位于爱丁堡的英国公司NCTech正在采用VR/AR并进行扩展，并提供360度真实成像系统来简化图像文档的工作流程，甚至可以将其用于远程设置。他们在这一领域的最新成果是推出全新的虚拟数据采集系统iSTAR Pulsar，以便在移动中捕获数据。

iSTAR Pulsar设计用于车辆，无人机或步行时捕获360度数据。该系统设计简单易用，不需要任何摄影经验甚至电脑操作。iSTAR Pulsar应用程序提供了规划路线，以及在线查看和分享内容的能力。

iSTAR Pulsar专门为捕捉360度移动数据而设计，并与索尼和英特尔联合开发。该系统可用于各种工业和智能城市应用。

产品详情如下：

无与伦比的11K球形分辨率将iSTAR Pulsar定义为几乎是标准8K球形系统像素分辨率的两倍，可提供6050万像素的全景图像。

预先校准到亚像素级别与先进的深度分析算法相结合，确保在移动平台上实现最精确的全景拼接。

iSTAR Pulsar针对移动平台进行了优化，可在处理过程中调整捕获速率，以提供一致的距离间隔，从而最大限度地减少数据存储和处理要求。

全自动后处理流水线包括一个可选的自动水平仪稳定功能，以纠正步行捕捉时产生的任何俯仰和滚动。

坚固的设计，耐候性和防震性，内置高精度GPS和IMU传感器，确保与GIS系统直接集成。

先进的对称和非对称加密技术确保从采集到交付的端到端数据安全。

NCTech在本周早些时候在伦敦Geo商业展上展示了iSTAR Pulsar ，并将在下个月初在加利福尼亚州阿纳海姆会议中心举行SPAR 3D Expo上展示他们的产品 。

“只需轻敲一下，iSTAR Pulsar就可以提供全自动的360°全景图像拍摄功能。它不是传统意义上的摄像头，它捕获大量高分辨率数据，并连接到我们庞大的云处理管道，从捕获到交付提供全自动工作流程。”

高精度地图量产之战已经开局。

行业内已达成共识，面向L3/L4甚至更高级别的自动驾驶汽车，高精度地图已成刚需，谁能率先具备快速更新地图的能力，并完成高精度地图的量产，在商业模式上破冰，谁就站上了自动驾驶舞台的中央。

专注于研发自动驾驶大脑的Momenta也将高精度地图作为核心业务之一，这家一直低调的自动驾驶独角兽决定正式对外公布其高精度地图的技术画像。

近日，雷锋网新智驾与Momenta CEO曹旭东及Momenta研发总监兼地图业务负责人孙刚进行了独家对话，两位负责人首次对外详解Momenta在高精度地图方面的技术路线及商业战略。

Momenta将自己定位为产业链条上的Tier 2，并向雷锋网·新智驾呈现了三条更实在的高精度地图“准则”：

一、在大规模建图之前一定要建立快速更新的能力；

二、高精度地图的信息更新需要进行大规模的验证；

三、高精度地图的精度和更新频率需要根据元素进行分级。

在大规模建图之前一定要建立更新能力

随着越来越多的自动驾驶解决方案面市，高德、四维图新、HERE等传统图商，谷歌、百度等科技公司，甚至自动驾驶初创企业已相继亮出量产时间表。一向低调稳重的自动驾驶玩家Momenta在高精度地图量产之路上，提出了“关注更新能力，比一味大规模建图更重要”的说法。

在Momenta看来，对于高精度地图提供商来说，一张高精度地图完成绘制交付，并非代表一段工作的完结，而是地图更新闭环的开始。假如一张高精度地图无法保证持续更新，这意味着从发布之日起，它的价值就会持续降低，信息滞后的安全风险会持续升高。

*Momenta研发总监兼地图业务负责人 孙刚

Momenta研发总监孙刚对其进行了进一步的解释：“严格来说，对于应用于L3及以上自动驾驶系统的高精度地图，技术团队首先要具备快速更新高精度地图的能力，再进行大规模建图才有意义。”

Momenta CEO曹旭东将大规模建图归属于劳动密集型的作业，“大规模建图依赖的是资金（去部署大量的采集车），这与传统导航图商的做法没有差别。而高精度地图的刚需是实现快速更新，这也是高精度地图领域新晋公司与传统导航图商差异最大的部分。”

为保证地图“鲜度”，Momenta在高精度地图方面选择了基于视觉感知进行众包部署的方案。在孙刚看来，传统图商采用以激光雷达为主的技术路线，存在成本高的门槛，无法实现大量部署，对应地图的更新速度较慢，且不能进行快速大规模的验证。

相比之下，视觉方案的硬件成本低，容易进行规模化部署实现地图更新。众包解决方案的量产和规模化部署，能够最终让高精度地图实现以天为单位，甚至以小时为单位的更新，同时快速验证数据的有效性。

针对高精度地图的底图绘制及众包更新，Momenta自研了一套完整的绘制更新硬件，并将信息更新和验证贯穿产品的整个生命周期。在高精度地图绘制及更新方面，Momenta用“两条腿”走路：通过自有渠道或者合作渠道，完成地图绘制；布局后装设备及前装定位盒子，众包完成地图更新。

底图绘制设备：包含摄像头、高精度GPS、高精度IMU，及用于深度学习和SLAM的计算芯片，并对搭载的传感器设置高精度的时间同步，整套设备价格在1000美金左右。Momenta不会对产品进行单独的售卖，而选择和主机厂、出租车队、物流车队等合作，或将传感器设备搭载在自有测试车队上完成底图绘制；

地图更新设备：地图更新设备的成本相较底图绘制设备，要低很多。Momenta将更新设备分为后装和前装两种方式进行部署。后装方式，即将众包更新方案搭载在Momenta后装产品设备“途铃”，完成地图更新。前装方式是Momenta将通过与主机厂合作共同研发“定位盒子”，并搭载Momenta地图更新方案。

建立完整的高精度地图更新闭环系统

基于视觉感知的方案进行众包部署，Momenta在高精度地图外业 ( 原始数据采集）层面形成了一套专有系统。在高精度地图后期的内业层面（数据处理、校对、标注及补缺），专注于研发自动驾驶大脑的Momenta认为其较传统图商有自己的优势。从利用深度学习和SLAM算法进行大数据处理，发现地图信息，到通过交叉对比和影子测试进行验证，是Momenta的技术特色。

关于高精度地图内业，人工智能和自动化是处理大量高精度地图数据的关键。在后期数据处理过程中，深度学习和自动化工具能快速提升数据处理效率，减少人工标注开支，加快地图绘制更新速度。此外Momenta已建立大数据平台、大计算平台、大测试平台三大基础平台，其基于真实道路积累了海量数据，在地理信息的维度下进行索引，完成图像检索，并根据算法提取道路特征 ( 例如车道线 ) ，完成数据关联，输出道路信息之间的几何位置、相应属性及道路之间的关系。

未来Momenta的地图更新产品将通过前装搭载上车。基于车辆上的传感器，计算平台可以实时估计车辆的相对位置信息，并结合深度学习和SLAM算法感知道路元素，再将实时感知到的结果和高精度地图进行对比。当系统发现实时感知结果和地图不匹配时，就上报给云端。Momenta综合车辆传回云端的信息进行数据处理，形成地图更新信息，并下发到各个车辆，完成地图更新的完整闭环。Momenta全球顶尖的深度学习和SLAM算法为数据采集、识别、定位提供了扎实的基础。

在与主机厂、供应商的交流合作中，Momenta认识到高精度地图的使用者非常关注如何大规模快速验证更新数据的正确性，这也成为Momenta的发力之处。

传统的抽样测试方法，例如十公里的地图，每隔一公里抽样测试一个点，测试覆盖率低且耗费人力，需人员亲自到达现场，难以规模应用。

其次测试周期越长，信息滞后的风险就越大。如果针对一个变化信息，测试并确认有效的周期特别长，则在它被确认之前，就有可能变成了无效的数据。按照Momenta的逻辑，高精度地图反而具有“后发优势”，即如果两张地图的制作方法和交付日期相同，较晚开始采集的地图会更安全。

在快速检验地图更新信息的准确性方面，Momenta采用交叉对比和影子测试的方法来验证地图数据。高精度地图领域如何进行交叉对比和影子测试呢？

Momenta从三个维度展开：

其一，视觉众包方案带来了丰富的道路信息，Momenta根据其中的部分数据完成地图绘制，同时利用同样路段上的剩余数据再进行多次绘制，进而交叉验证不同高精度地图的数据。当相同路段的不同地图数据高度吻合时，意味着地图信息更准确。

其二，即基于Momenta多传感器融合的定位算法验证地图准确性。当各个传感器的定位结果接近一致时，意味着地图信息更加准确。如多种传感器得到的定位结果不一致，地图准确性则需再议。

其三，通过将高精度地图数据接入决策系统但不对车辆进行实际控制，影子测试可以对比自动驾驶系统的预测轨迹与车辆真实轨迹的一致性来判断高精度地图数据的正确性。通过大规模不接控制的测试，可以达到更快的验证速度。而大规模铺设的众包设备回收数据可在后台直接完成测试。相对于传统实车实地测试，整个验证周期可以大大缩短。

道路信息的精度需求因自动驾驶系统需求不同

高精度地图需要为自动驾驶构建一个相对真实的道路环境，不同于传统的导航地图，高精度地图在内容图层方面更加丰富，且精度要达到厘米级。多数高精度地图供应商声称有能力达到10-20cm的精度。

行业内对于高精度地图图层的定义包含两大部分：静态地图和动态地图。静态高精地图的绘制是当下行业内的工作基础，也是攻坚点。一套完整的静态高精地图需要包含语义信息的车道模型、道路部件、道路属性三类矢量信息，以及用于多传感器定位的特征图层：

车道模型：即引导车辆从A地开往B地的道路规划，包括车道上详细信息的和连接关系；道路部件：包括交通标志、指示牌、龙门架、路杆等路侧及路面的各类物体，当车辆传感器探测到这些道路物体，然后再对比地图，便可得知车辆的精确位置；道路属性：包括道路的曲率、航向、坡度以及横坡，帮助车辆执行转向、加减速；多传感器定位的特征图层。Momenta认为高精度地图有两个关键点：左手更新，右手精度。高精度地图中不同元素的精度需要根据自动驾驶系统中的不同作用来定义。

孙刚提到，自动驾驶车辆对于车道线精度要求达到厘米级以上，而对于道路旁的限速牌，自动驾驶车辆更关注其限速信息（限速40或限速60等），当限速牌不用于进行车辆定位时，限速牌的具体位置精度则变得不那么重要。

Momenta之所以能够定义高精度地图的元素精度和更新频率需求，恰恰因为公司不仅是地图技术的提供方，同时也是地图的使用者。通过将自产的高精度地图应用于自研的L3及L4自动驾驶解决方案，Momenta对高精度地图信息精度进行定义；同时在与主机厂、供应商的合作中，依据下游客户的需求进一步完善高精度地图的精度和更新要求。

其中几类典型的地图元素分级如下：

孙刚否定了视觉的精度比激光雷达差的说法。“Momenta高精度地图生产体系中，目前并不能得到视觉方案的精度低于激光雷达方案精度的结论。甚至在某些情况下，前者比激光雷达表现更好。激光雷达稀疏的点云对于目标物体边缘扫描能力较弱，例如无法精确捕捉标识牌边缘。在这一方面，视觉方案更显优势。视觉传感器可以通过多次拍摄积累数据，其能实现的测量精度可以超过激光雷达。”

同ADAS地图相比，面向L3/L4级别的高精度地图精度更高、道路信息更丰富。在Momenta看来，其高精度地图面向高级别自动驾驶，同时可降维到L2/L2.5级，甚至ADAS辅助驾驶层面使用。

对于L1/L2级自动驾驶而言，高精度地图属于加分项；面向L3/L4甚至更高级别自动驾驶，高精度地图则是必选项。曹旭东提到，面向L2/L2.5级自动驾驶，高精度地图可以为自动驾驶系统提供更好的鲁棒性。例如在车道线残缺或没有车道线的场景中，高精度地图可提供道路信息，完成车道保持动作；经过坡道时，高精度地图可提前预知坡道信息，并告知车辆提前加速；抑或当前方出现弯道，高精度地图可提前为车辆提供弯道曲率信息，并规划出适应此弯道的最优速度，从而提高自动驾驶车辆的安全性和舒适性。

Momenta高精度地图走向何方？

雷锋网新智驾了解到，高精度地图市场目前有三大商业路径：一站式制图外包服务商，提供绘制硬件和配套软件系统的企业，及高精度地图数据服务商。各家商业路径雏形已成，但高精度地图行业商业化最优解还在探索中。

对于未来商业化，Momenta的态度非常开放。在和主机厂、供应商合作的过程中，Momenta将自己定义为Tier 2。作为自动驾驶方案提供商，其可向自动驾驶公司、主机厂、供应商提供高精度地图数据、技术授权（license）及制图、更新及定位工具服务。

“获得地图测绘资质，并非意味着Momenta成为一个独立的图商，自动驾驶大脑依旧是核心定位”，孙刚表示，“OEM车厂拥有海量的数据，Momenta希望能够携手图商一起发掘海量数据的价值，为OEM和自动驾驶系统提供精准可靠‘活地图’。”

自动驾驶未成熟之际，出世寥寥几年的高精度地图技术及商业路径更是一个新事物。各个入局者从测绘、更新、验证技术路径，到商业战略，都有自己的一套生意经。率先在限定区域打通更新环节也好、现阶段完成大规模建图量产也罢，其终极目标落地点均是量产、实时更新、信息准确。

Apollo 高精度地图

Apollo 高精度地图专为无人驾驶车设计，包含道路定义、交叉路口、交通信号、车道规则以及用于汽车导航的其他元素。

高精度地图能在许多方面为无人驾驶车提供帮助：高精度地图通常会记录交通信号灯的精确位置和高度，从而大大降低了感知难度。

高精度地图不仅可以减少计算需求，还可以通过提供有关驾驶环境的详细信息来确保无人驾驶车辆的安全。

保持这些地图的更新是一项重大任务，调查车队需要不断地对高精度地图进行验证和更新。此外，这些地图精度可以达到几厘米，这是水准最高的制图精度。

在中国，Apollo 高精度地图拥有丰富的数据，已覆盖中国的高速和城市快速路。预计到 2020 年，Apollo 将涵盖中国的所有国道以及许多其他高等级公路的地图数据。

高精度地图有很多格式，不同格式的采用可能导致系统不兼容。为了方便数据共享，Apollo 高精度地图采用了行业制图标准：OpenDRIVE 格式。

OpenDRIVE 就像 API 一样，每个人都能轻松读取相同的地图数据，Apollo 也对 OpenDRIVE 做出了改进，进而产生了 Apollo OpenDRIVE的标准。

这些改进使该格式更适合无人驾驶车。百度开发了一套完善的地图绘制系统，从而使 90％ 的地图绘制流程实现了自动化。

Apollo 高精度地图的构建

高精度地图的构建由五个过程组成：数据采集、数据处理、对象检测、手动验证和地图发布。

数据采集

这是一项庞大的密集型任务，近 300 辆 Apollo 调查车辆负责收集用于制作地图的源数据，调查车辆不仅有助于地图构建，而且对于地图的维护和更新也非常重要。道路在不断变化，建筑变化也在发生，公共事业工作人员经常对道路进行拆除和重新铺设。然而，无人驾驶车需要其地图始终保持最新状态，大量的调查车辆可确保每次道路发生改变时，地图均会得到快速更新。

调查车辆使用了多种传感器，如 GPS、惯性测量单元、激光雷达和摄像机。

Apollo 定义了一个硬件框架，将这些传感器集成到单个自主系统中，通过支持多种类的传感器，Apollo 可以收集各类数据，将这些数据融合，最终生成高精度地图。

数据处理

数据处理指的是 Apollo 如何对收集到的数据进行整理、分类和清洗以获得没有任何语义信息或注释的初始地图模版。例如下面的图像是点云，是由北京中关村手机的数据融合而成的。

对象检测及手动验证

Apollo 团队使用人工智能来检测静态对象，并对其进行分类，其中包括车道线、交通标志甚至是电线杆。

手动验证可确保自动地图的创建过程有序进行并及时发现问题。Apollo 软件使手动验证团队能够高效标记和编辑地图。

地图发布

在经过数据采集、数据处理、对象检测和手动验证之后，地图即可发布。

除发布高精度地图外，Apollo 还发布了采用自上而下视图的相应定位地图以及三维点云地图。

在构建和更新地图的过程中，Apollo 使用了众包。众包意味着 Apollo 向公众发布其数据采集工具，以便任何人都可以参与制作高精度地图的任务。

Apollo 高精度地图众包可通过智能手机、智能信息娱乐系统甚至是其他无人驾驶车来实现。众包加快了高精度地图制作和维护过程。

优秀的产品源于开放、高效的团队。Apollo 团队正在打造的无人驾驶平台，是提供硬件规格、车载软件和云服务的开放软件平台，任何合作伙伴都可以使用此平台开发自己的无人驾驶系统。

百度的宗旨是通过技术让复杂的世界变得更简单，Apollo 生态系统是百度最重要的开源贡献之一。目前 Apollo 团队已经开放了无人驾驶功能，让全世界的工程师都可以在 Apollo 上打造自己的无人驾驶车。随着参与者的增加，Apollo 积累了越来越多的数据可供所有人使用。与封闭的生态系统相比，Apollo 的发展速度更快，为参与者带来的收益也更大。

本节课我们以 Apollo 开放平台为基础，为大家进一步讲解了高精度地图和 Apollo 团队架构。 下节课，我们将了解车辆如何以个位数厘米级别的精度进行自定位。

如需了解 Apollo 更多有关信息，可直接访问 Apollo 官方网站，或点击阅读原文一键跳转。网址：http://apollo.auto/index_cn.html

极奥科技 in Starup Autobahn 2018 EXPO Day

随着自动驾驶技术发展不断提速，高精度地图已经逐渐被认为是自动驾驶的核心突破点，而众包数据采集路径也被认为是实现自动驾驶的必经之路。虽然路径已经清晰地呈现在眼前，但现实是，行业内仍然没有出现一家规模、实力足够强大的高精度地图独角兽公司。

传统图商们在向新模式转型时，无疑受到了体量、模式、合作伙伴的制约。因此，这中间所产生的机遇开始迅速被创业公司所发掘。

作为业内最早以众包形式做高精度地图服务的创业公司，极奥科技成立于2015年，在创办近两年后，2017年3月，极奥科技获得数百万元人民币天使轮，投资方为行早金融。同年12月，极奥科技完成数千万人民币Pre-A轮融资，投资方为软银中国资本(SBCVC)。

日前，钛媒体专访了极奥科技创始人兼CTO王雪坤。王雪坤表示，经历了三年，极奥科技已经形成了三道壁垒，一是海量的数据量壁垒，二是通过处理海量数据而累积起来的技术壁垒，三是客户壁垒。“在主机厂这块，现在很多人只要一想到要众包的高精度地图，或者能够快速更新、能够快速响应的高精度地图，大家想的就已经是极奥。”

图商转型为服务商势在必行，众包只是手段

在高精度地图前进路线上，并不是仅有创业公司看好众包模式。2017年4月，高调进军自动驾驶的博世宣布联手与百度、高德和四维图新三大图商开发用于自动驾驶的高精度地图，采用众包模式进行数据采集，定位特征提取，并上传至地图供应商的符合国家安全要求的云端服务器，从而满足高精地图对及时性和低成本性的要求。而此前，摄像头传感器厂商Mobileye已经与宝马、通用等主机厂用过类似合作，通过Mobileye的装机量对Here高精度地图进行补充和完善。

但，隐藏在上述大厂合作中的商业路径仍然是，图商做出一份高“精度”的地图产品，提供给应用端，去匹配应用端的位置需求。其本质仍然难逃离“卖产品”。

而实际上，互联网时代，人们在越来越多的场景下都开始需要位置服务。来自C端的需求千奇百怪。这其中，就出现了传统图商难以灵活应对的细分领域。此外，传统图商的时效性也难以跟上，“传统图商可能是三个月一更新地图，但可能现在应用端需要一周、甚至实时更新的地图”。

与传统图商“供给标准化产品”的做法不同，极奥科技需要面对应用端对其提出各种需求，回到海量的众包地图数据中去进行清洗、打包，最终形成匹配需求的高精度地图产品。这种商业逻辑，与传统图商“卖产品”的做法完全相反，是定制化的位置服务。

“在众包和测绘角度来说，我们举个最简单的比喻，测绘公司就相当于每年给你发一本的米其林三星的手册，众包就相当于大众点评。这家餐厅好还是不好，米其林给你的那本手册非常非常牛，他会评的非常非常专业，但是一年去更新一本。而大众点评给到的测评是实时动态更新的，更符合和满足互联网时代下的需求，避免了滞后的问题。”王雪坤解释道。

因此，与其说是一家图商，倒不如说，提供地图服务的科技公司这一身份，更适合极奥科技。

“高精度地图最后一定是一个以服务为导向的（行业）。极奥现在仅仅是因为说，要做的是服务，但是没有图给我们用，所以开始做图。其实是这么一个逻辑关系。众包也好，测绘也好，其实都是做图的一个手段。”

上图是由4万张众包图片组合而成的高精度图像点云。

据钛媒体了解，极奥在高精度地图方面已经拥有整套众包技术方案，其众包车队包括两种路线：一为后装众包路线，平台现已接入800多万辆车，年底将超过1000万辆，覆盖全国300多个地级市，每天能够产生两亿多公里数据。二为专业众包路线，极奥自主研发出一套以双目摄像头及GPS/IMU惯性导航为主的高精度地图采集套件。上述两种模式极大地降低了数据采集端的成本。

瞄准企业位置服务，未来打造MapOS

经过三年的摸索，王雪坤对极奥的团队定位已经在众包地图商上更进了一步，更清晰明确了自身位置服务商的地位。

在谈到极奥科技的发展规划时，王雪坤表示，对极奥定义三步的发展规划：第一步，在2015年-2017年，先形成自己的高精度地图；2018年开始走入的是极奥的第二个发展阶段，也就是赋能阶段，在这个阶段极奥科技将地图包装成服务给到客户，包括自动驾驶、物流、出行服务、智慧城市等行业。这些行业对于地图服务来说有很复杂的应用。

在王雪坤看来，第一阶段，做到真正“高精度地图”的难点，并不在与测绘能力，而在于，能否直接提供到适合应用/消费者想要的地图——而这也回答了“为什么没图可用，只能用众包的方式去做”这一问题。

而作为赋能之年的开始，2018年，极奥科技在自动驾驶之余，也开始为其他行业提供位置服务。据王透露，除了车企自动驾驶POC订单外，企业服务正在逐渐成为极奥科技另一大盈利支柱。

但自动驾驶依然是极奥科技最为关注的赛道。“我们完全承认一件事，自动驾驶一定是高精度地图的第一个完整落地场景。我强调的是完整落地场景。”但与此同时，王雪坤表示，实际上，像物流、保险精算这些，都需要位置数据服务。“有的时候可能客户都不知道他们想要什么样的位置数据，我们共同去探索，可能就出来了。我们也是全国第一家把高精度地图推向各个领域。除了自动驾驶之外，我们现在物流，在出行服务，在智慧城市都在提供高精度地图服务。”

而未来，极奥科技最终的目的是打造一个开源的MapOS，届时，将会有更多的to B业务在位置服务这个生态下产生。“对于我们来说我们的目标最终通过高精度位置服务，让全社会要获益的。而在智慧出行、智慧城市，或者说是泛物联网时代，任何事情都和位置相关。”（本文首发钛媒体，作者/赵宇航）

“

数据可能才是当天真正的主角。

”

2018年4月18日，百度举行了Apollo 2.5 开放技术发布会，这时距离Apollo首次亮相，刚好过去1整年。

在一周年庆生会上，我们获得了几个新消息：百度正式开源Apollo 2.5（限定区域内基于视觉的高速自动驾驶），推出了低成本高性能的方案，硬件参考设计可以减少到1个单目广角摄像头和1个毫米波雷达。比亚迪成为Apollo平台第100家合作伙伴。Apollo与金龙合作的阿波龙已经进入了最后的量产阶段。百度牵头成立了Apollo汽车信息安全实验室，共同研究智能驾驶信息安全方面相关课题。

但是，如果你还记得Apollo开源技术背后的驱动力，就一定会在发布会上关注到“数据”有关的信息。自动驾驶对数据的要求是没有上限的——高精度地图更新需要实时数据，训练自动驾驶决策规划算法需要数据。Apollo2.5 发布会上的种种细节告诉我们，数据才是当天真正的主角。

高精度地图众包采集

高精度地图是Apollo非常必要的组成部分，可以确保无人车在恶劣和复杂的情况下，规划出一条行车轨迹。高精度地图也是一项百度掌握优势资源的业务，但是现阶段行业面临的痛点之一是高精度地图覆盖率不足，对于需要借助高精度地图来验证功能的开发者来说，是一个缺憾。

对于这个情况，百度提出了“实时相对地图”的概念，主要适用于高速公路、限定区域这样的简单场景。

▲绝对高精度地图与实时相对地图

先介绍一下实时相对地图。实时相对地图采用的是车身坐标系，车身是整个坐标系的原点，通过车上的传感器实时采集地理信息。Apollo平台资深架构师缪景灏介绍，和高精度地图相比，实时相对地图只适用于非常有限的场景，比如高速公路和限定区域，精度也更低一些，但是可以低成本短时间让开发者用上类似的功能。绘制实时相对地图的传感器，只要一个单目广角摄像头，在成本上不会增加开发者的负担。

相对地图里的重要组成部分是车道线，对于自动驾驶汽车的决策和规划模块来说，这是一个是非常重要的信息。缪景灏告诉我们，如果能充分利用车道线的中心线和车道线边界线信息，就可以计算出非常安全、平滑、可行的行车的轨迹。

长沙智能驾驶研究院的产品研发总监黄英君和他的团队基于Apollo 2.5研发了东风乘龙系列重卡，可以在高速公路实现ACC、AEB等功能。黄英君指出，2.5版源代码中增加了导航模式（Navigation Mode），基于完全免费百度地图的路径规划，结合摄像头输出的车道线等信息，“只要自己开车顺着车道跑一下，就可以获得实时相对地图，在规划模块里面使用车道信息进行规划”。

关于实时相对地图有一个信息需要划重点——实时相对地图和高精度地图采用了相同的地图格式，这就意味着系统用一个API就可以同时接入实时相对地图和高精度地图，为下游的决策规划模块提供信息。

听到这里，我们很容易就联想到基于高精度地图众包采集，自动驾驶汽车行驶过程中实时感知的数据，有一部分也会用来帮助高精度地图更新，虽然Apollo 2.5中的导航模式看起来并不足以支撑众包采集的所有功能，但百度似乎正在对外释放这部分能力。

后续的开发者工具环节很快印证了我们的想法。

▲高精度数据采集器

百度为开发者提供了一个采集高精度地图的工具——高精度数据采集器。缪景灏提到了一个看上去并不复杂的使用流程——通过Dreamview采集高精度地图所需的原始数据，再用相应的工具把这些数据上传到云端，开发者就可以从网页上下载制作好的高精度地图。整个过程需要本地和云端相互配合。

但是受限于法律法规，这些功能只有国外开发者可以使用，国内开发者如果有需要，可以百度高精度地图的团队合作来采集地图测试功能。

为自动驾驶研究提供“实用的”数据资源

完善更新自动驾驶系统离不开数据。用数据搭建仿真场景，验证训练系统是一种比较经济的方式。今年3月份，百度发布了自动驾驶数据集和工具集ApolloScape，目的是为自动驾驶技术研发提供更“实用的数据资源”，特点是基于真实场景、基于真实驾驶行为。

▲ApolloScape场景解析数据集

据ApolloScape项目负责人杨睿刚介绍，ApolloScape项目是半年前开始的，百度通过高精度的采集车来获得三维和二维的街景数据。同时开发了很多工具，可以半自动地对每一个像素进行标定，给出语义标签。半年内时间里，Apollo已经生产出了带有像素级标签的自动驾驶数据集。

业内人士都知道，开发者需要的是标注好的数据，数据量不是越多越好，而是要保证质量以及多样性。杨睿刚在介绍ApolloScape数据集的特点时提到，他们基于视频已经可以提供了20万帧开放数据集，包含三维信息，均做了实例级目标物标注，提取了25类不同语义项，28类不同样式车道线。不过对于具体分类维度，现场没有展开。

▲ApolloScape路线图

ApolloScape是一个不断发展的项目，它会按照一个时间表在近两年里不断采集标注和公开大量的仿真数据，提高仿真能力。

2018年7月增加传感器红外摄像头、立体摄像头等，从它们的数据里提取更多语义信息，比如用红外摄像头识别夜晚的行人。2018年12月，采集立体视觉数据集，主要是针对一些复杂的情况，获得基于真实场景、真实驾驶行为的下一代仿真能力，比如获得目标轨迹信息，根据人和车的轨迹，对驾驶人和行人进行行为建模。2019年项目将主要增加数据集的规模和覆盖，提高仿真能力，目标是把感知和导航有机地集合在一起 。

车云小结

无论是高精度地图还是自动驾驶数据场景集，都还是探索阶段的技术。百度的软件算法能力会在整个过程中起到很关键的作用，比如雨天等复杂场景的车道线数据采集，以及提高数据处理标记的自动化率，都需要更加强壮的算法。

数据方面，百度更多是在展示自己的技术能力、工具以及未来规划。Apollo的初衷是所有参与者共同经营平台上的数据，由Apollo平台由百度提供初始数据，每位合作伙伴遵循“贡献越多收获越大”公平数据原则，自愿与平台共享。车云菌接触过一些Apollo的合作伙伴，他们都表示与百度的合作还没有涉及数据共享的内容。对于潜力巨大的数据资源来说，“共享”还是一个任重道远的目标。

车云迎来了第五个年头

过去五年

车云所关注的汽车科技变革堪称21世纪人类最壮观的实验场之一

我们有幸身逢其时

成为一名参与者和记录者

车 云 推 荐

随着车辆自动化等级提升，市场对高精度地图的需求成为必然。不过这一之前把握在少数图商手中的数据资源，现在不再是某些玩家的“专利”了。首先，车企介入高精度地图数据采集，特斯拉利用Autopilot“众筹”是案例之一；其次，车企、供应商、图商多方合作布局，如之前Mobileye与宝马、HERE的合作等。

近日，又一家车企也高调加入了这一阵营，那就是通用汽车。雷锋网新智驾消息，日前据路透社报道，随着通用对自动驾驶原型车的测试升级，其Cruise Automation所在部门将继续扩展团队，并切入高精度地图采集领域。

据雷锋网新智驾了解，Cruise目前正在对外招募高精度地图新团队的负责人，该职位的招聘介绍中显示，未来其高精度地图数据采集将覆盖100个城市。

Cruise Automation起初是一家坐标美国的自动驾驶技术创业公司，去年3月被通用汽车收购。如今，Cruise团队已经在包括加利福尼亚、亚利桑那和密歇根在内的公共道路上进行了其自动驾驶雪佛兰Bolt电动车的路测工作，而就在几天前（6 月 13 日），通用汽车宣布首批 130 辆搭载最新自动驾驶技术的测试版雪佛兰 Bolt 纯电动车在密歇根州的奥莱恩工厂下线。

如今，Cruise团队开始向高精度地图领域投入，是通用集团在自动驾驶领域布局中的又一次进展。

在这之前，许多车企与零部件供应商都开始了自动驾驶所需的高精度地图布局，福特公司依托Civil Maps 3D地图创业公司，而奥迪、宝马、戴姆勒三大德系车厂则共同从诺基亚手中高价竞购了HERE地图，以武装自身的地图测绘水平。另一方面，Mobileye已经将包括宝马、日产、大众在内的一众车企纳入合作范畴，共同实现基于Mobileye传感器的高精度地图数据“众包”采集。

未来，在高精度地图的众多数据源中，车辆传感器数据将成为重要的一环。通过激光雷达、摄像头等传感器，自动驾驶车辆实现了对环境的感知，而其中采集到的大部分数据，都可以被记录下来并继续加以利用。

但是，这种“众包”式的地图数据采集也会带来诸如用户隐私等一系列问题。之前，特斯拉基于其Autopilot系统积累了一批志愿贡献数据的用户，并声称这种模式将不会与采集的车辆直接关联，以保护用户隐私。另一方面，宝马也希望自己的用户能够对一些第三方服务开放数据，但很多用户都认为这会侵犯个人隐私。另一个典型问题是，用户是否可以凭借其提供的数据获得金钱等不同形式的补偿？目前在汽车所有者与数据采集者之间还没有一个明确的供需模式，但很明显，数据对于车企是很有价值的。

成果简介：本脑电采集系统利用专用的集成化生物电势测量芯片实现前端模拟信号的调理，具有低噪声、多采样率和高精度的特点，其内置高共模抑制比且增益可调的放大电路，降低了设备的尺寸和硬件成本。同时，开放式的CPCI总线提高了系统的可拓展性和灵活性，支持单个或多个板卡同时采集。每个板卡最多可采集16导联的脑电信号，设备支持4个板卡共64导联脑电信号同时采集，也可根据需要进一步升级为128导联甚至更多。该设计也满足后期扩展其他不同功能的CPCI采集卡。数据采集软件可实现多导联脑电信号的采集、显示和保存，同时具备实时频谱分析功能。另外，软件可对数据文件进行回放显示，并转换成MAT格式文件，利用MATLAB软件和EEGLAB工具箱进行后期数据处理和分析。项目来源：自行开发技术领域：信息技术，生物和医药技术应用范围：临床应用，科学研究现状特点：国内领先技术特点：单块采集卡16通道支持特定电极引出接口、支持两组电极扩展，单板可同时采集14路脑电信号，以及2路脑电、心电、眼电、肌电等信号；每个板卡的16个通道都能够进行单独的增益配置，支持1,2,4,6,12或者24倍放大；数据采集位数达24位，有效位22位；可设置多种采样速率，支持250，500，1000，2000，4000，8000，10000和16000Hz，频率分辨率小于3Hz；电压测量误差不超过±10%；噪声电平不大于5uVp-p共模抑制比不小于80dB；支持单极性和双极性的信号测量；拥有脑电帽测量和自由端子测量两种模式；支持外部触发采集控制，支持与FMRI联用；采集卡为3U CPCI版型，数据通过PCI总线上传至通用操作系统平台；支持多板卡扩展，最多支持4块采集卡共64导联脑电同时采集，同时采集卡之间具有同步时钟连接；数据采集软件支持MAT数据格式导出，方便用户使用MATLAB软件和EEGLAB工具箱进行后期数据处理和分析。技术创新：本设备采用业界最新的专用集成化生物电势测量芯片，降低了设备的尺寸和硬件成本。同时，开放式的CPCI总线提高了系统的可拓展性和灵活性，支持单个或多个板卡同时采集。另外，数据采集软件支持MAT数据格式导出，方便用户使用MATLAB软件和EEGLAB工具箱进行后期数据处理和分析。所在阶段：样机成果知识产权：发明专利，可并联扩展多通道脑电采集装置，进入公开审查阶段；实用新型专利，可并联扩展多通道脑电采集装置，授权号：CN 202859113U。市场状况及效益分析：脑电图广泛应用于临床医学领域，主要用于癫痫的诊断。在科学研究领域，脑电图作为通用的检测工具研究神经科学和认知科学等。目前市场上成熟的商用脑电采集设备基本上都是国外公司的产品，其价格昂贵，硬件可扩展性较差。而国产设备的性能偏低，功能单一，市场占有率很低，因此，高性能、低成本、可扩展的脑电采集设备的市场需求较大、前景良好。

嘿科技时代经过多年的探索和实践，我们与科技，金融，人才等机构建立了良好的关系。探索了技术转移过程中技术供方和需方的不同角度之间的矛盾，致力于建立双方良好的沟通机制，提高技术转移效率，全面推进社会科技水平的提高。您也可以访问嘿科技时代网站了解更多项目内容。

(一) 工业数据采集产业综述

1. 市场规模潜力巨大：

中国作为世界第一制造大国，随着工业互联网市场的不断发展和完善，企业对工业数据采集的实时性、可靠性和专业解决方案需求日益增强，中国工业数据采集市场呈现巨大潜力，相关软硬件和服务提供商迎来了良好的发展机遇。

2. 市场各方积极参与

从消化政策、推出工业数据采集解决方案，到发布工业互联网平台，各市场参与方努力寻求业务转型，外资企业和本土企业均在积极部署工业数据采集产品体系和解决方案，谋划市11场布局。

3. 技术产品和解决方案持续推进与完善

当前，工业数据采集技术产品和解决方案仍处于发展阶段，但已有部分厂商推出了一些多样化的解决方案，比如通过构建兼容转换协议的技术产品体系，实现工业数据互联互通；或是通过部署边缘计算模块，实现数据在机器设备端的轻量级运算和实时分析。

点击上方“关注”,共同学习工业互联网相关知识！

(二) 工业数据采集产业规模和预测

整体市场情况2017 年，中国工业数据采集产业市场规模达到 570 亿元，同比增长 16.3%。预计未来 2-3 年，中国工业数据采集市场将保持稳定增长趋势。

图：2015-2020 年中国工业数据采集市场规模

2. 细分产品市场情况

图：2017 年中国工业数据采集细分产品市场规模

备注 1：传感器包括光电传感器、接近传感器、视觉传感器、位移传感器、速度传感器、加速度传感器等。读码设备包括条码设备、射频识别等。工业通讯模块包含工业串口卡、总线卡、串口服务器、工业电源、以太网模块等。

3. 细分行业市场情况

图：2017 年中国工业数据采集细分行业市场规模

点击上方“关注”,共同学习工业互联网相关知识！

(三) 工业数据采集存在的主要问题

当前工业数据采集面临的突出问题可以总结为“三不”：不敢传（数据安全问题）、不能传（协议标准不统一）、不需传（本地化和实时性问题），无法支撑实时数据采集和实时分析、智能优化和科学决策。

(1) 工业数据采集存在数据安全隐患

工业数据采集会涉及到大量重要工业数据和用户隐私信息，在传输和存储时都会存在一定的数据安全隐患，也存在黑客窃取数据、攻击企业生产系统的风险。急需从技术、管理和法律法规等多方面保障数据安全。

(2) 工业协议标准不统一且数据开放性不够

目前在工业数据采集领域，存在 Profibus、Modbus、CAN、LonWorks、HART、Profinet、EthernetIP 等多种工业协议标准，各个自动化设备生产及集成商还会自己开发各种私有的工业协议，各种协议标准不统一、互不兼容；同时很多设备和系统的数据开放性不够，缺乏数据开放接口及文档说明。导致协议适配、协议解析和数据互联互通困难。

(3) 工业数据采集实时性要求难以保证

生产线的高速运转，精密生产和运动控制等场景则对数据采集的实时性要求不断提高，传统数据采集技术对于高精度、低时延的工业场景难以保证重要的信息实时采集和上传，无法满足生产过程的实时监控需求。

(四) 我国工业数据采集产业格局

当前，工业数据采集发展越来越快，工业互联网的跑道越来越宽，工业自动化企业、网络通信企业、信息技术企业身影已纷纷出现。就当前情况而言，工业自动化企业具备先天竞争优势，起步和前期推广相对容易，可以在原有系统客户上深度耕耘。信息技术企业和网络通信企业在技术架构的高度上更有比较优势，战略构想和规划能力更为突出。

目前，工业数据采集产业供应侧主要有以下三类企业：

一是工业自动化企业，从自身核心产品能力出发，主要为工业数据采集提供接入设备，作为工业数据采集的源头，例如15西门子、研华、霍尼韦尔、安控等；

二是工业网络服务企业，主要为工业数据采集提供工业网络协议转换、传输、安全等配套设备和服务，部分企业从原有优势领域正在积极向制造业领域延伸发展，例如中国电信、中兴通讯、华为等；

三是工业数据采集解决方案企业，主要提供工业数据采集解决方案、系统开发、项目实施、系统集成等服务，例如北自所、和利时、明匠智能等。

已阅读完毕，点击上方“关注”,共同学习工业互联网相关知识！

对航天器进行跟踪测量并控制其运动和功能的专用地面系统，由航天测控中心和若干航天测控站组成，简称测控网。测控网通过对航天器跟踪测量、监视、控制和接收航天器发送来的数据，检测和控制航天器的运动，检测和控制航天器上各种装置和系统的工作，接收来自航天器的专用信息，与载人航天器的乘员进行通信联络。

任务　航天测控和数据采集网的主要任务是：①跟踪测量和监视人造地球卫星、载人飞船和空间探测器的飞行轨道及其各分系统的工作和环境状态，对获取的数据加以分析，判断航天器飞行轨道的正确性和航天器对空间环境的适应性，为改变航天器轨道、飞行程序和工作状态提供依据。②完成实时或程序控制，使航天器达到预定的轨道和保持正确的姿态。典型例子是静止卫星发射和定点。有的应用卫星是由卫星上存贮的理论轨道自动完成程序控制的。卫星入轨后，须由测控网测量和计算出实际轨道，将其注入卫星，依此修正卫星上的程序控制时间。航天器交会、机动、变轨和返回，都由航天测控网控制。③接收航天器的内部遥测数据、各种探测数据以及反映航天员生理状态的遥测信息、话音和电视信息等。将这些信息发送给航天测控中心，进行记录、显示、处理，供实时和事后分析使用。④对于各种要求高精度定位的应用卫星(如导航卫星、测地卫星、高分辨率对地观测卫星)，由测控网向用户提供准确的卫星位置数据，作为应用数据处理的基准信息。

网的组成　由航天测控中心和若干配有跟踪测量、遥控和数据采集设备的航天测控站(包括测量船和测量飞机)组成。测控站的数量、配备和分布取决于航天器的飞行轨道及其测控要求。航天测控中心与各测控站通过有线、无线通信与卫星通信构成一个通信和数据传输系统的综合体。

为便于同各测控站交换信息，航天测控中心设在地点适中和通信便利的地方。测控站的分布宜广，以提高测轨精度和增加网的测控范围。在固定测控站的跟踪范围之外，还辅以测量船、活动测控站或测量飞机。测控站配有大功率无线电发射设备和高灵敏度接收设备，站址设在无线电干扰小、有较小的遮蔽角(即测控设备的最低可跟踪角)的地方。光学跟踪测量站还应考虑有好的气象条件。

分类　航天测控和数据采集网依照测控功能大体上可以分为三类:①卫星测控网:为各种应用卫星和科学试验卫星服务。②载人飞船测控网：为载人飞船服务。载人飞船测控网除拥有一般测量、遥测和遥控设备外，还配备有与航天员通话和传递电视的设备。③深空网：为探测月球和深空行星的航天器服务。为了实现超远程的作用距离，深空网的地面设备有大口径天线和高灵敏度接收系统，所用设备采用距离变化率综合测量体制。由于深空目标距地球遥远，一个测控站可以对目标进行较长时间的观测。在全球均匀分布3个站，则任何时间至少有一个站能跟踪目标(见无线电跟踪测量系统、航天测控系统)。

宽凳科技创始人兼CEO 刘骏

做高精度地图有一个很关键的地方：采集制作地图只是完成了10%的工作，另外90%则在日后的更新上，而采用众包则是我们更新地图的重要手段。

随着各家车厂宣布进入无人驾驶“军备赛”以来，领先车厂已经完成了辅助驾驶(L1)的商业化，半自动驾驶（L2）也箭在弦上开始应用，而有条件自动驾驶（L3/L4）甚至是未来的完全自动驾驶（L5）才是各家必争的无人驾驶制高点。

然而无人驾驶中，很重要的一环是高精度地图的配套使用。所谓高精度地图，是相对于我们目前手机上使用的普通导航地图而言，后者导航定位依靠GPS，精度误差在10-15米左右，包含的地图要素也十分单一，显然这类低精度、少要素的地图是无法满足车辆的无人驾驶需求的。

高精度地图是干嘛用的？

高精度地图顾名思义，精度相当高，误差在15-20厘米以内，可以详细的标注出来高速路上的具体车道，车道线的宽度和长短，路灯位置，你可以理解为把一个现实世界的道路完全矢量化成了地图。

有了高精度地图，在车辆无人驾驶的时候，才会真实的“了解这个世界”，知道并线的宽度，知道车道线在哪里，该不该并线。再配合上车内的摄像头、激光雷达等，车辆才能真的无人驾驶。

高精度地图示例

而高精度地图这一赛道既有像谷歌、百度、高德、四维这样的传统大公司在投入，也有创新性企业在后赶超。宽凳科技就是一家专注于做高精度地图的科技公司，创始人兼CEO则是前百度外卖的董事长、百度LBS副总裁刘俊。

宽凳科技从成立到现在刚刚一年，在今年2月宣布拿到了IDG领投的A轮数亿元融资。宽凳科技是一家崭新的创业公司，做的事情相当专注，刘骏告诉钛媒体，宽凳科技只聚焦在高精度地图的制作这一件事情上，而和高精度地图上下游相关的其他事情，并不会涉及，这样才可以专注做好一件事。并且也会给上下游其他公司带来更多的合作机会，这也是“宽凳”这个公司名的由来。

一张高精度地图怎么制作出来？

国内真正做高精度地图的公司都是这几年才开始白手起家来做，所以大家的起点基本相同，比的就是做地图的方法论和执行速度，还有背后资金的支持力度。

刘俊告诉钛媒体，目前高精度地图的数据采集，主要有两种类型：a，激光雷达（测距离）+摄像头（识别物体）+GPS；b，摄像头（识别物体）+GPS+算法（计算距离）。

论上来说，激光达测距准确，但是由于多个传感融合会有误差，目前国内没有公司解决激光达多传感器融合误差问题，而宽凳科技的核心技术就是采用算法来替代激光雷达的测距功能。通过大量地图的AI训练，让电脑能区做到车线识别、特征点提取、构建车道的网络拓扑以及人行横道、标线、交通标志等标志物。而这些工作已经实现高度自动化，基本不需要人工做地图的标记、同步等工作。在和实际现实道路对比后，精度可以控制在20厘米以内。

宽凳科技的摄像头+GPS数据采集器

所以，宽凳科技采用的是摄像头+GPS+算法的方式，显然这种方式对算法要求就更高。刘骏向钛媒体展示了亲自设计的摄像头采集设备，500万像素摄像头，可很容易安装在车辆顶端，方便数据采集。目前有20多辆车每天路上数据收集，而北京、重庆、上海等大城市的数据基本采集完成，预计年内完成第一张全国的高速公路交通网的高精度地图制作。

带着摄像头采集设备上路的车辆，在路上跑的同时一边把采集数据上传到云端，一边记录GPS经纬数据。上传到云端的数据经过AI识别之后，识别出各种同的物品，并给他们相对的经纬度信号。一天下来采集的数据量可以达到600-800G，所以采集并不是难点，难点在于后面的大数据量的计算和识别处理。

隧道地图绘制并比对数据

数据处理完成，形成高精度地图后，还需要把电脑计算的线覆盖在采集的视频上面人工比对是否准确。最后获得有道路形状、物体属性、颜色标识、还有经纬度信息的3D高精度地图。高精度地图的误差小，可以做多张地图之间的拼接，组网形成更大的全国地图。

而像过隧道GPS丢失情况下，就更需要AI智能识别能够保证地图的误差；而高速旁边的加油站是不可用自动驾驶的，这些都需要在地图中标注出来，看似简单的事情其实在自动驾驶到来后，都是人命关天的大事。而高精度地图则显著提升了自动驾驶的安全性。

宽凳科技如何盈利，众包计划又是什么？

在钛媒体的采访过程中，刘骏详细介绍了他的高精度地图采集众包计划“做高精度地图有一个很关键的地方：采集制作地图只是完成了10%的工作，另外90%则在日后的更新上，而采用众包则是我们更新地图的重要手段。”

高精度地图的初次采集都是需要用自己的队伍亲自去跑去测量，但日后的维护更新上还要依靠自身的队伍去跑，就不太现实，对于人员和资金的要求也会相当高。那么有的公司采用的是外包形式，把这块更新业务交给其他公司来做，那资金上的投入会一直有，而且比较巨大。

高精度地图是无人驾驶的基础

宽凳科技采用的众包形式，则是和车厂合作，未来可以自动驾驶的车辆上都是配备有摄像头的，那么将这些车辆纳入到众包体系来，地图的测量成本会大幅降低。车辆在路上跑的过程中，就在不断把发生变化的信息返回给云端，当一个地方被多次上传有变化时，这个地方的地图标识就会发生更新。

宽凳科技目前已经和众多车厂达成了合作，预计2020年L3级别的自动驾驶车辆上市，众包方式也会随之启动。

而宽凳科技的盈利方式显然刘骏早有打算，将高精度地图售卖给各家主机厂，搭配在每一辆售出的具有无人驾驶技术的车辆中，未来高精度地图的更新等，都是可以盈利的方向。

刘骏告诉钛媒体，高精度地图虽然看起来“赛道”上的选手并不多，但对技术能力要求特别高，而高精度地图市场其实是有着“万亿”市值容量，宽凳科技自创立之初起，就一直向着这个方向在奔跑，没有改变过目标。上个月，宽凳科技正式宣布启动“百城百万计划”，计划在未来的一年内，完成100个城市和100万公里道路的地图绘制，并完成中国交通主干道的联网地图。

“钛媒体来我们公司采访的时间特别好，正好是我们蒙头苦干了半年，攻克技术，拿出成果可以说的时候，年底再来看我们的第一张高精度地图产品吧”刘骏在采访临别之际对钛媒体讲。那好，就让我们一起看着这家初创公司如何一步步实现“大梦想”吧。（本文首发钛媒体，作者/项欧）