激光雷达

激光雷达

激光雷达的“误区”与“误解”,马斯克可以“用得起”

知识讲堂betty19920416 发表了文章 • 0 个评论 • 405 次浏览 • 2019-06-19 11:12 • 来自相关话题

过去几年,围绕激光雷达能否满足汽车行业对于价格、性能、重量、尺寸、温度/寿命(车规级)、可大规模自动化生产等要求“议论纷纷”。目前,行业内对于可用于前装车规级量产的激光雷达有一个相对明确的要求:1、测距范围:200-300米; ...查看全部

过去几年,围绕激光雷达能否满足汽车行业对于价格、性能、重量、尺寸、温度/寿命(车规级)、可大规模自动化生产等要求“议论纷纷”。

目前,行业内对于可用于前装车规级量产的激光雷达有一个相对明确的要求:

1、测距范围:200-300米;

2、分辨率及视场角:0.1-0.2度,120-180度;

3、价格:批量供货价格在500--1000美金

4、可靠性:车规级及功能安全认证;

5、生产:半自动化及自动化产线,保证产品一致性和生产效率;

而之所以有一部分企业“自称”不需要激光雷达,很大一部分原因还在于车规、价格等因素。要知道,目前,全球范围内只有一家法雷奥能够量产过车规的产品,单一供应商对于汽车制造商来说,存在着不小的风险。

这也是为什么目前行业内存在两种不同的自动驾驶传感器组合,一种是基于摄像头+毫米波雷达;一种是基于摄像头+毫米波雷达+激光雷达。

但如果要遵从自动驾驶的安全冗余要求,激光雷达的配置在大多数主机厂和自动驾驶公司来说,都是必须的传感器。

当然,价格和可靠性是相对较难的部分。不过,价格方面部分厂商的传统机械式激光雷达已经开始松动。


比如,镭神智能的32线360°机械式激光雷达售价已经降至6万元,16线360°机械式激光雷达批量售价已经下探到1.2万元。

而该公司即将要推出的车规级32线120°混合固态激光雷达售价将会降至1万元以内,车规级16线120°混合固态激光雷达大批量售价将会降至4千元左右,完全可以符合车厂前装的价格和性能要求,马斯克完全可以不用为激光雷达的价格原因降低安全性而困扰。

一、激光雷达的“真相”

自从车载激光雷达开山鼻祖Velodyne的代表性产品360度机械式旋转激光雷达被大多数企业划定为“几乎不可能过车规”的行列后,几十家初创公司开始在混合固态、纯固态的激光雷达“量产”之路上拿出了十八般武艺。

“固态激光雷达”实际上是一个涵盖多个非旋转激光雷达设计的总称。其中一种路线是MEMS——微机电系统——它使用一个微小振镜来控制激光束。

其他路线还有光学相控阵,一种完全没有任何运动部件的技术路线。还有就是Flash激光雷达,它不需要光束控制,只需在一个闪光中照亮整个场景,用类似于数码相机的二维传感器阵列探测返回的光线。

由于几乎没有或只有很少的运动部件,这三种设计都有可能实现小体积、低成本和可靠性。从长远来看,支持者们设想将几乎所有的电子部件——包括激光本身、波束控制电路、探测器和支持计算的电源——封装到一个芯片上。

从理论上讲,这一切听起来都不错。但上述三种固态设计(MEMS严格意义上仍处于混合固态)面临着实现目标的重大挑战,最大的困难是目前全世界做MEMS振镜的厂家没有一家可以提供能达到车规要求的MEMS振镜(这些或许很难从这些企业负责人口中听到)。

MEMS系统中的小镜子只能反射有限的光束。这使得将激光束反射到远处的物体上并探测到反射回来的光束变得非常困难。

此外,MEMS反射镜仍然存在一些问题:车辆的运动极易影响镜子的运动;车载环境的较宽的温度范围也会影响扫描。

由于MEMS扫描仪是一种共振设备,这意味着它在每次扫描的中间扫描速度最快,在扫描结束时扫描速度最慢。结果就是扫描的中心分辨率最低,与激光雷达的要求相反。

同时,MEMS镜子悬挂在非常细的扭力杆之间,扭力杆在使用过程中容易突然断裂。

当然,这并非说明MEMS路线就是不可行,比如已经有车规级量产经验的法雷奥,目前也在研发MEMS混合固态雷达,但时间点在2021年。

相控阵方法产生的光束往往比其他技术发散得更大,相控阵芯片对激光功率损耗很大,旁瓣很难压制,因此很难实现远距离、高扫描分辨率和宽视场的性能,而且接收得采用面阵的APD阵列探测器,成本远没美国某公司说的那么美妙。

FLASH激光雷达,来自每个闪光的光被分散到整个视野中,这意味着只有一小部分光照射到任何一个特定的点。而且光探测器阵列中的每个像素都必须非常小,这限制了它能够捕获的返回光的数量。

还有一种近年来兴起的技术路线,就是使用VCSEL技术,一种垂直腔面发射激光器(代替传统的激光发光源)。VCSEL的一个关键区别是激光从晶圆片垂直发射,而不是像边缘发射激光那样水平发射。

这是制造中的一个关键优势,因为VCSEL可以在晶圆片上测试。这降低了生产成本,因为故障芯片可以在封装前被筛选出来。标准的边缘发射激光器只能在后期的生产过程中进行测试。

此外,VCSEL耗电量更低、对温度的敏感性也较低,这是车规级产品验证的关键一环。

同时,雷达厂商可以封装集成数百个VCSEL、电子束控制和晶片尺度的微透镜,使其能够瞄准、聚焦并形成结构化的探测模式。不过,VCSEL目前仍然较为昂贵。而且,FLASH激光雷达的抗干扰能力是所有的这些激光雷达技术方案中最差的。

这也是为什么迄今为止,只有法雷奥和Ibeo合作开发的SCALA“过了车规”,其使用的嵌入式旋转镜是以恒定速度的扫描,已经被证明在移动物体应用中具备足够的可靠性和寿命。

一些汽车行业的人士表示,对于激光雷达的移动部件“质疑”很多时候不一定是对的。“传统汽车里有很多活动部件,它们可以使用10万英里甚至更长时间。”

那么,接下来对于传统机械式雷达的改造就是将发射和接收模块做成固态不动,只有棱镜旋转,也就是SCALA的混合固态模式。

3.jpg

比如,以镭神智能推出的128线激光雷达为例,其采用的正是上述的混合固态的设计,其接收和发射模块都是固定不动的,里面只有一个棱镜转动。

这个背后依靠的是镭神自主研发的全球首款激光雷达专用16通道TIA芯片,而且已经大批量流片成功,它不仅集成了接收模拟信号处理的多种功能和配置控制,同时还将高频高带宽模拟晶体管、多级增益可配置低噪声放大器、多路开关选择器和功率控制单元等集成到比指甲盖还小的芯片中。

这意味着,用单颗芯片就可以实现多线束激光雷达模拟接收处理,且适配所有采用TOF测量原理的多线(200/160/128/64/32/16线)、单线、MEMS和OPA激光雷达。

而在安装方面,除了之前的装在车的四周和车顶,镭神智能的128线是前装设计,可以直接嵌入车头,一辆车可能只须要装一台128线加两个补盲的雷达,比起旧方案,无论是安装还是算法方面都将更简单更省钱。

此外,在敏感的价格方面,128线激光雷达目前报价据说也不超过16.8万元,而后续还将陆续推出32/16/8/4线的车规级混合固态激光雷达,规模化量产后价格有望达到数千元级别,马斯克完全可以不用为激光雷达的价格原因降低安全性而困扰。

如果考虑到未来几年激光雷达在其他工业领域的大面积应用,对于车载激光雷达的成本下降也会有极大的促进作用。Waymo早前宣布从今年开始向非汽车行业出售激光雷达,目的也是通过规模化降低成本。

二、传感器“冗余”也至关重要

除了技术路线的争议,对于未来量产来说,过去对于激光雷达的误区在于大部分企业仅仅关注长距离产品(200米以上)。

实际上,考虑到未来L2+、L3、L4的长期需求共存因素,对于激光雷达的需求也存在两种:一种是前向的长距离探测,另一种是360度环视的中短距离探测(用于盲区)。

尤其是L3开始,不管是制动、转向、ECU等需要冗余,传感器组合也需要配置一定的冗余。

比如,典型的Waymo自动驾驶车的配置,3个中长距离激光雷达安装于车顶“构成”360度环视以及2个安装于两侧翼子板上方、1个安装于前方保险扛的短距离激光雷达。

而这3个短距离激光雷达(最短探测距离为0)可以保障对行人和骑行人的安全识别。尤其是夜间,摄像头失效的情况下,毫米波雷达也可能存在一定的问题,比如对横向穿行物体探测能力差。

最典型的反向例子就是Uber。Uber在将首批福特自动驾驶车型换成了沃尔沃XC90后,将识别行人的激光雷达传感器数量从7个减少到了1个,导致车辆周围出现盲点(大概3米长的盲区)。

因为在Uber早期的介绍中,有这样一段说明:“安装在前后和侧翼上的激光雷达有助于探测接近车辆的障碍物,以及可能在其他传感器盲区的较小障碍物。”

而在这起致命事故中,推着自行车的受害者正是横向穿行马路。当时,摄像头已经失效(道路几乎没有灯光),而毫米波雷达对横向移动物体能力较差。

此时,即便顶部激光雷达探测到自行车,但没有任何其他多余传感器进行验证,进而可能导致决策算法的判断错误。

显然,对于安全是自动驾驶第一要素的基本准则下,仅仅是依靠摄像头+毫米波雷达的组合,仍然存在一定的盲区风险。

这也是为何马斯克的“激光雷达无用论”会引起业界一片震惊与哗然的原因。特斯拉仅依赖摄像头+毫米波雷达做自动驾驶导致的数起交通事故已堪称警醒行业发展的经典案例。

比如,2016年一辆Model
S在自动驾驶状态下撞上对向正在转弯的卡车,该事故导致驾驶员死亡。据报道,当时特斯拉的Autopilot因为卡车车体反光,摄像头并未识别对向的卡车。

至今,或许特斯拉引以为傲的算法能力已获得数倍提升,摄像头+毫米波雷达的方案与激光雷达相比安全系数可能也就99
%和99.9999%的细微差异,然而正是这点差异恰恰可以成为生命安全的重要保障。


4.bmp

可见,此时选择增加激光雷达作为冗余传感器依然是保证安全的必要举措之一。对此,Waymo相关负责人一再强调,“摄像头、雷达和激光雷达系统是‘互补的’,各尽所能。激光雷达能提供‘更丰富、更准确的数据’,如果只是依赖摄像头会有更多的限制。”

曾在特斯拉任职6年的Waymo硬件主管萨蒂什·耶亚桑德兰(Satish
Jeyachandran)表示,“每一个传感器对于创造出性能强大、安全的自动驾驶汽车都很重要。尤其是涉及到自动驾驶时,整个套件比单个输入更重要。”

Waymo表示,目前激光雷达的价格正在下降,而且随着应用范围的扩大,价格还将继续下降。从目前全球的激光雷达行业来看,镭神智能的激光雷达在价格和性能已足够诱人,自动驾驶真正规模化落地也该不远了吧。

自动驾驶推动四维图新与德赛西威“牵手”走到台前

博客tututu 发表了文章 • 0 个评论 • 180 次浏览 • 2019-06-17 10:00 • 来自相关话题

在CES Asia 2019现场,合作十几年的一对老伙伴——四维图新与德赛西威终于牵手走上台前。这次“官宣”的契机即是自动驾驶技术,引发了无限唏嘘。车云菌现场获悉,本次德赛西威与四维图新正式签署战略合作框架协议,宣布将在自动驾驶地 ...查看全部

在CES Asia 2019现场,合作十几年的一对老伙伴——四维图新与德赛西威终于牵手走上台前。这次“官宣”的契机即是自动驾驶技术,引发了无限唏嘘。

车云菌现场获悉,本次德赛西威与四维图新正式签署战略合作框架协议,宣布将在自动驾驶地图及智能网联等领域进行深入合作。根据协议,双方将围绕德赛西威L3/L4级别自动驾驶解决方案,结合四维图新自动驾驶地图数据、地图引擎、在线分发服务和动态交通信息,为客户共同提供量产自动驾驶核心解决方案。

在此基础上,利用车端与四维图新云平台数据协同能力,实现动态、快速更新地图数据,实时收取、处理传感器数据并提供数据增值解决方案。此外,双方还计划整合旗下公司的车联网资源及能力,打造一个车联网整体生态系统。四维图新旗下的四维智联,将落实提供面向智能驾驶的整合车联网内容产品与运营服务战略,赋能德赛西威。

具体而言,为了促成此次结合,四维图新拿出了一套包含数据采集、自动化制图、地图学习更新体系以及在线分发服务的自动驾驶地图完整产品解决方案,及其上具备的超视距感知能力,德赛西威则贡献出了多传感器融合和自动驾驶大脑决策能力,进而在中国境内的高速及城市快速路上提供L3及以上级别的自动驾驶解决方案。

换句话说,四维图新与德赛西威的战略合作旨在为自动驾驶地图及定位解决方案整合软硬件一体化能力,最终落地在车端应用,打通潜在客户群体。

事实上,在这场发布会的整个过程中,二者的关键词都只有一个——量产。

为了更好地展现四维图新与德赛西威进军自动驾驶领域的决心,车云菌将后续沟通细节记录了下来:

Q:能否透露一下双方在技术方面的合作是否有新的进展和突破?

四维图新副总裁陈丹:四维图新的高精度地图、SDK已经集成到德赛西威产品中,给潜在客户进行展示。

Q:德赛西威在自动驾驶解决方案的各个环节具体有怎样的规划?

德赛西威总经理高大鹏:感知层面,德赛西威在一系列传感器,包括毫米波雷达、高清视觉传感器等方面都有所布局,目前已到量产阶段。今年我们会与主机厂配合量产24G及77G毫米波雷达。

但我们没有做激光雷达,而是选择了几个行业领先的业务合作伙伴,共同研发传感器融合的算法。从目前提高系统安全冗余的角度来看,激光雷达是必要的。而激光雷达现阶段的瓶颈还在于成本,我相信也有非常多的公司致力于推广激光雷达应用场景,使其性价比更高,更能被厂商接受。

在软件方面,我们今年有基于深度学习的感知融合算法。在中国市场也还有很多L2、L3级的ADAS产品。现阶段我们以开放的态度,和全行业中比较领先的初创公司进行合作,目标就是为车厂提供一个全栈的解决方案。在这种基础上,我们昨天发布了自动驾驶域控制器。

至于执行层,德赛西威没有牵扯非常多的整车系统及底盘架构,其更多的核心能力由整车厂及零部件供应商进行系统集成。

我们理解的智能驾驶是在行业分工、系统细分的基础上一点一点实现智能化的进程。

Q:在智能座舱方面,四维图新和德赛西威将如何展开合作?

德赛西威总经理高大鹏:在之前与四维图新沟通的过程中,我们知道该公司在智能驾驶舱方向的战略规划分为两个部分:一个针对驾驶舱,一个针对乘客,其中核心体现的是渠道智能。

在我看来,任何产品智能化程度越高,其默认设置都应该是最体贴的水平,而不是说一定要让客户进行选择。德赛西威目前在“车和家”领域中进行了很多尝试,目前来说我们认为还存在很多协作空间。因为我们的产品线是用户能够最先感知到的,我们也希望有更多的参与者,用软件和服务定义智能化的体验。智能化驾驶舱是可以持续升级的,这是一个和车主、乘客不断交互成长的过程。我相信四维图新有这个能力和我们协作打造智能驾驶舱。

四维集团CEO程鹏:怎么让车变得更聪明?这个事很简单,就是要基于大数据能力。高精地图产品就是一种预测行为,而且大部分场景都是可以预测的。所以包括自动驾驶在内,智能汽车最终要解决的问题就是预测行进方向。

这个问题如果不解决好,产品就落不了地,所以我们解决的所有问题都是围绕AI在车里面,这会花费很多年的时间。我们希望把这些底层的大数据能力、引擎能力、AI能力做好以后,输出给像德赛西威这样优秀的集成商,做成好的产品给用户使用。

转自:车云网

激光雷达的“误区”与“误解”,马斯克可以“用得起”

知识讲堂betty19920416 发表了文章 • 0 个评论 • 405 次浏览 • 2019-06-19 11:12 • 来自相关话题

过去几年,围绕激光雷达能否满足汽车行业对于价格、性能、重量、尺寸、温度/寿命(车规级)、可大规模自动化生产等要求“议论纷纷”。目前,行业内对于可用于前装车规级量产的激光雷达有一个相对明确的要求:1、测距范围:200-300米; ...查看全部

过去几年,围绕激光雷达能否满足汽车行业对于价格、性能、重量、尺寸、温度/寿命(车规级)、可大规模自动化生产等要求“议论纷纷”。

目前,行业内对于可用于前装车规级量产的激光雷达有一个相对明确的要求:

1、测距范围:200-300米;

2、分辨率及视场角:0.1-0.2度,120-180度;

3、价格:批量供货价格在500--1000美金

4、可靠性:车规级及功能安全认证;

5、生产:半自动化及自动化产线,保证产品一致性和生产效率;

而之所以有一部分企业“自称”不需要激光雷达,很大一部分原因还在于车规、价格等因素。要知道,目前,全球范围内只有一家法雷奥能够量产过车规的产品,单一供应商对于汽车制造商来说,存在着不小的风险。

这也是为什么目前行业内存在两种不同的自动驾驶传感器组合,一种是基于摄像头+毫米波雷达;一种是基于摄像头+毫米波雷达+激光雷达。

但如果要遵从自动驾驶的安全冗余要求,激光雷达的配置在大多数主机厂和自动驾驶公司来说,都是必须的传感器。

当然,价格和可靠性是相对较难的部分。不过,价格方面部分厂商的传统机械式激光雷达已经开始松动。


比如,镭神智能的32线360°机械式激光雷达售价已经降至6万元,16线360°机械式激光雷达批量售价已经下探到1.2万元。

而该公司即将要推出的车规级32线120°混合固态激光雷达售价将会降至1万元以内,车规级16线120°混合固态激光雷达大批量售价将会降至4千元左右,完全可以符合车厂前装的价格和性能要求,马斯克完全可以不用为激光雷达的价格原因降低安全性而困扰。

一、激光雷达的“真相”

自从车载激光雷达开山鼻祖Velodyne的代表性产品360度机械式旋转激光雷达被大多数企业划定为“几乎不可能过车规”的行列后,几十家初创公司开始在混合固态、纯固态的激光雷达“量产”之路上拿出了十八般武艺。

“固态激光雷达”实际上是一个涵盖多个非旋转激光雷达设计的总称。其中一种路线是MEMS——微机电系统——它使用一个微小振镜来控制激光束。

其他路线还有光学相控阵,一种完全没有任何运动部件的技术路线。还有就是Flash激光雷达,它不需要光束控制,只需在一个闪光中照亮整个场景,用类似于数码相机的二维传感器阵列探测返回的光线。

由于几乎没有或只有很少的运动部件,这三种设计都有可能实现小体积、低成本和可靠性。从长远来看,支持者们设想将几乎所有的电子部件——包括激光本身、波束控制电路、探测器和支持计算的电源——封装到一个芯片上。

从理论上讲,这一切听起来都不错。但上述三种固态设计(MEMS严格意义上仍处于混合固态)面临着实现目标的重大挑战,最大的困难是目前全世界做MEMS振镜的厂家没有一家可以提供能达到车规要求的MEMS振镜(这些或许很难从这些企业负责人口中听到)。

MEMS系统中的小镜子只能反射有限的光束。这使得将激光束反射到远处的物体上并探测到反射回来的光束变得非常困难。

此外,MEMS反射镜仍然存在一些问题:车辆的运动极易影响镜子的运动;车载环境的较宽的温度范围也会影响扫描。

由于MEMS扫描仪是一种共振设备,这意味着它在每次扫描的中间扫描速度最快,在扫描结束时扫描速度最慢。结果就是扫描的中心分辨率最低,与激光雷达的要求相反。

同时,MEMS镜子悬挂在非常细的扭力杆之间,扭力杆在使用过程中容易突然断裂。

当然,这并非说明MEMS路线就是不可行,比如已经有车规级量产经验的法雷奥,目前也在研发MEMS混合固态雷达,但时间点在2021年。

相控阵方法产生的光束往往比其他技术发散得更大,相控阵芯片对激光功率损耗很大,旁瓣很难压制,因此很难实现远距离、高扫描分辨率和宽视场的性能,而且接收得采用面阵的APD阵列探测器,成本远没美国某公司说的那么美妙。

FLASH激光雷达,来自每个闪光的光被分散到整个视野中,这意味着只有一小部分光照射到任何一个特定的点。而且光探测器阵列中的每个像素都必须非常小,这限制了它能够捕获的返回光的数量。

还有一种近年来兴起的技术路线,就是使用VCSEL技术,一种垂直腔面发射激光器(代替传统的激光发光源)。VCSEL的一个关键区别是激光从晶圆片垂直发射,而不是像边缘发射激光那样水平发射。

这是制造中的一个关键优势,因为VCSEL可以在晶圆片上测试。这降低了生产成本,因为故障芯片可以在封装前被筛选出来。标准的边缘发射激光器只能在后期的生产过程中进行测试。

此外,VCSEL耗电量更低、对温度的敏感性也较低,这是车规级产品验证的关键一环。

同时,雷达厂商可以封装集成数百个VCSEL、电子束控制和晶片尺度的微透镜,使其能够瞄准、聚焦并形成结构化的探测模式。不过,VCSEL目前仍然较为昂贵。而且,FLASH激光雷达的抗干扰能力是所有的这些激光雷达技术方案中最差的。

这也是为什么迄今为止,只有法雷奥和Ibeo合作开发的SCALA“过了车规”,其使用的嵌入式旋转镜是以恒定速度的扫描,已经被证明在移动物体应用中具备足够的可靠性和寿命。

一些汽车行业的人士表示,对于激光雷达的移动部件“质疑”很多时候不一定是对的。“传统汽车里有很多活动部件,它们可以使用10万英里甚至更长时间。”

那么,接下来对于传统机械式雷达的改造就是将发射和接收模块做成固态不动,只有棱镜旋转,也就是SCALA的混合固态模式。

3.jpg

比如,以镭神智能推出的128线激光雷达为例,其采用的正是上述的混合固态的设计,其接收和发射模块都是固定不动的,里面只有一个棱镜转动。

这个背后依靠的是镭神自主研发的全球首款激光雷达专用16通道TIA芯片,而且已经大批量流片成功,它不仅集成了接收模拟信号处理的多种功能和配置控制,同时还将高频高带宽模拟晶体管、多级增益可配置低噪声放大器、多路开关选择器和功率控制单元等集成到比指甲盖还小的芯片中。

这意味着,用单颗芯片就可以实现多线束激光雷达模拟接收处理,且适配所有采用TOF测量原理的多线(200/160/128/64/32/16线)、单线、MEMS和OPA激光雷达。

而在安装方面,除了之前的装在车的四周和车顶,镭神智能的128线是前装设计,可以直接嵌入车头,一辆车可能只须要装一台128线加两个补盲的雷达,比起旧方案,无论是安装还是算法方面都将更简单更省钱。

此外,在敏感的价格方面,128线激光雷达目前报价据说也不超过16.8万元,而后续还将陆续推出32/16/8/4线的车规级混合固态激光雷达,规模化量产后价格有望达到数千元级别,马斯克完全可以不用为激光雷达的价格原因降低安全性而困扰。

如果考虑到未来几年激光雷达在其他工业领域的大面积应用,对于车载激光雷达的成本下降也会有极大的促进作用。Waymo早前宣布从今年开始向非汽车行业出售激光雷达,目的也是通过规模化降低成本。

二、传感器“冗余”也至关重要

除了技术路线的争议,对于未来量产来说,过去对于激光雷达的误区在于大部分企业仅仅关注长距离产品(200米以上)。

实际上,考虑到未来L2+、L3、L4的长期需求共存因素,对于激光雷达的需求也存在两种:一种是前向的长距离探测,另一种是360度环视的中短距离探测(用于盲区)。

尤其是L3开始,不管是制动、转向、ECU等需要冗余,传感器组合也需要配置一定的冗余。

比如,典型的Waymo自动驾驶车的配置,3个中长距离激光雷达安装于车顶“构成”360度环视以及2个安装于两侧翼子板上方、1个安装于前方保险扛的短距离激光雷达。

而这3个短距离激光雷达(最短探测距离为0)可以保障对行人和骑行人的安全识别。尤其是夜间,摄像头失效的情况下,毫米波雷达也可能存在一定的问题,比如对横向穿行物体探测能力差。

最典型的反向例子就是Uber。Uber在将首批福特自动驾驶车型换成了沃尔沃XC90后,将识别行人的激光雷达传感器数量从7个减少到了1个,导致车辆周围出现盲点(大概3米长的盲区)。

因为在Uber早期的介绍中,有这样一段说明:“安装在前后和侧翼上的激光雷达有助于探测接近车辆的障碍物,以及可能在其他传感器盲区的较小障碍物。”

而在这起致命事故中,推着自行车的受害者正是横向穿行马路。当时,摄像头已经失效(道路几乎没有灯光),而毫米波雷达对横向移动物体能力较差。

此时,即便顶部激光雷达探测到自行车,但没有任何其他多余传感器进行验证,进而可能导致决策算法的判断错误。

显然,对于安全是自动驾驶第一要素的基本准则下,仅仅是依靠摄像头+毫米波雷达的组合,仍然存在一定的盲区风险。

这也是为何马斯克的“激光雷达无用论”会引起业界一片震惊与哗然的原因。特斯拉仅依赖摄像头+毫米波雷达做自动驾驶导致的数起交通事故已堪称警醒行业发展的经典案例。

比如,2016年一辆Model
S在自动驾驶状态下撞上对向正在转弯的卡车,该事故导致驾驶员死亡。据报道,当时特斯拉的Autopilot因为卡车车体反光,摄像头并未识别对向的卡车。

至今,或许特斯拉引以为傲的算法能力已获得数倍提升,摄像头+毫米波雷达的方案与激光雷达相比安全系数可能也就99
%和99.9999%的细微差异,然而正是这点差异恰恰可以成为生命安全的重要保障。


4.bmp

可见,此时选择增加激光雷达作为冗余传感器依然是保证安全的必要举措之一。对此,Waymo相关负责人一再强调,“摄像头、雷达和激光雷达系统是‘互补的’,各尽所能。激光雷达能提供‘更丰富、更准确的数据’,如果只是依赖摄像头会有更多的限制。”

曾在特斯拉任职6年的Waymo硬件主管萨蒂什·耶亚桑德兰(Satish
Jeyachandran)表示,“每一个传感器对于创造出性能强大、安全的自动驾驶汽车都很重要。尤其是涉及到自动驾驶时,整个套件比单个输入更重要。”

Waymo表示,目前激光雷达的价格正在下降,而且随着应用范围的扩大,价格还将继续下降。从目前全球的激光雷达行业来看,镭神智能的激光雷达在价格和性能已足够诱人,自动驾驶真正规模化落地也该不远了吧。

自动驾驶推动四维图新与德赛西威“牵手”走到台前

博客tututu 发表了文章 • 0 个评论 • 180 次浏览 • 2019-06-17 10:00 • 来自相关话题

在CES Asia 2019现场,合作十几年的一对老伙伴——四维图新与德赛西威终于牵手走上台前。这次“官宣”的契机即是自动驾驶技术,引发了无限唏嘘。车云菌现场获悉,本次德赛西威与四维图新正式签署战略合作框架协议,宣布将在自动驾驶地 ...查看全部

在CES Asia 2019现场,合作十几年的一对老伙伴——四维图新与德赛西威终于牵手走上台前。这次“官宣”的契机即是自动驾驶技术,引发了无限唏嘘。

车云菌现场获悉,本次德赛西威与四维图新正式签署战略合作框架协议,宣布将在自动驾驶地图及智能网联等领域进行深入合作。根据协议,双方将围绕德赛西威L3/L4级别自动驾驶解决方案,结合四维图新自动驾驶地图数据、地图引擎、在线分发服务和动态交通信息,为客户共同提供量产自动驾驶核心解决方案。

在此基础上,利用车端与四维图新云平台数据协同能力,实现动态、快速更新地图数据,实时收取、处理传感器数据并提供数据增值解决方案。此外,双方还计划整合旗下公司的车联网资源及能力,打造一个车联网整体生态系统。四维图新旗下的四维智联,将落实提供面向智能驾驶的整合车联网内容产品与运营服务战略,赋能德赛西威。

具体而言,为了促成此次结合,四维图新拿出了一套包含数据采集、自动化制图、地图学习更新体系以及在线分发服务的自动驾驶地图完整产品解决方案,及其上具备的超视距感知能力,德赛西威则贡献出了多传感器融合和自动驾驶大脑决策能力,进而在中国境内的高速及城市快速路上提供L3及以上级别的自动驾驶解决方案。

换句话说,四维图新与德赛西威的战略合作旨在为自动驾驶地图及定位解决方案整合软硬件一体化能力,最终落地在车端应用,打通潜在客户群体。

事实上,在这场发布会的整个过程中,二者的关键词都只有一个——量产。

为了更好地展现四维图新与德赛西威进军自动驾驶领域的决心,车云菌将后续沟通细节记录了下来:

Q:能否透露一下双方在技术方面的合作是否有新的进展和突破?

四维图新副总裁陈丹:四维图新的高精度地图、SDK已经集成到德赛西威产品中,给潜在客户进行展示。

Q:德赛西威在自动驾驶解决方案的各个环节具体有怎样的规划?

德赛西威总经理高大鹏:感知层面,德赛西威在一系列传感器,包括毫米波雷达、高清视觉传感器等方面都有所布局,目前已到量产阶段。今年我们会与主机厂配合量产24G及77G毫米波雷达。

但我们没有做激光雷达,而是选择了几个行业领先的业务合作伙伴,共同研发传感器融合的算法。从目前提高系统安全冗余的角度来看,激光雷达是必要的。而激光雷达现阶段的瓶颈还在于成本,我相信也有非常多的公司致力于推广激光雷达应用场景,使其性价比更高,更能被厂商接受。

在软件方面,我们今年有基于深度学习的感知融合算法。在中国市场也还有很多L2、L3级的ADAS产品。现阶段我们以开放的态度,和全行业中比较领先的初创公司进行合作,目标就是为车厂提供一个全栈的解决方案。在这种基础上,我们昨天发布了自动驾驶域控制器。

至于执行层,德赛西威没有牵扯非常多的整车系统及底盘架构,其更多的核心能力由整车厂及零部件供应商进行系统集成。

我们理解的智能驾驶是在行业分工、系统细分的基础上一点一点实现智能化的进程。

Q:在智能座舱方面,四维图新和德赛西威将如何展开合作?

德赛西威总经理高大鹏:在之前与四维图新沟通的过程中,我们知道该公司在智能驾驶舱方向的战略规划分为两个部分:一个针对驾驶舱,一个针对乘客,其中核心体现的是渠道智能。

在我看来,任何产品智能化程度越高,其默认设置都应该是最体贴的水平,而不是说一定要让客户进行选择。德赛西威目前在“车和家”领域中进行了很多尝试,目前来说我们认为还存在很多协作空间。因为我们的产品线是用户能够最先感知到的,我们也希望有更多的参与者,用软件和服务定义智能化的体验。智能化驾驶舱是可以持续升级的,这是一个和车主、乘客不断交互成长的过程。我相信四维图新有这个能力和我们协作打造智能驾驶舱。

四维集团CEO程鹏:怎么让车变得更聪明?这个事很简单,就是要基于大数据能力。高精地图产品就是一种预测行为,而且大部分场景都是可以预测的。所以包括自动驾驶在内,智能汽车最终要解决的问题就是预测行进方向。

这个问题如果不解决好,产品就落不了地,所以我们解决的所有问题都是围绕AI在车里面,这会花费很多年的时间。我们希望把这些底层的大数据能力、引擎能力、AI能力做好以后,输出给像德赛西威这样优秀的集成商,做成好的产品给用户使用。

转自:车云网