高精度地图概述
高精度地图（HD map）是相对于常用的普通电子导航地图而言的，具有高精度、实时更新等特点。高精度地图不仅有高精度的坐标，同时还有准确的车道形状，并且每个车道的坡度、曲率、航向、高程、侧倾等数据也都含有。
普通导航电子地图
当我们使用手机中的普通电子导航地图时，比如高德地图、谷歌地图、百度地图等时，手机通过GNSS定位的方式可以确定自己在地球上的大致位置，手机上的磁场感应模块可以判断出手机顶端的朝向（东南西北）。由于普通电子导航地图中存储着路标在地球上的位置，因此有了通过手机传感器获取的位置和方位信息，就能确定出手机在地图中的位置，这样我们就能通过手机导航软件去自己想去的地方。
普通电子导航地图的存在一些不足：
GNSS的定位误差较大,普通GNSS的定位误差通常在10m左右，所以有时候会感觉导航软件的定位结果挺蠢的，会将定位到自己附近的其它位置;
在建筑物密集的城市、隧道等场景下，GNSS信号有时可能会缺失，这会导致导航软件暂时无法完成定位工作；
尽管普通电子地图中有很多道路、商铺的信息，这些信息还是相对简陋的。
尽管普通电子地图有诸多不足，它还是基本上解决了人们在日常生活中的导航需求，这是因为人类能够从多种途径提取信息，并进行信息过滤，信息关联和推理联想，人类的信息综合处理能力弥补了普通电子地图的不足。比如对于定位不准的问题，导航软件将用户定位到了离用户10多米外的位置，人类用户可以在地图中查看软件定位结果周围一定范围内的地标，比如商铺、大楼等，并观察自己周围的真实环境，去寻找这些地标，人类用户能够通过这种综合处理能力修正定位结果。对于普通电子地图信息相对简陋的问题，比如地图中可能没有车道数量、车道线位置、车道的坡度等信息，但是人类用户的实时感知能力也可以弥补这些缺陷。简单来说，普通电子地图是供人类使用的地图，对精度没有苛刻的要求。
高精度地图
通常所说的高精度地图，是供车辆（计算机）使用的地图，而目前计算机的智能程度远远不及人类，计算机可以通过各种传感器获得大量的信息，但是它在信息过滤、信息关联、联想推理和泛化适应能力上，相比于人类还是十分幼稚的。因此，供计算机使用的地图要尽可能地给计算机提供非常直接的、高精度的信息。比如说十字路口的信息，对于人类来说，只需要告诉人类前方不远处有一个十字路口，人类就会提高警觉去观察周围环境，寻找十字路口，这种信息不需要很精确，因为即使告诉人类前方99.9m处有一个十字路口，这个比较精确的数字99.9对于人类的意义并不大，因为人类在处理过程中会把这个比较精确的信息转化为模糊信息“前方不远处”。很难想象，有哪个人开车的时候是在不断地计算自己与十字路口隔着多少米的距离。而对于车辆（计算机）来说，情况就不一样了，计算机恰恰需要精确的距离信息，而对于“前方不远处”这样的信息可能会无从下手。尽管现在的无人车辆通过多传感器融合和各种机器学习算法，对环境的实时感知能力有了很大的提升，但是其感知范围有一定限制，其感知能力也不能保证适应所有场景，在这种情况下，高精度地图可以为车辆提供高精度（分米级）的先验信息，这会大大缓解车辆实时感知的压力，降低其实时感知的难度。比如，有了高精度地图的辅助，车辆可以提前获取一公里以外的十字路口的位置和车道信息，尽管该路口并不在车辆的感知范围内。
OpenDrive
Opendrive是一种开源的道路网逻辑描述的文件格式。最早用于驾驶模拟器中做路网文件的，与其相似的还有RoadXML。两种文件格式的说明及demo都可以从其官网下载。
Apollo高精度地图
Momenta谈高精度地图
以下内容均来自：https://www.zhihu.com/question/268155924/answer/499947722
高精度地图是一个宽泛的概念,需要达到两方面的高精度，分别是地标位置的高精度和本车定位的高精度。
地标位置的高精度。 高精度地图由很多类地标构成，比如地面各种道路标线，地上各种交通标志等,地标的定义现在没有明确的标准,不同的厂商从自己的产品和技术需求出发,有不同 的定义方式。
本车定位的高精度。
视觉高精度地图的实现：
视觉高精度地图的实现技术,不是SLAM，也不是SFM（我估计这里要表达的意思是：视觉高精度地图的实现技术，不是传统意义上的SLAM或者SFM）,这些方法都不适用。要建真正可用的视觉高精度地图，需要从第一原理出发,重新设计整个算法。我们构建高精度地图的第一原理是：多张图像存在视差,利用点的对应关系,可以从2D点恢复出3D点。从第一原理出发，建立高精度地图,需要创造性地解决三方面的问题:
图像部分,检测识别语义点。 传统SLAM或者SFM算法都基于SIFT，ORB等人工设计的特征点，这些特征点在光照、视角发生变化的情况下,无法进行准确的检测和匹配。换句话说，光照视角发生变化后，原来构建的地图就无法使用了。我们的方法是定义道路标线、标牌等地标上的点作为语义点，通过深度学习和数据驱动的监督训练得到模型，可以准确检测和识别语义点，解决了检测不到、匹配错误的问题。
几何部分，通过众包间接实现海量摄像头测量效果。 不同车辆，不同时间，经过同一路标，即使光照视角不同，我们也可以通过语义点模型把所有车辆拍摄到的同一语义点关联起来，这相当于间接实现了多摄像头测距的效果。我们知道，视觉测量中，摄像头越多，视差覆盖越全，测量精度就越高。我们实验验证，随着众包车次的增加，真实3D点位置估计的准确性有量级上的提升。
GPS部分，给每个语义点精确的GPS坐标。 我们有几方面的考虑：（1）让高精度地图通用。GPS坐标是地图的通用语言，给每个语义点赋予GPS坐标，便于他人使用；（2）消除累积误差。单纯使用几何方法构建局部地图，会有累积误差，结合GPS可以解决这个问题；（3）消除局部地图歧义性。当局部地图有重合或者语义点缺失的时候，确定局部地图坐标系很麻烦（暂时不太明白这是什么意思），但全局GPS坐标系没有这个问题。
高精地图:无人驾驶领域的稀缺资源
高精度地图制作资质
高精度地图不是谁想做都能做的，首先得让国家测绘地理信息局在你的屁股上盖一个小红戳。
第14家图商名落滴滴，甲级导航地图资质已放开？
和美国不同，我国有比较严格的地图测绘政策限制，目前拥有「导航电子地图资质单位名单」的企业有 14 家。分别是四维图新、高德、长地万方、凯立德、易图通、城际高科、国家基础地理信息中心、科菱航睿、光庭信息、浙江省第一测绘院、江苏省基础地理信息中心、灵图、立得空间信息、滴图科技。百度地图就是通过子公司长地万方开展导航电子地图测绘的。
Mobileye众包模式 VS Google集中模式
目前主流的高精度地图数据采集主要包括以Mobileye为代表的众包模式和以Google、高德为代表的集中制图模式。