2021年10月25日,特斯拉市值站上萬(wàn)億美金,成為美股第五家市值破萬(wàn)億的企業(yè),幾乎超過(guò)美股全部主要車企市值的總和。特斯拉在資本市場(chǎng)的成功,刺激著投資者的神經(jīng),也促使市場(chǎng)再一次將視野聚焦在自動(dòng)駕駛領(lǐng)域,進(jìn)一步思考自動(dòng)駕駛技術(shù)路線的發(fā)展方向。
從技術(shù)角度客觀分析和回答以下問(wèn)題:自動(dòng)駕駛等級(jí)提升需要解決什么關(guān)鍵問(wèn)題?怎樣的自動(dòng)駕駛方案更加具有實(shí)現(xiàn)大規(guī)模無(wú)人駕駛的可能性?自動(dòng)駕駛作為現(xiàn)實(shí)世界的AI問(wèn)題,難點(diǎn)在哪里?以上問(wèn)題促使我們理性客觀地思考該如何去實(shí)現(xiàn)自動(dòng)駕駛——這一承載了太多期望、不斷挑撥大眾神經(jīng)的技術(shù)生產(chǎn)力變革,從而推動(dòng)行業(yè)冷靜且務(wù)實(shí)地向前發(fā)展。
01
自動(dòng)駕駛的眼睛:
基于高質(zhì)量圖像成像的視覺(jué)雷達(dá)
隨著自動(dòng)駕駛等級(jí)的不斷提高,控制權(quán)和責(zé)任主體逐漸從駕駛員轉(zhuǎn)換為車輛,智駕系統(tǒng)的定位也將由擴(kuò)增人的感知能力到接管車輛自主駕駛。由此對(duì)智駕系統(tǒng)之于物理世界環(huán)境理解的要求完全不同,將由對(duì)物理世界部分信息的提取提升到事無(wú)巨細(xì)的全面感知與理解。而這種變化,首要就是對(duì)2D圖像成像與3D建模的越來(lái)越高的要求:1)更高分辨率和環(huán)境適應(yīng)度的2D圖像成像;2)對(duì)物理世界準(zhǔn)確且稠密的實(shí)時(shí)3D建模。
amera是自動(dòng)駕駛感知物理世界最重要的傳感器,其分辨率的提升將極大的提升圖像的信息承載量,使得自動(dòng)駕駛系統(tǒng)能夠感知更加細(xì)節(jié)和更遠(yuǎn)距離的行車環(huán)境。當(dāng)前主流自動(dòng)駕駛前視攝像頭的分辨率已經(jīng)到800萬(wàn)像素以上,而更高的分辨率也是未來(lái)必然發(fā)生的事情。自動(dòng)駕駛汽車面臨的是一個(gè)開放性的外部環(huán)境,除了分辨率的提升,還需要提升自動(dòng)駕駛在各種行車路況下的圖像成像質(zhì)量,比如不同的光線環(huán)境,傍晚、夜晚等,不同的氣候環(huán)境,雨雪霧天等。相對(duì)于傳統(tǒng)汽車應(yīng)用的車載成像,自動(dòng)駕駛對(duì)于車載成像質(zhì)量的要求將極大提升,如何通過(guò)成像計(jì)算獲取更高質(zhì)量的圖像就成為一個(gè)要解決的關(guān)鍵性問(wèn)題。
自動(dòng)駕駛汽車在三維物理世界中運(yùn)行,必然要求對(duì)物理世界進(jìn)行更加深刻的三維理解。當(dāng)前的高級(jí)別輔助駕駛在道路上不斷出現(xiàn)各種各樣的事故,這些事故的發(fā)生很大程度上是由于沒(méi)有識(shí)別到未被樣本庫(kù)所覆蓋的異形、非標(biāo)等物體,比如一輛拉著一棵樹的貨車等,而這些corner case是無(wú)法被窮盡的。對(duì)于行車環(huán)境的實(shí)時(shí)稠密3D建模不僅可以識(shí)別異形和非標(biāo)等物體,還能判斷路面坑洼與起伏,這無(wú)疑將大大提升自動(dòng)駕駛的安全級(jí)別。當(dāng)前自動(dòng)駕駛的3D環(huán)境感知,主要依賴激光雷達(dá)等主動(dòng)投射測(cè)量裝置,但其在分辨率上遠(yuǎn)低于Camera,也不具備顏色信息。隨著深度學(xué)習(xí)的發(fā)展,單目深度估計(jì)、雙目立體視覺(jué)、SFM、MVS等問(wèn)題已經(jīng)可以被深度神經(jīng)網(wǎng)絡(luò)所建模,從而可以基于多目視覺(jué)通過(guò)AI的方法實(shí)時(shí)生成3D點(diǎn)云,其視覺(jué)點(diǎn)云天然與圖像對(duì)齊,并且其分辨率也能達(dá)到圖像分辨率的級(jí)別。因此,如何通過(guò)多目視覺(jué)實(shí)現(xiàn)高分辨率的實(shí)時(shí)稠密3D建模,即視覺(jué)雷達(dá),是另外一個(gè)要解決的關(guān)鍵性問(wèn)題。
視覺(jué)傳感器的信息承載量極高,目前遠(yuǎn)未被充分挖掘,但無(wú)論2D圖像成像還是實(shí)時(shí)稠密3D建模都需要強(qiáng)有力的算法和算力進(jìn)行支撐,這需要算法和算力進(jìn)行協(xié)同設(shè)計(jì)。視覺(jué)傳感器+算力+算法的傳感器計(jì)算模式,將更加本質(zhì)的推動(dòng)解決自動(dòng)駕駛當(dāng)前面臨的關(guān)鍵問(wèn)題,即從2D和3D層面對(duì)物理世界進(jìn)行事無(wú)巨細(xì)的感知與理解。
鑒智機(jī)器人核心團(tuán)隊(duì)擁有超過(guò)十年的圖像處理、AI算法和算力設(shè)計(jì)的行業(yè)經(jīng)驗(yàn),將以視覺(jué)傳感器為核心,通過(guò)解決車載ISP、視覺(jué)雷達(dá)等視覺(jué)傳感器2D、3D成像的核心問(wèn)題,打造更加強(qiáng)大的自動(dòng)駕駛之眼,從而推動(dòng)自動(dòng)駕駛安全等級(jí)的提升。
1.1 從手機(jī)ISP到車載ISP
ISP(Image Signal Processor)是指通過(guò)一系列數(shù)字圖像處理算法完成對(duì)數(shù)字圖像的成像處理。在攝像機(jī)成像的整個(gè)環(huán)節(jié)中,ISP負(fù)責(zé)接收感光元件的原始信號(hào)數(shù)據(jù),可以理解為整個(gè)攝像機(jī)圖像輸出的第一步處理流程。ISP在提高圖像質(zhì)量、增強(qiáng)數(shù)據(jù)的一致性等方面有著極其關(guān)鍵的作用。
得益于智能手機(jī)的發(fā)展和手機(jī)攝像頭像素越來(lái)越高,手機(jī)ISP在過(guò)去幾年得到了快速的發(fā)展和進(jìn)步,手機(jī)拍照和錄像的質(zhì)量也越來(lái)越高,甚至到了驚艷的地步。比如在夜晚等場(chǎng)景,可以拍到比人眼看到的更清晰、光照更充足、色彩更豐富的照片;比如在進(jìn)出隧道等光照變化劇烈的場(chǎng)景,也可以錄制出比人眼表現(xiàn)更穩(wěn)定、更清晰的視頻。這些效果除了源于手機(jī)攝像頭硬件上的升級(jí),專門的AI ISP處理算法和處理芯片也起到了至關(guān)重要的作用。
隨著自動(dòng)駕駛對(duì)車載成像質(zhì)量的階躍式提升需求,車載ISP,特別是針對(duì)駕駛場(chǎng)景優(yōu)化的AI ISP處理算法和處理芯片,將迎來(lái)爆發(fā)式的發(fā)展。AI在車載ISP整個(gè)流程中將變得越來(lái)越重要,特別是在降噪、去模糊、HDR等問(wèn)題上,可以在夜晚、陽(yáng)光直射、進(jìn)出隧道等暗光、強(qiáng)光、高動(dòng)態(tài)場(chǎng)景得到遠(yuǎn)超人眼的成像效果,同時(shí)最大程度上解決由Sensor引起的噪點(diǎn)、模糊等問(wèn)題。將AI計(jì)算前置在ISP計(jì)算Pipeline中,通過(guò)流式計(jì)算,使得ISP的計(jì)算Pipeline不被打斷,也將大大提升AI ISP的性能功耗比。
鑒智機(jī)器人擁有全鏈路的芯片級(jí)ISP IP的設(shè)計(jì)能力,將解決ISP特別是AI ISP在車載場(chǎng)景的核心問(wèn)題,讓車載攝像頭成像更清晰,從而進(jìn)一步提高視覺(jué)雷達(dá)點(diǎn)云生成和圖像語(yǔ)義感知等后續(xù)任務(wù)的準(zhǔn)確性。
1.2 從2D感知到視覺(jué)雷達(dá)
面對(duì)大規(guī)模自動(dòng)駕駛,對(duì)3D點(diǎn)云的信息稠密程度、場(chǎng)景泛化性、性能可擴(kuò)展性方面提出了更高的要求?;谝曈X(jué)雷達(dá),通過(guò)雙目或者多目立體視覺(jué)計(jì)算,產(chǎn)生實(shí)時(shí)稠密的3D點(diǎn)云是更優(yōu)的方式。
雙目立體視覺(jué)是機(jī)器視覺(jué)的一種重要形式,與人眼類似,它是基于視差原理,通過(guò)計(jì)算圖像對(duì)應(yīng)點(diǎn)間的位置偏差,來(lái)獲取物體三維幾何信息的方法,和基于TOF、結(jié)構(gòu)光原理的深度相機(jī)不同,它不對(duì)外主動(dòng)投射光源,完全依靠拍攝的兩張圖片(彩色RGB或者灰度圖)來(lái)計(jì)算深度。
傳統(tǒng)的雙目立體匹配算法針對(duì)弱紋理、反光等區(qū)域效果比較差,同時(shí)對(duì)于物體語(yǔ)義信息利用比較少,算法適用范圍具有局限性,點(diǎn)云效果上限比較明顯。隨著深度學(xué)習(xí)技術(shù)的發(fā)展,基于CNN、Cost Volume、Transformer的立體匹配算法展現(xiàn)出來(lái)了極強(qiáng)的算法效果和潛力。目前知名自動(dòng)駕駛數(shù)據(jù)集KITTI上的立體匹配任務(wù)排名靠前的基本都是基于深度學(xué)習(xí)的算法?;谏疃葘W(xué)習(xí)的雙目立體匹配算法對(duì)于計(jì)算芯片的AI算力提出了比較高的要求,對(duì)于研發(fā)模式也提出了新的要求,需要從傳統(tǒng)的雙目相機(jī)研發(fā)模式變成以AI為核心、軟硬結(jié)合、數(shù)據(jù)驅(qū)動(dòng)的研發(fā)模式。
從雙目立體視覺(jué)更進(jìn)一步,充分利用相機(jī)的運(yùn)動(dòng)信息和多個(gè)相機(jī)間的幾何約束,通過(guò)相機(jī)姿態(tài)估計(jì)、深度估計(jì)、光流估計(jì)、MVS等算法,以及任務(wù)之間互相監(jiān)督的一系列自監(jiān)督算法,可以得到360度的點(diǎn)云數(shù)據(jù),也就是視覺(jué)雷達(dá),從而形成與圖像分辨率相匹配的稠密點(diǎn)云。同時(shí),以攝像頭+算力+算法為核心的視覺(jué)雷達(dá),還具有產(chǎn)業(yè)鏈成熟可控、成本可控、器件穩(wěn)定性有保證、滿足車規(guī)等優(yōu)勢(shì),更容易實(shí)現(xiàn)大規(guī)模前裝量產(chǎn)上車使用。
02
純視覺(jué)與激光雷達(dá)之爭(zhēng)
根據(jù)集微咨詢預(yù)計(jì)到2030年,L3級(jí)別以上自動(dòng)駕駛滲透率有望達(dá)到30%以上。隨著自動(dòng)駕駛級(jí)別的提升,必然對(duì)汽車的感知、決策、執(zhí)行相關(guān)的技術(shù)進(jìn)行變革,其中感知側(cè)的變革尤為明顯。
2025年全球車用CIS市場(chǎng)規(guī)模預(yù)計(jì)達(dá)到32.7億美元,年復(fù)合增長(zhǎng)率達(dá)14%;激光雷達(dá)的銷售額將達(dá)到61.9億美元,年復(fù)合增長(zhǎng)率達(dá)36%,無(wú)論是車載攝像頭還是激光雷達(dá)其增速都非常快。自從馬斯克跑轟激光雷達(dá)走純視覺(jué)方案后,業(yè)內(nèi)對(duì)于這兩種方案的探討從未停止,其歸根結(jié)底在于該不該增用激光雷達(dá)作為在自動(dòng)駕駛感知層面的一種手段。
英博超算創(chuàng)始人、總經(jīng)理 田鋒表示,純視覺(jué)路線主要挑戰(zhàn)在于攝像頭分辨率與算法提升,而激光雷達(dá)在于可靠性、成本及可嵌入性。激光雷達(dá)的加入對(duì)控制系統(tǒng)的可靠性提供了更多的信息,例如車輛在行進(jìn)過(guò)程中的抖動(dòng)對(duì)視覺(jué)測(cè)距跟蹤尤其是遠(yuǎn)距離會(huì)產(chǎn)生一些跳變,這些影響需要后期通過(guò)算法糾正,而激光雷達(dá)完全不存在這個(gè)問(wèn)題。總體而言,視覺(jué)是未來(lái)自動(dòng)駕駛感知技術(shù)的一條主線,會(huì)不斷增強(qiáng),但激光雷達(dá)的使用短期來(lái)看收益明顯,長(zhǎng)期來(lái)看取決于各個(gè)廠商對(duì)其的認(rèn)知,或是消費(fèi)者對(duì)于激光雷達(dá)的隱蔽性喜好程度如何。
北醒光子CEO 李遠(yuǎn)表示,無(wú)論是激光雷達(dá)也好毫米波雷達(dá)也罷,或是走純視覺(jué)攝像頭路徑,其本質(zhì)是挑戰(zhàn)人類視覺(jué)極限。如今,產(chǎn)業(yè)所追求的視覺(jué)技術(shù)是逐步趨近于人眼,但這樣一種2D的傳感器本身就有邊界。激光雷達(dá)的加入就是在彌補(bǔ)這樣一種缺陷,它能夠超出生物傳感的特點(diǎn)包括直接探測(cè)反射率,可以全天候運(yùn)行同時(shí)還能保證1%的精度等。如果以長(zhǎng)遠(yuǎn)的目光去看待現(xiàn)階段感知技術(shù)的發(fā)展,未來(lái)必會(huì)接觸到激光雷達(dá)所帶來(lái)的意義。當(dāng)前激光雷達(dá)存在供應(yīng)鏈不成熟及成本高等問(wèn)題需要時(shí)間進(jìn)行沉淀,如同汽車替代馬車時(shí)的汽車那樣,總有這么一個(gè)過(guò)程。
包括IEEE的專家在內(nèi),對(duì)于視覺(jué)路徑成為自動(dòng)駕駛技術(shù)的一條主線是基本的判斷,誠(chéng)如上文所說(shuō)的那樣,2D傳感器有其天然的缺陷,而對(duì)于汽車這種對(duì)安全性和可靠性要求嚴(yán)苛的終端而言,能夠讓視覺(jué)技術(shù)支撐起自動(dòng)駕駛的落地,必然是對(duì)其背后的軟件算法提出了更高的要求。在此情況下,純視覺(jué)的技術(shù)路徑會(huì)對(duì)軟硬件提出怎樣的要求?它的落地難度與挑戰(zhàn)又是如何?
福田汽車智能控制副總工程師 錢國(guó)平指出,從技術(shù)角度看,現(xiàn)階段的純視覺(jué)方案不太可能成功。一方面,攝像頭需要解決“雨霧污”(雨天、大霧天、污垢)的問(wèn)題。惡劣的環(huán)境會(huì)使攝像頭拍到的圖像變形,會(huì)導(dǎo)致測(cè)速測(cè)距的精度下降。另一方面,目前自動(dòng)駕駛積累的數(shù)據(jù)不足以覆蓋所有場(chǎng)景,所有路況,無(wú)法解決不斷出現(xiàn)的新情況。攝像頭的分辨率不斷提升,對(duì)算力的要求也在不斷提升,市場(chǎng)上可供選擇的大算力芯片廠商寥寥無(wú)幾。除了算力芯片外,負(fù)責(zé)圖像處理的ISP等其他芯片性能需求也在不斷上漲。短期內(nèi),視覺(jué)、毫米波雷達(dá)、激光雷達(dá)融合的方案能夠各自發(fā)揮其優(yōu)勢(shì),提高可靠性。
田鋒表示,純視覺(jué)路線并不靠譜。以人類駕駛員為例,其開車過(guò)程中并不僅依靠視覺(jué)信息,交規(guī)、前后車?yán)?、路況信息積累等都是保障汽車平穩(wěn)運(yùn)行的信息來(lái)源。如果要讓純視覺(jué)技術(shù)成為可能,這背后也必須有V2X、高精度地圖等技術(shù)的加持。如果在成本可接受的情況下,要盡可能綜合使用這些傳感器來(lái)為自動(dòng)駕駛技術(shù)落地帶來(lái)正向的促進(jìn)作用,反之,也可利用傳感器性能差異來(lái)滿足不同級(jí)別自動(dòng)駕駛技術(shù)路線,打造差異化。
03
自動(dòng)駕駛的大腦:
全流程數(shù)據(jù)驅(qū)動(dòng)的強(qiáng)單車智能
自動(dòng)駕駛的大腦負(fù)責(zé)從感知到?jīng)Q策的駕駛?cè)鞒?,也是自?dòng)駕駛最復(fù)雜、最核心和難度最高的部分。傳統(tǒng)的以規(guī)則為核心的軟件1.0工程化系統(tǒng),在可維護(hù)性、擴(kuò)展性和進(jìn)化性上都具有一定的局限性。以AI和軟件2.0為核心,全流程數(shù)據(jù)驅(qū)動(dòng)的感知、預(yù)測(cè)、規(guī)控算法和強(qiáng)單車智能的解決方案,無(wú)疑是實(shí)現(xiàn)大規(guī)模無(wú)人駕駛更可行的方案。
鑒智機(jī)器人核心團(tuán)隊(duì)在AI算法和應(yīng)用、軟件2.0的基礎(chǔ)設(shè)施、數(shù)據(jù)驅(qū)動(dòng)的大規(guī)模實(shí)踐上擁有豐富的經(jīng)驗(yàn),將通過(guò)全流程數(shù)據(jù)驅(qū)動(dòng)的自動(dòng)駕駛大腦,建立強(qiáng)單車智能,從而降低對(duì)外部基礎(chǔ)設(shè)施的依賴,更加利于自動(dòng)駕駛的復(fù)制與推廣。
2.1 深度學(xué)習(xí)帶來(lái)的2D感知技術(shù)突破
感知是自動(dòng)駕駛獲取信息的第一步, 所謂感知是指通過(guò)攝像頭或其他傳感器識(shí)別所看到的物體并理解該物體是什么,這對(duì)自動(dòng)駕駛是至關(guān)重要的環(huán)節(jié)。自動(dòng)駕駛車輛首先是要識(shí)別車道線,然后還要識(shí)別紅綠燈、標(biāo)志牌,除此之外就是識(shí)別障礙物比如前后左右有沒(méi)有車輛,有沒(méi)有行人,才能夠進(jìn)一步規(guī)劃行駛路線。
過(guò)去十年是人工智能技術(shù)的黃金十年,深度學(xué)習(xí)改變了計(jì)算機(jī)視覺(jué)整個(gè)領(lǐng)域,也帶來(lái)了2D感知各個(gè)方向技術(shù)的突破。2D感知主要有圖像分類、圖像(物體)識(shí)別、細(xì)粒度識(shí)別(人臉識(shí)別)等方向,所采用的技術(shù)也從最早的模板匹配、線性分類到現(xiàn)在所廣泛使用的深層卷積神經(jīng)網(wǎng)絡(luò),再到最近刷新各大視覺(jué)任務(wù)榜單的Transformer。隨著硬件計(jì)算能力的不斷提升、算法范式的不斷改進(jìn)、可利用數(shù)據(jù)資源的不斷增長(zhǎng),基于攝像頭的2D感知已經(jīng)成為了乘用車智能駕駛的主流方案,同時(shí)也成為了很多解決方案的核心差異點(diǎn)。
鑒智機(jī)器人核心團(tuán)隊(duì)在國(guó)內(nèi)最早基于深度學(xué)習(xí)在2D視覺(jué)感知各個(gè)方向開展系統(tǒng)性研究和大規(guī)模落地應(yīng)用,在眾多全球最具影響力的2D感知AI比賽和評(píng)測(cè)中獲得冠軍,發(fā)表頂級(jí)會(huì)議和期刊論文幾十余篇,在多個(gè)業(yè)務(wù)領(lǐng)域?qū)崿F(xiàn)了人工智能2D感知技術(shù)的大規(guī)模應(yīng)用落地。
2.2 從2D感知到4D感知
如果說(shuō)2D感知還是在平面上檢測(cè)、識(shí)別、分割物體,那么加入深度信息后,基礎(chǔ)的2D感知即轉(zhuǎn)化為3D感知。如果進(jìn)一步在3D的基礎(chǔ)上加入時(shí)間這一維度,進(jìn)化得到的則是4D感知。在自動(dòng)駕駛領(lǐng)域,4D感知可以完整且連續(xù)的探測(cè)車輛周圍的物體。
基于深度學(xué)習(xí)和三維視覺(jué)技術(shù)不斷發(fā)展,隨著Cost Volume、Optical Flow、differentiable Homography、Transformer等技術(shù)的成熟,以及多傳感器融合、眾包重建、稠密重建、自動(dòng)標(biāo)注等方向不斷發(fā)展,可以高效率的提供高質(zhì)量、大規(guī)模的4D場(chǎng)景數(shù)據(jù),端到端的4D感知正在成為技術(shù)趨勢(shì)。相比于傳統(tǒng)的2D感知+后融合的方案,端到端的4D感知擁有很多優(yōu)勢(shì),可以解決測(cè)距抖動(dòng)較大、多攝像頭拼接不準(zhǔn)確、時(shí)序結(jié)果不穩(wěn)定、迭代效率較低等一系列問(wèn)題。
更進(jìn)一步,基于端到端的4D感知,可以進(jìn)行更好的4D預(yù)測(cè),一方面可對(duì)于交通參與者進(jìn)行更優(yōu)的運(yùn)動(dòng)軌跡預(yù)測(cè),從而實(shí)現(xiàn)性能更加優(yōu)異的規(guī)劃控制;另一方面可對(duì)于道路行駛區(qū)域預(yù)測(cè)更加精細(xì)的3D結(jié)構(gòu)化信息,在線生成局部實(shí)時(shí)3D地圖,降低對(duì)高精地圖等基礎(chǔ)設(shè)施的依賴。
04
單車智能和車路協(xié)同
單車智能和車路協(xié)同的本質(zhì)是技術(shù)和成本在車側(cè)和路側(cè)的分配。
雖然L4-L5級(jí)的自動(dòng)駕駛最理想模式是實(shí)現(xiàn)“車端-路端-云端”的高度協(xié)同,智能的車配合聰明的路,車端智能和路側(cè)智能協(xié)同呼應(yīng),但車端智能和路端智能的發(fā)展不完全是同步的關(guān)系,自動(dòng)駕駛路線的選擇面臨感知能力、決策能力(算力)等不同能力在車側(cè)和路側(cè)分配的問(wèn)題,所對(duì)應(yīng)的自動(dòng)駕駛成本也不同。由于單車智能的成本高昂,若用路側(cè)設(shè)備代替部分技術(shù),讓路“變聰明”,可降低不少車載成本,這樣一來(lái),就衍生出了自動(dòng)駕駛的兩大方向:?jiǎn)诬囍悄芎蛙嚶穮f(xié)同。
以車載傳感器為例,激光雷達(dá)價(jià)格昂貴,尤其是用于遠(yuǎn)距離、大范圍探測(cè)的L4/L5級(jí)別自動(dòng)駕駛主雷達(dá)。例如Velodyne銷售的64線激光雷達(dá)售價(jià)高達(dá)7.5萬(wàn)美元,曾是Waymo和百度等自動(dòng)駕駛公司測(cè)試車的標(biāo)配3,后來(lái)Waymo開始自研激光雷達(dá),并于2017年宣布將激光雷達(dá)成本降低90%,達(dá)到7,500美元,2019年3月Waymo開始對(duì)外出售自主研發(fā)的激光雷達(dá)Honeycomb4,以攤薄成本。我國(guó)國(guó)產(chǎn)的激光雷達(dá)因高性價(jià)比日益受到市場(chǎng)的認(rèn)可,價(jià)格有所下探但仍比較昂貴,例如禾賽科技在2020 CES上發(fā)布的64線超廣角激光雷達(dá)PandarQT零售價(jià)為4,999美元5。
如果在路側(cè)安裝攝像頭、毫米波雷達(dá)和激光雷達(dá)等感知設(shè)備,例如路燈桿進(jìn)化為多合一路燈桿,安裝各類傳感器,探測(cè)周圍環(huán)境的三維坐標(biāo),進(jìn)行信息融合,由于安裝高度高,擁有“上帝視野”,不容易被遮擋,視距條件更好,可最大化減少盲區(qū),提高數(shù)據(jù)獲取的準(zhǔn)確性,并實(shí)時(shí)發(fā)送到ITS中心(智能交通系統(tǒng))以及車端,那么車側(cè)的部分激光雷達(dá)成本可以被節(jié)省下來(lái),從而大幅降低車載成本。
同理,在路側(cè)安裝計(jì)算設(shè)備,通過(guò)邊緣計(jì)算單元為車輛提供決策依據(jù)甚至指令,與車載計(jì)算平臺(tái)協(xié)同處理數(shù)據(jù),可以降低車載計(jì)算平臺(tái)對(duì)算力的要求,對(duì)功耗和散熱性能的要求也會(huì)隨之下降,從而降低自動(dòng)駕駛汽車對(duì)高性能車載芯片的依賴。
可見,路側(cè)安裝設(shè)備的方案擁有更低的單車成本和邊際成本,路側(cè)智能是車側(cè)智能的有益補(bǔ)充。例如,奇瑞雄獅已實(shí)現(xiàn)固定區(qū)域的30Km/h以下的L4級(jí)“一鍵召還車”功能,如果只依靠車側(cè)智能,車載傳感器成本高達(dá)10萬(wàn)元/車,而借助5G和V2X技術(shù),室內(nèi)外的定位精度偏差小于15厘米,單車成本低于萬(wàn)元。這僅是車路協(xié)同在停車場(chǎng)等低速限定場(chǎng)景的應(yīng)用,大規(guī)模L4級(jí)的量產(chǎn)還需要覆蓋更多場(chǎng)景,例如半封閉的高速公路和一級(jí)公路,以及路況更為復(fù)雜的城市開放道路。在5G基站和V2X設(shè)備尚未鋪設(shè)的路段,單車智能仍是重要的自動(dòng)駕駛實(shí)現(xiàn)方式。
車路協(xié)同的前提是公路的智能化改造和基礎(chǔ)設(shè)施投資。目前交通部已重點(diǎn)在北京、河北、廣東三省進(jìn)行公路的智能化改造試點(diǎn),根據(jù)天風(fēng)證券和中銀國(guó)際證券的測(cè)算,高速公路的單公里智能化改造成本是100萬(wàn)左右,包含了RSU (RoadSideUnit)、邊緣計(jì)算、攝像頭等設(shè)備,考慮到中國(guó)的高速公路里程14.96萬(wàn)公里,一級(jí)公路11.17萬(wàn)公里,高速公路和一級(jí)公路的智能化改造市場(chǎng)規(guī)模約為2,613億元。而對(duì)于二級(jí)公路和更低等級(jí)的公路,由于其路況更為復(fù)雜,更多機(jī)動(dòng)車與非機(jī)動(dòng)車和行人的混行情況,場(chǎng)景更為開放,需在十字路口、匝道口、事故易發(fā)路段等關(guān)鍵場(chǎng)景鋪設(shè)更多路側(cè)設(shè)備,不同路況的單公里智能化改造投資差異較大,難以進(jìn)行估算。
對(duì)于高速公路和一級(jí)公路的智能化改造,更多通行車次、更為繁忙的路段可更早實(shí)現(xiàn)盈虧平衡,考慮到中國(guó)的人口和經(jīng)濟(jì)活動(dòng)主要集中在東部地區(qū),且東部地區(qū)地勢(shì)相對(duì)平坦,急彎和陡坡較少,路況更簡(jiǎn)單,在東部鋪設(shè)路側(cè)設(shè)備具有更高的經(jīng)濟(jì)效益,尤其是物流密集的點(diǎn)對(duì)點(diǎn)固定運(yùn)輸路線,貨運(yùn)的空駛率更低,無(wú)人運(yùn)輸車隊(duì)的優(yōu)勢(shì)明顯,車隊(duì)管理者付費(fèi)意愿更強(qiáng)。自動(dòng)駕駛不僅可節(jié)省司機(jī)成本,還可降低油耗,以卡車的編隊(duì)行駛為例,由于跟車距離縮短(車距10m),前車可以為后車“擋風(fēng)”,減少空氣阻力,降低10-15%的燃油消耗10。假設(shè)貨車百公里油耗35升,6元/升,編隊(duì)行駛可節(jié)省10%油耗,則單公里可節(jié)省油耗0.21元,另外,假設(shè)一輛貨車每年運(yùn)營(yíng)里程17.5萬(wàn)公里,司機(jī)年收入7.8萬(wàn)11,則單公里司機(jī)成本約0.45元,匯總后每公里可為車隊(duì)節(jié)省0.66元,如果車路協(xié)同收取服務(wù)費(fèi)0.4元/公里,考慮到初始投資100萬(wàn)/公里的改造費(fèi)用,則使用車路協(xié)同服務(wù)的單公里通行車次達(dá)到250萬(wàn)輛車時(shí),可實(shí)現(xiàn)盈虧平衡。如果10%的通行車輛使用車路協(xié)同服務(wù),則總通行車次達(dá)到2,500萬(wàn)輛時(shí)盈虧平衡,也就意味著部分繁忙路段最短可在1年內(nèi)收回成本。
車側(cè)智能和路側(cè)智能的分配和發(fā)展受到諸多因素的影響,例如政府對(duì)公路智能化改造的支持力度、不同區(qū)域的路況、交通參與者特征、地圖與定位的精度、高性能激光雷達(dá)的價(jià)格變化、車隊(duì)用戶和個(gè)人消費(fèi)者付費(fèi)意愿與轉(zhuǎn)換成本等因素。這些因素共同決定了不同方案初始投資的高低、投資回報(bào)期的長(zhǎng)短,以及投資的經(jīng)濟(jì)性,從而影響了技術(shù)和成本在車側(cè)和路側(cè)的分配方案與演進(jìn)路線。
05
未來(lái)自動(dòng)駕駛技術(shù)的發(fā)展
毋庸置疑,增加傳感器種類可以提高對(duì)環(huán)境感知的精確度及信息豐富度,但目前激光雷達(dá)等存在成本過(guò)高,供應(yīng)鏈不成熟等問(wèn)題,這也或許成為了廠商對(duì)自動(dòng)駕駛技術(shù)發(fā)展路徑再三斟酌的原由,但多傳感器融合的路徑是目前主要采取的方案,而未來(lái)自動(dòng)駕駛的發(fā)展又如何?
李遠(yuǎn)表示,美國(guó)與日本占據(jù)全球無(wú)人駕駛視覺(jué)相關(guān)專利70%以上,而中國(guó)僅占7%左右,由此可看出在視覺(jué)技術(shù)上與全球領(lǐng)先國(guó)家能有十倍的差距。而激光雷達(dá)在中國(guó)發(fā)展的速度很快,放眼全球差距比視覺(jué)技術(shù)要小很多。
發(fā)展激光雷達(dá)對(duì)于中國(guó)而言,就如同大力發(fā)展電動(dòng)汽車一樣,都在尋找下一代技術(shù)來(lái)彎道超車。激光雷達(dá)比起攝像頭成本高、工藝復(fù)雜、良率低并且都是些新公司,不如攝像頭供應(yīng)鏈成熟,但從沒(méi)有人否認(rèn)過(guò)激光雷達(dá)本身具有的優(yōu)勢(shì),它絕對(duì)是高階無(wú)人駕駛技術(shù)必備的傳感器。短期內(nèi),行業(yè)還是會(huì)以多傳感器融合為基礎(chǔ),同時(shí)也會(huì)推進(jìn)成本控制,良率提升等問(wèn)題,作為新一代傳感器,激光雷達(dá)的上升空間相當(dāng)廣闊。
錢國(guó)平表示,無(wú)論是攝像頭還是激光雷達(dá),甚至毫米波雷達(dá)都在不斷的發(fā)展,也有各自相對(duì)應(yīng)的挑戰(zhàn)與痛點(diǎn)。一個(gè)自動(dòng)駕駛解決方案也必然不可能僅靠感知層面,背后也有單車智能化、V2X的邊緣計(jì)算等去協(xié)同感知側(cè)的發(fā)展。只要能達(dá)到自動(dòng)駕駛的目的,任何解決方案都是最優(yōu)、最有效的,也就成為了未來(lái)的趨勢(shì)。
最后
自動(dòng)駕駛被認(rèn)為是目前最重要的硬科技創(chuàng)新之一。在汽車行業(yè)百年未有之大變革的歷史性時(shí)刻,中國(guó)由于在電動(dòng)汽車領(lǐng)域的提前布局、全面開花,以及完整產(chǎn)業(yè)鏈的巨大優(yōu)勢(shì),國(guó)內(nèi)企業(yè)在自動(dòng)駕駛方向擁有非常好的機(jī)會(huì)和產(chǎn)業(yè)優(yōu)勢(shì),有機(jī)會(huì)通過(guò)電動(dòng)化和智能化實(shí)現(xiàn)百年汽車工業(yè)這一最重要的支柱產(chǎn)業(yè)的超車和領(lǐng)先。但自動(dòng)駕駛的發(fā)展速度仍然低于大眾和市場(chǎng)的預(yù)期,這里存在若干影響自動(dòng)駕駛等級(jí)提升的關(guān)鍵性問(wèn)題亟待解決,鑒智機(jī)器人基于自身在AI算法、AI算力層面的積累,致力于解決自動(dòng)駕駛成像計(jì)算和下一代自動(dòng)駕駛方案的關(guān)鍵性問(wèn)題,從而推動(dòng)自動(dòng)駕駛的創(chuàng)新發(fā)展。