1. 首页
  2. 要闻

自动驾驶与特斯拉豪赌纯视觉,能保“万无一失”吗?

马斯克曾表示,高精度地图是一个“很糟糕的想法”,和拒绝激光雷达一样坚持不用高精度地图,而是采用众包模式(靠车辆摄像头等采集数据)绘制高精度地图,以提高自身感知能力。高德地图副总裁、汽车业务中心总经理韦东说:“众包模式采集高精度地图在初始阶段是一个玩笑,是对科学的不尊重。”

马斯克曾表示,高精度地图是一个“很糟糕的想法”,和拒绝激光雷达一样坚持不用高精度地图,而是采用众包模式(靠车辆摄像头等采集数据)绘制高精度地图,以提高自身感知能力。高德地图副总裁、汽车业务中心总经理韦东说:“众包模式采集高精度地图在初始阶段是一个玩笑,是对科学的不尊重。”

文︱立厷

图︱网络

特斯拉从来不缺新闻加热搜,甩锅不止、一季度营收翻两番、车主维权、国家安全、他人指使、禁止销售……让人应接不暇。因为不是监管结构,这些我们都管不了,职业本分,只能从专业角度来解读技术戏份。

最近接触到汽车供应链上、中、下游的一些企业高管,以及一些科研机构的专家,他们都对现在的ADAS(辅助)和自动驾驶安全有自己的观点和看法。还是那句话,不是针对特斯拉,只是就事论事。

感知歧义:没有拿到驾照的司机

2020年1月,特斯拉将地图数据服务更换为百度地图。特斯拉CEO埃隆·马斯克(Elon Musk)曾表示,高精度地图是一个“很糟糕的想法”,和拒绝激光雷达一样坚持不用高精度地图,而是采用众包模式(靠车辆摄像头等采集数据)绘制高精度地图,以提高自身感知能力。高德地图副总裁、汽车业务中心总经理韦东说:“众包模式采集高精度地图在初始阶段是一个玩笑,是对科学的不尊重。”

从实际体验来看,特斯拉的车道保持功能拥有很大自主权,在车道甚至弯道中都可以自主转动方向盘来调节车辆位置。如果驾驶者想通过转动方向盘来取消该功能,需要释放很大的转动力度。而如果出现车道线不清晰、交错混乱的情况,有可能会导致系统误识别,使车辆偏离“预想车道”。

上海车展上,小鹏汽车发布了全球首款搭载双激光雷达的P5量产车,另搭载了13个高清摄像头、5个毫米波雷达、12个超声波传感器和1组高精度定位单元。这是不是对现有主流安全辅助驾驶技术的降维打击还不好说,但激光雷达和地图恰恰可以解决城市低速、复杂路面自动驾驶遇到的一些问题。

小鹏汽车一直致力于自动驾驶技术的核心差异化,其上海自动驾驶中心算法专家刘德浩博士解释说“差异化核心首先是‘闭环’”。他认为,到目前为止,能够全栈自研高级别辅助驾驶的只有特斯拉和小鹏。特斯拉做了FSD(完全自动驾驶)功能套件。从2.0到3.0迭代,小鹏从数据采集开始,通过数据交互、模型优化、模型验证、问题反馈等形成了完整闭环,不断对算法进行快速迭代。

谈到视觉感知,他指出,如果前面的一辆越野车搭载了一个自行车,这时候感知的是越野车还是自行车?这就会出现歧义性,实际路况中各种各样的问题都会碰到。又如并线加塞、大货车的情况,都需要在感知方面进行优化。

刘德浩说:“雷达对周围环境的理解能力更好,可以提升驾驶体验和安全性。依赖于纯视觉也能做高速场景、城市场景,但它是一个没有拿到驾照的司机,是一个杀手,虽然它具备一定能力,或者说至少证明了一定的能力,依靠纯视觉干这个事,不是干好就是干坏。”

在融合方面,小鹏通过高精度地图增强来体现高速自主导航驾驶(NGP)的实效性,将视觉感知做到200米,提前知道路况;通过精确增强解决目前城市场景道路起伏非常大导致地图误差较大的问题;通过完整性增强补充高速公路上一些变化的数据。

不用高精度地图自动驾驶很痛苦

上海车展期间,华为智能车云服务产品部总经理廖振钦称,将在2021年内实现全国高快速路和北上广深高精度地图商用;增加天津、重庆、成都、杭州的数据;2022年覆盖面扩大到20个以上城市。可以想见,高精度地图定位可以帮助自动驾驶汽车获得超过普通车载传感器探测距离的感知能力,拓展多种更复杂功能场景应用。

特斯拉没有高精度地图,当突然发现这条路不能直走时,不得不硬性变道,驾乘感觉很是突兀。而对于相当一部分人来说,开车是一件没什么乐趣的体力劳动,特别是路况不熟悉时会有违章焦虑。不使用高精度地图,自动驾驶也将很痛苦。所以将地形和数字地图数据与传感器数据(GPS接收器)相结合的电子地平线(eHorizon)被认为是实现车辆预测性控制的很好手段。

自动驾驶与特斯拉豪赌纯视觉,能保“万无一失”吗?

图:电子地平线

上海戴世智能CEO陆海峰认为,自动驾驶技术有四大功能模块:智能定位、环境感知、行为预测、决策与路径规划。目前,支持多传感器融合的智能定位系统有两大痛点:一是车道级高精度定位和引导能力,二是具有前装可能性的成本与质量要求。

三大传感器中实际用于定位的只有摄像头,即横向车辆保持。而各种传感器及其输出与高精度地图丰富的内容相比相当骨感。激光雷达装车率低,有待发展;雷达暂时无法用于定位;摄像头适合横向定位,纵向量测不准;GNSS(全球导航卫星系统)+RTK(实时动态)才是当前纵向定位的顶梁柱。

持相同观点的还有腾讯地图的谷小峰:“RTK还是比较有用的,比较好用的。原来没有意识到,现在认识到了顶梁柱的作用。”

广汽研究院郭继舜博士:“对定位精度的要求,现在测下来,只要是脱手,都必须要用RTK。”

小鹏P7采用高德提供的基于激光点云图像生成的高精度地图,精度达分米级;三重高精度定位硬件(GPS+RTK+IMU)全局定位精度可达厘米级,这是一个高精度定位的三冗余系统。

关于多传感器融合在功能安全方面的作用,他认为,异构冗余才能使自动驾驶定位系统的可靠性得到有效提升。

自动驾驶与特斯拉豪赌纯视觉,能保“万无一失”吗?

图:多传感器融合在功能安全方面作用不同

他说:“汽车中很多零部件不能说谁有多好,都是各有所长,三个臭皮匠顶一个诸葛亮,汽车基本还是异构冗余,互相备份去实现非常精采的功能。”

全天候能力或保“万无一失”

开车过程中经常遇到一些复杂的天气情况,如大雨、大雾、沙尘、强光、夜晚,这对于视觉和激光雷达都是非常恶劣的场景,难以用一种传感器应对,因为一类传感器无法处理所有场景。像一些自动驾驶测试或比较成熟厂商的智能驾驶中多次发生撞车事故,传感器系统的失效付出了惨痛代价。所以,传感器融合是构建稳定感知系统的必要条件。

自动驾驶与特斯拉豪赌纯视觉,能保“万无一失”吗?

图:多传感器融合是稳定感知的必要条件

苏州豪米波董事长白杰解释说,传感器融合首先要根据来自不同传感器的数据和状态估计结果,利用不同传感器,如视觉、激光雷达、毫米波雷达等,将数据融合到中央处理器实现信息互补,以得到最佳的平衡方案。根据中央处理器获取的传感器信息层次的不同可以分为:数据级范畴的原始信息、特征级范畴的处理后的特征识别,以及决策级融合的危险估计及最终决策。

整个过程是将毫米波雷达、图像雷达数据进行预处理和特征提取,得到目标位置信息和分类信息,之后送到处理器中进行综合分析判断,得到特征向量和特征矩阵,以实现决策级融合。

数据级融合是将所有原始数据送到处理器,数据同步后进行处理。目前的方案主要是目标级,未来的发展是多级特征融合方案。由于数据量特别大,数据级融合受制于域控制器或带宽限制,也是一个算力瓶颈。

从传感器数据处理来看,主要分为集中式、分布式、混合式结构。

集中式结构:将传感器所有信息送到域控制器中进行数据关联、量测融合、目标跟踪,得到目标、位置、状态信息,最后进行决策。其优点是数据处理精度高;缺点是大量数据易造成通信负载过大,对域控制器处理性能要求高。

自动驾驶与特斯拉豪赌纯视觉,能保“万无一失”吗?

图:集中式结构

分布式结构:每个传感器将目标观测结果在本地进行检测与跟踪处理,完成局部航迹信息后送入域控制器。优点是通信带宽需求低,计算速度快;缺点是跟踪精度远没有集中式高。

自动驾驶与特斯拉豪赌纯视觉,能保“万无一失”吗?

图:分布式结构

混合式结构:根据对数据需求的不同组成混搭传感器,兼具集中式和分布式结构的优点,弥补了两者不足。

自动驾驶与特斯拉豪赌纯视觉,能保“万无一失”吗?

图:混合式结构

目前大部分厂商采用混合式结构,采用摄像头和雷达融合的前沿方法,由分布式传感器分别进行数据处理,得到目标信息列表后再进行融合。

白杰表示,最近两年深度学习研究比较火热,出现了一些前沿的融合跟踪方案:普通雷达点云+摄像头、雷达射频图像+摄像头,以及4D雷达点云+摄像头。

他认为,目前大多数传感器融合方法都使用激光雷达和摄像头,从而实现高精度3D目标检测。但是,这种方法有其局限性,摄像头和激光雷达对不利天气(如雪、雾、雨)都很敏感、对远处目标检测精度低,且激光雷达成本较高,要普及还有一定困难。由于雷达对恶劣天气有很好的鲁棒性,探测距离非常远,能精确测量目标速度且成本低,在自动驾驶中越来越受到人们的重视。

雷达数据虽然比较稀疏,不能直接套用激光雷达的方法,数据在输入层和后处理部分的融合不能获得很好效果,但每个点都包含很多信息,在融合中能起到很大作用。

他说,对摄像头图像数据和雷达点云数据进行中间特征层融合,就可以实现精确的3D目标检测。在进行融合之前,由于目前雷达的高度信息不准确,无法很好与图片目标进行关联,因此需要先对雷达点云进行预处理,采用支柱扩张的预处理方法,将每个雷达点云扩张成一个固定大小的支柱,若支柱中的一部分进入了关联ROI(感兴趣区域)内,就可以实现雷达点云与摄像头之间的关联及融合。另外,目前4D毫米波雷达已开始逐步进入市场,因其每个目标有更丰富的点云,肯定会在L4系统中发挥更重要的作用,大大提升毫米波雷达的感知地位。

MEMS激光雷达有望批量应用

特斯拉只使用摄像头,难免有些场景(如纯白或纯色)难以识别,而激光雷达可以把距离、速度等各种信息都很快计算出来,通过算法实现环境识别,而且现在分辨率已经足够高了。以往的机械式雷达是一个转台上的激光探测器,现在谷歌、百度等科技公司还在使用。其64线需要64组激光器和探测器一一对应,然后供电让它转起来,是非常复杂的光学和电学系统,不利于大规模量产。

中国科学院苏州纳米技术与纳米仿生研究所沈文江博士说:“激光雷达是自动驾驶中用到的众多传感器之一。与其他传感器比,目前的MEMS激光雷达的每秒点云数据量在100万左右,比图像还是小得多,对处理器算力的要求没有那么高。”

他表示,与机械式相比,MEMS激光雷达的优势很多,如安装简单、体积更小、价格便宜,最有希望在乘用车上普及。目前,其角度分辨率已达到0.2度,比如100米外的一辆车可以扫描到很多点,能够计算并标示出车的轮廓。

只需要一个激光器和MEMS微镜组合,MEMS激光雷达就能实现激光脉冲的扫描,装配起来很简单。从成本考虑,由于采用半导体工艺,量大了成本就会很便宜。另外,从分辨率考虑,MEMS激光雷达实现64线只需用微镜把单个激光器发出的脉冲扫描点阵组成64条线就可以了,所以非常容易实现高分辨率,体积也非常小。未来MEMS激光雷达的成本有望控制在千元人民币以内。

自动驾驶与特斯拉豪赌纯视觉,能保“万无一失”吗?

图:MEMS激光雷达

他还说,从全球总共5家激光雷达上市公司也可看出技术上的端倪,其中4家美国公司,1家以色列公司;1家仍是机械式,两家用的是MEMS方案。所以MEMS方案得到了业界和投资界青睐。

众说纷纭不断

3月17日,一个七年驾龄老司机使用Autopilot发生车辆无故转向,方向盘卡死,车辆撞停事故,很像上面提及的情况。

4月9日,马斯克在社交媒体上透露,最近对其自动驾驶Autopilot和全自动驾驶套件FSD Beta V9.0的升级已近尾声,他希望最终将使其成为完全基于摄像头——纯视觉方法的系统。这意味着,未来特斯拉的全电动汽车将在不使用雷达等部件的情况下自行导航并执行驾驶员辅助功能。

既然是纯视觉,作为一些人心目中“豪车”的特斯拉却至今没有量产搭载不仅能精确测量距离,还可识别刹车灯、车道线、路旁交通标志等的双目摄像头。为什么?只能拭目以待了。

免责声明:本站旨在传递信息,不代表有传资讯的观点和立场。本站遵循行业规范,如转载您的文章未标注版权,请联系我们(QQ:78799268)改正。本站的原创文章,如若转载,请注明出处:http://www.ainoline.cn/news/18190.html

发表评论

邮箱地址不会被公开。 必填项已用*标注

联系我们

在线咨询:点击这里给我发消息

邮件:78799268@qq.com

工作时间:周一至周五,9:30-18:30,节假日休息

QR code