自動(dòng)駕駛技術(shù)感知路線之爭(zhēng)一直是行業(yè)關(guān)注的焦點(diǎn)。

雖然特斯拉純視覺(jué)方案在業(yè)內(nèi)獨(dú)領(lǐng)風(fēng)騷，但多傳感融合方案被業(yè)內(nèi)視為實(shí)現(xiàn)自動(dòng)駕駛安全冗余的關(guān)鍵手段。

自動(dòng)駕駛技術(shù)路線之爭(zhēng)的背后，除了對(duì)感知硬件能力的苛刻要求之外，其實(shí)考驗(yàn)的是算法——如何讓感知硬件發(fā)揮效能最大化。

純視覺(jué)玩家為了保障感知數(shù)據(jù)維度高，降低數(shù)據(jù)的丟失，采用「一遍過(guò)」的前融合算法。

多傳感器融合玩家將安全維度置于首位，在每個(gè)傳感器獨(dú)立地輸出感知數(shù)據(jù)信息、處理之后，再匯總處理得出結(jié)論，也就是后融合算法。

兩種算法的背后各存利弊，前者對(duì)于硬件算力要求更高，后者難以發(fā)揮單一傳感器的最大作用。

隨著自動(dòng)駕駛逐步更加貼近日常駕駛場(chǎng)景，對(duì)外部環(huán)境探測(cè)感知的要求只會(huì)越來(lái)越高。

01、什么是前融合與后融合算法？

自動(dòng)駕駛，是一項(xiàng)集感知、決策和控制反饋于一體的技術(shù)。

環(huán)境感知作為自動(dòng)駕駛的第一環(huán)，是車輛和環(huán)境交互的紐帶。

自動(dòng)駕駛系統(tǒng)整體表現(xiàn)的好壞，很大程度上都取決于感知系統(tǒng)的好壞。

如今，基于多傳感器融合感知已經(jīng)成為業(yè)內(nèi)的主流方案，多層數(shù)據(jù)多來(lái)源讓最終的感知結(jié)果變得更加穩(wěn)定可靠，更能利用到每個(gè)傳感器的優(yōu)勢(shì)：

• 攝像頭雖然能感知豐富的紋理以及顏色信息，但與障礙物之間的距離的感知能力較弱，同時(shí)容易受到光照條件影響；

• 毫米波雷達(dá)可以全天候工作，提供精確的距離和速度信息，探測(cè)距離也比較遠(yuǎn)，但分辨率較低，無(wú)法提供物體高度信息。

• 激光雷達(dá)雖可以較為準(zhǔn)確地感知距離信息，但由于采集的點(diǎn)云稀疏，無(wú)法獲得豐富的紋理和顏色等信息。

而多傳感器的融合能夠揚(yáng)長(zhǎng)避短，提高整車安全系數(shù)，比如毫米波雷達(dá)和攝像頭的融合思路可以迅速排除大量無(wú)效的目標(biāo)區(qū)域，極大地提高識(shí)別速度。

攝像頭和激光雷達(dá)兩者的融合，通過(guò)利用視覺(jué)圖像信息進(jìn)行目標(biāo)檢測(cè)，進(jìn)而獲取障礙物的位置，同時(shí)還可以識(shí)別出障礙物類別信息。

自動(dòng)駕駛因其問(wèn)題復(fù)雜度高、安全第一等特性，需要依靠多種傳感器數(shù)據(jù)的相互融合來(lái)提高感知效果。

而將多傳感器信息融合在一起又有多種方式：比如前融合與后融合。

前融合，所有傳感器都運(yùn)行同一套算法，將來(lái)自激光雷達(dá)、攝像頭和毫米波雷達(dá)的不同原始數(shù)據(jù)統(tǒng)一處理，相當(dāng)于一雙超級(jí)眼睛通過(guò)一套超級(jí)算法輸出一個(gè)結(jié)果。

前融合的代表玩家是特斯拉。

特斯拉將毫米波雷達(dá)、攝像頭等傳感裝置的不同原始數(shù)據(jù)統(tǒng)一處理，整合成一套環(huán)繞全車 360°的超級(jí)傳感器，再通過(guò) AI 算法來(lái)完成整個(gè)感知過(guò)程。

在特斯拉的這套方案當(dāng)中，所有的傳感器裝置只負(fù)責(zé)提供原始數(shù)據(jù)，而算法則負(fù)責(zé)對(duì)原始數(shù)據(jù)進(jìn)行整合。

馬斯克認(rèn)為，當(dāng)毫米波雷達(dá)和視覺(jué)不一致時(shí)，視覺(jué)有更好的精度，所以純視覺(jué)比現(xiàn)有的傳感器融合方式更好。

這種做法優(yōu)點(diǎn)就在于不會(huì)被單一的傳感器信號(hào)所影響，所以特斯拉直接移除了毫米波雷達(dá)，但這意味著系統(tǒng)對(duì)數(shù)據(jù)的時(shí)效性、硬件算力有著極高的要求，需要更高的安全冗余。

這是因?yàn)椋绻惴ǔ霈F(xiàn)誤判，最終控制層同樣會(huì)做出錯(cuò)誤的指令。

后融合，則通過(guò)不同傳感器各司其職——超聲波雷達(dá)、攝像頭、毫米波雷達(dá)分別通過(guò)不同的算法進(jìn)行獨(dú)立的感知。

當(dāng)所有傳感器完成目標(biāo)數(shù)據(jù)（如目標(biāo)檢測(cè)、目標(biāo)速度預(yù)測(cè)）生成后，將這些信息和目標(biāo)列表經(jīng)過(guò)校驗(yàn)和比對(duì)：

在這個(gè)過(guò)程中，傳感器會(huì)通過(guò)算法過(guò)濾低置信度或者無(wú)效的原始數(shù)據(jù)，最后進(jìn)行識(shí)別物體的合并，完成整個(gè)感知過(guò)程。

這也是目前業(yè)內(nèi)主流的融合方案。

比如華為 ADS 智能駕駛方案，通過(guò)毫米波雷達(dá)、攝像頭等傳感器進(jìn)行不同算法的獨(dú)立感知，再分別生成獨(dú)立的信息。

舉個(gè)例子，激光雷達(dá)看到的是一條柯基，毫米波雷達(dá)看到的是一條狗，而攝像頭看到的是一只小動(dòng)物，再將這些信息匯總處理，系統(tǒng)做出綜合判斷。

當(dāng)然，后融合感知框架也存在先天的不足：

單一傳感器會(huì)有能力限制，在特定條件下可能發(fā)生誤檢和漏檢，比如攝像頭不擅長(zhǎng)判斷距離和位置，雷達(dá)不擅長(zhǎng)判斷顏色和紋理，系統(tǒng)需要對(duì)它們的信息進(jìn)行互相驗(yàn)證，才能達(dá)到更高的可信度。

元戎啟行 CEO 周光曾舉例指出前、后融合的感知能力：

「假設(shè)在你手上有個(gè)手機(jī)，激光雷達(dá)只能看到手機(jī)一個(gè)角，攝像頭只能看到第二個(gè)角，毫米波雷達(dá)可以看到第三個(gè)角。

如果用后融合算法，由于每個(gè)傳感器只能看到一部分，因此物體非常有可能不被識(shí)別，最終被濾掉。

但在前融合中，由于它集合了所有數(shù)據(jù)，相當(dāng)于可以看到這個(gè)手機(jī)的三個(gè)角，那對(duì)于前融合來(lái)說(shuō)，是非常容易識(shí)別出這是一臺(tái)手機(jī)的?！?/span>

這種差異化現(xiàn)象自然也產(chǎn)生不同的結(jié)果，比如面對(duì)相同的復(fù)雜場(chǎng)景，后融合出現(xiàn)極端場(chǎng)景的概率為 1%，前融合則能夠?qū)⑦@個(gè)概率降低至 0.01%。

兩種技術(shù)路線各有優(yōu)劣，前融合勝于高精度，后融合勝于高效率，背后不同流派的玩家自然各持硬件論、算力論之爭(zhēng)。

02、全融合算法解決了什么問(wèn)題？

前段時(shí)間，知乎有一個(gè)關(guān)于「自動(dòng)駕駛的關(guān)鍵，是硬件還是軟件」的帖子引起了熱議。

大家爭(zhēng)議的焦點(diǎn)在于硬件上車之后，車企能否將其作用發(fā)揮最大化。

在話題的討論中，飛凡汽車智駕團(tuán)隊(duì)首席科學(xué)家金杰盂回應(yīng)：

智能駕駛硬件決定了軟件的天花板，軟件決定了用戶體驗(yàn)，只不過(guò)相對(duì)于硬件性能的突破性提升，軟件算法到了必須變革的時(shí)刻。

確實(shí)，如果自動(dòng)駕駛能夠一直依靠堆砌硬件的方式解決問(wèn)題，看起來(lái)是一個(gè)一勞永逸的方案。

但實(shí)際情況是，如果算法能力不能有效跟上，硬件只能淪為擺設(shè)。

那么，飛凡汽車如何在智能化時(shí)代轉(zhuǎn)換思考方式，做到「硬件堆砌」不再是一時(shí)的商業(yè)噱頭，而是能夠讓硬件發(fā)揮更高的效率，從而達(dá)到同一個(gè)硬件在不同場(chǎng)景中發(fā)揮不同作用的目標(biāo)呢？

金杰盂認(rèn)為，通過(guò)軟件的控制，硬件可以在不同場(chǎng)景下呈現(xiàn)出不同的狀態(tài)，解決不同的問(wèn)題，相當(dāng)于硬件隨時(shí)需要成為軟件可以調(diào)用的資源。

比如在硬件數(shù)量層面：飛凡 R7 共搭載了33 個(gè)感知硬件，包括國(guó)內(nèi)首發(fā)量產(chǎn)的 Premium 4D 成像雷達(dá)、增強(qiáng)版遠(yuǎn)距離點(diǎn)云角雷達(dá) 、厘米級(jí)高精定位系統(tǒng)。

而在硬件質(zhì)量層面：來(lái)自 Luminar 的激光雷達(dá)，可以實(shí)現(xiàn)超 500 米的最遠(yuǎn)探測(cè)距離以及水平 120°與垂直 26°的探測(cè)視角。

兩顆來(lái)自德國(guó)采埃孚的第五代 Premium 最高性能毫米波雷達(dá)，實(shí)現(xiàn)最遠(yuǎn)探測(cè)距離 350 米，高于常規(guī)雷達(dá)的 210 米，即便是面對(duì)惡劣的極端天氣、光照條件，也可以正常運(yùn)作。

Premium 4D 成像雷達(dá)能夠同時(shí)對(duì)距離、速度、水平方位角、垂直高度四個(gè)緯度的識(shí)別，包括路沿、道路分岔口等自由空間，以及施工圍欄、雪糕筒等靜止障礙物。

全車 12 個(gè) 800 萬(wàn)像素?cái)z像頭覆蓋車輛 360°的全范圍感知，對(duì)動(dòng)態(tài)人車交通參與者、地面標(biāo)識(shí)、紅綠燈、限速標(biāo)識(shí)等交通環(huán)境的感知信號(hào)更加精準(zhǔn)。

最后是軟件算法能力。

飛凡 R7 搭載英偉達(dá) Orin 芯片，單顆算力 254Tops，最高可擴(kuò)展到 500-1000+Tops，相較于上一代 Xavier 芯片，運(yùn)算性能提升了 7 倍，能夠快速將路況信息轉(zhuǎn)化為實(shí)際圖像，并快速處理路面突發(fā)情況。

這種做法看起來(lái)就是在堆砌硬件？但這背后實(shí)際的情況是怎么樣的？

金杰盂在知乎的回答中提到一個(gè)叫做「全融合」的概念。

「全融合」的工作流程是這樣的：

首先，將前融合的多任務(wù)、多特征網(wǎng)絡(luò)、深度神經(jīng)網(wǎng)絡(luò)輸出的感知結(jié)果，與后融合獨(dú)立輸出的感知結(jié)果進(jìn)行綜合比對(duì)，實(shí)現(xiàn)混合融合；

其次，依靠高帶寬、超算力芯片平臺(tái)的安全冗余部署，通過(guò)三重融合（毫秒級(jí)內(nèi)）完成感知、融合、預(yù)測(cè)、決策、執(zhí)行等一整套動(dòng)作。

簡(jiǎn)單理解，就是先用前融合的思路得出解法，再用后融合的思路得出另一種解法，最后系統(tǒng)再將兩種解法進(jìn)行融合比對(duì)、檢查，得出一個(gè)感知、效率雙贏的結(jié)果。

那么，飛凡汽車眼中具備軟件變革意義的「全融合算法」，表現(xiàn)如何？

從目前官方公布的視頻來(lái)看，飛凡汽車的RISING PILOT 系統(tǒng)主要表現(xiàn)在匝道全域增強(qiáng)識(shí)別、超靈敏靜態(tài)路障感知、雨雪霧天超視距識(shí)別等極端場(chǎng)景。

比如針對(duì)目前無(wú)法提前識(shí)別進(jìn)入多岔口匝道的三角區(qū)域，或者是在匝道口數(shù)量多、復(fù)雜的情況下，系統(tǒng)識(shí)別失敗直接錯(cuò)過(guò)匝道、自動(dòng)退出等情況。

RISING PILOT 可以通過(guò)更遠(yuǎn)距離的綜合感知，提前識(shí)別匝道三角區(qū)域，進(jìn)而擁有更充裕的時(shí)間，在安全的方位內(nèi)提前進(jìn)行變道、匯入匝道。

比如遇到施工區(qū)域類場(chǎng)景，出現(xiàn)因無(wú)法準(zhǔn)確識(shí)別靜態(tài)路障，或者是根本無(wú)法識(shí)別施工區(qū)域而出現(xiàn)碰撞事故的情況：

• RISING PILOT 能夠精準(zhǔn)識(shí)別靜態(tài)障礙物的三維幾何位置、尺寸和類型，并快速做出提前避讓的反應(yīng)。

• 即便只有雪糕筒或施工提示牌也可提前精準(zhǔn)識(shí)別，并通過(guò)預(yù)測(cè)和決策模型，快速反應(yīng)實(shí)現(xiàn)提前避讓。

可以預(yù)見(jiàn)的是，當(dāng)智能駕駛經(jīng)歷了在車載傳感器種類、數(shù)量上的花式堆砌，以及在智能駕駛硬件上的算力內(nèi)卷，想要自家的智駛技術(shù)能夠脫穎而出，最終大概率還是要回到軟件算法上。

03、硬件，需要隨時(shí)成為軟件算法的調(diào)度資源

如果說(shuō)自動(dòng)駕駛發(fā)展是一個(gè)需要長(zhǎng)期錘煉的過(guò)程，那么「技術(shù)迭代」則是這個(gè)過(guò)程的試金石。

攝像頭從單目升級(jí)到多目，像素從 200 萬(wàn)到800 萬(wàn)，毫米波雷達(dá)從低頻的 24GH 向 77GHz、79GHz 升級(jí)，激光雷達(dá)翻越車規(guī)級(jí)量產(chǎn)和降成本兩座大山，從機(jī)械旋轉(zhuǎn)式向 MEMS 演進(jìn)。

在自動(dòng)駕駛硬件逐步邁向成熟之后，算法自然成為自動(dòng)駕駛系統(tǒng)好壞評(píng)判的重要依據(jù)。

前融合的優(yōu)勢(shì)毋庸置疑，但極少有車企能夠真正把前融合算法做好，幾乎 99% 車企都處于 Demo 階段。

這也就是為什么大多數(shù)車企選擇后融合的原因。

在技術(shù)尚未真正成熟的背景下，現(xiàn)階段的前融合、后融合在極端場(chǎng)景中逐步暴露出各自的不足，這些問(wèn)題僅依靠自身軟件算法的升級(jí)迭代和硬件的加強(qiáng)，也很難達(dá)到 100% 的理想效果。

雖然全融合目前被視為能夠取長(zhǎng)補(bǔ)短、避其所短的算法，但對(duì)于軟硬件的基礎(chǔ)能力、兩者與整車之間如何達(dá)成默契配合仍是難點(diǎn)。

除此之外，不同細(xì)分領(lǐng)域的入局者同樣存在不同的觀點(diǎn)，比如堅(jiān)持前融合才是符合第一性原理的周光就表示：

「算法方面的欠缺，無(wú)法靠堆硬件來(lái)彌補(bǔ)，要想保障 L4 級(jí) Robotaxi 的安全性，絕不能采用后融合的形式，多傳感器前融合是必要路線?！?/span>

何小鵬的觀點(diǎn)是強(qiáng)視覺(jué)感知，激光雷達(dá)只是輔助作用，并且強(qiáng)調(diào)算法和數(shù)據(jù)的重要性。

「體驗(yàn)、成本、安全、綜合使用范圍」是何小鵬對(duì)于智能駕駛技術(shù)優(yōu)劣的評(píng)判，并且四個(gè)維度都需要保持一定平衡。

如果硬件堆砌只能帶來(lái)硬件水平上的高度，那么軟件才是對(duì)戰(zhàn)時(shí)最有力的武器。

摩根士丹利曾在報(bào)告中提到，傳統(tǒng)的汽車硬件占據(jù)了整車價(jià)值的 90%，軟件僅占據(jù) 10%，但未來(lái)軟件所占的價(jià)值比重將會(huì)提高到 40%，硬件則將下降到 40%。

德勤咨詢更是進(jìn)一步指出，決定未來(lái)汽車差異性的將是軟件及軟件更新迭代所帶來(lái)的性能和功能變化。

這也為什么如今全棧自研成為車企追逐的路線，在硬件普遍堆料的背景下，自動(dòng)駕駛軟件算法已經(jīng)成為車企打造差異化智能駕駛能力的關(guān)鍵。

軟件算法的能力，在硬件水平足夠的前提下，直接決定了自動(dòng)駕駛性能的實(shí)際表現(xiàn)。

返回第一電動(dòng)網(wǎng)首頁(yè) >