從感知系統看自動駕駛未來方向

文 / 本刊記者 馬琨

隨著自動駕駛等級提升，人為干預會越來越少，這就對于感知系統獲取環境信息的全面性、準確性和高效性提出了更高要求，如何進一步提升感知能力成為了近年來行業內共同探討的話題。

感知系統是智能汽車實現自動駕駛的關鍵一環，一套自動駕駛系統的好壞，很大程度上取決于感知系統是否完善。

近兩年來，車輛智能化成為大趨勢，車企陸續將具備點到點智能駕駛能力的高級駕駛輔助系統應用在旗下車型上，作為核心模塊的感知系統自然也受到了業內極高關注。那么，在感知領域，車企和自動駕駛公司都有哪些創新應用？自動駕駛未來的發展方向又會是如何？

在對具體技術路線介紹之前，讓我們先來了解何為感知系統。首先，顧名思義，“感知”即是對車輛周邊環境的感知，而“系統”則代表著車輛實現感知并非通過單一技術實現，它必須有一套完善的感知體系。

那么車輛是如何實現對周圍環境感知的呢？這就不得不提及傳感器。目前，主流的環境傳感器主要分為車載攝像頭、超聲波雷達、毫米波雷達和激光雷達四種。它們的工作原理各不相同?；诓煌瑐鞲衅鞯膽?，車輛對外界環境的感知方案大概包含以下三類：雷達感知（雷達方案）、攝像頭感知（純視覺方案）和多傳感器感知（融合方案）。

雷達感知

在自動駕駛領域，激光雷達被認為是目前感知精度最高、可靠性最好的感知手段，其有效感知范圍可超過120m，精度更是可以達到厘米級。通過激光雷達掃描，自動駕駛系統可以輕松得到汽車周圍環境的三維模型。再運用相關算法比對上一幀和下一幀環境的變化，便可以較容易地探測出周圍的車輛和人的運動軌跡，從而交由決策層做出判斷。由于感知能力出眾，因此激光雷達也被認作是目前最有效的智能駕駛解決方案。

2021年以來，采用激光雷達的汽車產品陸續量產上市，包括蔚來、小鵬、理想等新勢力車企都有推出相關車型。此外，上汽、長城等傳統車企的新產品上也都搭載了激光雷達。彼時，業界一度掀起“究竟幾顆激光雷達才夠”的爭議。不過值得注意的是，盡管激光雷達裝機量日益提升，但和毫米波雷達、攝像頭等感知元件相比，其成本依舊處于高位。

激光雷達的價格以線數及探測距離兩大因素為標準，通常從幾百到幾萬美元不等。在國際市場，主流激光雷達廠商推出的產品有4線、8線、16線、32線、64線和128線之分。例如百度無人車和谷歌無人車就配備了Velodyne HDL-64E激光雷達。該雷達可通過64束的激光束對周圍環境進行垂直范圍26.8°、水平360°的掃描，每秒能產生近130萬個數據點，幫助自動駕駛系統快速識別周圍的環境，這對高階自動駕駛的實現提供了有效支撐。

Velodyne Lidar激光雷達產品價格-性能對比

不過，激光雷達高昂的成本并不是所有人都能承受。于是，作為替代，成本更低的毫米波雷達成為了更多企業的首選。但相比激光雷達，毫米波雷達精度低、可視范圍角度偏小，一般需要多個雷達組合使用。另外，毫米波雷達對物體的識別能力同樣不佳，這在很大程度上限制了毫米波雷達的應用場景。

怎樣在降低成本的同時提升雷達的感知能力？這似乎是一道偽命題。好在功夫不負有心人，隨著科研人員對于算法的優化，4D毫米波雷達的出現輕松解決了上述問題。

在毫米波雷達原有距離、方位、速度的基礎上，4D毫米波雷達增加了對目標的高度維數據解析，能夠實現“3D+高度”四個維度的信息感知。同時，4D毫米波雷達可以接收數十倍于傳統毫米波雷達的返回信息點，進化出像激光雷達一樣的高密度點云，從而進一步探測出物體的形狀，甚至是結合算法識別出物體。

盡管現階段4D毫米波雷達在性能方面和最尖端的激光雷達還存在不小差距，但從技術層面來講，未來4D毫米波雷達和激光雷達實現同樣的性能是可能的。目前，包括大陸、采埃孚、安波福等傳統Tier 1供應商，Waymo、華為等科技公司以及行易道、福瑞泰克等本土初創公司，均已入局4D毫米波雷達賽道。從全球來看，4D毫米波雷達正在加速落地。

至于前文提到的超聲波雷達則是一項相對成熟的傳感器技術，又稱倒車雷達，主要應用于停車輔助和自動泊車場景。由于產業鏈成熟且單體成本相對低廉，所以超聲波雷達的普及度更高。在全球市場競爭格局上，目前超聲波雷達主要市場空間基本都被博世和法雷奧霸兩大巨頭占據。

根據佐思汽研數據顯示，2019-2020年，4顆超聲波雷達方案占據了大部分市場，主要實現倒車輔助功能。而自動泊車商業化推廣，12顆超聲波雷達方案占比正在快速攀升，目前多數具備APA自動泊車的車型都搭載了12顆超聲波雷達。預計到2025年，12顆超聲波雷達方案的將達到26%以上，并逐漸成為未來智能汽車的主流。

攝像頭感知

車載攝像頭同樣是目前環境感知中最常見的傳感器之一。根據結構劃分，車載攝像頭可以分為單目攝像頭、雙目攝像頭、廣角攝像頭等。其中單目攝像頭和雙目攝像頭主要用于自動駕駛汽車的前視，視角一般為45度左右，負責實現FCW前方碰撞預警、LDW車道偏離預警、PCW行人碰撞預警、TSR交通標志識別、ACC自適應巡航等功能。而廣角攝像頭主要用于自動駕駛汽車的后視（后視泊車輔助）、內置（疲勞檢測）、側視（盲點檢測）、以及環視（全景泊車、盲區檢測）等多個方位多種功能。

攝像頭感知的工作原理也淺顯易懂，即通過攝像頭采集圖像，隨后將圖像轉化為二維數據匹配算法進行目標識別，再依據目標物體的運動模式或使用雙目定位技術以估算目標物體與本車的相對距離和相對速度。相比于傳統的雷達方案，視覺方案的優勢明顯，一方面是成本低，技術成熟，另一方面是采集信息的豐富度更高。

不過攝像頭也存在明顯缺點，那就是和人類的眼睛一樣，容易受到環境因素的影響，尤其是在黑夜、雨雪天、大霧等能見度不足的場景下，其識別效率會大大降低?？杉幢闳绱?，依舊沒有影響自動駕駛企業在純視覺路線上探索的決心。2017年，更具可量產性的攝像頭+語義地圖技術路線受到極大重視，成為了視覺方案的主要發展路徑，業界領先的自動駕駛公司如Mobileye、博世、特斯拉等都在推進該技術路線的發展。

以特斯拉的純視覺方案為例。通過算法上的優化，FSD芯片可以在不具體識別障礙物是什么的情況下就做出決策。特別是在高速移動的環境下，這套純視覺方案甚至能夠做得比激光雷達融合方案更出色。

V2X感知

在環境感知方面，除了利用車輛自身的感知硬件，還可以借助外部環境實現信息的獲取，這一類技術統稱為V2X（Vehicle to Everything）。V2X技術又稱為車用無線通信技術，其中V代表的是車輛，X代表的是道路、人、車、設備等一切可以連接的設備。

V2X的本質就是通過道路、行人、車輛間的協調實現整個道路交通的智能化。這項技術希望車輛能與一切可能影響它的實體實現信息交互，其通過類似WIFI技術接收和發送位置、車速、道路情況和駕駛員行為（如緊急制動）等，來實時提示周邊駕駛員。

整個V2X系統可以分為云端、路側端與車載端。其中云端指代V2X云平臺，其具體的功能是實現大數據及人工智能算法智能分析、交通調度優化、高精度定位、車輛狀態管理、車輛在線升級、信息服務等。路側端包括路側通信單元RSU（Road Side Unit）、路測計算單元（MEC）,路側感知單元（雷達、攝像頭、交通信號燈與指示牌等環境信息）等。車載端的任務則是完成BSM消息的上報、V2X消息的接收與解析、CAN數據的讀取與解析、消息的展示與提醒、保障信息安全。

目前，業內用于V2X的通信技術主要有兩種：一種是在20世紀90年代就被提出的專用短程通信技術DSRC，另一種是蜂窩車聯網技術，即C-V2X，而C-V2X雙包括LTE-V2X和5G-V2X兩種。雖然C-V2X起步相對較晚，但發展速度已經遠遠超過了DSRC技術。

從本質上來看，C-V2X之于自動駕駛其實是增強了車輛的環境感知能力。諸如攝像頭、雷達、激光雷達等常見的自動駕駛傳感器，雖然在環境感知方面表現十分出色，但在一些特定的場景，比如交叉路口或者車輛、行人等被遮擋的時候，這些傳感器可能會無法及時檢測到異常，從而引發危險。但如果引入了C-V2X，情況將大有不同。

例如C-V2X可以在車輛到達交叉路口時，通過與路測單元的通信，提前獲知有其他車輛或弱勢道路使用者也在接近交叉路口，并將相關消息提前傳達給駕駛員/自動駕駛系統，給予駕駛員或系統充足的時間應對。其他應用還包括提醒前車急剎車、提前告知路障信息、躲避擁堵等。

近兩年來，5G-V2X則憑借著高速率、廣覆蓋、低時延、高可靠等信息傳輸特征，先后吸引了包括中國、美國等在內多個主流汽車市場的積極部署，并制定相應的測試認證標準。業內普遍認為，該技術將是未來實現車路協同的關鍵。

不過，基于5G-V2X的車路協同是一個非常龐大的工程，它不僅需要有國家有相關標準及政策支持，還需要車輛生產商、通信設備廠商、運營服務商和路方的通力配合。此外，未來5G-V2X技術的應用對整車感知數據融合也將是一個不小的挑戰。目前借助毫米波雷達、攝像頭、激光雷達等數據的融合本身就有一定的技術難度，今后再加上V2X采集到的數據，如何將它們有效融合將是未來研究的重點。

歐美等發達國家憑借自己高精尖的科研實力，在自動駕駛領域的人工智能算法方面有較為深厚的技術積淀，但由于基礎設施的投資一般由市場主導而非政府主導，因此網聯化推動進程緩慢，走單車智能路線無可厚非。但在國內，我國不僅擁有全世界最大規模的5G網絡，而且也建成了目前世界最大的車路協同基礎設施環境，在此背景下，走車路協同路線顯然更符合實際情況。

當然，如果沒有單車智能，也就無從談起車路協同，二者之間的關系實際上是缺一不可。在我們可預見的未來，“聰明”的車和“智慧”的路就是自動駕駛最終的目標。這一方面需要自動駕駛廠商用更好的硬件方案去適配更智能的軟件算法，另一方面也需要路端用更智慧的路來賦能越來越智能的車。