【ZiDongHua 之駕駛自動(dòng)化收錄關(guān)鍵詞：禾賽科技  激光雷達(dá)  自動(dòng)駕駛  傳感器 】
　　
　　激光雷達(dá)如何加速城市 NOA 落地？我們這次展開(kāi)聊聊
　　
　　2023 年 11 月 4 號(hào)，“激光雷達(dá)助力城市 NOA 駛?cè)肓慨a(chǎn)快車(chē)道”技術(shù)分享會(huì)在禾賽麥克斯韋智造中心舉辦。禾賽戰(zhàn)略負(fù)責(zé)人施葉舟、輕舟智航產(chǎn)品負(fù)責(zé)人許諾，與行業(yè)媒體專(zhuān)家、先鋒用戶(hù)等，一起就激光雷達(dá)如何加速賦能城市 NOA 功能落地進(jìn)行了深入交流。
　　
　　激光雷達(dá)：
　　
　　車(chē)企競(jìng)逐城市 NOA 的
　　
　　“秘密武器”
　　
　　——by 禾賽戰(zhàn)略負(fù)責(zé)人施葉舟
　　
　　激光雷達(dá)成為車(chē)企落地高階智駕功能的必選項(xiàng)
　　
　　據(jù)近期媒體報(bào)道，熱門(mén)車(chē)型的高階智駕版選裝率已經(jīng)突破了 60% 的占比，消費(fèi)者對(duì)智能駕駛功能的認(rèn)可和熱情持續(xù)高漲。主機(jī)廠(chǎng)方面，國(guó)內(nèi)率先落地城市 NOA 的智能車(chē)型均搭載了激光雷達(dá)；海外布局 L3 智駕功能的頭部車(chē)企也都配備了激光雷達(dá)。
　　
　　率先在美國(guó)獲得 L3 級(jí)智能駕駛運(yùn)營(yíng)許可的梅賽德斯-奔馳官方表示：奔馳的 DRIVE PILOT 搭載包含激光雷達(dá)在內(nèi)的多個(gè)傳感器，足夠的安全冗余對(duì)實(shí)現(xiàn)安全可靠的 L3 級(jí)別智能駕駛是必不可少的。其 2024 年款 S 級(jí)和 EQS 轎車(chē)車(chē)型將會(huì)搭載此智駕系統(tǒng)。1
　　
　　本質(zhì)上，是激光雷達(dá)具有「抗干擾」「真三維」「高置信度」的優(yōu)勢(shì)，能為算法預(yù)測(cè)和規(guī)控提供高質(zhì)量的感知輸入。
　　
　　激光雷達(dá)既是智能汽車(chē)的「隱形安全氣囊」，更是加速算法開(kāi)發(fā)落地的「秘密武器」。
　　
　
　　
　　MIT：激光雷達(dá)夜間融合感知精度是攝像頭的 3 倍
　　
　　工作原理上，激光雷達(dá)能主動(dòng)發(fā)射人眼安全的不可見(jiàn)光，可以“自己照亮道路”，不依賴(lài)外界環(huán)境光，在視線(xiàn)較差的夜晚，也能清晰地還原行車(chē)環(huán)境，穩(wěn)定地為算法提供感知數(shù)據(jù)。
　　
　　在一項(xiàng) MIT 的研究論文中，作者對(duì)比基于攝像頭數(shù)據(jù)的算法和融合了激光雷達(dá)數(shù)據(jù)的算法結(jié)果發(fā)現(xiàn)：攝像頭算法到了夜晚感知精度有明顯的下降，而通過(guò)融合激光雷達(dá)，可以將夜晚環(huán)境的感知精度提升至 3 倍。這項(xiàng)研究結(jié)果非常直接地展現(xiàn)了激光雷達(dá)對(duì)夜晚感知的重要性，能進(jìn)一步提升夜晚行車(chē)的安全。2
　　
　　同樣，在「大光比」「對(duì)向強(qiáng)光」等其他攝像頭感知相對(duì)較差的場(chǎng)景下，激光雷達(dá)仍然能憑借接收自身發(fā)出的紅外光，進(jìn)行穩(wěn)定的感知輸出。
　　
　　感知更精準(zhǔn)，直擊 AEB 誤觸發(fā)行業(yè)痛點(diǎn)
　　
　　AEB 功能的推出，是為了幫助車(chē)輛減少碰撞，讓行車(chē)更加安全。但實(shí)際使用過(guò)程中，受限于感知精準(zhǔn)度，會(huì)出現(xiàn) AEB 誤觸發(fā)事件，即在不該剎車(chē)的時(shí)候剎車(chē)，輕的會(huì)使得乘坐體驗(yàn)下降，嚴(yán)重的甚至?xí)?dǎo)致后車(chē)追尾、車(chē)內(nèi)人員受傷。
　　
　　出現(xiàn)誤觸發(fā)的主要原因是車(chē)輛感知精度不足，導(dǎo)致決策失誤，比如在遇到減速帶、車(chē)庫(kù)轉(zhuǎn)彎、隔離帶、路邊樁桶，如果對(duì)距離、尺寸的感知精度不高，會(huì)誤以為這些物體阻礙了車(chē)輛行駛，威脅到行駛安全，從而觸發(fā) AEB。但通過(guò)激光雷達(dá)的厘米級(jí)精度，車(chē)輛能做出更加準(zhǔn)確的判斷，諸如：減速帶非常低矮可以通過(guò)，隔離帶不在行車(chē)路徑上……
　　
　　從實(shí)際效果看，融合了激光雷達(dá)的理想 L9 AEB 誤觸發(fā)率已經(jīng)低至 0.31 次/10 萬(wàn)公里，遠(yuǎn)低于行業(yè)水平 1 次/10 萬(wàn)公里，把誤觸發(fā)率降低了 70%。3
　　
　　極大降低“算法+算力+數(shù)據(jù)”等隱性成本
　　
　　施葉舟指出，特斯拉堅(jiān)持視覺(jué)算法路線(xiàn)，背后隱含的是數(shù)據(jù)驅(qū)動(dòng)的邏輯。與這套方案相匹配的是特斯拉通過(guò)數(shù)百萬(wàn)輛車(chē)源源不斷采集的數(shù)據(jù)，官方統(tǒng)計(jì)，截止 2023 年 10 月，Autopilot 累計(jì)行駛里程超 90 億英里，F(xiàn)SD beta 累計(jì)行駛里程超 5 億英里。4
　　
　　而為了處理這些海量數(shù)據(jù)，特斯拉儲(chǔ)備了 14000 塊總價(jià)值數(shù)十億的 AI 芯片，可同時(shí)處理 1600 億幀圖像。與此同時(shí)，特斯拉從 2014 年開(kāi)始自研芯片，21 年發(fā)布了 7 nm AI 訓(xùn)練芯片以更好地適配算法模型。
　　
　　“算法+算力+數(shù)據(jù)”，構(gòu)成了后來(lái)者難以追趕的競(jìng)爭(zhēng)壁壘。
　　
　　
　　
　　從全局看，不光要關(guān)注看得見(jiàn)的顯性成本，更要關(guān)注看不見(jiàn)的隱性成本。拿掉激光雷達(dá)看似節(jié)省了一些硬件成本，但車(chē)端感知能力的下降，需要在云端投入更多的資源進(jìn)行開(kāi)發(fā)，極大抬高了隱性成本，在車(chē)輛銷(xiāo)量沒(méi)有非常高的情況下，這些隱性成本均攤下來(lái)實(shí)際上遠(yuǎn)高于硬件成本。
　　
　　
　　
　　激光雷達(dá)的加入，
　　
　　讓感知精度領(lǐng)先視覺(jué)算法 3 年以上
　　
　　Nuscenes 是全世界影響力最大的開(kāi)源數(shù)據(jù)集之一，各大頂尖算法在該數(shù)據(jù)集上進(jìn)行測(cè)試打分。統(tǒng)計(jì)發(fā)現(xiàn)，視覺(jué)算法 2023 年所達(dá)到的平均感知精度仍然不及融合激光雷達(dá)算法在 3 年前的水平。5
　　
　　與此同時(shí)，激光雷達(dá)融合算法也在快速迭代升級(jí)，多傳感器數(shù)據(jù)的融合方法從基于目標(biāo)識(shí)別結(jié)果的「后融合」，到特征級(jí)的「中融合」，再向著更加底層的「前融合」發(fā)展，平均感知精度在近兩年呈現(xiàn)出了加速提升的趨勢(shì)。
　　
　　無(wú)論是語(yǔ)義識(shí)別還是占用網(wǎng)絡(luò)，
　　
　　有限的數(shù)據(jù)訓(xùn)練不能覆蓋所有通用障礙物
　　
　　首先傳統(tǒng)的基于“語(yǔ)義識(shí)別”的視覺(jué)算法，由于需要預(yù)先設(shè)定物體種類(lèi)“白名單”，這樣的白名單往往只能涵蓋高頻出現(xiàn)的道路元素和障礙物，例如：機(jī)動(dòng)車(chē)、自行車(chē)、行人、小孩、水馬、紅綠燈等，最多幾十種類(lèi)型。按照語(yǔ)義識(shí)別的規(guī)則，只有白名單以?xún)?nèi)的物體，才會(huì)被準(zhǔn)確地標(biāo)上“標(biāo)簽”，其余不認(rèn)識(shí)的物體都不能被“框住”，也就是會(huì)被算法「漏識(shí)別」。
　　
　　例如 2021 年 FSD 推出之后，2022 年 11 月公開(kāi)測(cè)試 6 中，特斯拉面對(duì)擺在路上的“黑色小狗”模型，仍然徑直開(kāi)過(guò)去，沒(méi)有剎車(chē)。原因在于，視覺(jué)算法模型對(duì)于道路出現(xiàn)黑色小狗這樣的場(chǎng)景訓(xùn)練還不足夠，而類(lèi)似這樣的場(chǎng)景難以通過(guò)數(shù)據(jù)訓(xùn)練全部覆蓋，總會(huì)有沒(méi)見(jiàn)過(guò)的“例外”。
　　
　　視覺(jué)占用網(wǎng)絡(luò)的推出仍然不能完全解決以上難題。在一項(xiàng)研究占用網(wǎng)絡(luò)的論文 7 中，算法在對(duì)道路進(jìn)行網(wǎng)格處理時(shí)，不常見(jiàn)的“黑色消防栓”就沒(méi)有被檢測(cè)為障礙物。究其原因是因?yàn)檎加镁W(wǎng)絡(luò)同樣依賴(lài)數(shù)據(jù)訓(xùn)練。為了覆蓋更多障礙物的識(shí)別，必然伴隨著數(shù)據(jù)采集標(biāo)注量的增大，對(duì)于算法的訓(xùn)練成本投入會(huì)持續(xù)增加，但是帶來(lái)的邊際效應(yīng)會(huì)越來(lái)越小。
　　
　　相比之下，激光雷達(dá)則直接得多，不用訓(xùn)練，有無(wú)障礙物可以直接基于空間點(diǎn)云的有無(wú)進(jìn)行判斷。
　　
　　厘米級(jí)感知低矮物體，高效追蹤近距離物體
　　
　　低矮物體的準(zhǔn)確判斷也是視覺(jué)算法的難點(diǎn)，考慮到低矮物體往往只有十幾厘米或更矮，視覺(jué)算法的精度不足以準(zhǔn)確測(cè)量，因此在沒(méi)有明顯的語(yǔ)義特征時(shí)，低矮物體“是否識(shí)別到”“有多高”“能不能通過(guò)”，成為了影響行車(chē)體驗(yàn)?zāi)酥涟踩牟豢煽匾蛩亍?/div>
　　
　　而激光雷達(dá)對(duì)高度的測(cè)量精度穩(wěn)定在「幾厘米」水準(zhǔn) 8，即使是低矮物體，也不會(huì)出現(xiàn)遺漏。
 
　　
　　視覺(jué)算法的另一難點(diǎn)是，對(duì)于近距離物體的速度監(jiān)測(cè)，需要結(jié)合多幀圖像以及海量的算法過(guò)程，這樣的復(fù)雜運(yùn)算大大增加了延時(shí)，從而降低了及時(shí)性，因此單純靠視覺(jué)算法，應(yīng)對(duì)「近距離加塞」「擁堵跟車(chē)」顯得力不從心，更別提各種突然竄出來(lái)的電動(dòng)車(chē)了。
　　
　　相比而言，激光雷達(dá)憑借三維位置信息，通過(guò)簡(jiǎn)單高效的幾何運(yùn)算就能獲取速度，就顯得游刃有余的多。從輕舟智航的實(shí)測(cè)視頻來(lái)看，融合激光雷達(dá)的感知算法很好地應(yīng)對(duì)了各類(lèi)近距離極限場(chǎng)景。
　　
　　最后，施葉舟指出，加速城市 NOA 功能量產(chǎn)意味著建立先發(fā)優(yōu)勢(shì)，而激光雷達(dá)正是加速智駕算法開(kāi)發(fā)的利器。誰(shuí)能將感知算法做到好用，將城市 NOA 功能盡快量產(chǎn)，誰(shuí)才能盡早獲得消費(fèi)者的認(rèn)可，在智駕的“戰(zhàn)場(chǎng)”上領(lǐng)先一個(gè)身位。
　　
　　城市 NOA 規(guī)模化落地，
　　
　　迎來(lái)“ iPhone 時(shí)刻”
　　
　　——by 輕舟智航產(chǎn)品負(fù)責(zé)人許諾
　　
　　輕舟智航多款標(biāo)桿產(chǎn)品搭載激光雷達(dá)
　　
　　許諾首先分享了輕舟智航在 L4 自動(dòng)駕駛、L2+ 高階輔助駕駛量產(chǎn)等多款標(biāo)桿產(chǎn)品中使用了激光雷達(dá)，包括在無(wú)人駕駛小巴等“龍舟”系列產(chǎn)品上標(biāo)配了多個(gè)「360° 旋轉(zhuǎn)式圖像級(jí)激光雷達(dá) Pandar128」，在高階輔助駕駛解決方案“輕舟”系列 MAX 產(chǎn)品上配置了「超高清遠(yuǎn)距激光雷達(dá) AT128」。
　　
　　在談到激光雷達(dá)的作用時(shí)，許諾直言，現(xiàn)階段單純依靠視覺(jué)方案，很難應(yīng)對(duì)中國(guó)城市道路中的各類(lèi) Corner Case。
　　
　　“激光雷達(dá)，是以投入換時(shí)間，加速城市 NOA 落地的捷徑。” 許諾這樣概括。
　　
　　具體表現(xiàn)為四點(diǎn)：
　　
　　擅長(zhǎng)處理城市復(fù)雜場(chǎng)景
　　
　　當(dāng)高階輔助駕駛在開(kāi)放多樣的城區(qū)場(chǎng)景落地過(guò)程中，會(huì)不斷地遇到從未見(jiàn)過(guò)的棘手問(wèn)題，如何靈活地與近距離車(chē)輛博弈，如何在夜間攝像頭視線(xiàn)不佳時(shí)穩(wěn)定行駛，如何在沒(méi)有車(chē)道線(xiàn)的停車(chē)樓穿行。輕舟認(rèn)為，激光雷達(dá)對(duì)環(huán)境的精準(zhǔn)感知，能夠幫助車(chē)輛更好地應(yīng)對(duì)城市的復(fù)雜場(chǎng)景。
　　
　　許諾還在 Q&A 時(shí)提到：
　　
　　不同的傳感器是一定會(huì)帶來(lái)不同的系統(tǒng)差別。舉例來(lái)看，如果是視覺(jué)感知，當(dāng)遇到眩光或者當(dāng)有物體遮擋住傳感器就會(huì)降低感知能力，但增加一顆其他的傳感器，比如說(shuō)激光雷達(dá)，就會(huì)增加一份安全冗余。
　　
　　以 AEB 為例，如果車(chē)輛配備激光雷達(dá)，作為算法公司一定會(huì)去使用激光雷達(dá)，因?yàn)橐呀?jīng)有了這樣一個(gè)很好的硬件配置在里面，如果不用，那相當(dāng)于浪費(fèi)了。
　　
　　穩(wěn)定識(shí)別通用障礙物
　　
　　輕舟具備行業(yè)領(lǐng)先的通用障礙物識(shí)別能力，融合了激光雷達(dá)數(shù)據(jù)，算法可以在不檢測(cè)物體類(lèi)別的情況下對(duì)物體進(jìn)行檢出，保證行車(chē)安全。
　　
　　而如果 OmniNet 感知大模型，將多傳感器時(shí)序穿插融合，通過(guò)在重點(diǎn)區(qū)域激光雷達(dá)與圖像的結(jié)合將提升感知精度，采用 120° 激光雷達(dá)對(duì)前向進(jìn)行了 3D 感知覆蓋，幫助算法解決難處理的低速和靜態(tài)物體，從而用一顆激光雷達(dá)方案實(shí)現(xiàn)了非常好的城市 NOA 體驗(yàn)。
　　
　　采用視覺(jué)算法，許諾提到：“即便是隨著數(shù)據(jù)量越來(lái)越多，能處理更多的長(zhǎng)尾場(chǎng)景，但是要把長(zhǎng)尾場(chǎng)景全部處理完，實(shí)際上是一個(gè)非常困難的一個(gè)事情。”
　　
　　輕舟展現(xiàn)了行業(yè)領(lǐng)先的 OmniNet 感知大模型，將多傳感器時(shí)序穿插融合，通過(guò)在重點(diǎn)區(qū)域激光雷達(dá)與圖像的結(jié)合將提升感知精度，采用 120° 激光雷達(dá)對(duì)前向進(jìn)行了 3D 感知覆蓋，幫助算法解決難處理的低速和靜態(tài)物體，從而用一顆激光雷達(dá)方案實(shí)現(xiàn)了非常好的城市 NOA 體驗(yàn)。
　　
　　加速算法迭代，
　　
　　提供精準(zhǔn)真值數(shù)據(jù)，高效挖掘長(zhǎng)尾數(shù)據(jù)
　　
　　作為高精度的傳感器，激光雷達(dá)數(shù)據(jù)可以在點(diǎn)云大模型的解析下進(jìn)行自動(dòng)化標(biāo)注，為算法提供真值，加速算法進(jìn)化迭代。
　　
　　許諾在分享時(shí)舉了兩個(gè)例子：一個(gè)是在夜晚道路上，視覺(jué)算法漏檢了一輛隔離帶對(duì)面的車(chē)輛，而通過(guò)點(diǎn)云標(biāo)注正確識(shí)別了這輛車(chē)；另外一個(gè)是視覺(jué)算法誤檢了一輛兩輪車(chē)為三輪車(chē)，而通過(guò)點(diǎn)云標(biāo)注同樣糾正了這個(gè)問(wèn)題。
　　
　　最后，激光雷達(dá)對(duì)物體的識(shí)別不依賴(lài)預(yù)設(shè)的語(yǔ)義信息，舉例來(lái)說(shuō)，下圖中躺在路邊的行人，如果沒(méi)有激光雷達(dá)作為感知補(bǔ)充，可能很難識(shí)別到。
　　
　　因此，利用激光雷達(dá)數(shù)據(jù)可以更好地挖掘長(zhǎng)尾場(chǎng)景，高效地實(shí)現(xiàn)數(shù)據(jù)積累，進(jìn)一步加速算法的進(jìn)化，更早實(shí)現(xiàn)量產(chǎn)落地。
 我要收藏
點(diǎn)個(gè)贊吧
轉(zhuǎn)發(fā)分享
自動(dòng)對(duì)焦：
咨詢(xún)?cè)斍椋?/strong>如需咨詢(xún)文中涉及的相關(guān)產(chǎn)品或解決方案詳情，請(qǐng)加微信：ZiDongHuaX 。

微信聯(lián)盟：激光雷達(dá)微信群、自動(dòng)駕駛微信群、傳感器微信群，各細(xì)分行業(yè)微信群：點(diǎn)擊這里進(jìn)入。

鴻達(dá)安視：水文水利在線(xiàn)監(jiān)測(cè)儀器、智慧農(nóng)業(yè)在線(xiàn)監(jiān)測(cè)儀器 　　　　　　查看各品牌在細(xì)分領(lǐng)域的定位宣傳語(yǔ)



上一篇：上海：在中心城區(qū)的特定時(shí)段、路段試點(diǎn)運(yùn)營(yíng)自動(dòng)駕駛公交
下一篇： 亮道智能：優(yōu)勢(shì)互補(bǔ) 中德汽車(chē)產(chǎn)業(yè)攜手共進(jìn)