易坊好文馆

  1. 首页 > 奇闻 >

激光雷达军团里，冒出一个清华帮( 四 )

摄像头 自动驾驶 激光雷达 传感器


在器件数量大幅减少的前提下 ， 组装调试时间用几分钟来完成 。
“我们的一个核心技术突破 ， 是在收发模组层都采用了阵列化的集成器件 ， 直接保证了探测分辨率从第一代16线产品突破迭代到64线 ， 一直到现在的192线固态版本 。 ” 由于收发系统细节涉及到技术专利 ， 他只能透露基础信息 。
“简单说 ， 就是用低成本、更稳定的单轴 ， 做到了多线的感知效果 。 ”
在收发系统层面的技术革新趋势 ， 图片来自民生证券
直到现在 ， 我们才意识到 ， 虽然每家激光雷达企业的产品 ， 在各种报道中 ， 都会被简单概括为某一种扫描形式 。 但事实上 ， 由于激光雷达由上百种光学、电子器件组成 ， 复杂度极高 ， 远远不是“固态与非固态”可以代表的 。
甚至于 ， 每家公司在光学设计、信号处理、集成方式、收发器件品牌与价格选择上 ， 都会有极大的差别 。
举个例子 ， 在收发系统的设计上 ， 激光雷达厂商大多会采用APD技术（上图） ， 而现在有往单光子器件SPAD发展的趋势 ， 但量产芯片化与性价比还有不足 ， 国内也仅有几家公司在做相关产品 。
因此 ， 我们并非贸然下了这样一个市场结论：
第一批上车的激光雷达 ， 虽然为车厂们卯足了噱头 ， 但实际效果应该远低于其宣称的物体检测与感知能力；
而车载固态激光雷达之争 ， 在固态产品走向成熟、混固态产品成本持续降低、量产能力持续爬坡的3年里 ， 仍然不会有一个明显的高下之分 。
硬件融合大势不可逆
就像在半导体世界里 ， 多块XPU融合的超异构计算创新掀起了第四代算力革命一样 ， 在自动驾驶汽车上 ， 既然数据要在新旧传感器之间穿梭与碰撞 ， 打破了原有模块化的独立运行机制 ， 那么必然就会打破硬件与硬件之间的“隔阂” 。
因此 ， 硬件融合趋势 ， 也发生了如今每天能够加载1000万条代码的消费级汽车上 。
早在2008年 ， 王世玮在清华精密仪器与测量实验室里 ， 连过年都在忙着为一个国家卫星项目做图像与点云数据融合技术时 ， 肯定想不到 ， 十几年后 ， 一项与之极为类似的技术会对自动驾驶和汽车产业有如此重要的作用 。
多传感器融合 。 这是一个在车上为激光雷达、摄像头、毫米波雷达等多种传感器“建立联系通道” ， 并为汽车大脑做信息预处理的关键步骤 。
如果打个比方 ， 这是一种“让汽车自动驾驶前 ， 先把零部件们放进一个语言体系里对话”的能力 。
一般情况下 ， 一辆robotaxi的传感器分布
然而现实很骨感 。 这项自动驾驶相关的高级技术 ， 远远未被汽车产业领会、消化和吸收 。
“大多有自动驾驶业务或团队的公司 ， 在做传感器数据融合时 ， 都采用的后融合处理方案——摄像头生成图像的数据 ， 激光雷达生成自己的点云数据 ， 分别做感知 ， 再交给主处理器做融合 。 ”
一位熟悉融合技术的工程师告诉我们 ， 最常见的方法是把各类传感器的线都接在一块板子上 ， 然后做标定和处理 。
“但这种方法精度有很大问题 ， 车上不同位置的传感器在空间与时间上很难对齐 。 而且一旦图像出现误识别 ， 你就得去检查一下激光雷达的‘看法’ ， 如果后者给了一个相反的判断 ， 那么你该选择谁？这事儿永远都得人为介入 ， 或者预先制定规则 ， 但也难免发出错误指令 。 ”
他举了个例子 ， 某车厂在车头两边塞了两个激光雷达 。 但很明显 ， 车后的摄像头与两颗激光雷达的位置和方向完全不同 ， 扫描角度千差万别 ， 通过“后融合”在精度上毫无疑问会有缺损 。
而“前融合”可以解决以上问题 。
这种方法的特点在于 ， 把多个传感器的原始数据先“揉搓”在一起 ， 再扔在一个“神经网络大锅”里做感知训练 。 这就好比把多个硬件组合在一起 ， 形成一台“超级传感器”——不仅能看到图像 ， 也能看到红外线和点云数据 。
这项技术在国内最有名的传播者和实践者 ， 是曾经的明星高阶自动驾驶公司Roadstar（很遗憾 ， 这家公司因内斗而解散） ， 其首席科学家、也是后来成立了元戎启行的周光 ， 曾详细介绍过“前融合”的精度优势：
“假设在你手上有个手机 ， 激光雷达只能看到手机一个角 ， 摄像头只能看到第二个角 ， 毫米波雷达可以看到第三个角 。 如果用后融合算法 ， 由于每个传感器只能看到一部分 ， 因此物体非常有可能不被识别 ， 最终被滤掉 。 但在前融合中 ， 由于它集合了所有数据 ， 相当于可以看到这个手机的三个角 ， 那对于前融合来说 ， 是非常容易能够识别出这是一台手机的 。 ”

推荐阅读


上一篇：她真行

下一篇：植树节，不要忘记你身体里的这棵“树”