自動駕駛汽車“眼中”的世界是怎樣的？經過激光雷達的環境感知和智能算法的信息提取，一幅由立方體、點云軌跡、速度參數組成的三維點云圖躍然而出，車輛、自行車、行人的幾何位置信息和速度被詳細標注，各種車道線也被傳感器依據不同的反射強度一一識別。根據這幅科幻感十足的路況全景圖，自動駕駛系統將規劃行車路線，并執行駕駛動作。

速騰聚創MEMS智能固態雷達M1安裝在車輛頂部

激光雷達被譽為“自動駕駛之眼”，以大量獲取點云數據并實現三維建模的優勢獨步武林。2014年左右，以哈爾濱工業大學博士邱純鑫為代表的環境感知研究團隊，發現市場上很難買到符合戶外場景要求的激光雷達。結合環境感知技術的專業背景和市場需求，邱純鑫創立了速騰聚創，并推出了結合激光雷達硬件、AI算法、專用芯片的智能激光雷達系統。

“客戶希望我們交付的不是單純用于感知的硬件，還希望它具備處理點云數據的能力，在雨雪等環境下能夠智能檢測出外部因素帶來的風險并進行處置，這就對傳感器的智能算法和輔助算法提出要求。剛好感知算法是我們的強項，我們就把智能激光雷達系統做了起來，并作為公司業務的重要組成。” 速騰聚創科技有限公司合伙人、研發副總裁筱原磊磊在接受《中國電子報》獨家專訪時表示。

用AI賦能車用傳感器

當人們談到人工智能在自動駕駛的落地應用，關注點往往是負責算力和處理的AI主控芯片，英特爾、恩智浦、英偉達、高通、賽靈思以及國內的華為、百度、地平線等企業正在此領域角力。而車用傳感器作為信息收集器，競爭維度向來以測距、精度等技術指標，以及產品體積、量產成本等市場因素為主。相比自動駕駛系統主控芯片和車載娛樂系統等中控芯片，車用傳感器似乎沒有太多的AI光環。

隨著自動駕駛來到Level 2+并逐漸走向Level 3，速騰聚創相信，相比單純的信息收集器，自動駕駛更需要一站式擔當“收集者 + 理解者 "的傳感器。為此，速騰聚創將激光雷達硬件、AI 感知算法與專用計算芯片融為一體，推動激光雷達加速向智能傳感器演變。

速騰聚創選擇智能激光雷達賽道，是創始人技術背景與市場需求的一拍即合。創始人邱純鑫從碩士起就專注于移動機器人環境感知技術的研究，公司的前身就是邱純鑫的戶外移動機器人環境感知小組。2014年，速騰聚創創始人團隊進行環境感知研究時，發現難以獲取符合要求的激光雷達，這讓他們萌生了打造一款激光雷達的念頭。

“當時市面上做激光雷達的廠商很少，技術參數也不符合我們對環境感知——特別是公共道路等戶外場景下的使用要求。所以我們結合自己的算法開發需求，逐步把智能激光雷達系統做起來了。” 篠原磊磊向《中國電子報》記者指出。

在篠原磊磊的認知里，好的智能傳感器應該像智能手機或者傻瓜相機一樣，拿來即用，這也是速騰聚創將AI算法嵌入車用傳感器的意義所在。

“在與車企客戶的交流中，我們發現兩個關鍵需求。一個是不能只提供原始的點云數據，因為這些數據還需要后期處理才能使用，增加了客戶負擔，這就需要在傳感器內部嵌入AI算法，提供一定的數據處理能力。另外，智能傳感器并不只是用AI來做數據處理就可以了。在不同的環境下——比如雨雪天氣，傳感器需要駕駛系統開暖風或者對窗口進行除雪才能繼續發揮作用。針對這類場景，我們要做好傳感器內部的算法，讓傳感器能夠應對影響自身功能的外部環境因素。” 篠原磊磊說，“當然軟件是靈活的，感知部分的AI算法也可以部署在車載域控制器等計算單元上。”

用AI賦能激光雷達傳感器，對于傳感器功能本身、OEM的集成開發和用戶使用均有助益。對于環境感知效能，內置AI算法和專用芯片的激光雷達能同步輸出高精度的定位、路面交通標示、障礙物檢測、分類、跟蹤、運動姿態等駕駛環境信息。對于業界頭疼的corner case（極端情況）問題，由于AI算法經過了對于各種極端情況的訓練和學習，能夠在復雜多變的駕駛環境中向自動駕駛車輛正常輸出環境感知結果。對于OEM廠商，智能傳感器能減少車載 ECU，釋放駕乘空間。對于消費者，智能傳感器融入自動駕駛乘用車的感知系統后，將突破毫米波雷達和攝像頭識別障礙物的天花板，從物理底層提高自動駕駛系統安全性，更好地保障乘客安全。

邁向更高等級的自動駕駛

自動駕駛是AI技術的集大成者，也被視為AI最復雜的應用場景之一。從Level 2高級輔助駕駛邁向Level 3人機共駕，再到Level 4及以上級別全自動駕駛的過程中，車載系統將承擔越來越多的駕駛責任，系統本身的復雜性也將急劇提升。

“自動駕駛不像室內使用的人工智能語音、自動識別或機器人，只需要處理用戶與機器的交互。自動駕駛場景下，不僅涉及到用戶與機器交互，還有機器與外界環境，包括行人、車輛之間的交互，這個是場景是非常復雜的，還伴隨著暴雨、逆光等導致路面可視度變差的corner case。有些情況自動駕駛系統可能一年或兩年都不會遇到一次，一旦遇到了，處理不好就會出現問題。所以人工智能特別是機器學習在日常使用過程中，要持續學習corner case，把自動駕駛系統做得更加完備。” 篠原磊磊說。

感知作為自動駕駛的第一環，也要跟上技術升級的步伐。如同車載攝像頭從一兩百萬像素發展到600萬、800萬甚至1200萬像素，用戶對激光雷達的硬件要求也在不斷提升。

“2017年，奧迪搭載的車規級激光雷達是4線的。現在我們已經做到125線，客戶還提出了250線、300線甚至500線等更高精度的傳感器需求。同時，用戶對于自動駕駛平臺的算力和算法要求也會越來越高，智能傳感器的內置芯片也要進行升級。” 篠原磊磊表示。

算法作為人工智能的三駕馬車之一，對于自動駕駛執行任務的方式和效率至關重要。篠原磊磊表示，算法迭代也是智能傳感器技術演進的重要一環。

“從level 4開始，只要在規定的范圍內，司機可以拒絕參與任何駕駛動作，系統必須獨立完成駕駛過程。這就意味著，不允許感知系統出現任何漏檢或誤檢。當數據量變得更大，且傳感器要更有效地應對各種corner case，傳感器的智能算法、控制算法和輔助算法都要隨之提升。” 篠原磊磊指出。

近年來，深圳通過智能化手段探索城市交通治理新路徑，在智慧交通管理以及無人公交、自動駕駛開放道路測試等領域積極探索實踐。篠原磊磊表示，深圳市良好的制造業基礎和發展高端制造業的強勁勢頭、對高端創新創業人才的引育以及活躍的創業氛圍，為自動駕駛發展提供了優良環境。接下來，速騰聚創將持續面向深圳及粵港澳大灣區的車路協同等智慧交通項目以及物流“無人車”等智慧城市項目，提供安全經濟的感知方案。

“我們的車規級激光雷達預計今年二季度量產，下半年就可以在用戶上路的車上看到。通過這5年的努力，我們基本解決了車規方面的問題，接下來是展示成果的時候。” 篠原磊磊說。

責任編輯：lq