融合不是冗余,全栈自研才有出路?特斯拉/Mobileye这样做

烂柯人 2021-05-31 13:27:54

为了增强感知能力、提升对系统安全的保障,近年来,摄像头+雷达融合路线逐步成为ADAS的主流感知配置。


高工智能汽车研究院监测数据显示,2020年国内新车(自主+合资品牌)搭载前向摄像头+毫米波雷达感知方案占比达到70%;不过,在Mobileye看来,这种方式主要是为了互补不同传感器的优劣势。


实际上从去年开始,1V方案得益于摄像头硬件性能(包括像素、视场角)以及数据驱动深度学习能力的提升,正在依靠成本优势以及减少融合感知带来的置信度难题,成为入门级L2辅助驾驶普及的主流选择。


而在面向高阶自动驾驶层面,在Mobileye看来,基于摄像头的纯视觉感知与雷达+激光雷达融合感知两套方案应该并行,才是真正的冗余。


融合不是冗余,全栈自研才有出路?特斯拉/Mobileye这样做


在Mobileye看来,摄像头是自动驾驶的主干,而雷达+激光雷达子系统则增加了安全冗余,并显著提高平均故障间隔时间(MTBF,也就是系统的可靠性指标)。


而背后的原因,或许恰恰是对软硬件自主掌控的考量。


一、传统感知格局的翻篇


作为同为计算机视觉起家的Mobileye和特斯拉而言,传统的雷达和激光雷达在自动驾驶汽车所需的环境建模方面存在局限性,尤其是相对于摄像头的准确度、低成本而言。


对于毫米波雷达而言,现阶段需要解决的问题是,角分辨率、动态范围和旁瓣效应;从现有的技术进展来看,架构的范式转变并实现性能的飞跃是根本出路。


比如,马斯克指出:当雷达和视觉不一致时,你相信哪一个?视觉有更好的精度,所以纯视觉比现有的传感器融合方式更好。


明确的趋势,就是4D成像雷达,实现数字和软件的定义成像。从而解决一系列传统雷达的瓶颈,包括探测远距离低RCS目标、车辆目标的轮廓检测(500K)、轮胎等道路常见遗留物的检测等等。


而激光雷达则需要解决探测距离的限制(尤其是远距离300米)、信号干扰、保持高分辨率采样和目标物体的速度直接测量,在Mobileye看来,FMCW激光雷达是解决问题的关键。


不过,这项技术的成熟度至少要到2025年才会达到目前机械式、混合固态、MEMS等技术的水平,此外还需要供应链层面的积极配合和成本下降时间。


我们在这里先谈一下关于1R1V的融合问题,为什么特斯拉、Mobileye选择纯视觉路线来实现?原因之一,恰恰是传统雷达的供应链角色问题。


众所周知,毫米波雷达已经是技术成熟、大规模量产的产品;那么,为什么还会有很多初创公司挤入这个细分赛道?原因之一是为了降低成本,但更多的考虑,是为了实现软硬件的解耦,更好地实现感知数据的前融合。


比如,在华为公司看来,他们有自主研发的毫米波雷达,就可以获得雷达最原始的点云数据,同时进行图像数据与雷达点云数据的前融合,这意味着融合置信度可以得到大幅提升。


而目前的行业现状是,博世、大陆等公司提供的传统毫米波雷达基本上是“软、硬集成”的解决方案,对于大部分主机厂和Tier1(采用第三方雷达产品)来说,通常无法解绑底层算法。


这些“软硬集成”的解决方案只是一个黑盒子,即毫米波雷达只提供感知结果(也就是通常所说的目标级融合)。至于算法是如何编写的,算法的底层逻辑是什么,主机厂完全不清楚。


这意味着,包括特斯拉在内采取摄像头+雷达融合策略的主机厂,在事故发生后很难独立发现问题并进行修复,也无法更好的推进ADAS算法的迭代。


由于无法获得毫米波雷达的原始数据,采取激光雷达+摄像头“前融合”就成了目前可行的办法之一,比如小鹏P5采用的策略。考虑到市面上主流的毫米波雷达直接输出目标,显然没有被充分挖掘价值。


4D成像的机会,恰恰在于,一方面,软硬件解耦已经成为一种趋势,另一方面,部分一线主机厂已经组建了自己的软件团队,并将感知算法的开发作为关键一环。


而更大的机会在于,类似Mobileye这样的传统Tier2角色,在视觉层面验证了技术成熟度之后,通过研发毫米波雷达、激光雷达等传感器,有机会成为主机厂的直接供应商之一。


事实上,在“软件定义汽车”的游戏规则下,主机厂绕过传统一级零部件供应商,直接与原有的二级供应商(比如,芯片、传感器、软件算法)合作,已不再罕见。


融合不是冗余,全栈自研才有出路?特斯拉/Mobileye这样做


融合不是冗余,全栈自研才有出路?特斯拉/Mobileye这样做


比如,英伟达与梅赛德斯·奔驰的合作。事实上,一直以来,Mobileye与主机厂之间在价格和技术等关键问题上的协议很多是直接谈判的。近年来,这种趋势更是愈发明显,比如,与福特、吉利的合作(在合作官宣层面,都没有提及任何Tier1角色)。


高通也在试图改变旧的游戏规则。有知情人士透露,此前该公司相关负责人曾对一家中国自主品牌表示,“我们可以绕过一级供应商,直接与你们合作。”


这一点,也体现在激光雷达这种全新的传感器上。


不管是Luminar、Innoviz、一径科技还是速腾聚创等等拿到前装量产订单的激光雷达公司,在对外合作上,大多数都是直接与主机厂进行技术细节的谈判。


尽管在实际的系统集成阶段,Tier1的参与可能是不可或缺,但考虑到激光雷达是一项尚未达到成熟阶段的新技术。每个产品在细节上都有很多不同,在安装调试、算法等细节上也存在一些差异,主机厂比以往主导权更强(相对于其他传感器)。


回头来看,为什么Mobileye要坚持纯视觉路线的可行性?同时,为什么要自研毫米波雷达和激光雷达等其他传感器?而且采取了并行的冗余方案?


原因恰恰是对于软硬件的自主控制力。比如,在纯视觉路线上,不管是Mobileye还是特斯拉,对于摄像头硬件有着很强的掌控力,甚至有自己的一套认证准入标准。


二、全栈自研,才是最终出路


采用纯视觉路线,还有一个很关键的要素,来自于数据闭环驱动应用。这背后,需要的是企业能够实现全栈自研能力,尤其是软件以及核心的定制芯片。


理论上,目前搭载摄像头、毫米波雷达的L1、L2自动辅助驾驶系统已经收集了大量的数据,但实际上这些数据大部分都没有采集并进入后台数据库进行训练。


真正具备能力并且已经大规模实现的,仅有特斯拉、小鹏汽车、Mobileye等少数几家公司。比如,特斯拉的影子模式,Mobileye的REM高精度地图众包项目,使用车载摄像头收集的数据来更新。


相比较而言,传统Tier1巨头的战略开始转移,从分布式控制到跨域控制再到集成中央计算机控制,抓住潜在市场机会,从而更好地为客户提供一站式系统解决方案。


到目前为止,博世、大陆等公司也的确拿到了金额不菲的域控制器订单;然而,很难说,全新E/E架构的第三方市场空间有多大?尤其是对于几家传统Tier1巨头来说,市场仍处于博弈阶段。


首先,类似大众、丰田、长城这样的巨头不太会把E/E架构的完整规划设计交给任何一家Tier1;比如,脱胎于长城汽车的毫末智行,已经推出了一系列高性能的域控制器产品。


其次,一些中小型OEM的确需要供应商的支持,但更愿意与一些中小型Tier1(甚至初创公司)合作开发。而中国新势力也更喜欢与国内公司合作,比如小鹏汽车与德赛西威、理想汽车与地平线、宏景智驾。


传统Tier1巨头希望,市场给自己能够留出足够的时间来完成“大象转弯”,比如,增强软件的开发能力,然后基于完整的传感器、线控底盘和系统集成能力守住阵地。


然而,自从Mobileye在ADAS市场依靠集成摄像头、芯片和软件撕开口子,约70%的市场份额迫使博世、大陆、电装等传统Tier1斥巨资补齐视觉感知技术,其余的更多选择了与Mobileye合作。


一直以来,采埃孚、安波福等传统Tier1,通过采用自家或第三方雷达来与Mobileye的视觉感知方案进行融合来实现ADAS的功能落地。这种方式,Mobileye无法控制最终的系统成本,仅仅是Tier2角色。


要实现ADAS以及高阶自动驾驶的普及,控制成本至关重要。


1、Mobileye基于单目摄像头的L2级方案已经通过采埃孚、麦格纳等伙伴推到前装量产市场。更宽视角、更高分辨率,意味着Mobileye可以继续为Tier1合作伙伴提供技术支持。


2、Mobileye SuperVision,这是Mobileye推出的软硬件全堆栈360度摄像头ADAS解决方案,基于EyeQ5的高算力直接向车企提供交钥匙解决方案,相当于Tier1/0.5角色的转变。


融合不是冗余,全栈自研才有出路?特斯拉/Mobileye这样做


该公司的目标很明确,通过单一传感器(摄像头)的内部算法冗余,直接为车企提供一站式低成本解决方案(无需与其他传感器供应商进行交互),让消费者买得起。


按照VSI实验室创始人菲尔·马格尼(Phil Magney)的话说,“成像技术越来越好,软件也越来越好,软件和处理器的集成也越来越紧密。”


3、Mobileye Drive™,Mobileye推出的全栈式自动驾驶系统解决方案,覆盖从最后一公里配送、Robotaixi等移动出行服务以及在未来某个时间服务于消费级轿车市场,后者最快将在2025年落地。


Mobileye Drive™的商业化可行性,来自于搭载技术的完全自主研发,包括已经量产的EyeQ5芯片/2023年量产的EyeQ6、摄像头、激光雷达(前期采用Luminar,后期自研)+4D毫米波雷达、RSS驾驶策略和REM地图。


有消息称,英特尔计划向Mobileye新增投资6亿美元,用于继续扩大现有的研发中心规模。同时,利用自有的芯片技术,支持Mobileye自主研发4D成像雷达和FMCW激光雷达。


Mobileye首席执行官Amnon Shashua透露,第一代完整自动驾驶软硬件套件,成本仍在1-2万美元之间,到2025年,该公司希望将成本降到5000美元以下,才可能看到规模化落地的商业机会。


现在看起来,成本下降,最先实现的肯定是全栈自研。任何无法自主掌控的技术能力,都是在增加额外的成本压力以及安全隐患。

来源:高工智能汽车

注:文章内的所有配图皆为网络转载图片,侵权即删!

免责声明

最新回答

还没有人评论哦,抢沙发吧~

为您推荐