定位、地图与导航

导航信息不是抽象概念，它就是你手机屏幕上那行"85 米后通过路口"。问题是怎么把这行字变成机器能执行的东西。

先看一眼你每天都在看的东西

课件讲导航信息的第一页没有一个字的定义，就放了两张手机导航截图。高德那张：顶部"85 米 通过路口"，下面一排车道级引导箭头（左转/左转/直行/直行/直行/右转，高亮推荐车道），当前车速 4 km/h，红绿灯倒计时 12 秒。百度那张："绿波路段红绿灯剩余 4 个，绿波车速 40~60"。

这一页的用意：导航信息就是这些东西——距离、路口动作、推荐车道、限速、信号灯状态。但注意"绿波车速"这一条，它值得多看一眼：这是感知永远拿不到的信息。前方四个红绿灯的配时，不在任何相机的视野里，只能联网从云端拿。超视距、非视觉——这是导航在整个系统里不可替代的原因，也是后面讲端到端时"导航信息怎么喂给模型"成为一个专门课题的原因。

这一章把三个经常被混为一谈的东西掰开：定位回答"我在哪里"，地图描述"道路怎样连接"，导航回答"去目的地该走哪条连接"。然后看它们在有图、轻图、无图三种方案下各自怎么变。

导航不是画一条线：五大职责

把手机导航的那条蓝线放大到量产系统里，导航模块实际上承担五件事：

1. 车道级路由：在车道拓扑图上搜一条从当前车道到目标车道的序列——不是"走哪条路"，是"走哪条车道"，输出形如 [L_1023, L_1024, L_2051] 的车道链；
2. 机动点标注：显式标注"120 米后左转、目标车道 L_2051"这类关键动作，让下游提前准备变道、减速；
3. 参考线生成：输出车道中心线拼接成的几何参考，附带曲率、坡度、限速属性——课件在这里用红字写了一句必须记住的话：参考线 ≠ 轨迹。它只是几何基准，不含时间和速度，规划器要在它周围做优化，不能拿它直接控车；
4. 约束与优先级：优先车道、禁止车道、可变道区间、剩余距离；
5. 监控与重规划：导航是常驻运行的模块，不是算一次就完事——持续监控是否偏航、是否错过路口、是否来不及完成目标变道，决定局部修正还是全局重算。"错过路口"和"变道来不及"这两个监控项，恰好是用户最能直接感知到的导航失败。

在我们的路口，导航的交付物是：沿支路行驶 → 80 米后右转 → 汇入主路目标车道。定位负责把车放进正确的支路坐标，地图给出停止线、路口连接和主路车道拓扑。

地图分几级：从 5-10 米到 10 厘米

"地图"在行业里不是一个东西，是一个从粗到精的谱系。课件给了一张四级地图数据库对照表，三个数字最值得记：

三条结论。精度跨度 20 倍（SD 的 5-10 米到 HD 的 50 厘米）；元素数量跨度 10 倍——成本主要来自元素丰富度，不只是精度；以及一个容易忽略的细节：四列里只有 Coarse Map 那一档写着"众源车/量产车"参与采集更新——用卖出去的车帮忙发现道路变化，这是唯一能规模化摊薄成本的一档，也解释了为什么各家的城市方案都往这一档收敛。

中间还有一个常见的商务概念：SD 与 SDPro。逐项对照下来，SDPro 比 SD 多的全是路口内拓扑和车道级结构（车道组、车道联通关系、人行横道/停止线/交通灯的绑定关系）。上不上 SDPro，本质是花钱买这两样东西。

至于 HD 地图为什么用得越来越少——上一条线已经在第 3 章讲过它的成本账（建图误差 ≤±30cm、自动化率 ≥95%、鲜度要求），这里只补一个机理：高精地图的真正价值是先验兜底——雾霾天感知退化时，弯道曲率和路口结构仍然是已知的。放弃它，就要有东西补上这个兜底。

无图方案：三个必须重新回答的问题

"无图"不是完全不用图，而是把依赖拆开：全局导航这一层继续用低精地图（从 A 到 B 总得有路网），定位和局部道路结构这两层与高精地图脱钩，改由车端实时解决。课件把无图框架归纳为一个等式：HDMap → 局部实时地图（BEV 静态感知）+ SD 导航地图。于是三个问题必须重新回答：

定位怎么算？有图时定位是绝对的：算世界坐标系到自车的变换，地图是锚。无图时定位变成相对的：只算"我相对 k 帧之前移动了多少"，靠 IMU、轮速计和视觉/激光里程计融合。修正相对定位漂移时有一条实用经验：yaw（航向角）最关键——航向误差会随距离线性放大，横向漂移和尺度误差相对可控。评估一套无图方案的稳定性，先问 yaw 漂移。

**道路结构从哪来？**实时感知：车道线、路沿、中心线、可行驶区域，加后处理拼出拓扑关系——这正是第 3 章在线建图（MapTR 一脉）的用武之地。

约束怎么变？这是最本质的一条。有图时车道边界是硬约束——地图说边界在哪就在哪，不可逾越；无图时边界来自感知，是带噪声的估计，只能当软约束用。这一条直接解释了一个常见的体验现象：为什么无图方案的轨迹更容易"抖"——约束本身在抖。

Navigation Path：一条容易被误用的线

无图方案里还有一个专门的构件叫 Navigation Path：结合车流和导航信息，输出一条宏观行驶参考线，解决"全局车道级方向和车道选择"。课件对它的定位写得很克制：在小路和非结构化道路上更稳定、更长时，但不能作为直接控车轨迹。

它的失效模式清单更值得细读，第一行是纲：**"Navi-path 是导航决策的确定性表达，不是行为生成器。"**下游如果把它当唯一轨迹来源（单模态接入），就会和实际的行为决策打架。而且 Navi-path 自己也是模型预测出来的——会抖、会偏航、会扭曲，上游 SD 路由一跳变，它跟着跳。

什么时候该用它？课件给的判断逻辑很清楚：Navi-path 的价值来自人驾轨迹监督，所以在"没有几何可依"或"需要类人性"的场景有用——路口择道（SD 行点质量差，它能帮着提前选口）、地下停车场（没有稳定车道几何，只剩"该往哪走"的问题，这是它的主场）；而在感知本来就能搞定的常规路段，它做好的难度反而高于车道线，不如不用。

回到路口：地图过期的那半个车道

现在把本章的交付物放回贯穿案例。定位把车放进支路车道坐标，置信范围明确；SD 级地图给出"前方右转汇入主路"的路由和机动点；参考线沿目标车道中心线展开。然后现实开始出难题：施工锥桶把入口向左挪了半个车道，地图还停留在施工之前——这就是"鲜度"问题的具象。系统必须把地图先验和实时观察对齐，以现场为准修正入口位置，而不能把历史地图当永远正确的真值。

但"以现场为准"有一个前提：现场得先被看见。锥桶在哪里、主路车流怎么分布、那辆正在切入的深色轿车到底什么状态——这些不在地图里，也不在导航里。下一章，从传感器观测中把当前场景恢复出来。

本章速查

材料来源