“隨著相關技術發展，要實現真正的自動駕駛，車路協同必不可少，而激光雷達是車路協同中重要的傳感器之一，可先于自動駕駛實現多種智慧交通應用價值。”8月31日晚，在《中國汽車報》與廣州智能網聯汽車示范區運營中心聯合推出的“2020智能網聯汽車精品課”第19講中，Innovusion（圖達通）有限公司創始人、CEO鮑君威，以“激光雷達在智能交通中的應用”主題，從智能交通的感知系統及怎樣提升駕駛安全等級、車路協同加速自動駕駛進程、激光雷達的應用價值等方面，解讀了激光雷達在智能交通中的應用情況。

　　■提升安全，需要多傳感器融合

　　“車路協同，使得自動駕駛更容易實現。”鮑君威講到，在車端和路端部署傳感器，形成車路協同，會對智能交通的升級起到很大的作用。

　　“多種因素造成L3+自動駕駛時間表的推移。”鮑君威認為，國內自動駕駛的發展面臨著三個方面的挑戰：一是法律法規不成熟、不完善，在保險與事故責任認定、車輛改裝等方面會遇到一些問題；二是相關的安全等級需提高，比如技術演進落地的必要條件、整個系統需要比人類駕駛安全程度高1到2個數量級，才能達到足夠安全、類似飛機一樣需要安全冗余系統等；三是產業鏈上其他環節也亟待成熟，比如計算平臺的車規級、高精地圖的覆蓋率及更新率、車載OS系統及中間件的穩定性及實時性等因素。

　　自動駕駛怎樣達到人類駕駛安全等級的10到100倍？對此，鮑君威介紹，從統計數據看，人類駕駛車輛大約100萬小時發生一次死亡事故。而對自動駕駛系統，發生一次類似的嚴重事故的間隔時間，需要大于10倍到100倍，即1000萬小時到1億小時。所以，要提高安全性能，就需要嚴格控制感知系統識別的出錯率。其中，在符合相關技術要求、使用長距高清圖像級激光雷達的情況下，出錯率可小于一萬億分之一，比人類駕駛的事故概率要小得多。因此，要達到如此之低的事故率，關鍵在于多傳感器融合，同時平衡每個傳感器的漏報率和誤報率。

　　■車路協同，推動技術加速進步

　　在高速公路上行駛的車輛，有時會遇到拋灑物等影響安全的因素，需要避讓。“人眼大概提前100多米就能看到，自動駕駛的車輛也需要這么遠的探測距離，如果探測距離只有20-30米有可能來不及反應，從而造成危險。”鮑君威說，這就需要激光雷達既要“看”得遠，又要“看”得準，增加車載探測點，利用路端傳感器，實現車路協同，才能解決這一問題。

　　在早期的L4測試車的部署上，激光雷達點云的有效感知距離遠小于100米，需要多個雷達融合才能達到需要的分辨率。之后，我們在車輛上進行高清長程激光雷達的布局，比如使用“獵鷹”激光雷達，可以清楚感知到復雜城市道路場景中的每一個細節。這需要以單幀數據探測到從遠處物體返回的足夠多的點云數據點，以使感知系統得出可靠結論，做出可靠感知。鮑君威說，高清長程激光雷達可探測出200米以外的車輛輪廓，也可清楚探測100米處的紙盒和拋灑物。

　　“車路協同可大大加速自動駕駛進程。”鮑君威介紹，實現安全的自動駕駛，需要多重冗余及安全保證。一是冗余系統要求，多路感知系統要有很小的相關性，其中每路感知系統要達到足夠的漏報率和誤報率；二是它們之間要有互補性，才能有效消除被遮擋或死角；三是在車路協同中，激光雷達作為路邊單元，要有適合中國特色的可行冗余方案，如以高清長距激光雷達實現可靠的感知系統及利用5G低時延網絡實現向車端的實時傳輸等。

　　■激光雷達，通過應用實現更大價值

　　至于激光雷達的應用，鮑君威認為，多激光雷達融合實現路口的實時三維感知，可以實時、高效、可靠地監測感知路口的所有物體，多雷達點云像素級融合保證感知系統可得到大量高質量的點云數據，感知結果實時傳給自動駕駛車輛，可與車載感知系統冗余互補。相對攝像頭，激光雷達具備光照條件適用性、探測可靠性等優勢，兩者可以互補。

　　對于路測激光雷達的性能需求，其中包括一是可靠性，要實現24小時×365天持續運行，室外運行要經受高溫低溫及其它惡劣天氣的影響；二是探測距離及分辨率方面，不僅在城市路口有較寬的橫向視場角，最好雷達下方盲區較小，多雷達融合可以處理大車遮擋問題；三是多激光雷達部署直接與成本相關，可實現多種事件檢測以支持投入成本，對車流、逆行車輛、拋灑物等進行全天候辨別跟蹤。

　　在鮑君威看來，激光雷達可先于自動駕駛實現多種智慧交通應用的價值體現，一是智慧城市，可以應用于地理圍欄報警、I2V（路端到車端）廣播、車載OBU單元或APP、盲區檢測、路口交通檢測、交通流優化、車輛分類識別等。二是智慧高速，以激光雷達為基礎，可以實現交通流監控、實時跟蹤每輛車的體積大小、位置、速度、方向，以及探測拋灑物、車輛拋錨、行人、逆行等路面情況。三是感知各類事件，可以使用多雷達高速路段接力融合，全程跟蹤感知相關路況。

　　■附：精彩問答

　　在講座之后，鮑君威還與網友進行了問答互動。記者擷取精華，以饗讀者。

　　Q：L3+及以上，必須要用激光雷達技術嗎？為什么？

　　A：就自動駕駛而言，需要算法、算力和數據三個因素相結合來支持。特斯拉的優勢是積累了很多數據，但這些數據是二維維度的；同時其算力也很強大，可能已經超高人類大腦的計算速度。但問題是目前人工智能圖像識別的算法還遠達不到人類本身對環境的識別的能力，所以很多場景識別得不夠好，這些技術進步可能還需要5-10年，或者更長時間。在目前階段，我們的做法是用更好的傳感器產生準確的三維空間高分辨率的數據來彌補這些技術不足。另外激光雷達的一些技術和產品形態的劣勢最近基本改善了。

　　Q：區別于視覺、毫米波雷達等其他技術，激光雷達最突出的優勢有哪些？它對于自動駕駛的多重冗余和安全保證有什么實際作用？

　　A：激光雷達、毫米波雷達、攝像頭等傳感器是互補的。攝像頭等視覺感知的成本較低、分辨率較高，其劣勢是容易受光線影響，且沒有三維信息。而毫米波雷達的優勢是不受雨雪天氣影響，而且其車載成本較低，其劣勢是角分辨率和誤報、漏報率還有待改進。同時，它對路面上的金屬物體的反射率非常高，而對非金屬物體相對識別能力較差。激光雷達優勢是有非常好的角度準確性，遠超過毫米波雷達，而且高性能激光雷達可以提供高分辨率的三維數據。確定是目前在量產上車之前成本較高。

　　Q：激光雷達會受到哪些因素干擾？如何克服或避免干擾因素？

　　A：如果相對的兩輛車激光雷達相互照射的情況下，原始數據會有干擾。這種在原始信號層次的干擾現象不止激光雷達會有。但現在比較領先的激光雷達產品，已經有防干擾的功能，導出的點云數據應該已經做過防干擾處理，用戶不需要擔心這方面的事了。

　　Q：大眾印象中，激光雷達成本較高，限制了它在車輛中的應用。據您所知，激光雷達成本能夠降到多少？它大規模應用還需要具備哪些條件？

　　A：高端激光雷達的成本可以達到數千元左右，低端的可能有數十元到上百元的，不過有些可能不能車載應用。而且，高性能激光雷達數據量很大，分析起來需要一些新的算法和技術架構，才能把這些數據利用起來。激光雷達大規模應用的話，還需要達到車規級，這個需要整個產業鏈的努力。

　　Q：從技術上看，未來的自動駕駛車輛上，激光雷達和毫米波雷達、視覺等技術如何配合，能夠達到完全的無人駕駛？

　　A：從技術上看，未來的自動駕駛車輛上激光雷達與毫米波雷達、視覺等技術配合，可以實現完全的無人駕駛。三種傳感器要實現互補配合。比如有時候在一些惡劣天氣條件下，需要毫米波雷達的信息。激光雷達點云可以匹配攝像頭的顏色信息、與激光雷達做像素級的融合，這樣可以更好地提升感知效果。

　　編輯：黃霞

返回第一電動網首頁 >