高精度地图，顾名思义相较于目前普通车辆上使用的电子地图，精度更高，且显示的环境图像更清晰，可提供的道路交通信息元素更丰富。
一般来说，目前市场上普通车辆导航用的电子地图，坐标精度大约在10米左右，即地图上某个目标偏离其实际位置的误差约为10米。而高精度地图，坐标精度则保持在1米以内，特别对于车道和车道、车道和车道线的相对位置，精度更高，可达厘米级，且连每个车道的坡度、曲率、航向、高程等数据都可以测量。因此在汽车自动化、智能化呼声日益高涨的当下，格外受各方造车势力的青睐，甚至被认为是实现自动驾驶的必要条件。
那么，高精度地图究竟是如何助力汽车自动驾驶的呢？据了解，主要有以下几种方式：
第一，帮助自动驾驶汽车进行车辆定位。以百度BCU-MLOP为例，BCU-MLOP是百度基于高精度地图，同时配合GPS、摄像头与 IMU 等传感器，打造的可提供自动驾驶所需高精度定位的专用计算平台。其中，高精度地图主要用于与视觉传感器收集的信息进行匹配。
百度的BCU-MLOP里存储了大量中国境内的高精度地图数据，当自动驾驶汽车行驶在路上，车上的视觉传感器也会收集到一些环境信息，如果这两类数据针对某个位置显示的信息一致，如目标位置周围道路的形状、人行横道、道路信息指示牌等参照物，即可表明自动驾驶汽车到达了该指定位置。据悉，通过BCU-MLOP进行自动驾驶汽车定位，可输出厘米级车辆定位，即横向20厘米的定位精度，纵向则稍大一点，约2米，纵使如此定位精度也远高于现在一般的电子地图。不仅如此，百度的BCU-MLOP还具备云端更新数据和算法的能力，可满足自动驾驶汽车的多种需求。
第二，辅助自动驾驶进行环境认知。虽然当前自动驾驶汽车上搭载了诸如摄像头、激光雷达、毫米波雷达等各种各样的传感器，但每种传感器都有自己的缺陷，比如激光雷达在雨雪雾等极端天气下性能较差，且价格昂贵，而毫米波雷达主要缺陷在于精度还不够完美。所以现在很多人提出了传感器融合，这确实能一定程度上弥补单个传感器的缺陷，不过在目前部分传感器价格没有降下来的情况下，依旧难言“满意”。
相比之下，用高精度地图对其他传感器无法探测的部分进行补充，更容易达到。为什么这么说？因为高精度地图不仅可以精准检测车道数量、车道线类型、车道宽度等车道相关的属性信息，连路上的道路标线、街道信号、交通灯、限高甚至路上的坑洼都能看得清清楚楚，并进行实时更新。如此一来，一旦碰上大雾或雨雪天气，当其他传感器无法正常工作时，高精度地图便可以提供相关信息，供自动驾驶汽车准确判断周边的环境情况，安全行驶。
第三，路径规划。这一功能常见于我们去某个地方，已经事先规划好了路线，但由于自动驾驶汽车所需的高精度地图可以实时更新交通路况信息，当出现交通拥堵或其他突发状况时，自动驾驶车辆会即时调整最优路线，借助高精度检测的信息重新规划路径。
除了以上点，据高德高精地图团队负责人谷小丰介绍，在自动驾驶汽车的控制环节，高精度地图其实也可以提供相应的驾驶辅助。举个例子，当自动驾驶车辆要进行加速或转向等操作时，高精度地图检测到的道路曲率、航向、坡度等信息，可以指导车辆以什么样的速度、什么样的角度进行转向才不会出现事故。
然而，高精度地图之于自动驾驶汽车固然不可或缺，目前仍存在不少挑战。据谷小丰日前在中国国际智能网联汽车技术年会上透露，主要有以下几大难点亟待解决：在定位图层，究竟该运用什么传感器看到高精度地图对应的地物；为更好地支持自动驾驶汽车，高精度地图该多久更新一次；以及审图政策方面的挑战……而要处理这些问题，需要车企、各级供应商、自动驾驶技术公司、芯片厂商和图商通力协作，攻克难关，共同推动自动驾驶汽车最终量产。
