未来十年哪些技术会是高科技王冠上的明珠?

相信智能驾驶必将占有一席之地。作为一种智慧出行模式,智能驾驶将给无数渴望在驾驶过程中“解放四肢”的人们带来无限憧憬和向往。

但这种“憧憬”并不简单,回想一下咱们平时是怎么开车的:通过眼睛感知周边环境,再由大脑对感知到的信息进行分析决策,最后在收到指令后由手脚控制车辆。当“解放四肢”的智能驾驶真正实现由车辆全部或部分替代这些本来由人执行的功能时,有没有电影中未来出行场景的既视感?

“看、想、做”,智能驾驶谁最关键?

马歇尔·麦克卢汉在《理解媒介:论人的延伸》中提出媒介是人的感觉能力的延伸或扩展:文字和印刷媒介是人的视觉能力的延伸,广播是人的听觉能力的延伸,而智能驾驶无疑是人类“视、听、触”等能力的延伸。智能驾驶的核心就在于车辆的感知、决策、执行。那么在“看、想、做”这三项智能驾驶亟待突破的基础共性技术上,哪项技术最为关键?

首先,来看“做”,也就是车辆执行。车辆执行相当于人类的手脚,担负着刹车、转向、加速等功能。当接收到决策系统发出的指令后,车辆要立刻做出相应的动作。

其次,是“想”,也就是车辆的行为决策,相当于人类的大脑思维,担负着在动态变化的环境中实时调整驾驶策略并做出最优行动选择的功能:前面没车,赶紧加速;行人冲出来了,赶紧刹车。

但无论是决策、还是执行,最重要的先决条件是能够完成物体探测、信号识别、分类、判断等功能的感知技术,也就是“看”:有车在加塞?红灯还是绿灯?哎呀,怎么窜出个猫?当车辆“看”到这些信息时并做出合理反应时,人们才有足够的信心将驾驶权交给车辆。可以说,环境感知是当下智能驾驶最最关键利器。

环境感知技术的“屠龙刀”和“倚天剑”

现阶段环境感知技术的关键在于传感器,通过传感器来接受外部各种物理量并转换成电信号,主要分为三种类别:

视觉传感器——摄像头

摄像头类似人类的眼睛,多摄像头更多类似动物的复眼,能清楚辨识物体,检测大多数信息,成本较便宜,缺点是容易受到光线和天气的影响。特斯拉之前在美国的事故就是因为摄像头在面对强光直射的时候,没有分辨出白色货车和天空。

雷达传感器——毫米波雷达、超声波雷达

雷达传感器更多类似于于耳朵的功能,根据探测距离、分辨率等因素不同,可分为毫米波雷达、超声波雷达。毫米波雷达穿透能力强,具备全天时全天候以及远距离探测优势。缺点是方位分辨率不是很高,无法感知行人、树木等物体。

毫米波雷达很早就一直在高档汽车应用,技术相对成熟,据了解,在特斯拉车上搭载了一个探测距离达160米的毫米波雷达,而在ARCFOX车上搭载了5个五代毫米波雷达,可提供高达210米的探测距离、最大±75°的视场角和更高探测精度。

超声波雷达穿透性强、测距简单、在短距离测量中优势明显,主要用于倒车辅助,缺点速度慢,测量精度不高。目前特斯拉、ARCFOX、蔚来等主流车型超声波雷达都达12个之多,这也是几款产品在智能驾驶自动泊车功能的强大所在。

激光传感器——激光雷达

激光雷达因测距精准、范围广、强抗干扰能力、全天时工作等特性受到奥迪、通用等众多厂家青睐,沃尔沃更是表示,激光雷达是汽车迈向全自动的关键,对绝大多数车企而言,似乎搭载激光雷达已不是“要不要”而是“能不能”的话题。

不过面向智能驾驶应用的车载激光雷达面临不少挑战,除受环境影响大外,成本高是其被大规模使用的最大障碍。目前,量产车型中除了奥迪已在A8L车型上搭载激光雷达,以及ARCFOX、沃尔沃等少数品牌透露将准备搭载激光雷达外,激光雷达的产业化应用之路任重而道远。

不难发现,每一种传感器都有性能边界,它们各具优缺点。而随着智能驾驶产业逐步形成规模,环境感知技术路线形成了两大阵营,颇具你有“屠龙刀”,我有“倚天剑”的互争态势:

一种是以特斯拉、日产为代表,主要以摄像头为主并深度学习的视觉主导技术方向。特斯拉标配8个摄像头,包括倒车摄像头、前置三目摄像头以及两侧4个摄像头。将多装摄像头好能智能驾驶的精髓体现的淋漓尽致。

一种是以奥迪、蔚来、ARCFOX、沃尔沃等为代表,主要通过摄像头、毫米波雷达、激光雷达等多传感器融合的技术方向,更像是眼睛+耳朵的组合。据了解,中国高端品牌中蔚来ES8和即将上市的ARCFOX搭载了多达23个智能驾驶传感器,而新近上市的比亚迪汉也搭载20个传感器。足以显见,将多种传感器进行融合,各取所长,已成为当下主流车企的趋势。

当然实现传感器融合,也是有前提条件的,一是硬件层面传感器数量要足够多,二是软件层面算法要足够优化,数据处理速度要够快,而这也是ARCFOX、一汽等中国品牌纷纷与华为等科技巨头展开合作的重要原因。据了解,ΑRCFOX 旗下首款量产SUV,ARCFOX αT将搭载芯片算力达到352TOPs(每秒运算352万亿次)的华为新一代MH5000 5G芯片 T-BOX,结合域控制器可支持智能驾驶最高功能安全ASIL-D等级。

综合来看,两种发展路线可谓是各有千秋,在规范化的用车场景中,走视觉计算路线的特斯拉已取得了不小的成绩,在实际数据上更具优势;而传感器融合路线因感知手段更多元,能显著提高系统的冗余度和容错性,在路况更复杂的用车场景中表现更佳,受到更多车企的青睐。就目前而言,路况复杂、行车环境多变的中国市场显然更适合走传感器融合路线,毕竟适合的才是最好的!