在国家政策和市场的积极引导下，⾃动驾驶技术逐渐在矿⼭、港⼝等特定场景实现规模化商业运营。
与有⼈驾驶汽车⽅式类似，⾃动驾驶核⼼系统由三部分构成：感知系统、决策系统与执⾏系统。
其中感知系统类似于驾驶员的“眼睛”与“⽿朵”，通过各种传感器对驾驶过程中的路况信息进⾏捕获，以解决⾃动驾驶最为关键的“⾏车安全”问题，因此感知系统也是⾃动驾驶的重要基础与先决条件。
⽬前，⾃动驾驶感知技术⼤致存在两种路径：⼀种是以机器视觉为核⼼，毫⽶波雷达+摄像头解决⽅案，典型代表企业特斯拉、Mobileye、百度Apollo等，另⼀种则是以⾼精地图+激光雷达为核⼼的传感器路线，代表企业为Waymo、华为等。
两种技术实现⽅式各有千秋，分别代表着对实现⾃动驾驶的不同探索路径。
⼀.机器视觉路径
特斯拉全自动驾驶机器视觉路径的核⼼是毫⽶波雷达+摄像头，其主要借助摄像头对周边物体建⽴模型，并把数据添加⾄神经⽹络进⾏纯视觉计算，在⾃动驾驶中承担“识别”作⽤。
作为机器视觉路径的坚定拥趸，特斯拉⼀直坚持⾛视觉感知路线，从Autopilot到现在的FSD，其车型⼀直坚持使⽤多个摄像头，并利⽤⼈⼯智能和深度学习来构建神经⽹络。
换⾔之，摄像头是特斯拉辅助驾驶系统中最重要的“眼睛”。
以Model 3车型为例，其车⾝共配了8个摄像头、1个毫⽶波雷达与12个超声波传感器，视野覆盖360度，依靠特斯拉的算法来判断周围的状况，为Autopilot⾃动驾驶系统提供环境信息，整体俯视图视场覆盖如下：
三⽬摄像机的具体配置如下：
FOV35度，最远距离250⽶;FOV50度，最远检测距离150⽶;FOV120度，最远检测距离60⽶。三⽬摄像机以及其他位置摄像机的组合为特斯拉Autopilot提供了全向的环境感知能⼒，较好地解决了感知范围与感知精度的问题。
凭借这套纯视觉感知系统，特斯拉的智能辅助驾驶视觉⽅案将不再依赖⾼精地图，车辆在⾏驶过程中，系统会⾃动绘制地图来帮助车辆实现⾃动驾驶，这意味着特斯拉将免去价格昂贵的硬件成本(如激光雷达)，但也意味着需要海量、不同种类和场景真实性的驾驶数据以进⾏神经⽹络训练，从⽽不断覆盖各类场景，最终⽆限接近⼈类驾驶员的判断⽅式，这对数据处理能⼒提出了更⾼的要求。
由于“纯视觉”⾃动驾驶⽅案不涉及3D激光点云数据处理，因此图像语义分割便成为最重要的⼀项核⼼技术。
图像语义分割在⾃动驾驶系统中主要⽤于⾏车路线和街道的识别与理解，是视觉⾃动驾驶⽅案的技术基⽯。
借助遍布全球的⼤量真实⾏车数据，特斯拉感知系统将采集到的图像数据按照不同的含义、属性等进⾏语义分割，进⽽对驾驶模型不断训练与调优，以期覆盖全部应⽤场景，实现真正的⾃动驾驶。
⼆.⾼精地图+激光雷达
这套感知系统的核⼼为“⾼精地图+激光雷达”，其主要借助激光雷达向四周散射激光，基于反馈判断周边是否存在障碍物并⽣成点云图，在⾃动驾驶中承担“感知”作⽤。
在某些⾃动驾驶企业⽅案中，通常还会加⼊V2X，以丰富完善此套感知系统。
以Waymo感知系统为例，其使⽤了摄像头、激光雷达的组合。⼤部分感知⼯作是由4个激光雷达完成：
⽽华为则在其⾃动驾驶系统中搭载了100线车规级的激光雷达，除此之外也安装了微波雷达、RYYB传感器和视觉分析系统来达到更好的⾏车环境识别效果。
相较于摄像头感知⽅式，激光雷达拥有更⾼的可靠性和精确性。由于特斯拉的视觉算法已经形成护城河，拥有绝对领先的数据规模与场景真实性，⾏业后⼊局者很难寻求弯道超车机会，因此很多⾃动驾驶企业选择以⾼精地图+激光雷达作为核⼼感知系统。
但激光雷达也存在先天缺陷，那就是“贵”。以激光雷达⾏业内知名企业Velodyne 公司为例，旗下的HDL-64E售价在接近10万美⾦左右。
不过随着⽣产⼯艺的进步，激光雷达的成本已显著下降。华为已将⾃研的激光雷达成本控制在200美元之内，并计划在未来两年将成本进⼀步降低⾄100美元，这为激光雷达的⼤规模普及打下了坚实的基础。
三.数据智能成为⾃动驾驶核⼼
事实上，⽆论是纯视觉⽅式，亦或是“激光雷达+⾼精地图”⽅式，都代表着不同⾏业探索者对⾃动驾驶实现路径的尝试，并⽆技术优劣之分，更多是在传感器类别选择上的不同。
Waymo激光雷达⽅案，其环境兼容性更好，⽽特斯拉则拥有海量真实路况数据，算法优势更明显，但传感器类别的不同并不⾜以构建深度技术壁垒，多传感器融合有可能成为未来⾃动驾驶感知系统的重要发展趋势。
这样的背景下，真实路况数据的获取量与算法性能决定的AI模型训练将成为⾃动驾驶领域的竞争关键，这不仅需要⼤规模的真实路况数据，也需要对数据进⾏规模化的标注、仿真与验证，数据智能正成为⾃动驾驶的核⼼。
作为⾏业领先的⼈⼯智能数据服务企业，曼孚科技始终致⼒于为⾃动驾驶企业提供⾼质量、场景化训练数据集。
⽆论是在纯视觉感知系统中的图像语义分割，或是在激光雷达+⾼精地图感知系统中的3D点云数据处理，凭借SEED数据服务平台所具备的数据处理、项⽬管理和数据安全管控等能⼒，数据标注效率平均可提升10倍以上，AI辅助下，数据精准度可达99.99%级别，直击⾃动驾驶企业数据需求痛点。
凭借从战略到技术落地的⼀站式通⽤AI解决⽅案，全⾯覆盖数据层⾄算法层，从源头端解决AI应⽤场景持续拓展对于多源异构数据的海量需求，助⼒⾃动驾驶技术在更多场景下实现落地应⽤。
发布评论