从前人们认为“无人驾驶 ”、“机器驾驶员解放人类驾驶员”这样的概念还遥不可及，然而英特尔正在让这样的构想落地。为了驱动车轮上的数据中心，英特尔当前在无人驾驶领域的发力用 “不积跬步无以至千里 ”来形容再合适不过，而其中的六大技术即是“跬步”，也是助力无人驾驶车辆致千里的关键所在。

当我们在开车的时候，什么最重要？

驾驶技术？车子性能？不，atv，是一双眼。

在开车的时候司机主要通过双眼来看路，然后迅速经由大脑进行判断并做出决策。而随着自动驾驶时代的来临，“机器驾驶员”则会把采集到的海量数据，实时汇入、更新到高精地图中，再通过大数据和机器学习来做出判断。因此，高精地图可以将一切路况尽收“眼”底，并告诉车辆，我在哪，周围的环境如何，接下来要如何规划路线驶向目的地。

高精地图对于无人驾驶车辆的导航、定位、路径规划与控制至关重要，直接影响了车辆行驶的效率与安全程度。由英特尔与HERE共同研发的高精地图正是无人驾驶车辆实时洞察路况、及时做出决策的关键所在。

HERE高精实时地图充分利用大数据和机器学习

提供高度精确的最新信息

1

机器可读的实时地图，

让无人驾驶汽车预判拐角及前方路况

与我们日常看到的地图不同，j2直播，机器读取的是分层的地图——在底层可以识别出主干路网、车道线、海拔高度，以及周围的路灯或路标等；在顶层则是机器地图自修复的情况，在这一阶段，高精地图（HD Map）变成传感器地图（Sensor Map），因为每一辆无人驾驶汽车在行驶过程中都会捕捉到新数据，并通过影像的方式进行计算，快速分析之后就可以识别出前方路况的变化，最终进行修正再把数据传回到无人驾驶车辆上。在这个循序渐进的过程中，英特尔在高精地图领域的发力会推动无人驾驶加速驶向快车道，反过来，无人驾驶各细分领域的不断升级，也会反哺高精地图。

2

基于云端的参考模型，

实时对比传感器数据和车辆周围环境

在无人驾驶的高阶情景中，云端会有动态地图，车端会有短期静态地图。当无人驾驶车辆行驶时，传感器和摄像头实时捕捉到的影像会和云端动态地图进行比对。前方一切路况的变化都将被捕获，并反馈到云端，经过收集和提炼，来修正车端短期静态地图，这是一个从动态到静态循环往复、修正升级的过程。可以说，这是目前攀登无人驾驶高峰的一个关键点，因为它意味着大量路况数据的采集，并对数据进行分类和标定。在早些时候，地图上显示的咖啡店、加油站等，都是通过人工来标定的，但一旦进入到高精地图阶段，人工难以负荷如此海量的数据，更形象来说，高精地图的人员配置只需100多人，而在传统地图中，做标定的人员在2400到2500人不等。

3

充分利用大数据和机器学习，

为汽车提供高度精确的一手信息

机器学习是一个应用广泛、包罗万象的领域，其中，实时交通就是一个典型并且易于理解的关键点。实时交通并不是简单地识别某一路段已发生的交通状况，然后把这一信息下发到每一台无人驾驶车辆中。实际上，实时交通是把历史数据与目前整体路网数据放在一起，通过机器学习的方式做出预测。除此之外，车辆周围景象也会运用机器学习，尽管大部分模型已经训练完善，但如果突然捕获到车前方出现了一个跑动速度超过平均值的人，这一样本就会被作为特例传回服务器，并建立新的样本，从而识别出所有极端情况做到万无一失。强大的机器学习就会在这一阶段大显身手。

不仅高精地图各技术要点之间是环环相扣、互相推进的，高精地图与无人驾驶的关系也是如此，因为一旦失去了高精地图，路径规划、自定位等动作都将无法实现。如果想用一双“隐形的手”转动无人驾驶车辆的方向盘，由英特尔和HERE合力研发的高精地图则是其中不可或缺的助力技术。