語義高精地圖是高層級的高精地圖，語義地圖的實現需要以幾何地圖為基礎。在這篇文章中，將要講述自動駕駛語義高精地圖的實現過程。

正如人類駕駛員出行需要導航地圖并觀察周圍環境來確定行駛路線一樣，自動駕駛汽車上路時除了依靠自帶的傳感器探路避障，還需要一份地圖來確定自己的位置，進行路線規劃，這種供自動駕駛汽車使用的地圖就是高精地圖。自動駕駛車輛依靠自身配備的傳感器探測車身周圍環境信息，但超過車身一定距離后，例如車輛前方500米的道路環境，僅依靠車身傳感裝置很難得到信息反饋，而高精地圖能夠提供超視距信息，彌補傳感器探測的不足。這些全面精確的信息能夠為車輛增速還是減速、直行還是轉彎等行為提供必要的決策依據。

在真正上路行駛的過程中，隨著更高級別自動駕駛的出現以及更高安全要求的提出，僅僅包含了幾何位置信息的高精地圖已經不能滿足市場的需要，現在自動駕駛要做的不僅是對環境的物理性描繪，更要對環境進行理解，而對環境的理解分成兩部分：最基礎的是幾何描繪，例如車輛前方是彎道、直道還是十字路口，距離車輛多遠等空間信息。幾何地圖幫助車輛進行自身定位，并準確識別車輛自身處于地圖中的何種位置。第二是語義理解，即通過幾何描繪出的這個圖形是信號燈還是路標等。語義地圖幫助車輛保持在某一正常車道內運行，讓自動駕駛車輛了解不同類型的道路之間、道路與路燈和行人之間是怎樣的關系，并按照社會公序良俗和具體環境中他人的期望來選擇如何作為。語義高精地圖是高層級的高精地圖，語義地圖的實現需要以幾何地圖為基礎，在這篇文章中，將要按順序講述自動駕駛語義高精地圖的層級實現過程。

道路網絡圖

語義高精地圖的最基礎層是道路網絡圖。道路網絡圖能夠表示存在多少車道、它們行駛的方向以及連接到哪條道路，還能顯示人行道和車道之間的優先關系，這使得自動駕駛車輛能夠安全地停在十字路口或人行橫道上從而實現交叉通行。這些都是可以通過其他層進行變化的復雜屬性：交通燈的變化影響車輛需要向哪些車道讓路，或者依據時間段改變單雙向車道。道路圖層與車載導航地圖相似，只不過功能更加豐富。自動駕駛汽車的規劃功能使用道路網絡圖來確定從A到B的粗略路徑，并通過避免復雜的交叉路口或限速道路來幫助自動駕駛車輛降低風險。

車道幾何層

道路圖層的基礎上是精確到厘米級的車道幾何圖層。這一圖層形狀上是一組多邊形，表示路面上的車道標記以及車輛將遵守的街道規則。這一圖層顯示的數據還包含在導航地圖中通常沒有的屬性：線條顏色、允許換道區域、減速帶和停止線等。了解這些屬性能幫助車聯對其他車輛或者行人做出明智的決定，使車輛能夠安全地執行一些復雜的操作。雖然道路圖層能夠實現高水平的規劃決策（例如規劃從舊金山到西雅圖的路線圖），但車道幾何圖層能夠幫助實現更具體和詳細的路徑規劃：如何轉動方向盤并使用踏板穿過這個十字路口？是否存在例如單行道類的環境限制？

在車道幾何圖層的輔助下，當自動駕駛汽車真正行駛在路上時，可能會出現改變初始路線的實時決策。車輛的行為規劃器使用虛線白色的車道分隔器來決定何時將控制命令發送到車輛的油門和轉向控制，從而安全地改變車道或與車流合并。感知系統檢測其他交通參與者并對其進行分類（例如，我旁邊有一個大型物體，我認為它是卡車）。然后，車輛的智能預測功能使用地圖位置、速度等信息來預測卡車在接下來的幾毫秒和接下來的10－30秒內將做什么。有了人行道和人行橫道的幾何形狀，自動駕駛車輛可以正確地識別行人，預測他們的行為。然后自動駕駛車輛會在人行橫道前減速讓行。以上這些系統在短時間內能夠多次協同工作，以確保安全舒適的乘坐體驗。

語義特征和先驗地圖

語義高精地圖能把路上的語義元素抽取出來補充到前述的幾何地圖中，比如車道線、紅綠燈、人行橫道等，形成新的地圖信息保存方式，然后用于車輛的定位和決策。

在前兩種幾何類地圖的基礎上，第三代高精地圖是語義特征和先驗地圖。語義特征包括交通燈、人行橫道和路標等要素。先驗地圖是指地圖中那些我們關心的可預測的概率性區域。這兩方面的地圖要素幫助車輛決定自己相對于其他物體的行為方式。在道路圖層和車道幾何圖層中，語義關系定義了如何在復雜的車道關系中協同工作：可以轉彎的地方、需要停車的地方，以及從A地到B地需要進入哪個車道行駛等。語義特征通過為自動駕駛汽車提供更多有關環境和周遭運動物體的相關信息，來獲得更多的優先權。