各樣的傳感器，但每種傳感器都有自己的缺陷，比如激光雷達在雨雪霧等極端天氣下性能較差，且價格昂貴，而毫米波雷達主要缺陷在于精度還不夠完美。所以現在很多人提出了傳感器融合，這確實能一定程度上彌補單個傳感器的缺陷，不過在目前部分傳感器價格沒有降下來的情況下，依舊難言“滿意”。

　　相比之下，用高精度地圖對其他傳感器無法探測的部分進行補充，更容易達到。為什么這么說？因為高精度地圖不僅可以精準檢測車道數量、車道線類型、車道寬度等車道相關的屬性信息，連路上的道路標線、街道信號、交通燈、限高甚至路上的坑洼都能看得清清楚楚，并進行實時更新。如此一來，一旦碰上大霧或雨雪天氣，當其他傳感器無法正常工作時，高精度地圖便可以提供相關信息，供自動駕駛汽車準確判斷周邊的環境情況，安全行駛。

　　第三，路徑規劃。這一功能常見于我們去某個地方，已經事先規劃好了路線，但由于自動駕駛汽車所需的高精度地圖可以實時更新交通路況信息，當出現交通擁堵或其他突發狀況時，自動駕駛車輛會即時調整最優路線，借助高精度檢測的信息重新規劃路徑。

　　除了以上點，據高德高精地圖團隊負責人谷小豐介紹，在自動駕駛汽車的控制環節，高精度地圖其實也可以提供相應的駕駛輔助。舉個例子，當自動駕駛車輛要進行加速或轉向等操作時，高精度地圖檢測到的道路曲率、航向、坡度等信息，可以指導車輛以什么樣的速度、什么樣的角度進行轉向才不會出現事故。

　　然而，高精度地圖之于自動駕駛汽車固然不可或缺，目前仍存在不少挑戰。據谷小豐日前在中國國際智能網聯汽車技術年會上透露，主要有以下幾大難點亟待解決：在定位圖層，究竟該運用什么傳感器看到高精度地圖對應的地物；為更好地支持自動駕駛汽車，高精度地圖該多久更新一次；以及審圖政策方面的挑戰……而要處理這些問題，需要車企、各級供應商、自動駕駛技術公司、芯片廠商和圖商通力協作，攻克難關，共同推動自動駕駛汽車最終量產。