雷鋒網(wǎng)·新智駕按：自動駕駛汽車的傳感器方案之爭一直是個經(jīng)久不衰的話題，此前，包括Mobileye聯(lián)合創(chuàng)始人Amnon Shashua、特斯拉CEO馬斯克在內(nèi)的一眾大佬曾公開宣誓對攝像頭傳感器的“孤注一擲”，但如今聲音也開始變得不一樣。現(xiàn)在，Amnon Shashua在公開演講的口徑已經(jīng)開始傾向于表達多傳感器冗余的必要性。而后者，也成為被自動駕駛領(lǐng)域眾多企業(yè)和技術(shù)專家廣泛認同的方案之一。

對于多傳感器融合之于自動駕駛的必要性，日前，以色列激光雷達公司Innoviz CEO兼聯(lián)合創(chuàng)始人Omer David Keilaf發(fā)表了更詳盡的觀點。就在幾天前，這家公司還剛剛獲得了一級供應(yīng)商德爾福的投資。那么，到底如何通過傳感器融合技術(shù)，將各種傳感器的不同視角整合，并最終賦能自動駕駛車輛環(huán)境感知呢？雷鋒網(wǎng)·新智駕對這篇來自TU-Automotive的文章進行了編譯整理。

現(xiàn)如今，多數(shù)汽車自動化系統(tǒng)或是ADAS系統(tǒng)都有賴于三類傳感器的融合進行環(huán)境感知：毫米波雷達、激光雷達以及攝像頭。而隨著傳感器和環(huán)境感知技術(shù)的重要性日漸增強，目前業(yè)界普遍持有的觀點是，傳感器融合將提供魯棒性更強的真正的自動化系統(tǒng)。

多傳感器融合：提供高可靠的自動化系統(tǒng)

隨著傳感器和環(huán)境感知技術(shù)的識別分辨率日漸提升，傳感器已經(jīng)超越簡單的檢測和測距功能，取而代之，是具備真正的“視覺”感知能力，如分類、繪圖等。

那么，到底如何通過傳感器融合技術(shù)，將各種傳感器的不同視角整合，并最終賦能自動駕駛車輛環(huán)境感知？對于這個關(guān)鍵性的問題，剛剛被德爾福投資的以色列創(chuàng)業(yè)公司Innoviz CEO兼聯(lián)合創(chuàng)始人Omer David Keilaf給出了一個答案。

Keilaf解釋說：“很明顯，將毫米波雷達、攝像頭、激光雷達等傳感器數(shù)據(jù)融合的技術(shù)，對于保證車輛對周邊環(huán)境的全局定位和理解是至關(guān)重要的，且為Level 3-Level 5級自動駕駛方案的實現(xiàn)提供了必要的技術(shù)儲備。在環(huán)境感知中，每一種傳感器都有獨特的優(yōu)勢和弱點。例如，毫米波雷達可在低分辨率情況下完成測距，且受天氣因素影響?。欢鴶z像頭有更高的分辨率，能夠感知顏色，但受強光影響較大；激光雷達則能夠提供三維尺度感知信息，對環(huán)境的重構(gòu)能力更強。

在這種前提下，只有幾種傳感器的融合才能提供車輛周圍環(huán)境更精準的繪圖信息，并達到OEM主機廠所需的安全標準。目前，高性能激光雷達的量產(chǎn)和成本問題，仍是通往多傳感器融合技術(shù)方案，乃至完全自動駕駛的障礙之一?！?/p>

提升車輛安全性

據(jù)Keilaf推斷，隨著車輛對復(fù)雜環(huán)境數(shù)據(jù)處理能力的提升，最終將實現(xiàn)更精確的檢測、分類和定位能力。Keilaf說：“處理復(fù)雜環(huán)境數(shù)據(jù)，會造成車輛駕駛決策的延遲，而最大限度減少這種延遲，是提升車輛安全性的又一個關(guān)鍵部分。解決該問題的方案之一就是融合多源數(shù)據(jù)，數(shù)據(jù)融合能夠減少系統(tǒng)做駕駛決策所需的計算資源。相比于單獨依賴攝像頭和毫米波雷達進行環(huán)境感知計算，來自激光雷達的3D數(shù)據(jù)的加入能夠簡化環(huán)境感知的計算任務(wù)?！崩?，二維圖像中的路標和樹木陰影有時就會被錯誤識別成道路障礙物，從而降低系統(tǒng)魯棒性。

多傳感器融合：通往自動駕駛的必經(jīng)之路

SBD（英國汽車技術(shù)咨詢研究中心）自動駕駛部門負責(zé)人Alain Dunoyer博士說：“最近幾年，OEM廠商已經(jīng)先后引進了一系列傳感器融合方案，其中主要包括毫米波雷達或激光雷達與攝像頭融合，以提升Level 1和Level級自動駕駛功能的魯棒性。而為了向Level 3級自動駕駛過渡，類似的傳感器融合趨勢只會更加明顯，并且需要更多傳感器加入，來豐富傳感器融合ECU的數(shù)據(jù)源。

目前，到底是使用單一ECU控制，還是使用逐漸盛行的分布式方案，業(yè)界還沒有一個定論，因為每種方案都有各自的優(yōu)缺點。”

“未來，傳統(tǒng)傳感器逐漸不能滿足更高級的環(huán)境感知需求，那么新型傳感器就會被引入，尤其是在更高速的感知等場景中。物體檢測和分類性能同樣需要提升，以滿足更高級自動駕駛系統(tǒng)的需求。此外，行人、自行車和道路小型雜物等障礙物，都是目前車輛環(huán)境感知領(lǐng)域還沒有被完全攻克的難題。

雖然軟件方案提升了檢測的識別率，但即使是百分之零點零幾的錯誤檢測率，在面對真實的駕駛場景時，依然是需要被解決的。近來，越來越多的人工智能算法被引入環(huán)境感知的方案中，但由于深度學(xué)習(xí)路徑的‘黑箱’問題，他們的魯棒性和穩(wěn)定性目前還不能被驗證?！?/p>

“最終，另一個自動駕駛領(lǐng)域的關(guān)鍵研究方向，將是處理影響傳感器性能的諸如天氣、光強等問題。融合不同種類傳感器（激光雷達/毫米波雷達/攝像頭/超聲波雷達）能夠幫助解決這個問題，因為它們受限的因素不同，因此能夠提供多維的感知策略?！?/p>

多傳感器驅(qū)動下的汽車自動化

隨著車輛傳感器，尤其是毫米波雷達傳感器的分辨率提升，汽車自動化系統(tǒng)中的“視覺感知”的概念將被進一步擴充。

Keilaf說：“激光雷達等傳感器之于自動駕駛車輛，其實是充當(dāng)了一個關(guān)鍵‘基礎(chǔ)設(shè)施’的作用，用以支撐其上的視覺系統(tǒng)以及AI算法的實現(xiàn)。底層設(shè)備越強大，軟件的性能就越發(fā)達。因此，不僅僅是收集車輛周邊原始數(shù)據(jù)，視覺感知技術(shù)還擁有更廣闊的定義和應(yīng)用場景，例如高精度3D地圖數(shù)據(jù)采集、繪圖，后者能夠配合環(huán)境感知進行車輛自定位，等等?！?/p>

Keilaf認為，多傳感器融合是通往更高級自動駕駛技術(shù)的必由之路。他說，“一旦底層技術(shù)實現(xiàn)，在此基礎(chǔ)上能夠衍生多路徑的軟件算法解決方案?？梢允堑偷燃壍亩鄠鞲衅鲾?shù)據(jù)融合，也可以是對傳感器數(shù)據(jù)的深度提取并在駕駛決策層進行融合?！?/p>

看得出，Innoviz CEO Keilaf已經(jīng)與許多業(yè)內(nèi)人士一道，成為了多傳感器融合方案的堅定擁護者，正如他最后所說，

“每一種架構(gòu)都各有利弊，但是使用多傳感器提供方案冗余卻是不可或缺的?！?/p>

雷鋒網(wǎng)推薦閱讀：德爾福投資激光雷達公司Innoviz，目標是L3/4自動駕駛

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。