表面看来，四维图新一直在为自动驾驶“拉帮结派”。可实际上，这家图商似乎是打算“闷声发大财”。
近日，四维图新宣布正式成为首家获批T3路测牌照的位置服务提供商。该牌照为北京市政府颁发的自动驾驶车辆道路测试试验用临时号牌（“路测牌照”），而T3级别也是迄今北京市颁发的最高级别自动驾驶路测牌照。目前为止，北京已向11家企业发放自动驾驶路测牌照。
这就意味着，未来四维图新可以在北京市总计44条123公里的开放测试道路上测试，其中覆盖了京津冀地区城市、乡村、高速85%的交通场景。而为了获得这个测试权限，自动驾驶车辆需经过封闭试验场5000公里测试、能力评估、专家组评估 、北京市自动驾驶测试管理联席工作小组联席会审议等多个环节把关。
在近30个大场景下，车辆需要展现出合格的自动行驶、变速、变道、转向、交通标牌信号灯识别、障碍物躲避能力，和对道路、标志标线、交通设施的识别能力，以及对交通法规和人性化驾驶规则的理解能力等。
回忆起整个考试经过，自动驾驶基础技术研究院研发部AI总监李阳说道：“这次考试内容主要是为了让每个自动驾驶团队能够认识到自动驾驶测试本身安全性的重要性。所谓的安全性是指整个管理流程包括系统兼容和稳定的安全性，从测试管理、人员管理、软硬件的版本迭代、零部件管理，甚至包括你的整个车的养护，每个流程供电、传感器冗余、系统冗余、系统监控，每一个地方都会体现对于安全性的考量。”
于是，四维图新拿出了一套成本数十万的方案，在考试车辆长城 WEY VV7上配置了4个售价约3.8万的Velodyne 16线激光雷达、2个长距毫米波雷达和1个搭载四维图新自主研发视觉感知算法的单目摄像头。“相比大部分友商，该方案的成本大约为其二分之一或三分之二。”李阳表示。
四维图新自动驾驶测试车
单从传感器的组合来看，四维图新并未选择特别时髦的方案，而其看重的核心便是MAP+AI能力。换句话说，团队试图通过自动驾驶地图解构复杂环境，将全局规划根据场景划分成小任务，从而降低或优化分配系统对其他传感器需求。
举例来说，一个最常见的公交站场景：公交车打左转向灯即将出站，后车则需要避让。如果利用自动驾驶地图，公交站可以被设置为兴趣区，系统可以提前了解前方兴趣区位置，并投入更多感知计算资源检测公交车转向灯信号及出站动作，提高路权竞争者行为预测的精度，根据传感器数据融合结果作出相应决策，在这一案例中，自动驾驶地图既提供了空间参考，又保证了参与计算的数据维度可控，将复杂的场景解构成了简单的逻辑。
除了多变的场景之外，自动驾驶车辆通过高精地图还可以解决动态环境的理解，也就是对于周围所有车辆的行为预测。四维图新借助高分辨率摄像头作为感知模组，通过语义分割和深度学习的结果分别组合，计算出每一个Plxel的位置以及每一个Plxel的像组组合，进而还原三维的现实环境。
在李阳看来，这背后体现出了四维图新大数据生态应用于AI技术的优势。随着近年来高精地图采集和制作工作的展开，团队在全国范围内积累了30万公里的高速点云数据，结合自身高质量UGC以及客户和合作伙伴回传的道路数据，为基于AI的深度学习算法提供大量训练数据集。
与普通公开数据不同，四维图新收集到的数据本身携带有位置信息，可以从不同省份、不同天气状况中抽取数据，进而为行业提供功能量产化的覆盖能力。“我不需要堆10亿张图片训练一个交通牌的标志，因为我们知道哪里有交通牌，我们可以提取附近数据，把全国的交通牌穷尽掉，这些是图商的优势。”
车云菌获悉，目前四维图新有共计200名左右的AI开发工程师着力解决相关问题，未来还将搭建AI云平台。要知道，在2016年初刚刚组建起来的自动驾驶团队，仅仅有五六位核心员工。
复盘整个自动驾驶团队的成就，从2016年搭建自动驾驶原型车开始，到2017年在封闭区域内测试自动驾驶能力，包括开车变道紧急避让、车道内保持、跟踪、双线识别等功能。2018年，四维图新在高速道路上完成了L3级自动驾驶的标准路测，也是大规模高精度地图的真实路测。直到如今，其逐渐把自动驾驶扩展到城区进行自动驾驶了牌照考试。
有意思的是，李阳透露称，自动驾驶方案的初衷原本是为了验证高精地图产品。“我们要通过自己做系统测试产品，反馈给地图团队，告诉他们地图在不同功能中的应用、场景问题、精度等等。”后来通过一步步的测试工作，自动驾驶团队甚至发现了更容易接近产品化的方向，将一些功能通过模块化产品化的方案与车厂达成合作。
在四维图新的整个自动驾驶路线中，从研发无人车方案的动机到最终确认路线，高精度地图确实扮演着中流砥柱的角色。对此，自动驾驶地图产品总监王淼解释道，在L3级自动驾驶的真实应用场景下，车辆必须要通过高精地图作为支撑，通过在线渠道管理交通管制等社会信息。
在王淼看来，高精地图可以视作一个高可靠的在线传感器。“ADAS阶段，车辆传感器主要局限于位置和环境感知的处理。这些在2022年之前已经能够达到量产阶段，但价格成本仍旧受限。部分客户的L3级自动驾驶系统会选择非常轻量的激光雷达，这样的传感器在很多情况下是失效的。那么，数据如何更新得快，要比其他传感器更可靠，这才是自动驾驶图商要解决的课题。”
严格来说，许多新图商生产的高精度地图产品，主要覆盖了目标层，也就是“所见即所得”，更加偏向传统测绘。相比之下，四维图新将整体数据结构分为道路层、车道模型以及自动驾驶定位对象，其提供的更像是机器对于现实世界的“认知”。
