今年，政策的推動和新能源汽車的活躍，讓智能汽車市場規(guī)模及滲透率顯著提升。

根據(jù)羅蘭貝格數(shù)據(jù)顯示，2020年我國L2及以上級別的ADAS系統(tǒng)滲透率僅為9%，今年一季度L2級自動駕駛乘用車滲透率達(dá)23.2%，較2021年一季度7.5%大幅提升，預(yù)計到2025年，L2及以上級別的ADAS系統(tǒng)滲透率可達(dá)到40%。

但是L2級別滲透率的提升似乎改變不了行業(yè)對L4級別自動駕駛所持的悲觀情緒，Argo AI巨虧，Cruise發(fā)展緩慢，Waymo的估值從最高1750億美元下跌到了300億美元…L3、L4級別自動駕駛遲遲無法落地讓自動駕駛研發(fā)公司們普遍遭到了資本和市場的冷遇。而這其中最關(guān)鍵的一點原因就是感知系統(tǒng)的局限，無論是特斯拉的純視覺方案還是其他車企的多傳感器融合感知方案，都未見實質(zhì)性的突破。

提升自動駕駛的感知系統(tǒng)，成了當(dāng)下車企及技術(shù)供應(yīng)商們首要解決的問題。

硬件堆疊的“無用功”

市面上大多數(shù)車企及造車新勢力選擇的都是多傳感器融合感知方案，因為不同的傳感器擁有不同的優(yōu)劣勢，所以多種傳感器同時作用、相互配合，共同對信息進行獲取和分析，能夠彌補單一傳感器本身存在的缺陷。這就是感知融合，我們看到，即使是特斯拉，也開始下場研制自己的毫米波雷達(dá)，不再執(zhí)著于曾經(jīng)的純視覺方案。

不過，傳感器數(shù)量的增多似乎成了車企智能化宣傳的一個“噱頭”，這使得很多企業(yè)開始堆疊硬件，以為這樣可以讓自動駕駛“看”得更清。

如理想L9，標(biāo)配旗艦級ADMax智能駕駛系統(tǒng)包括1顆前向128線激光雷達(dá)、6顆800萬像素攝像頭和5顆200萬像素攝像頭，以及1顆前向毫米波雷達(dá)和12顆超聲波傳感器，整車為25個視覺傳感器；蔚來汽車的自動駕駛系統(tǒng)中，優(yōu)先級最高的是激光雷達(dá)和11個攝像頭；在埃安L4測試車上，甚至出現(xiàn)了搭載6顆激光雷達(dá)的處理方案。

高階自動駕駛的實現(xiàn)真能通過傳感器堆疊實現(xiàn)嗎？且不說傳感器增多造成的整車能耗大幅上升，汽車的感知能力和智能化體驗就提升了嗎？這顯然是一個誤區(qū)。

以搭載三顆激光雷達(dá)的廣汽埃安AION LX Plus和搭載雙激光雷達(dá)的小鵬P5為例，盡管前者把智能化作為產(chǎn)品主打的一個賣點，可在智能化配置（ADiGO 4.0智駕輔助系統(tǒng)）上，依然停留在高速NDA增強版以及城市NDA功能內(nèi)。

激光雷達(dá)是新能源汽車最熱門的配置之一，但不同的激光雷達(dá)自然也有性能的差異，其他傳感器也是如此。如今，車企不斷堆疊傳感器的數(shù)量來提升自動駕駛的感知能力，這在硬件性能沒有改善或突破之前，可能只是增加了營銷的噱頭，而且這種趨勢可能也會驅(qū)使激光雷達(dá)的生產(chǎn)商們更側(cè)重降低成本以提升銷售量，而非產(chǎn)品升級。

堆疊硬件還存在一個現(xiàn)實的問題，即成本。激光雷達(dá)是目前應(yīng)用于車上的感知元件中造價最昂貴的，一顆高性能激光雷達(dá)的價格接近一萬元，最便宜的也要三四千，雖然各大廠商都在試圖將激光雷達(dá)的價格進一步降低，可業(yè)內(nèi)人士表示，激光雷達(dá)的降價仍未達(dá)預(yù)期。

換句話說，如果安裝多個激光雷達(dá)，那整車的價格必然大幅提升，這于產(chǎn)品的市場競爭力極為不利。

感知系統(tǒng)升級建立于產(chǎn)品突破

隨著自動駕駛功能在汽車應(yīng)用的普及，汽車傳感器市場一直在保持快速增長，但既然盲目堆疊傳感器無法真正提升智能汽車的感知能力，那么產(chǎn)品自身的性能創(chuàng)新和升級就成為了唯一的突破口。尤其是當(dāng)前性價比高的產(chǎn)品及技術(shù)方案更受到主機廠的青睞，所以傳感器相關(guān)企業(yè)往往面臨兩個選擇，一個是在不增加成本的前提下提升性能，另一個是在保持性能的同時降低成本。

這也是為什么行業(yè)內(nèi)開始討論4D毫米波雷達(dá)能否成為激光雷達(dá)的“平替”。

眼下4D毫米波雷達(dá)的賽道上，已經(jīng)開始涌入越來越多的參與者，既包括大陸集團、采埃孚、安波福、博世這樣的傳統(tǒng)國際巨頭，它們壟斷了中國80-90%的市場，也有像復(fù)睿智行這樣的新入局者，期待通過自主研發(fā)推動毫米波雷達(dá)的國產(chǎn)化替代升級。近日，復(fù)睿智行在上海舉行了一場產(chǎn)品發(fā)布會，其自主研發(fā)的高性能4D毫米波雷達(dá)首次對外公布，這也是復(fù)睿智行感知解決方案的“殺手锏”。

在產(chǎn)品層面，不同于市面上主流的3發(fā)4收雷達(dá)，復(fù)睿智行研發(fā)的“哥倫布”是第一款使用4發(fā)4收解決方案的雷達(dá)。在探測能力和角分辨能力上，哥倫布雷達(dá)分兩個版本：前雷達(dá)和角雷達(dá)，前者最大探測距離高達(dá)300米，是市場上非成像當(dāng)中能夠?qū)崿F(xiàn)的最大距離，水平角分辨率低至2.5°，垂直角精度±1.0°；后者探測距離超過200米，水平視場角達(dá)160°，水平角分辨率低至4.8°。

從參數(shù)上看，哥倫布雷達(dá)的探測距離和探測能力得到了大幅度提升，可以對標(biāo)國際頭部廠商的最新一代產(chǎn)品。以川速微波推出的77GHz增強版AVP角雷達(dá)為例，集成角雷達(dá)模式和4D點云模式，水平角探測范圍±75°，俯仰角探測范圍±15°，最遠(yuǎn)探測距離為120米。

另外，值得一提的是哥倫布雷達(dá)的俯仰探測能力，因為使用了3層俯仰天線布局，俯仰探測性能兩倍于市場上主流的產(chǎn)品。

不過一旦越來越多的4D毫米波雷達(dá)被安裝在車上，雷達(dá)相互干擾的缺點就暴露出來。為了解決這個問題，復(fù)睿智行一面采用了芯片支持影片加速的抗干擾檢測技術(shù)，另一面則通過算法去減少或者修正干擾帶來的影響，將智能抗干擾技術(shù)提高了3倍的穩(wěn)定性。

當(dāng)前毫米波雷達(dá)的發(fā)展已經(jīng)開始進入國產(chǎn)替代的階段，較好的波形設(shè)計能力和天線設(shè)計能力只是一款4D毫米波雷達(dá)的基礎(chǔ)，日漸激烈的市場競爭將會更加考驗國內(nèi)廠商的自主研發(fā)能力。而哥倫布雷達(dá)全面的、綜合的性能提升，可以說恰恰對外展示了復(fù)睿智行在自動駕駛感知系統(tǒng)上的硬件研發(fā)能力。

而且，復(fù)睿智行聚焦硬件單品，把產(chǎn)品性能做到極致，然后再造一個感知系統(tǒng)，這與堆疊硬件的做法相反，為感知系統(tǒng)提升、獲取更多的數(shù)據(jù)提供了新的思路。

當(dāng)然，4D毫米波雷達(dá)性能升級，不是說替代激光雷達(dá)，而是為主機廠提供更具性價比的解決方案，減少他們對激光雷達(dá)在數(shù)量和質(zhì)量上的要求，滿足他們對降低成本的迫切需求。

從成本來看，4D毫米波雷達(dá)的成本和傳統(tǒng)毫米波雷達(dá)成本相近，約為激光雷達(dá)的1/10。目前，“視覺+毫米波雷達(dá)”的L2級視覺方案已能壓低到2000元/套，而一些L3級的視覺方案，如果不需要那么高線束的激光雷達(dá)，使用高性能的毫米波雷達(dá)，可以極大地降低整車的成本。

據(jù)復(fù)睿智行CTO周軼所說，“結(jié)合算法，我們至少可以節(jié)約50%的量產(chǎn)成本，幫助主機廠用一個比較好的價格去實現(xiàn)L2+或L3、L4的量產(chǎn)工作”。

軟硬件高度統(tǒng)一，為自動駕駛搭建數(shù)字底座

盡管4D毫米波雷達(dá)以及圍繞4D毫米波雷達(dá)形成的感知解決方案還沒有真正進入落地，但憑借性價比的優(yōu)勢，一旦有主機廠大規(guī)模搭載和使用4D毫米波雷達(dá)，后邊的企業(yè)很可能就會迅速跟進。

不過，自動駕駛的感知系統(tǒng)固然是通過攝像頭、毫米波雷達(dá)、激光雷達(dá)、超聲波雷達(dá)等硬件來承擔(dān)自動駕駛汽車“看”的任務(wù)，可這其中也存在“看不見”的軟件成本，比拼智能感知方案同樣也是在比拼軟件能力。就像特斯拉的純視覺方案之所以功能強大，在于不斷創(chuàng)新和升級的視覺算法。

而目前來說，多融合感知方案在硬件方面的實現(xiàn)不算太困難，主要困難是沒有足夠優(yōu)化的融合算法。

當(dāng)前，市場上主流的算法走的是后融合的技術(shù)路徑，在后融合架構(gòu)中，每個傳感器獨立地輸出探測數(shù)據(jù)信息，在所有的數(shù)據(jù)信息被處理后，再匯總最后的感知結(jié)果。舉個例子，不同傳感器進行獨立感知，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物，將這些信息匯總處理后，系統(tǒng)才做出綜合判斷。

很顯然，不同傳感器的獨立運作，是無法把不同傳感器優(yōu)劣互補的作用發(fā)揮出來的。比如攝像頭不擅長判斷距離和位置，雷達(dá)不擅長判斷顏色和紋理，系統(tǒng)需要對它們的信息進行互相驗證，才能達(dá)到更高的可信度。

復(fù)睿智行提供的感知方案更傾向于前融合算法，即在原始數(shù)據(jù)層面把所有的傳感器信息進行直接融合，根據(jù)融合后的信息實現(xiàn)感知功能。相比后融合算法，前融合算法可以大大提高檢測的高精度，避免對小目標(biāo)的錯過，但是它也對技術(shù)供應(yīng)商提出了更高的要求，比如算力，前融合技術(shù)需要直接處理原始數(shù)據(jù)，會消耗大量算力，同時硬件性能越高，才能獲取更完善的原始數(shù)據(jù)。

復(fù)睿智行自主研發(fā)的4D毫米波雷達(dá)，各項性能可以對標(biāo)國際頭部廠商最新一代產(chǎn)品，處于全球領(lǐng)先地位，這為其打造更強大的前融合感知算法提供了領(lǐng)先的傳感器支持。再結(jié)合前融合算法，技術(shù)上可以說能夠?qū)崿F(xiàn)全路況、全天候、全場景和全目標(biāo)的數(shù)據(jù)獲取和精準(zhǔn)感知。

比如一些非常見目標(biāo)，因為缺乏數(shù)據(jù)樣本，很可能無法被感知，而復(fù)睿智行采用前融合算法，即使攝像頭不知道目標(biāo)是什么，毫米波雷達(dá)也知道它在哪里、以怎樣的速度在運行，補充了目標(biāo)的信息。

為了更好地落地融合感知系統(tǒng)，復(fù)睿智行還研發(fā)了自己的域控制器，基于高算力SOC芯片，支持多路高清攝像頭、毫米波雷達(dá)和激光雷達(dá)的接入，與其感知融合算法形成軟硬件的高度統(tǒng)一。因此，我們可以看出，復(fù)睿智行基于4D毫米波雷達(dá)、前融合算法和域控制器，打造的是一套高性能、綜合性、相對完整的感知系統(tǒng)。

單車智能和車路協(xié)同，雙線并行

高性能的硬件和優(yōu)化的融合算法結(jié)合，將進一步提升自動駕駛感知系統(tǒng)的信息獲取能力，使其看得更清楚，為控制決策提供更多的數(shù)據(jù)參考。但需要認(rèn)清的是，即使多傳感器融合感知方案具有較大的可行性，可很多視覺感知的局限性仍沒有解決方案。

舉個簡單的例子，無論是攝像頭還是雷達(dá)，都是基于生物感官的產(chǎn)物，且都搭載在車端，這就必然會有“盲區(qū)”的存在，即便系統(tǒng)再智能，也僅能在視覺范圍內(nèi)做出快速精確的決策。再比如極端的雨雪天氣下，雨雪容易遮擋攝像頭或雷達(dá)設(shè)備，使它們無法正常工作，再完善的感知系統(tǒng)也無濟于事。

所以說，視覺感知的局限，不是通過不斷提升單車智能化程度就可以解決，車路協(xié)同也因此作為自動駕駛的另一條路徑而被不斷提起。

其實單車智能和車路協(xié)同不是相互排斥的，車路協(xié)同理論上能夠彌補當(dāng)前單車智能不夠智能的缺陷，尤其是感知上，是目前突破視覺感知局限性所能想到的最可行方案。比如盲區(qū)的問題，路側(cè)傳感器普遍位于高處，擁有比車載傳感器更開闊的視野，感知范圍也更大，利用路側(cè)傳感器與自動駕駛汽車的交互協(xié)同可有效避免視覺盲區(qū)。

復(fù)睿智行在提供智能駕駛?cè)诤细兄桨傅耐瑫r，也深入到車路協(xié)同，針對車聯(lián)自動駕駛、智慧交管、全息路口、智慧停車、測試場等多元化場景定制了相應(yīng)的解決方案。

比如智慧停車，目前主要是在智慧園區(qū)內(nèi)，通過上線具有廠端增強感知能力的智慧停車場，在廠端用感知能力提供整個廠端的路徑規(guī)劃、廠端停車位的引導(dǎo)，包括一些目標(biāo)物的識別、盲區(qū)的警示、鬼探頭的警示等等，來輔助單車智能，提升自動泊車的效率和安全性。

針對車路協(xié)同，復(fù)睿智行在車、路兩端擁有的軟硬件自主研發(fā)能力，為其差異化解決方案提供了基礎(chǔ)。而除此之外，復(fù)睿智行的一大優(yōu)勢在于背靠復(fù)星集團，復(fù)星集團的布局幾乎覆蓋一條完整的汽車產(chǎn)業(yè)鏈，上下游企業(yè)之間進行聯(lián)動和協(xié)同，可以幫助其加快技術(shù)方案的實踐與落地。

更關(guān)鍵的是，發(fā)展車路協(xié)同的最大難點在于它不僅牽扯到諸多交通、法規(guī)、政策的要素，而且也需要各地政府部門、電信運營商、云服務(wù)供應(yīng)商等不同主體相互配合。復(fù)星集團的背書，可以幫助復(fù)睿智行更好地對接政府部門，相互協(xié)助，共同推動智慧城市的步伐。

目前復(fù)睿智行在創(chuàng)立僅一年時間里，已先后攜手柳州、成都、武漢、南京、上海金橋等多地，開啟交通智能網(wǎng)聯(lián)升級項目。

未來，自動駕駛的實現(xiàn)是單車智能與車路協(xié)同的深度融合，兩條技術(shù)路線并行，或許也能打開自動駕駛的新局面。

編輯：黃飛

?