作為一家最早一批拿到加州路測牌照的公司之一，紐勱科技一直低調而務實，公司以視覺為主、基于深度學習的多傳感融合方案，可以實現高準確率（遠高于常規方案）的目標識別、跟蹤，應用于全天候、不同天氣狀況的場景，目前已收到了L4級別自動駕駛訂單。

紐勱科技自動駕駛試驗車

自動駕駛汽車的發展正成為社會各界關注的熱點，國內外已有越多越多城市（或州）允許車輛進行道路測試。加利福尼亞州作為美國僅有的幾個允許自動駕駛汽車路測的州之一，在技術和人才方面擁有豐富的資源，再加上該州對自動駕駛開放的態度，吸引了眾多車企及科技公司前往加州申請自動駕駛測試牌照。

據官方數據統計，截至2018年8月29日，加州DMV已向59個實體頒發了自動駕駛汽車路測許可證（帶駕駛員），其中包括以下：

在這59家獲得加州牌照的公司里，有我們耳熟能詳的車企（大眾、寶馬、福特等），也有一些圍繞自動駕駛技術發展起來的科技公司（特斯拉、景馳、Pony.ai、Nuro等）。其中有一家神秘的創業公司——紐勱科技（Nullmax），是最早一批拿到加州牌照公司之一。

2016年底，紐勱科技創立于美國硅谷，總部位于上海，應用計算機視覺、深度學習和人工智能等技術，致力于打造低成本、可靠、可量產的L3/L4級自動駕駛解決方案。公司CEO徐雷是美國紐約州立大學計算機博士、前特斯拉（Tesla）計算機視覺高級工程師，負責深度學習框架的搭建，算是特斯拉Autopilot團隊的核心成員，同時也是特斯拉第一代Tesla Vison團隊的重要成員，參與了特斯拉自動駕駛從無到有的研發和落地。他與前Tesla（特斯拉）高級供應鏈質量和產品經理宋新雨有著相同的情懷，希望將世界領先的技術和經驗帶回中國，帶著硅谷精神一起創辦了紐勱科技。徐雷表示：“在特斯拉的工作經歷讓我對自動駕駛領域創業有了自己的理解，Nullmax的一切研發都是以技術落地為目標來進行的，整套系統一切符合車規級標準并且可量產。”

以視覺為主的多傳感融合方案，出于藍而勝于藍

紐勱科技部分傳感器陣列

紐勱科技與特斯拉都在致力于打造低成本可量產的自動駕駛解決方案，與堅持 “無人車應該丟掉激光雷達這個拐杖” 的馬斯克不同的是，Nullmax采用以視覺為主的多傳感融合方案，除了攝像頭外，還會根據具體情況使用激光雷達、毫米波雷達、超聲波雷達、GPS/IMU傳感器。不同場景要求的自動駕駛汽車，設計運行范圍（ODD）也不同，Nullmax會根據具體應用環境對方案進行定制和調整，以傳感器部分為例：會根據實際情況配備不同類型和數量的傳感器，并調整傳感器的裝配位置。比如低速L4，一般會采用低線激光雷達+攝像頭；高速L4（Robotaxi），一般會采用多線激光雷達+攝像頭；而L3則可以不依賴激光雷達來實現。

Nullmax以視覺為主、基于深度學習的多傳感融合方案，可以實現高準確率（遠高于常規方案）的目標識別、跟蹤，應用于全天候、不同天氣狀況的場景，融合構建世界模型、輕地圖。該融合方案主要有三層融合體系：１）同一傳感器不同算法的融合，比如針對可行駛區域，攝像頭不止用一種方法確保行駛區域安全；２）不同傳感器之間檢測結果的融合，比如攝像頭和毫米波的目標融合；３）世界模型層面的融合，包括靜態障礙物，動態障礙物，和動態障礙物的行為預測，通過融合障礙物、可行駛區域、其他車輛軌跡做出合理決策。三層融合體系下，自動駕駛系統在感知過程中具有很高的準確性和很快的感知速度。

中國的交通習慣與美國不同，國內城市快速路和城市主干道的使用頻率大于高速公路。相應的，城市工況的復雜性和多變性帶來的挑戰也遠遠大于結構化的高速公路。另外，近距離的cut in（車輛并入）在中國非常普遍，Nullmax會根據中國特色的駕駛環境和駕駛員行為等情況對方案進行定制和調整，產品會更偏向于中國本土化。

圖像ISP技術解決自動駕駛汽車識別難題

目前，視覺傳感器容易出現過曝和欠曝等問題，在夜晚弱光、雨雪天氣等狀況下自動駕駛汽車往往會出現錯誤識別，比如之前特斯拉的事故就是因為視覺系統將白色的車身與天空的顏色混淆。Nullmax是如何應對這些視覺識別邊緣難題的？

據CEO徐雷博士介紹，“公司采用多攝像頭方案，達到車身周圍360度中遠距離覆蓋。另外我們會對攝像頭進行優化，提升弱光等情況下的性能表現。然后基于這些傳感器數據，我們來實現目標識別、目標融合、跟蹤預測、構建世界模型。我們的圖像ISP技術主要是高動態范圍圖像處理，配合攝像頭參數調優，解決一般攝像頭方案中依賴光線、雨雪天氣或者夜晚弱光情況下性能差的問題，以應對復雜情況。”

光線的差異會帶來圖像本質上的變化，最直接的影響就是會損失掉很多重要信息，比如會造成發黑、過曝、完全沒有信息、顏色的灰度不對、顏色偏差以及邊緣會失真、不清楚等一系列問題，反映在后端的視覺識別算法時看到的都是跟訓練模型不一樣的效果，出現信息量太少或者沒法檢測、沒法分析等，尤其是在自動駕駛，不可避免地碰到各種各樣的復雜光線的環境。隧道、迎面遠光燈、夜間紅路燈等場景下，會產生弱光、逆光、背光等情況，視覺方案的自動駕駛一定要解決全天候的被動光學成像，也就是在各種光線環境下都能夠看得很清楚。應用于自動駕駛汽車上的圖像ISP技術，并不是單純的3A、自動曝光以及自動白平衡，它包含了圖像算法、信號處理算法、CMOS控制器以及接口等，通過ISP技術實現了高動態范圍圖像處理。

Nullmax一方面通過前期的場景數據積累，為基于深度學習的計算機視覺提供了充足的訓練數據；另一方面，擁有一套完整的數據采集、標定、清洗的流程和能力，保證模型高效快速迭代。同時，由于視覺為主、基于深度學習的感知方案，對攝像頭的要求比較高，所以公司在攝像頭等硬件上進行了設計優化和參數調整，進一步提升了視覺感知效果。

車規級標準打通落地量產之路

近兩年的自動駕駛行業異常熱鬧，有種“亂花漸欲迷人眼”的味道，不同公司發展策略也不盡相同，但是本質上都面臨著落地的挑戰。作為最早一批拿到美國加州路測牌照的科技公司之一，Nullmax顯得低調而務實。他們目前規劃了兩條自動駕駛的落地路線：為傳統車企轉型賦能，為智慧城市賦能。2018年1月，紐勱公司簽訂第一筆L4級別自動駕駛訂單，正式開啟了為機場、政府等低速場景開發定制化的L4自動駕駛技術的序幕,將整套自動駕駛解決方案開始運用到商業中。

“自動駕駛到后期會形成一個大的生態圈，不同的企業專注不同的部分，側重應用不同的場景，解決不同的需求，基于不同的技術路線來實現。我們自己會更加專注，去解決我們認為最重要的問題。同樣是L3/L4解決方案，有的公司運行條件比較苛刻，對車輛速度和道路條件的限制很多，用戶有可能要在自動駕駛和非自動駕駛之間頻繁切換，大大降低了駕乘體驗，而我們的方案可運行設計范圍更廣，更針對地解決了用戶的痛點。”徐雷如是說。