3月31日，由中国电动汽车百人会主办，清华大学、中国汽车工程学会、中国汽车工业协会、中国汽车技术研究中心、中国汽车工程研究院共同协办的中国电动汽车百人会论坛（2023）在京开幕。

本届论坛为期三天，以“推进中国汽车产业现代化”为主题，共设有2场全体会议、9场开放专题论坛和4场闭门会议。论坛同期将举办丰富多彩的新车展示、产业链及核心零部件展示、以及多个重磅课题研究报告发布等全面贴近产业实践，促进跨界交流的互动活动。

在第三天的“智能汽车论坛”中，与会嘉宾主要讨论了芯片、操作系统、域控制器等智能汽车关键技术进展；智能汽车进入量产阶段的整车进展；车路云一体化进展及趋势；整车与零部件企业发张格局与创新路径；智能化阶段的产业链企业关系；构建智能汽车发展的新生态体系等议题。

在论坛现场，立得空间信息技术股份有限公司董事长兼总经理郭晟先生发表了相关演讲，以下内容为演讲全文，简单编辑，未经本人审阅。

大家好！我是来自立得空间的郭晟。来参加这个会议，我才知道我们这个行业已经进入了淘汰赛，大家也都认识得到，就是说创新决定着未来的企业的成败。所以，我今天的报告从一个比较微观的角度来谈，也就是我们从事了20多年的移动测量这个角度来谈，我们能够为自动驾驶做点什么事情。    

我主要选择了两个应用场景，主要选择了两个应用场景一个是移动车辆和AVP自动泊车的地图的关系，一个是车规和惯导在自动驾驶里面能够发挥什么样的作用。

首先想和大家介绍一下立得空间，我们立得空间是中国的街景车和街景地图的发明人，我们是在车上第一个安上摄像头、第一个安上激光雷达做测绘的一家公司，06年谷哥在美国开着移动测量车采集街景地图的时候我们就在中国做街景地图，早些年百度用的街景地图大部分是我们做的，可以说我们是在移动测量和街景地图的创领者。另外一个方面我们移动测量需要的核心技术就是惯性惯性组合导航的技术，这个技术很多年前是个“卡脖子”技术但是我们攻克了这个技术，我们做的惯性组合装置的技术达到了千分之一度和万分之三度这样一个国际最高的水平。

所以基于我们在相关领域的一些创新，国家也非常认可，先后给了我们两次的国家科技进步二等奖，一次的国家科技进步一等奖。我们在自动驾驶领域主要是聚焦这样几个方向，一个是惯性组合导航，一个是高精地图还有我们也做一些基于测量和感知的深度学习、机器学习，并且我们也运营了一个车联网时空大数据的平台，现在管理了超过数百万台车。

下面我讲一讲移动测量和AVP自动泊车地图的关系。大家从图片上可以看得见，其实移动测量和自动驾驶的感知层是非常类似的，上面装着相同的一些传感器，那么这些传感器不同的是我们移动测量装的传感器是非常高端的，基本上是几万、几十万不等的传感器，所以说移动测量可以获得它的感知目标非常精确的这样一个坐标和它的位置，所以说现在Robotaxi基本上也是用的比较高端的，L4级的自动驾驶Robotaxi是非常容易实现的，但是在L3这个级别的自动驾驶还是遥遥无期的。主要是因为现在目前为止我们配置的摄像头、激光雷达、惯导这些传感器还是非常低端的，但是如果我们以发展眼光看这些问题的话，这些问题在未来是有可能得到解决的。我们都知道原来手机是从几万块一个的大哥大降到了几百块钱、一两千块钱。所以我觉得随着现在汽车、消费电子的不断的规模化，以后我们车上的车辆功能会越来越强。以后每一台车都在做测量，现在业内对高精地图有个看衰的观念我是不同意的，我们举个很简单的例子，在L3以内的可能不需要高精地图，但是L3以上的这个级别比如说我们北京700万台车要实现无人驾驶，不可能不用高精地图来实现多机的智能。那么移动测量我给大家放一个简单的视频，广义的移动测量不光是车载的移动测量，也包括了空中的无人机乃至单边携带的设备包括手持的设备，用这样一整套装备我们可以获得厘米级的测量的精度，这就是我们在做移动测量这方面的工作，基本上把这样测量的控制，高精地图已经做到了极致。

回过头来我们谈一谈移动测量在APP高精地图上有什么样的应用？说的简单一点我们就用这样一个很小的车做了尺寸很小的车，上面装了几百块钱的摄像头还装了惯导实现在很大的停车场的APP高精地图的自动采集。我们采集的数据有激光点云的书记也有停车场目标影像的数据，我们通过SLAM的算法通过惯导的里程数据组合，我们可以制作APP地图所需要的这样一个语义地图和我们特征的地图，我们的算法能够做到我们机器识别的这样一个语义特征的地图能够做到90%以上的自动化的程度，语义地图大家知道可能需要一些人工编辑的。整个制作过程也非常简单，开着这个车出去做外业采集，任何停车场把它很快的速度采集下来，采集下来之后通过一些自动化的工具进行一些内业处理，经过人工自检和地图编译我们就可以进行地图发布了。这是我们采集的语义地图和特征地图的一个成果的展示，那么这个地图做什么用？这个地图可以把很大的停车场把它用来自动泊车，这个可能比刚才的马特先生展示的成果更高级一点，因为我们这个可以让你一键停车，比如说你去一个大商场，你可以一键式的让你的车停在地下三层停车场，一键呼唤他就上来接你了，可以做到这个程度。

那么精度分析我们也用传统的方式做了一个精度的分析，那么这个精度的分析我们在国内做了200多个停车场，精度都可以达到15公分的水平，也就是说达到一个大部分的司机精准停车的这样一个水平。

第三部分跟大家分享一下我们在车规级惯导上一些应用实践成果。L3级以上的车，权威机构已经说了，46%以上的事故可能会来自于定位，比如说L3级以上，我们真正摆脱方向盘的时候无人驾驶状态的时候，我们怎么应对我们高速的场景、地下车库、城市峡谷、隧道这就必须有一个定位的装置就是惯性组合导航的装置。那么汽车定位无非有4种方式，一个是GPS北斗这种定位，一个是惯性定位，一个是相机AI定位和激光雷达的定位。那么在不同的场景，有些传感器是不太适应的，比如说没有明显标志的场景，比如我们国家的西部的很长的道路上的戈壁滩上这种路上，我们是没有明显的标志，所以说个时候激光的定位就会显得不准确。那么在光线变化的时候，摄像机、摄像头的定位也不会准确，穿过隧道的时候，这个时候我们的卫星定位也会失效，唯有惯性定位它是一个能够准确输出一个真值的定位，像我刚才解释的样子，现在的自动驾驶为什么说L3级很难推向市场，因为现在我们做自动驾驶只是用了AI的一套算法，我们用AI的算法无非是用非线性方程去趋近一个汽车驾驶的形态，或者趋近一个真值，但是这种所谓概率的原理是无法满足汽车安全冗余的需要的。所以我们能不能把移动测量、惯性导航我们测量出来的这样一个真实的结果和我们的AI的原理方法进行整合，这样是不是个新的思路？

那么车规级惯导不光是可以提供位置、姿态也可以提供速度和加速度，可以为我们的车更安全、更舒适的驾驶提供很准确的一个参数。我们也做了一些实验，大家可以看这张表，我们选择两款惯导，一个惯导我们用的是现在0.1度的航向角的惯导，这个惯导的精度是比较低的，也是现在蔚、小、理这些车厂选择的惯导，另外我们选择的惯导是达到5%的高级的惯导，对比实验的数据大家可以看到，我们对于100米以上的目标，低精度惯导它的相对精度已经达到30公分，但是高精度的惯导仍然可以保持在20公分以内的精度。那么对于零偏的稳定性，来说低精度惯导表现更差强人意，比如不到2分钟110秒时间之内低精度惯导基本上要偏离一个车道了，而高精度惯导还可以保持在一个车道之内，到三分钟的时候我们接近于偏离一个车道，大家问了，如果使用这么高级的惯导我的成本会不会增加，答案也是肯定的，但是我们也是有办法，我们测算了一下，当这个惯导如果量产的数量到20万套以上的时候，基本上成本就降到了2000块钱左右，属于做到50万台，成本基本上也做到一千元左右了。所以这个事情怎么办呢？这个事情生产惯导的厂家要和主机厂要进行联合研发，联合的研发为汽车提供更安全、更舒适、更可靠的这样一个体验，同时把这个惯导的成本降下来。

目前为止我们和一些比较知名的厂商比亚迪这样一些厂商也在做相应的一些工作，已经有小批量的投产试用。时间不够了，我快速进入一个总结。

第1个观点我们移动测量相关的原理能不能和AI技术结合，它是可以提高自动驾驶的性能的，比如刚才举例的AVP地图这个场景；第2个，惯性组合导航一定是未来L3自动驾驶汽车的刚需器件，但是受制于技术和成本因素尚未大规模应用，取决于车厂和供应商，今年第一季度过去了，我们经历了惨烈的价值战，但是我们了解特斯拉还仍然有30%的降价空间，并且别人通过技术创新带来40%的溢价，所以在这种前提之下我们呼吁我们产业链各个环节的生态合作伙伴一起来精诚合作，至少而言，移动测量提供了一个创新的技术路径，我们可以和大家一起大胆的尝试。

以上就是我的报告，谢谢大家。