安富利:激光雷达进入量产元年,将加快自动驾驶的商用进程

MEMS/传感技术

1292人已加入

描述

作者:安富利公司

跨界“造车”年年有,尤其今年特别多!继小米高调官宣投资百亿造车之后仅半个月,华为也与合作伙伴北汽联合发布了采用自家技术平台的新款车型——极狐阿尔法S华为HI版智能纯电动轿车。

从官方公布的资料来看,这款HUAWEI Inside的车型最吸睛的就是其自动驾驶功能,它搭载3颗96线车规级激光雷达、6个毫米波雷达、12个摄像头、13个超声波雷达等全方位的传感器,并以算力达352TOPS的芯片做支撑,据称这款定位于城市通勤自动驾驶的量产车型“能够做到在市区1000公里无干预的自动驾驶”,着实让人惊叹。

对标智能电动汽车领域的特斯拉,华为的自动驾驶方案中处于C位的是“激光雷达”;而在特斯拉自动驾驶方案中唱主角的则是视觉摄像头。

自动驾驶的概念被吆喝了多年,时至今日,大家已经对它有了更深入的理解——它包括感知、决策和执行三个环节,而想要完成首要的“感知”工作,就需要环境传感器来实现,激光雷达、摄像头和毫米波雷达就是公认的自动驾驶传感器“三剑客”。三种技术从特性来讲各有千秋:

· 摄像头和人眼工作最相似,在物体识别和分类上表现最好,采用多目摄像头还可以增加“深度”感知的能力,但是其对于外界天气、光线等环境因素影响比较敏感;

· 毫米波雷达在测速(特别是远距离)方面表现最佳,且不易受环境因素影响,但是在静态物体检测、3D空间建模、物体和交通信号识别等方面较弱;

· 激光雷达(LiDAR)通过向探测区域发射和接收激光信号,可以构建起3D空间模型,在高精度静态物体检测方面无出其右者。

激光雷达

图片:摄像头、毫米波雷达和激光雷达的特性比较

如果上述这些传感器能全部“上车”协同工作,自然最好,但是在实际商用的过程中由于受到各方面因素的制约,人们在确定最终方案时就不得不在它们之间进行取舍,这也就形成了自动驾驶“不同流派之争”。

其中,特斯拉是“视觉派”最坚定也最成功的代表。在视觉派看来,通过摄像头感知路况和行车环境信息,通过算法将摄像头拍摄的图像转化为3D空间信息,这与人类驾驶员的工作方式是最相似,而再使用什么激光雷达,就像是“成年人的拐棍”,毫无必要。而且为了让这种技术理念商用落地,特斯拉已经从ABC(算法、数据、算力)全方位构建起一套比较成熟的技术体系。

· 视觉信号的处理对于算力的消耗非常大,为此特斯拉开发了自己专用的自动驾驶计算平台。

· 在数据方面,特斯拉会采集用户实际驾驶中的数据,用“影子模式”去学习用户的驾驶逻辑,认识各种各样的驾驶场景,确保有充足的数据去做系统的优化。

· 使用的用户越多,收集的数据也越多,基于数据不断优化的算法也会越智能。

可以看出,特斯拉是依托其庞大的用户群,基于AI的方法,用一种快速迭代的“软件开发”的思路去做自动驾驶,这也确保了其在这条技术路线上总是能够处于领先的地位。

当然,这样的“视觉派”的技术方案也不能算是完美——尽管这一系统是在不断学习和更新中的,但是在实际使用中,用户总是会遇到一些特殊的“个案”,如果这类情况以前并没有被“视觉派”的自动驾驶系统学习到并作出正确的判断,那么就很可能会成为安全隐患。

而从技术特性来讲,激光雷达正好可以作为“视觉派”方案的补强手段,由于激光雷达具备高精度的3D空间建模能力,相当于在其他环境感知基础上多加了一重安全保障,特别是在L4以上的自动驾驶系统中,这种安全性就显得更加必要了。从本质上讲,激光雷达并不是要替代视频自动驾驶方案,而是增加了整个系统的安全冗余,而且可以降低纯视频方案的算法难度。

激光雷达虽好,但是价格太贵!比如一套法雷奥的16线的车规级激光雷达成本就要2000美元,因此如果整车卖不到七八十万以上,激光雷达就基本上别想上车。

公开的资料显示,为了研发出车规级的激光雷达,华为2018年在武汉投资了一个超过10000人的光电技术研究中心,终于在去年年底宣布研发成功可量产的96线的车轨级激光雷达,而且将成本压到了200美元一套!

之前IDH的分析师曾经预测,激光雷达在2020年之后有望将成本压缩到数百美元,从而打开商用大门,现在华为算是让这个预测成真了。随着越来越多的车企宣布将推出搭载激光雷达的自动驾驶方案,2021年作为“车载激光雷达量产元年”很可能实至名归。接下来,无论这些技术巨擘是打嘴仗还是拼实力,最终的结果都会是在加速激光雷达商用方面加一把力。对于消费者来讲,距离真正的自动驾驶也会更近一步。
 

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分