7月25日，長安汽車首款基于全新EPA1純電動平臺打造的產(chǎn)品——深藍SL03公布了售價。深藍品牌首款車型甫一亮相信息量不小，其智能駕駛傳感器配置便十分吸睛。資料顯示，深藍SL03率先在國內(nèi)采用4枚角雷達、1枚4D成像毫米波雷達組成的“360度”感知組合，且這總計5枚雷達均來自自主供應(yīng)商。

作為感知元器件，4D毫米波雷達逐漸走熱。這個領(lǐng)域曾是博世、大陸、安波福、電裝等國際知名一級零部件供應(yīng)商的天下。自主供應(yīng)商最近幾年也紛紛開始布局，華為、恒潤經(jīng)緯、華域汽車、森思泰克、楚航科技等公司的相關(guān)產(chǎn)品先后進入量產(chǎn)階段。“當前，自動駕駛傳感器相繼量產(chǎn)落地，同時仍然不斷演進，將逐漸成為汽車標配。”輕舟智航感知負責人張雨告訴《中國汽車報》記者。

一面是整車積極配裝4D毫米波雷達，國內(nèi)外供應(yīng)商不約而同發(fā)力;一面是激光雷達逐漸發(fā)展成熟，成本降低，開啟前裝定點。不同類型傳感器競相登場，究竟是“內(nèi)卷”還是一場“盛宴”?面向高等級自動駕駛，傳感器融合方案路向何方?

傳感器融合：互補而非替代

據(jù)了解，4D毫米波雷達在保有傳統(tǒng)雷達低成本、高性能優(yōu)勢的同時，能夠進行垂直方向探測;此外，虛擬天線技術(shù)的應(yīng)用更使其在提高角分辨率、縮小體積等方面實現(xiàn)了突破。以大陸集團發(fā)布的4D成像毫米波雷達ARS540為例，該產(chǎn)品探測范圍達300m，探測視野達±60°，可對各種類別交通參與者及固定設(shè)施準確分類。

“4D毫米波雷達與激光雷達的關(guān)系是互補而不是替代。從目前主流的傳感器組合配置來看，有單攝像頭、1R1V、5R1V、5R6V，也有稍微激進一些的，比如6枚雷達、8枚攝像頭和3枚激光雷達。這些配置是行車系統(tǒng)的基本組合，泊車系統(tǒng)的主流配置則是12枚超聲傳感器和4枚攝像頭。”大陸集團自動駕駛及出行事業(yè)群中國區(qū)研發(fā)總監(jiān)周勇告訴記者，“作為Tier1，滿足不同客戶的不同需求是我們的使命，公司擁有多樣化的解決方案。”

“4D毫米波雷達和激光雷達在一定時期內(nèi)會是共存的關(guān)系。”北京主線科技有限公司前瞻研究院院長王超認為，“4D毫米波雷達與傳統(tǒng)毫米波雷達相比，點云質(zhì)量有所提升;但與激光雷達相比，目前依然是后者占據(jù)絕對優(yōu)勢。對于這兩種感知元器件而言，4D毫米波雷達勝在成本、穩(wěn)定性與高效，激光雷達則勝在數(shù)據(jù)質(zhì)量。它們都處于發(fā)展階段，未來的形態(tài)及應(yīng)用還存在很多變數(shù)。比如，行業(yè)注意到4D毫米波雷達的成本優(yōu)勢，就開始選擇其以降低自動駕駛方案的成本。而假設(shè)激光雷達未來成本大幅下降，在極端天氣下的表現(xiàn)更為穩(wěn)定，激光雷達取代4D毫米波雷達也并非沒有可能。”

“在相當長的一段時間內(nèi)，目前主流的攝像頭+毫米波雷達+激光雷達的配置組合應(yīng)該不會改變。主要原因在于，每種傳感器都有自身的優(yōu)勢、劣勢及適用場景，它們興起與迭代是為了達到更高的安全性，提供更多的安全冗余。攝像頭可以捕捉顏色信息，毫米波雷達針對惡劣天氣有很好的適應(yīng)性，激光雷達的優(yōu)勢在于不受外界光線干擾，同時測距精度高，能夠補足強光、逆光、黑夜等其他傳感器弱勢場景。”圖達通(蘇州)有限公司總經(jīng)理鄧常敏向記者介紹道，“隨著L3及以上自動駕駛技術(shù)的規(guī)?；逃?，激光雷達的使用量會繼續(xù)增加，出現(xiàn)1顆、2顆，甚至4顆的多樣性趨勢。高性能激光雷達開始逐步被車企采用并加入融合感知的方案中，終極目標是為了使感知方案更加安全可靠。”

“4D毫米波雷達與激光雷達之間并不是替代關(guān)系。”楚航科技創(chuàng)始人、首席執(zhí)行官楚詠焱告訴記者，“對于L2自動駕駛，4D毫米波雷達能夠防止因高度信息誤判產(chǎn)生的誤報警、誤制動，從而更好實現(xiàn)FCW(前方碰撞預(yù)警)和AEB(自動緊急制動)功能;對于L3～L5自動駕駛，能夠與攝像頭、激光雷達等以光學(xué)為基礎(chǔ)的感知元器件更好地前向融合并提高魯棒性，應(yīng)該算是各司其職。”

張雨補充說：“激光雷達可以提供精確的3D位置信息，不受環(huán)境光影響;毫米波雷達能夠輸出物體運動狀態(tài)，對雨、雪、霧等惡劣天氣魯棒性強;攝像頭信息密度高，對遠距離/小物體/通用語義效果更好;超聲波雷達成本低，自車米級別范圍精度高，能夠在倒車/泊車場景中起重要作用。”

組合方案源于技術(shù)等級需求

“對感知元器件的選型、布置和使用，我們應(yīng)從L3、L4高階自動駕駛的需求進行反向推導(dǎo)。”周勇的觀點旗幟鮮明，而行業(yè)內(nèi)持有類似看法的人士不在少數(shù)。

“感知元器件的選型、搭配應(yīng)該基于對自動駕駛需求的匹配，不同等級的自動駕駛對感知的需求是有巨大差異的。不過，現(xiàn)在有兩個略顯尷尬的問題，一是通常我們并不能做到完全依據(jù)系統(tǒng)需求，尋找能夠完美匹配的傳感器，而是要采用現(xiàn)有的主流傳感器;二是業(yè)界對于L3、L4自動駕駛的需求暫時還沒有形成比較一致的清晰定義。”王超告訴記者。

“理想狀態(tài)應(yīng)該是基于整車自動駕駛需求的適應(yīng)性來確定感知元器件，也就是產(chǎn)品到底定位于實現(xiàn)哪一個等級的自動駕駛。”周勇分析認為，“對于L1、L2自動駕駛，單攝像頭或1R1V的配置就足夠了，但如果面向高等級自動駕駛，當前的傳感器組合方式及數(shù)量，仍有可以進步的空間。因為每一類傳感器都有自己鮮明的優(yōu)勢與劣勢，這是由其工作原理決定的。比如，攝像頭在夜間表現(xiàn)、縱向測距方面有短板;同樣的，毫米波雷達、激光雷達也有自己的問題。既然我們追求在更多場景下實現(xiàn)自動駕駛，那么多種感知元器件融合就變得順理成章了。”

鄧常敏認同這種說法：“不同場景的需求不同，L2及L2+自動駕駛功能相對不復(fù)雜，可能只需要毫米波雷達和攝像頭即可;但L3及以上自動駕駛，依靠更高性能的傳感器加入，如目前主流的攝像頭+毫米波雷達+激光雷達方案。”

周勇表示，從趨勢上看，單車傳感器的數(shù)量逐步增加，這有利于近距離補盲。比如，5R1V的組合還存在一定的盲區(qū)，車企于是開始考慮增加配置，將毫米波雷達增加到7枚的水平。同時，隨著毫米波雷達的大規(guī)模量產(chǎn)，單個傳感器的成本也在逐漸降低。

在張雨看來，在量產(chǎn)自動駕駛汽車上，激光雷達將從無到有，從少到多，直至全視角覆蓋。“當前，我們處在從無到有的階段，激光雷達的成本已降至可以量產(chǎn)的水平，但如果進行全視角覆蓋依然面臨兩方面的限制。第一是成本，達到全視角覆蓋需要5個左右的固態(tài)激光雷達支持，一定會造成成本的增加。第二是算力，全視角覆蓋意味著大量點云數(shù)據(jù)需要計算處理，當前量產(chǎn)算力平臺能否滿足要求以及算力的機會成本都是需要考量的因素。”他對記者表示，“目前，單顆120°激光雷達足以應(yīng)對絕大部分復(fù)雜場景，因此，其搭配全視角視覺及其他傳感器，是滿足城市NOA(導(dǎo)航輔助駕駛)的最優(yōu)選擇。”

“就目前的ADAS而言，現(xiàn)有解決方案即攝像頭+毫米波雷達已能滿足需求，加入4D毫米波雷達應(yīng)該算是錦上添花。而對于L3及以上級別自動駕駛，這類傳感器就是必選項。”楚詠焱指出，“不過，如何配置感知元器件，仁者見仁、智者見智。不同整車企業(yè)的品牌定位不同，即便相同品牌不同級別車型的定位也不同，這就帶來感知元器件組合的不同方案。依據(jù)自動駕駛的需求以及品牌、產(chǎn)品定位確定配置是比較理性的選擇。”

傳感器融合帶來的全新挑戰(zhàn)

張雨表示：“不同的傳感器特性不同，失效模式重合度低。良好的多傳感器融合方案，可以獲得比單傳感器更優(yōu)的感知效果，從而更好地滿足高級別自動駕駛的需求。”

其實，不僅車端的感知元器件具有融合的條件與可能性，路側(cè)設(shè)備提供的感知信息也在不斷進化。“激光雷達路側(cè)感知可為ADAS或自動駕駛提供另一方面的感知冗余。其意義在于，擴大了車端的感知范圍，讓車輛能更早、更及時地獲取周圍信息，并及時做出路線規(guī)劃;可以解決車端的一些長尾問題，如鬼探頭，通過C-V2X及時將信息傳輸給車輛;能夠獲取城市宏觀交通狀態(tài)，從而確保道路安全，改善擁堵問題，提高出行效率。”鄧常敏認為。

不過，周勇告訴記者，感知元器件融合帶來的挑戰(zhàn)成為行業(yè)近幾年討論比較多的話題。“以攝像頭為例，其傳輸速率從最初的1M發(fā)展到后來的2.5M、3M，再到現(xiàn)在的8M;此外，近年來上車的激光雷達，點云數(shù)據(jù)也是越來越多。這些都會導(dǎo)致數(shù)據(jù)傳輸量的增加，同時對傳輸速率提出更高要求，因此出現(xiàn)了整車線束成本增加的傾向。行業(yè)對整車電子電氣架構(gòu)由分布式向集中式演進已形成共識，但如何分步驟實現(xiàn)，集中又將達到何種程度，大家的認識不同，還沒有一致的看法。”

“自動駕駛傳感器的數(shù)量增多以及單傳感器數(shù)據(jù)量增多是大勢所趨，但同時數(shù)據(jù)傳輸也帶來嚴峻的挑戰(zhàn)。我們可以通過硬件計算的架構(gòu)設(shè)計，降低傳輸熱點的存在，以緩解傳輸瓶頸;同時，還嘗試通過計算前置、信息壓縮等方式來降低傳輸信息量。”張雨介紹說。

車輛對傳感器的需求不斷提升

“全社會一直在追求更低的道路交通事故傷亡率，基于此，感知元器件的冗余水平，還未跨過保證絕對安全所需要的門檻。從優(yōu)先級來看，自動駕駛依次追求安全、舒適，對成本的考量甚至需要放在最后。”周勇對記者說，“面對未來的需求，有兩個關(guān)注點。首先是傳感器自身性能的提升。我們希望傳感器的精度、分辨率、視角、刷新率等參數(shù)指標越高越好，但其副作用是消耗(需要的)算力也要不斷提高。而視角的擴大必然造成探測距離的損失，這是在傳感器設(shè)計之初就需要進行取舍的。其次是傳感器的布置使用角度，還有很大的提升空間。”

“隨著自動駕駛向L4演進，車輛對于傳感器的需求不斷提升。首先必須強調(diào)穩(wěn)定性和成本，拋開這兩點，就不是有現(xiàn)實意義的自動駕駛。在此基礎(chǔ)上，更高等級自動駕駛需要激光雷達，以提升探測距離和分辨率。探測距離越遠，探測分辨率越高，提供的精確3D位置信息范圍更大，信息密度更高，對感知多傳感器融合的幫助也就越大。此外，更高等級自動駕駛也要求攝像頭的分辨率不斷提高，以此改善視距、小物體識別和語義級別感知能力。對于毫米波雷達而言，除了提供4D毫米波信息之外，也需要更高的信息密度，更稠密的點云。”張雨認為，“安全無小事，對于L4自動駕駛應(yīng)用，一定要確保安全優(yōu)先，從這個意義上說，相關(guān)車輛的傳感器配置合理。對于非L4自動駕駛應(yīng)用，設(shè)計上也應(yīng)該在兼顧舒適性與成本的同時，不犧牲安全性。目前，我們的單激光雷達城市NOA功能設(shè)計，正是建立在安全的基礎(chǔ)之上。城市NOA場景復(fù)雜，存在很多邊界場景，車輛需要更多的傳感器冗余。”

“更高級別自動駕駛，對傳感器的探測距離、分辨率及探測穩(wěn)定性都提出了越來越高的要求。以激光雷達為例，要滿足L3及以上級別自動駕駛，至少需要滿足250米的標準探測距離。”鄧常敏強調(diào)。

周勇告訴記者，令行業(yè)感到樂觀的是，國內(nèi)市場對于自動駕駛的接受度較高，很多用戶即使并非高頻使用，但還是希望把自動駕駛功能作為車輛配置。也因為這樣的高接受度，帶動了自動駕駛產(chǎn)業(yè)市場整體規(guī)模不斷擴大，技術(shù)和產(chǎn)品成本的下降趨勢比較明顯的。

“從感知融合的角度講，傳感器會強化感知功能，弱化計算功能。”楚詠焱介紹道，“無論激光雷達、毫米波雷達還是攝像頭，感知在前端融合，計算放到域控制器或中央計算單元上是一個比較明確的方向。當然這也帶來對數(shù)據(jù)傳輸實時性、安全性及抗干擾性等的挑戰(zhàn)。”

拒絕“力大飛磚”　堅持算法優(yōu)先

在感知元器件市場快速增長，配置方式百花齊放的背景下，算力與算法誰更能有效應(yīng)對挑戰(zhàn)，成為了行業(yè)關(guān)注的重點。

“未來，行業(yè)肯定需要更強大的軟件保證自動駕駛感知系統(tǒng)的質(zhì)量和精度，而軟件能力的提升，實際上又會受平臺算力的制約。因此，感知融合今后的發(fā)展，將有賴于平臺算力和融合算法兩方面的共同支撐。”張雨告訴記者，輕舟智航采用當前高算力量產(chǎn)計算平臺，通過系統(tǒng)和模型性能優(yōu)化，充分利用平臺提供的異構(gòu)算力，使算法得以充分施展拳腳;算法能力方面，進行數(shù)據(jù)層、特征層、觀測層的多層次融合，在相同算力下更充分地利用不同傳感器的特性，提升感知效果，同時，依托算法靈活適配不同車型、不同傳感器方案的特點，統(tǒng)合利用多種車型數(shù)據(jù)，保證算法的準確度和泛化性。“在算法和部署優(yōu)化上同時發(fā)力，提升算力應(yīng)用效率，是我們的感知算法能在業(yè)界保持強大競爭力和優(yōu)勢地位的原因。”他稱。

“我個人認為，感知融合更依賴算法，算力只是基礎(chǔ)條件。”周勇表示，“目前來看，以深度學(xué)習(xí)為代表的人工智能技術(shù)已開始幫助算法提升、進化，有助于幫助我們解決更多的自動駕駛長尾問題。”

“在感知融合的條件下，突破是需要依賴算法的，不同的算法對算力的需求不同。我們對算法的調(diào)試能夠適應(yīng)低算力平臺的搭載需求，但感知融合的表現(xiàn)如何，算法起著決定性作用。”王超認為，“自動駕駛的場景極其豐富，我們希望適應(yīng)更多的場景，這就需要依靠堆疊模型的方法，推到算力端去解決既不現(xiàn)實也不經(jīng)濟，解決方案還是要依靠算法的優(yōu)化與迭代。”

“硬件是門檻，定義了感知元器件能夠做什么;算法則是來幫助硬件彌補缺陷、排除干擾和提升效果的。”楚詠焱表示，“當然，算法也在進行融合，未來自動駕駛感知技術(shù)的發(fā)展將呈現(xiàn)硬件與算法相互交融的趨勢。”(記者 馬鑫)