徽州骆驼 · 2022年06月01日

各整车厂及方案供应商的自动驾驶系统策略分析

1. 引言

专栏之前的文章介绍了基于各种相机,激光雷达和毫米波雷达的环境感知算法,以及多传感器融合的算法。为了将理论和实际相结合,我们有必要也来了解一下在自动驾驶行业里各家公司都采用什么样的感知方案。

自动驾驶公司大致可以分为两类。一类是主机厂,包括传统的车企以及所谓的造车新势力。前者以燃油车为主,比如奔驰,宝马,通用等,后者主打新能源汽车,比如特斯拉,以及国内的“蔚小理”。另外一类是方案供应商,包括汽车行业传统的Tier1和一些高科技公司。前者主要为主机厂提供一体化的解决方案,包括但不限于自动驾驶系统,比如博世,大陆,安波福等,后者与主机厂和Tier1合作,提供自动驾驶系统中不同模块的解决方案,也有的直接与主机厂合作造车,或者联合打造RoboTaxi的方案,这里典型的公司包括百度,Waymo,Mobileye等。

在这篇文章里,我会按照以上分类来介绍不同公司设计开发自动驾驶系统的策略和近期的发展状况,尤其会重点介绍其系统在环境感知方面的配置方案。

2. 主机厂

2.1 传统车企

奔驰

2021年底,一条消息在自动驾驶圈子里开始刷屏,那就是德国联邦汽车运输管理局 (KBA) 批准了奔驰的L3级自动驾驶系统。这是继今年本田的量产L3系统以后,L3级自动驾驶领域的又一个突破。由于L3是限定场景的自动驾驶,奔驰也给出了明确的应用场景定义:智能领航系统(Drive Pilot)能够在交通高峰或拥堵期间,在宽度适宜的德国高速路段,以最高60公里/小时的速度启用L3级有条件自动驾驶模式。模式开启以后,驾驶员可以松手松脚,视线也可以离开道路。奔驰允许驾驶员操作中控屏幕,使用车载办公室、浏览器或者看视频。不过,在车内看书看报,玩手机目前还不被允许。奔驰的这个Drive Pilot与奥迪A8的TJP非常类似,但是限制条件更多,以保证驾驶员可以在车辆提示后及时的接管,这也是目前L3级系统最大的挑战。

传感器方面,Drive Pilot配置了包括摄像头、激光雷达、毫米波雷达、超声波雷达等共26个传感器。在奔驰S级前格栅中央,有三个传感器,其中上方中央的传感器为前向毫米波雷达,其水平视场角为90度,垂直视场角为9度。下方左侧为环视摄像头,右侧是视场角为120度的激光雷达。前挡风玻璃处配备了一对双目前视摄像头,视场角为70度。车身四角配备四个毫米波角雷达,其视场角为130度。车身两个后视镜、后备箱中部加上前格栅,共有4个360度环视摄像头。此外,还有环绕车身头部和尾部的12个超声波雷达。在后风挡上方,集成了奔驰的高精定位模块。后风挡左侧,集成一枚斜向摄像头,这枚摄像头能够感知后方交通状况,如果有警车、救护车通过,L3级自动驾驶系统会主动避让。在车辆左前轮后部,还有一枚雨水传感器。在下雨或者道路湿滑状况下,奔驰的L3级自动驾驶系统是不能开启的。车内仪表位置,集成了一枚驾驶员监测摄像头,用于监测驾驶员的驾驶状态。

以上这些传感器除了用来增强系统的感知能力,也给系统带来了冗余,以保证在某些传感器失效的情况系统还可以可靠的工作。除了众多传感器,Drive Pilot还配备了高精度地图,系统也必须在有高精度地图覆盖的道路上才可以开启。即使某些传感器被遮挡或者失效,高清地图依然可以通过检索存储的数据获得周围环境的感知,保证了定位的准确性和稳定性。这些都是L3级系统能够让驾驶员暂时脱离对车辆控制的安全保证。

3327fc2b2cdb55f0379b4eb9ec59429e.jpg

奔驰Drive Pilot传感器配置

奥迪

2017年夏天,奥迪发布了第四代A8,其中最大的亮点就是搭载了Traffic Jam Pilot(TJP)系统。TJP系统已经属于L3的范畴,因此奥迪A8可以说是全球首个“量产”的L3级系统。为什么加上引号呢,这是因为该功能在交付的车辆中一直没有开启,用户只能在奥迪自己的演示车中体验。奥迪官方的解释是法规方面的问题,但其实最核心的原因还是技术方面的,也就是L3中的所谓的“接管悖论”问题。在60公里时速以下的结构化道路堵车场景中,TJP系统允许驾驶员低头玩手机或者睡觉。这时如果出现突发状况,可能就会出现接管不及的情况。虽然奥迪在2019年底取消了L3级自动驾驶项目,但是这个探索也为后续的L4和各种高级L2系统的研发提供了宝贵的经验。

奥迪A8全车共有12个超声波传感器、4个全景摄像头、1个前置摄像头、4个中程雷达、1个远程雷达、1个红外摄像机。此外,奥迪A8首次搭载了一个4线的车规级激光雷达,并且配备中央驾驶辅助系统控制单元(zFAS),这些都是L3级自动驾驶系统的必备选项。

0fae446c8aa0b4305e026bfe53a8653d.jpg

奥迪A8的传感器配置(L3级别)

在A8的L3级自动驾驶系统并没有取得成功的背景下,奥迪加大投入了L2+级别高级辅助驾驶系统的研发。近期也有消息称,奥迪有可能采用华为提供的自动驾驶解决方案,在国产车型上搭载华为的ADAS系统。除此之外,在L4级别的系统上,奥迪另辟蹊径,将传感技术和车辆网技术结合。2021年10月,奥迪在世界物联网博览会上演示了在公开道路上融合V2X信号的L4级自动驾驶系统,这也是世界上首次。传感器能力再强,可以探测的范围总是有限的。V2X技术可以扩展传感器的感知范围,对于高阶的自动驾驶应用来说是非常有用的补充。这也可以说是对自动驾驶技术的一次非常有意义的探索。

宝马

目前在宝马诸多车型上搭载的辅助驾驶系统Pro是L2级别的系统,很多L2级别的典型应用都包含在内,比如主动定速巡航、城市拥堵、变道辅助、前向碰撞预警,紧急制动辅助、车道纠偏辅助等等。但是这毕竟只是L2级的系统,驾驶员虽然在某些条件下可以松手松脚,但是必须时刻观察环境,准备接管车辆。以交通拥堵辅助系统为例,该系统可以在车道线清晰,车速低于60公里/时的场景下启用。启用后车辆跟随前车自动行驶,驾驶员可以松开方向盘和油门。但是,车内的摄像头会随时监控驾驶员的双眼,一旦发现驾驶员视线持续离开前方道路,该功能就将退出。这与系统提示后驾驶员才需要接管的L3系统是有本质区别的。

Pro系统配置了25个传感器,包括探测车身四周的8个摄像头,探测相邻车道的4个短距离毫米波雷达,探测车辆前方区域行驶的1个长距离毫米波雷达和用于泊车辅助的12个超声波雷达。

097ee5c699feceaf0ded5a5913470a44.jpg

宝马Pro系统的传感器配置

宝马计划2022年在其旗舰的7系车型上推出L3级自动驾驶系统。这与奔驰在S级上搭载L3的策略类似,因为这些高端车型对价格来说相对不是很敏感,为增加传感器留出了成本空间。

通用Cruise

Cruise是通用汽车旗下的自动驾驶子公司。2017年,通用新款的凯迪拉克CT6搭载了Super Cruise系统,这也是第一个接近L3级别并在高速上可以实现“松手”的系统。为什么说接近L3呢,因为Super Cruise系统在启动后会随时监控驾驶员的状态,如果视线离开前方道路的时间超过上限,车辆就会发出警报提醒驾驶者接管车辆。而真正的L3系统只会在需要的时刻才会提示驾驶员接管,也就说观察环境的任务属于车辆而不是驾驶员。传感器方面,Super Cruise系统包含了1个前置单目摄像头、6个毫米波雷达(1个长距+5个短距),属于非常普通的配置。不过,Super Cruise配备了高精度地图和高精度GPS定位系统,在一定程度上可以补充感知系统的不足。

在RoboTaxi方面,Cruise在2021年1月推出了名为“Origin”的无人驾驶汽车。这款汽车面向的是L5级的应用,完全没有踏板和方向盘等传统控制装置,可提供全天候的服务。从外形来看,Origin更像是公路上行驶的迷你地铁。传感器方面,除了摄像头,激光雷达,毫米波雷达这些常规武器以外,Origin还配备了热传感器。而且这些传感器配置了两套,作为安全冗余。可想而知,Origin的成本不会很低,据估计应该在30至40万美元之间。不过值得一提的是,Cruise也在自主研发激光雷达和毫米波雷达,以进一降低成本和满足特定的需求。比如其自主研发的超短距毫米波雷达可以取代超声波传感器,以提高对近距环境的感知精度,更好的满足自动泊车的需求。

8e974f92b1f1105d21a2f43b1d80a08b.jpg

通用Cruise的Origin无人驾驶汽车

本田

2021年3月,本田发布了L3级别的量产车型Legend Hybrid EX。如果不考虑奥迪A8的L3级系统(没有交付给终端用户使用),这可以算是世界第一款量产的L3自动驾驶系统。但是,该车型先期只限量生产100辆,并且只是出租给用户使用,租期只有3年。与奥迪和奔驰的TJP系统类似,Legend支持在高速公路, 时速低于50 km/h,以及高精度地图覆盖的场景下开启系统。

在传感器方面,Legend配备了5个激光雷达、5个毫米波雷达、双目前视摄像头和12个超声波雷达。其激光雷达数量较多,但是性能一般,据估计应该是来自法雷奥的16线激光雷达,最远探测距离 150 米。

3aed3f78856286505e1225f2a2998678.jpg

本田Legend Hybrid EX传感器配置

2.2 造车新势力

特斯拉

虽然一提起自动驾驶,很多人脑子里最先想到的就是特斯拉,但是特斯拉最新推出的FSD其实也只是L2级别(或者说高级L2)的自动驾驶系统,因为还是需要驾驶员随时准备好接管车辆。如果你只在L2级别的系统里横向对比,那么特斯拉的方案还是很有竞争力的。这个系统只采用了视觉传感器,包括了安装在车身不同位置,多种焦距和视野范围的摄像头。这些摄像头可以覆盖360度的视野,并且有一定的冗余性。

017fbeb37f07ba0e0451af9ae9515fde.jpg

Tesla FSD系统的多摄像头配置

不用毫米波雷达,主要因为目前毫米波雷达的分辨率确实比较低,感知算法方面也有待提升。不用激光雷达,主要是成本方面的考虑,而且对于特斯拉目前L2级别的系统来说,确实也没有必要用激光雷达。除了这些考虑,我觉得可能还有一点,就是这些传感器都来自外部的供应商,过度依赖传感器就会受制于人。这也是为什么很多自动驾驶公司要自主研发激光雷达和毫米波雷达的原因。因此,特斯拉把战略重心放在数据和算法上,希望依靠最常见的摄像头来打造一套可靠的自动驾驶系统。不过,从目前的技术发展来看,这种纯视觉系统还是只能停留在L2级别的应用上,迈向更高级别系统的途径还是增加传感器。

蔚来

目前在已量产的车型上,蔚来的NIO Pilot,仍属于L2级别的自动辅助驾驶系统。该系统共集成了22个传感器,包含了1个前视摄像头,4个环视摄像头,1个前向毫米波雷达,4个侧向毫米波雷达,12个超声波雷达。这是非常标准的L2级感知系统的配置。

2021年1月,蔚来发布了ET7车型,并将Pilot升级为NAD系统(NIO Autonomous Driving)。与Pilot相比,NAD系统增加了1个前向激光雷达,2个前视车顶摄像头,2个侧视摄像头,1个后视摄像头,此外还配备了高精度地图定位单元,V2X车路协同单元,以及驾驶员监控系统。NAD的传感器总数达到33个,覆盖了车身周围360°的区域,并且每个区域至少都有2种传感器覆盖。车辆正前方这个重要区域有激光雷达、摄像头、毫米波雷达3种传感器覆盖,保证了冗余性。

72e6152ed1f02dce6a15d226f9f09021.jpg

蔚来NAD系统的传感器示意图

NAD系统包含了Pilot中的多项L2级辅助驾驶功能,以及NOP领航辅助系统。NOP可以在高精度地图覆盖的高速路上实现自动驾驶,但是驾驶员不能脱手,而且必须保持注意力。NAD的自动驾驶功能可以支持特定场景下脱手,但驾驶员还是要保持注意力,随时准备接管车辆。目前NAD可以算是L2+级别的系统,但是充足的传感器配置也为将来升级到L3提供了硬件上的支持。

小鹏

小鹏汽车的自动驾驶系统叫做Xpilot,目前已经演进到了3.5版本。在早期的2.5版本中,传感器包含了传统的摄像头,毫米波雷达和超声波雷达。3.0系统中增加了前视三目摄像头,侧视和后视摄像头,后置毫米波角雷达以及高精度地图定位。3.5系统中进一步增加了2个前置激光雷达,水平视角达到150°,最远探测距离为150米。

105ae1f043f024887211c944b35eb829.jpg

小鹏Xpilot3.5的传感器配置

小鹏的NGP(Navigation Guided Pilot),即“自动导航辅助驾驶”,是Xpilot系统结合导航路径实现的辅助驾驶功能。该功能开启后车辆基本可以实现从点对点的自动导航辅助驾驶,这个过程中人依然是驾驶的主体,但是很多驾驶动作可以由NGP完成。与蔚来的NOP/NAD和特斯拉NOA/FSD都属于L2或者L2+级别的应用。L2与L2+的区别主要在于可不可以脱手脱脚,但无论哪种情况驾驶员都需要保持注意力,随时准备接管车辆。

理想

与蔚来和小鹏相比,理想没有提供自动导航辅助驾驶的功能,在传统的L2级应用中功能也相对少一些。这从传感器配置也可以看的出来:理想ONE全车共配置了5个高清摄像头、1个毫米波雷达和12个超声波雷达,并没有激光雷达,高精度地图或者v2x的模块。2021年新款的理想ONE增加了4个毫米波雷达和高精度地图,也开始在往L2+甚至L3的方向发展。

3. 方案供应商

3.1 传统Tier1

博世

近几年来,博世在自动驾驶整个产业链上进行全面布局,在感知、决策、规划、控制这四大技术板块都试图建立完全自研的能力。作为汽车行业最大的零部件供应商,博世最初的核心竞争力在于对车辆底盘的控制,也占据了ESP等汽车电子控制系统的大部分市场。因此,底盘控制部门是博世研发自动驾驶技术的核心。以底盘控制为基础,博世整合了摄像头、毫米波雷达、超声波雷达,激光雷达(目前还在研发中)等各种传感器,以及作为计算中枢的域控制器,甚至还包括高精度地图模块。这种以底盘控制为核心的系统,也是传统的Tier1在自动驾驶技术研发上与其他高科技公司的不同之处。

在摄像头方面,博世拥有自己的一套成熟的方案,其采用了传统识别模式+CNN卷积神经网络的来获得更好的识别效果。车载毫米波雷达上更是博世的传统强项,其近距离、中距离、远距离的雷达产品,都具有很高的市场占有率。激光雷达方面,博世也投资了数家激光雷达创业公司(比如TetraVue)。

对于目前的自动驾驶系统,各种传感器的数据需要在一个计算中心内进行同步融合处理。博世研发了自己的域控制器,将来自多种传感器的数据进行整合,同时也为规划和决策提供后续的支持。同时,博世也推出了高精度地图的解决方案,也就是博世道路特征(Bosch Road Signature)。这套方案不仅可以帮助车辆在全天候环境下实现精准定位和路线规划,还能通过众包的方式帮助地图厂商收集部分道路数据。

大陆

轮胎和汽车是大陆的两个重要的子集团,而自动驾驶和车联网则是汽车子集团的核心业务领域。从2022年1月1日起,高级驾驶辅助系统(ADAS)及自动驾驶系统成为独立的自动驾驶与出行事业群。

大陆在辅助驾驶和自动驾驶领域有很多核心技术和产品,比如第六代长距毫米波雷达、环绕式雷达、HFL110固态短距激光雷达、超高分辨率八百万像素感知摄像头、车身高性能计算单元等等。尤其是在其擅长的毫米波雷达领域,大陆更是占据了很大的市场份额。2021年4月,大陆达成生产第1亿颗毫米波雷达的重要里程碑。在近两年异常火热的4D成像雷达方面,大陆也是行业的领先者之一,其代表性产品是ARS540。

ARS540采用4片级联的形式,将4片NXP的77GHz毫米波雷达收发器(MMIC)MR3003进行级联。每个MR3003是3发4收,4片联在一起就是12发16收,这样就可以产生192个虚拟天线。ARS540是第一个具备能够真正测量目标高度的毫米波雷达,其垂直角度分辨率可以达到2.3°,水平角度分辨率可以达到1.2°。

安波福

相比于博世和大陆,安波福在自动驾驶方向上的布局更早。安波福的前身德尔福,曾经在2015年时就进行了自动驾驶的相关测试,当时是采用一辆改装的奥迪SQ5,从美国西海岸到东海岸进行了横穿,里程达到5500公里。根据最终公布的结果,在这段测试中,车辆99%以上的时间是由自动驾驶系统在操控的。这款车由德尔福和初创公司Ottomatika合作开发,德尔福主要负责硬件部分,包括安装各种自动驾驶系统所需的传感器,控制器以及车辆控制系统,而Ottomatika主要负责软件部分,包括自动驾驶系统的核心数据处理与算法。

当安波福从德尔福中拆分出来以后,公司定下了自动驾驶的两个主要发展方向:L2/L3,L4/L5。前者主要还是和ADAS相关的业务,后者则是与Robotaxi相关的业务。在L4/L5方面,安波福收购了初创公司nuTonomy,并在新加坡和波士顿进行自动驾驶出租车的试验项目。nuTonomy后来改名为Motional,专注于L4级别的自动驾驶业务。nuTonomy在2019年发布的nuScenes数据库是第一个包含了摄像头,激光雷达和毫米波雷达这三种传感器的公开数据库。

在传感器方面,安波福在摄像头和激光雷达领域主要是通过合作和投资的方式进行布局。在其具有传统优势的毫米波雷达领域,安波福则是采取了自主研发的道路。除了雷达产品本身以外,近几年来安波福也在人工智能和毫米波雷达的融合上取得了很大的进步。在2022年的CES展会上,安波福在推出其SVA(Smart Vehicle Architecture)架构的同时,也展示了基于深度学习的毫米波雷达感知系统,并且同时在拉斯维加斯的室内和室外场景进行了演示。

70dd09a49a9f11218fc6eed979e3593d.jpg

https://www.aptiv.com/docs/default-source/white-papers/2020_aptiv_whitepaper_machinelearning_radar.pdf?sfvrsn=dd3a9a3e_8

3.2 高科技公司

百度

在国内的自动驾驶企业中,百度的起步较早。2013年,百度内部启动了无人车项目,并于2017年推出了Apollo计划,其目的在于向汽车行业及自动驾驶领域的合作伙伴提供一个开放、完整、安全的软件平台,帮助他们结合车辆和硬件系统,快速搭建一套属于自己的完整的自动驾驶系统,降低自动驾驶技术的研发门槛。

在自动驾驶的研发方面,百度的优势在于AI技术储备和高精度地图。虽然Apollo平台融合了这两大优势,但是近些年来随着各种新势力的加入,其在自动驾驶研发中占据的分量反而有减弱的趋势,而且到目前为止也没有量产车型大规模的搭载Apollo系统。

这其中最主要的原因是Apollo计划的L4级目标定位过高,量产落地比较困难。目前L4级别的自动驾驶车辆只能在非常限定的环境(比如封闭场景或者特定路段)下运行,在个人乘用车这个领域现在还是无法实现的。此外,法律法规层面也有很多的问题。因此,对于车企来说,更好的自动驾驶实现方式首先量产L2/3级别的辅助驾驶系统,然后再逐步过渡至L4级别。其实车企还有另外一层顾虑,那就是最近被热炒的“灵魂”之争。智能汽车的核心在于软件,如果完全采用了Apollo的系统,那么车企未来就会沦为代工厂,这肯定是他们不愿意看到的。

由于以上种种原因,最初百度在Apollo上的构想,也就是对车企输出技术,并没有完全实现。因此,战略层面上,百度开始转型,采用了三管齐下的模式:一是继续为车企提供解决方案;二是自己造车;三是共享无人车。

第一点还是原来Apollo的思路,百度在其中扮演类似于博世,大陆这种Tier1的角色,为车企提供自动驾驶方案,比如领航辅助系统ANP(Apollo Navigation Pilot)和自主代客泊车系统AVP(Automated Valet Parking)。ANP与AVP结合起来,理论上可以实现起点到终点全程无需干预的辅助驾驶能力。目前,ANP和AVP已经搭载到威马2021年10月发布的W6车型上。在感知方面,该系统配置了12个摄像头、5个毫米波雷达和12个超声波雷达。目前这套系统还不能完全排除人工接管的需求,因此在功能上来说只能算是L2/3级系统。

92a0d93f9c6612a71dfe95dc2c1d76a7.jpg

百度ANP和AVP的传感器配置

第二点就是百度和吉利合作建立的集度汽车,其目的就是通过自己造车来把百度的自动驾驶技术(也就是Apollo平台)更快速的推向市场。集度汽车计划2022年发布第一款车型,定位是L4级的自动驾驶。目前还不太清楚采用的传感器方案,但是从近期传出的百度与禾赛合作的消息来看,激光雷达很可能是会采用的。而且基于目前的感知技术,激光雷达对于L4级的系统来说也是不可或缺的。

第三点则是RoboTaxi服务,也就是百度推出的“萝卜快跑”项目,这是L4级别的自动驾驶系统。百度的自动驾驶测试车最早时候有2个安全员,随后减少到1个,位置也挪到了副驾座位,最后变成5G云代驾,在部分地区实现了车内无人的运行。2021年6月,百度推出的Apollo Moon第五代无人车,成本控制在50万元左右。传感器方面,在ANP车型的基础上,增加1颗定制激光雷达和相应无人驾驶冗余。

Waymo

与百度三管齐下和传统车企逐级推进的策略不同,Waymo从一开始就将目标锁定在了L4级别的自动驾驶,人类完全是乘客的角色,所有操作都由汽车自己完成。虽然比较激进,但确实也避免了低级系统由于过度宣传导致的安全隐患。传感器方面,Waymo的无人车可以说是武装到了牙齿,包括车顶,车前,车后的激光雷达,以及多个毫米波雷达和摄像头。

29fbadae691b855f7adc5b6d961cf80e.jpg

Waymo RoboTaxi的传感器配置

另外,与大多数车企和自动驾驶公司不同的是,Waymo使用的激光雷达走的是自主研发的路线,其产品基于机械旋转技术,配有旋转镜和转盘。不过2021年8月,Waymo决定停止出售激光雷达,将战略重心放在Waymo One(自动驾驶出租车)和Waymo Via(自动驾驶货运配送)业务上。

2018年,Waymo首次推出了自动驾驶出租车服务,并在2020年秋将安全员从车中撤走。这是全球首次向公众开放的完全无人驾驶出租车。不过,目前乘客只能在凤凰城郊区体验该项服务。虽然没有安全员,Waymo仍然有一支远程团队,通过车身上的摄像头实时的监测车辆的行驶状况,并在需要的时候接管车辆。这与百度的5G云代驾有着类似的作用。从这一点上也可以看出,目前的RoboTaxi还不是100%的L4系统,但是非常接近了。

Waymo Via类似于RoboTruck,针对的主要是高速公路的场景。这种结构化的道路相对普通城市道路来说要简单一些,但是无人卡车的挑战在于车身重量大,刹车距离长,出现突发状况是需要更长的反应时间。也就是说,自动驾驶系统需要看的更远,才能更早的做出决策,为避免或减小事故争取时间。因此,Waymo Via卡车配备了更高分辨率的激光雷达,将感知范围扩展到500米。但是,到目前为止,Waymo Via的卡车还没有实现量产。

d3db46d2bf2d447ee49a28c1ad99df3f.jpg

Waymo RoboTruck的传感器配置

Momenta

Momenta的产品包括不同级别的自动驾驶方案以及衍生出的大数据服务,其核心的策略是同时发展量产自动驾驶系统Mpilot(L2/3)和完全无人驾驶系统MSD(L4/5)。Mpilot的计划中包括高速路场景Mpilot Highway、城区场景的Mpilot Urban,自主泊车场景的Mpilot Parking,所有方案均以可量产传感器为基础。通过搭载在量产车辆上的Mpilot系统收集海量数据,解决机器学习中的长尾问题(也就是Corner Case),并推动MSD系统的迭代和升级。这就需要一个非常高效的数据闭环处理流程,包括自动化的数据采集,分析,标注,模型训练以及测试仿真,也就是Momenta常说的飞轮式发展。可以说,Momemta技术路线的核心就是数据,通过数据驱动的方法来推动系统的迭代和升级。其实很多自动驾驶公司也都是这么做的,只不过没有没有明确的提出这个概念。比如Tesla目前的量产车就在不断的收集数据,回流之后经过数据中心的处理之后,再用与模型的更新和迭代。
beb63bd16452d0d6346317ed88d318c4.jpg

关于数据驱动的策略,这里稍微说一些我自己的观点。对于一套人工智能系统(其实说白了就是深度学习,或者说机器学习)来说,最重要的无非两件事:算法和数据。在传统机器学习的时代,算法比数据重要;而在深度学习时代,数据至少变得和算法一样重要了,甚至有人认为数据才是第一位的。到底哪一个更重要呢,这个问题不能一概而论。针对某一个具体的应用,在开始研发的阶段,可能算法是更重要的。因为即使是模块化的深度神经网络,你也需要先理解需要解决的问题,然后再设计算法,并根据实际测试的结果来进行结构上的改进。视觉领域应用的神经网络也是经过了一段时间的发展和迭代,其核心结构才慢慢稳定下来。在这个阶段,算法的研发应该是更重要一些的,性能的提升也主要来源于算法的改进。当算法的架构相对稳定了之后,数据就变得越来越重要的,这时候性能的提升会主要来自于数据质量和数量的提升。

目前这个阶段,视觉算法相对成熟,以视觉感知为基础的自动驾驶系统更多的是在拼数据。从这个意义上来说,像Momenta和Tesla的数据驱动的策略是非常有效的,而且视觉数据的通用性也很好的支持了这一策略。但是另一方面,我们也要看到目前自动驾驶系统的进阶还离不开激光雷达和毫米波雷达。这两种传感器的感知算法目前还处于探索阶段,不同型号的传感器其数据的通用性也远不及视觉数据。尤其是毫米波雷达,不同厂家的产品产生的数据差别非常大,想要收集可以复用的数据比较困难。除非是大规模的量产同一车型,采用完全同样的传感器,但是这在硬件设备快速发展的今天又几乎是不可能的。因此,数据驱动的策略是否也适用于高阶的自动驾驶系统,目前来看还很难预测。

文远知行

文远知行主要面向的是L4级别的自动驾驶系统。2019年在广州获得20张自动驾驶路测牌照,并推出了RoboTaxi服务,规模在国内仅次于百度。文远知行提出了一个三角模式,也就是“主机厂/Tier1+自动驾驶公司+出行公司”的闭环模式。作为自动驾驶公司,文远知行与雷诺日产三菱联盟合作,采用日产的Leaf车型作为自动驾驶系统的载体。与其他主机厂比如宇通和东风的合作也在推进中。同时,文远知行与广州市白云出租车集团、科学城集团成立了合资公司文远粤行,负责RoboTaxi的运营工作。

cf013153a8f0dc8b4cc5785fbadf16d2.jpg

以和日产合作的Leaf2车型为例,我们来看看文远知行推出的L4级传感器组合套件。车顶搭载了具有360度视场的多个摄像头,激光雷达和毫米波雷达,可以对目标进行多重确认,保证了准确性和冗余性。同时在车前方也配置了一个激光雷达,可以更好地检测前方的细小物体,有效地弥补车顶传感器的盲区。不过从下图来看,这更像是一款L4级的测试车辆。

711d9a4a3f7ea2f98b628dbe8a38e234.jpg

图森

图森(TuSimple)是一家以卡车自动驾驶系统为主要业务的公司。与乘用车类似,卡车的自动驾驶系统也包括了摄像头,激光雷达和毫米波雷达这三种主要的传感器。但是,卡车的行驶场景与乘用车还是有一定的差别。卡车一般是在高速公路的场景下行驶,而且其自重比较大,刹车距离更长,因此需要更远的感知距离。此外,卡车经常需要在夜间环境下行驶,高速公路上的光照环境也比城市道路差很多,这就要求系统在光照条件较差时也有较好的感知能力。

图森采用了专门的摄像头,以及特殊的软件算法,可以使白天环境下感知距离达到1000米。在这个距离范围内,图森的感知系统可以能够检测前方车辆的类别,横向位置(属于哪条车道)和纵向位置(距离以及距离的变化情况)。

f8f707d18784ed8e3faf1729c0837287.jpg
图森的视觉+激光雷达感知系统

图森自主研发高动态、低照度的相机,以更好的适应夜间环境。当然,在这种场景下,红外相机和雷达也是一个很好的选择。在这个方面,图森也与德国汽车供应商采埃孚(ZF Group)合作研发可见光和红外相机的组合,以及融合激光雷达和毫米波雷达的技术平台。

华为

最后简单说一下华为。2021年4月,华为与北汽极狐合作发布了其智能汽车解决方案HI。华为走的也是多传感器融合的技术路线,该款车型搭载了3个激光雷达,6个毫米波雷达,12个摄像头和13个超声波雷达,同时搭载算力可达352Tops的华为芯片,面向L3级以上的自动驾驶应用。这个配置主要的特点在于3个激光雷达,分别位于车辆前方和两侧,可以实现360度的全视角感知,这也是自动驾驶系统从结构化道路进入城区道路的关键。

除了自动驾驶系统和方案,华为还自主研发激光雷达和毫米波雷达,以Tier1的姿态参与市场竞争。激光雷达方面,华为推出了96线的车规级混合固态激光雷,并宣称要将成本压缩到200美元,甚至100美元。毫米波雷达方面,华为的4D成像雷达采用多芯片级联的方案,其垂直角度分辨率可以达到2°,水平角度分辨率可以达到1°。

4. 总结

简单总结一下,自动驾驶的环境感知可以分为硬件和软件两部分。硬件主要就是各种传感器以及计算设备,软件主要就是基于不同传感器的感知和融合算法。

硬件的部分主要掌握在各级供应商手里(Tier1,Tier2等),当然主机厂也会通过投资和合作的方式进行布局和渗透,尤其是在新兴的激光雷达和计算芯片领域。

软件部分基本所有公司都在做,但是目的可能不太一样。主机厂目标是要全栈自研,当然需要将核心的软件掌握在自己手里。供应商也要自研软件算法,这样才能增加其硬件产品的附加值。其他一些高科技公司,也会推出部分或者整体的解决方案,供主机厂和供应商选择。核心的技术未来会掌握在谁的手里,目前还很难下定论。

作者:巫婆塔里的工程师
来源:智能汽车设计
微信公众号:
 title=

推荐阅读:

更多汽车电子干货请关注汽车电子与软件专栏。欢迎添加极术小姐姐微信(id:aijishu20)加入技术交流群,请备注研究方向。
推荐阅读
关注数
5606
内容数
320
汽车电子与软件行业的相关技术报道及解读。
目录
极术微信服务号
关注极术微信号
实时接收点赞提醒和评论通知
安谋科技学堂公众号
关注安谋科技学堂
实时获取安谋科技及 Arm 教学资源
安谋科技招聘公众号
关注安谋科技招聘
实时获取安谋科技中国职位信息