定位与高精地图（Positioning & HD Map）的十年（2015–2025），是从“极度依赖精准地图”向“强感知、轻地图、实时制图”转化的十年。
这十年的技术演进，本质上是自动驾驶系统在**“我是谁？”和“我在哪？”**这两个基本问题上，从依赖外部“拐杖”到形成自身“肌肉记忆”的过程。
一、 核心演进的三大阶段
1. 高精地图（HD Map）依赖期 (2015–2018) —— “开卷考试”
- 核心逻辑：地图即传感器。车辆像跑在轨道上的火车，必须依赖高精地图提供的厘米级车道线、路牌和红绿灯信息。
- 技术手段：采集车（带有昂贵激光雷达的专用车）扫街，人工标注，半年更新一次。
- 特征：定位主要靠RTK（载波相位差分）+ IMU（惯性测量单元）。
- 局限：成本极高（每公里上千元），且“下车即死”——一旦地图没更新（如修路），智驾系统就会立即退出。
2. 多传感器融合与视觉定位期 (2019–2022) —— “感知增强”
核心逻辑：视觉特征定位。不再只看 GPS，而是通过摄像头看路边的路灯杆、标识牌，并与地图进行匹配。
技术突破：
语义地图（SD+ Map）：尝试降低地图精度要求，使用普通导航地图加上视觉识别出的实时车道线。
多源融合：GNSS、IMU、轮速计与视觉特征点进行深度耦合（Tight Coupling）。
意义：解决了隧道、城市高架下 GPS 丢信号的问题。
3. “无图”方案与在线实时制图期 (2023–2025) —— “闭卷考试”
- 核心逻辑：轻地图，强感知。2025 年的主流方案（如华为 ADS 3.0、特斯拉 FSD v12）已经不再依赖传统意义上的高精地图。
- 2025 现状：
- Mapless（无图）：依靠端到端大模型和BEV + Occupancy，车辆像人一样，边开边看，实时构建“局部地图”。
- 众源地图（SD Pro）：利用成千上万台量产车回传的数据，在云端秒级自动生成和更新路网拓扑。
二、 核心维度十年对比表 (2015 vs 2025)
| 维度 | 2015 (HD Map 1.0) | 2025 (实时感知定位 3.0) | 核心跨越点 |
|---|---|---|---|
| 地图来源 | 专业采集车 (白盒) | 量产车众源回传 (众包) | 解决了更新频率问题 (从月级到秒级) |
| 定位核心 | 强依赖 GNSS / RTK | 多模态视觉/激光惯导融合 | 实现了地下车库、城市峡谷的全覆盖 |
| 制图成本 | 极高 (数万元/车/年) | 极低 (甚至零显式地图成本) | 推动了智驾从一线城市走向全国开通 |
| 时效性 | 季度级更新 | 实时生成 (On-the-fly) | 解决了“图跟不上路”的致命痛点 |
| 数据保障 | 离线静态文件 | eBPF 内核级数据流审计 | 毫秒级防范定位数据欺骗与跳变 |
三、 2025 年的技术巅峰：实时拓扑重建与 eBPF 安全哨兵
在 2025 年，定位与地图已经不再是静态的数据库，而是动态的**“时空场”**：
- 在线道路拓扑生成 (Online Road Topology)：
2025 年的算法不再查地图，而是用神经网络实时推理出前方的“连接关系”。即使是在完全陌生的乡村土路，车辆也能识别出哪里可以开，哪里是禁区。 - eBPF 定位数据审计：
由于 2025 年的定位依赖海量传感器输入，系统复杂度极高。
- 安全防御：引入eBPF 监控。它在内核层实时校验 RTK 信号与视觉惯导信号的逻辑一致性。如果检测到 GNSS 被黑客欺骗（Spoofing）导致坐标突变，eBPF 会在毫秒级切断错误指令，强制切换到基于感知的“纯盲驾”安全模式。
- 众源闭环 (Crowdsourced Loop)：
当一辆车发现前方道路永久封闭时，其感知的“ Occupancy 占用信息”会瞬间通过 5G 上传云端，云端利用大模型自动更新全量用户的行驶路径。
四、 总结：从“地图带路”到“看路走路”
过去十年的演进，是将自动驾驶从**“盲人摸象（靠地图背路）”打造成了“眼明心亮（看路识路）”**。
- 2015 年：地图是“拐杖”，没图寸步难行。
- 2025 年：感知是“眼睛”，定位是“直觉”，地图变成了存储在云端的“经验参考”。
