自动驾驶催生新经济：激光雷达测试验证也有大学问_科技

AutoR智驾 2019-09-06 12:13

自动驾驶催生新经济：激光雷达测试验证也有大学问

对于本土企业长城来说，和亮道合作是车辆自动驾驶能力提升的一个过程，而在这个过程中激光雷达测试验证的成本也是值得的。

自动驾驶汽车的发展让中国初创公司走向台前。

近日，长城汽车、亮道智能、Ibeo就L3/L4自动驾驶量产研发签署战略合作协议，长城汽车将选用新一代4D 固态激光雷达ibeoNEXT作为自动驾驶传感器系统中的核心组成部分，亮道智能将负责ibeoNEXT和环境感知系统在长城量产项目中的验证工作。

这是全球第一个纯固态激光雷达量产合作项目，也是全球范围内首个纯固态激光雷达的车规量产合作。

Ibeo将作为激光雷达供应商，亮道智能将作为此新型前沿传感器自动化验证服务提供商，联合为长城汽车的L3/L4自动驾驶量产项目提供产品和服务。

三家公司希望通过深度合作，将新一代传感器技术应用于量产项目，保证搭载L3级别自动驾驶的长城汽车能够如期上市。

我们知道具备L2级别以下自动驾驶的汽车传感器方案中激光雷达并非必须品，但是针对L3级别以上自动驾驶汽车，是否需要激光雷达仍然存在分歧。

马斯克曾表示，激光雷达并不适合自动驾驶领域使用，那些选择了这项技术的公司迟早会放弃它，Waymo等自动驾驶汽车市场领导者却将LiDAR看成关键技术。

亮道智能与后者观点一致。

亮道智能CEO剧学铭认为，“L3的项目上激光雷达是一个必须的产品，原因很简单，就是希望我们有一个安全的驾驶。”

微信图片_20190903174757.jpg

他说，“目前主流摄像头只是作为整个感知的一套解决方案，但是在L3的时候要考虑安全冗余，比如在摄像头端要有一个备份，跟摄像头的感知能力相当，甚至更强，所以在这个层面上我认为激光雷达在L3的项目上是必需的产品。”

基于这个判断，剧学铭做起新型自动驾驶环境感知系统测试验证服务，在国内，激光雷达测试验证方只有亮道智能。

这个领域，亮道智能是孤独的，但也是有专业基础的。

目前业内针对自动驾驶测试验证一般会用几种方法，包括虚拟仿真测试（软件在环测试、硬件在环测试、车辆在环测试、驾驶员在环测试）、封闭区域测试、真实道路测试。

其中，虚拟仿真测试使用计算机来搭建模拟的驾驶场景，这种测试方法对平台开发（例如开发激光雷达算法的通用部分）会有一定帮助，可以节约前期的测试成本，但是尚无法满足产品量产测试的需要。只有将产品放到真实的交通环境测试，才能获得感知系统的真实表现。

可以说，目前行业缺乏一家客观中立的第三方，来帮助大家完成L3-L4自动驾驶量产前的测试验证。

首先亮道核心团队之前是搞激光雷达开发和算法开发的，他们对于传感器自身的理解是最好的。

另外一点，亮道认为未来自动驾驶量产落地必须要有测试验证，所以亮道从2017年开始搭这条工具链。

不过，在这个过程中亮道也遇到一定的壁垒，剧学铭说，“激光雷达测试验证实际上是一个综合能力要求极高，甚至不亚于算法开发供应商的能力。”

这里值得一提的一点是：数据量。

激光雷达在单位时间内产生的数据量是巨大的，在这个过程中采大量的里程需要建数据平台、数据中心，在数据中心里面需要工具链，进行自动化的标注和自动化的场景抓取。

根据宝马的一份官方资料，每辆宝马高度自动驾驶汽车产生的数据量将达到2TB/h，全自动驾驶汽车每小时产生的数据量更多，将达到40TB/h。

目前，针对HWP场景（高速上理想条件下，不考虑恶劣天气条件下），亮道自动化率的真值建立系统可以达到98%左右。

在标准化方面，亮道是ASAM的正式成员，ASAM，是专门制定自动驾驶标准的国际机构。

目前，亮道自动驾驶环境感知系统测试验证服务主要包括车辆准备、数据采集、数据处理、测试验证执行和数据分析，测试验证过程全部基于被测传感器（Device under Test）在真实路况获得的场景数据，测试方法以真实道路测试为主，软件在环、硬件在环测试为辅。

首先，在测试实验开始之前，亮道智能需要完成自动驾驶车辆设计和传感器选型工作，并将待测传感器安装至原型车。

第二，根据客户需求量身定制数据采集方案获取不同条件、天气条件下的有效数据，提取对自动驾驶有关键意义的特殊工况案例。

第三，DUT和参考系统采集的数据会分别录入指定的大数据中心，通过对参考系统采集数据的处理，提取目标、获得目标特征参数、对目标分类，从而生成基于真实环境的客观真值。

据悉，亮道智能一周内可以完成4000小时数据的处理，同传统人工标准数据相比，效率提升接近万倍。

第四，在测试验证执行时，亮道智能的测试验证工具链可以按客户需求自动提取不同场景的数据，将DUT的实时感知结果与客观真值对比，其中，工具链高度集成化、自动化的特性，全程无需过多的人工干预。

最后，可以根据客户需求，生成不同场景的环境感知测试验证报告，提供KPI，依据KPI报告可以针对性地优化感知算法，加速迭代。

通过以上测试验证服务五步法，长城汽车快速的选型了Ibeo固态雷达，并且将通过一年多的时间为长城汽车进行测试验证。

在雷达选型方面，剧学铭也提出五点，第一，雷达需要有更远的探测距离、有更广的探测视角、更大的FOV、更高的分辨率。

第二，更好的集成方式、小型化、轻量化，这个由于量产车型对雷达外观的要求较大。

第三，使用寿命和可靠性，其实市面上很多激光雷达的固态的方案里面实际上用了Mems的振镜，因为Mems实际上本身还是在振抖，但是Ibeo的方案里面是纯固态的，里面没有任何的移动部件，这个从它的使用寿命上或者可靠性上应该是有比较好的一个基础。

第四，针对自动驾驶的方案整个产品设计的灵活性，因为在自动驾驶开发过程中从L3到L4使用场景实际上还是有差异的，现在也没有任何一个传感器可以应用于所有的场景。如果一款激光雷达可以根据用户制定的定义的场景相应做出一些性能上的调整，包括参数上的调整，在保持成本不变的情况下，所以这个是对于自动驾驶有比较强的推动意义。

第五，车规，现在来看市面上真正完成车规量产的激光雷达产品也只有法雷奥的SCALA，虽然这个激光雷达大家使用比较多，但是真正推到量产和车规还是非常有挑战的。

综合而言，Ibeo一个不错的选择。

Ibeo是汽车激光雷达系统开发商，可为自动驾驶汽车提供可靠的障碍物及行人检测，确保自动驾驶车辆及时对路况做出反应。

本次长城汽车选用的4D固态激光雷达ibeoNEXT是一款革新性产品，可以很好地匹配未来驾驶需求。

这款固态激光雷达不含任何运动部件，传感器更轻便、结构更紧凑，适用于SAE L2-L5自动驾驶系统。

值得注意的是，ibeoNEXT不但可以构建具有丰富细节的3D环境模型，而且能利用能量信息显示环境图像，即三维空间内每个测量点的第四类属性，这也是ibeoNEXT被称为4D固态激光雷达的原因。

ibeoNEXT创建的能量信息图，和黑白摄像头记录的视频图像类似，可以与激光雷达点云信息配合同步输出，再与其他车载感知传感器采集的信息形成冗余。

该雷达还可构建高度精确的3D环境模型，涵盖道路指引信息、道路设施、标牌、交通信号灯等详细信息，可迅速记录道路变化并准确发送至自动驾驶地图平台，同时将采集到的真实环境数据与自动驾驶地图数据进行匹配，形成不断更新的数据源，确保地图更新的持续性，保证地图数据鲜度。

长城汽车甄龙豹认为，“新型的激光雷达初次上车其实是面临很多的挑战以及很多复杂情况的应用，从激光雷达本身性能的保证来说，这是我们跟Ibeo还有亮道共同来做这件事的原因，不过在激光雷达测试验证层面作为车企是没有那么多精力和时间来每一条都做验证。”

从这一点也可以看出，全新奥迪A8搭载的L3级别自动驾驶功能在某些场景并不一定适合，尤其针对中国需要寻求本地化合作。

针对奥迪A8被简化的功能，智驾君也在国内进行了测试，其测试结果并不是很理想。

当前，自动驾驶功能的复杂性和量产节点临近，前沿主机厂与传感器公司、验证服务提供商的开发合作将更为紧密。

对于本土企业长城来说，和亮道合作是车辆自动驾驶能力提升的一个过程，而在这个过程中激光雷达测试验证的成本也是值得付出的。

可以说，对于三方合作是一个多赢的过程。

打赏