【汽车自动驾驶技术】安全 ， 智能交通之本---苏淑萍

　　1.Mobileye简介
　　1999年由两位创始人Amnon Shashua教授和 Ziv Aviram先生成立Mobileye，主营业务是基于单目摄像头的视觉技术应用在汽车上面提供安全驾驶。
　　在经过了18年之后，我们的产品现在在行业里面得到了比较多的应用，目前有25个车厂用了我们的产品，到2017年初有2000万辆车搭载着我们相关的技术。对于公司来说，比较重大的一个事件就是2014年8月1日在纽交上市，在今年8月8日被Intel收购，这两个主要是资本市场的比较大的事件，但是由于自动驾驶这个行业其实是需要大资金投入的，所以在资本市场的大事件反过来推动了自动驾驶这个行业的进展。
　　这张图简单地介绍一下我们现在的系统能做什么东西，大家可以看到我们可以检测到路上的一些移动物体以及一些固定物体、固定目标物，同时对于交通参与的一些信息也能及时地获取，包括红绿灯、交通标志牌以及地面上的一些标志，比如说斑马线、停车线，除此之外大家会看到一个绿色的地毯，基于地面来说，我们会寻找可行驶通过的空间，我们对每个像素都进行分析，如果有障碍物，先分辨是哪一类障碍物，再做出相应的标志。通过这样的功能和原来的车辆行人、车道线以及障碍物的检测，可以形成一个更综合的感知。
　　在这个过程当中，公司也一直在不断地发展新的技术，大家大多会比较关心我们的业务模式是怎样的，我也简单介绍一下，我们在公司内部已经有两个产品，第一个产品是EyeQ芯片，芯片目前主要的量产已经到第三代，在2018年会有EyeQ4芯片的量产。还有成品化产品，这一代是六系列，明年会出七系列和八系列，七系列之前都是基于EyeQ2芯片，八系列开始直接用EyeQ4的芯片。这两个产品和芯片之间其实还是有一定的关联度，我们芯片主要是应用在大规模的乘用车车厂，比如国内的上汽，就是自主品牌里面第一款用到我们产品的车，国外已经有20几个汽车厂商用了我们的产品。
　　2.持续的创新
　　对于成品化的产品，尽管我们一开始推的时候主要是针对后装市场，因为可以直接运用，但是在这一两年当中，随着大家对车辆智能化要求的快速提升，目前需求也非常旺盛，在这个时候如果我们从芯片做这样的产品，可能会导致面世时间比较长，我们会推出成品的解决方案，目前也做了一些改良，会做模组化的方案，这种方案针对商用车的车厂以及现在新出来的新能源车的车厂，在体量不是特别大、对面世要求比较高的时候，用这种方案会比较快地解决第一阶段的ADAS方案。
除此之外，能看到中间有REM这样的箭头，我们在明年会陆续开展一些在后装产品上面的工作，由于搭载EyeQ4的芯片，所以可以提供REM功能，来收集相关的一些信息以建立未来应用于自动驾驶的一张高精度的交通信息地图，这个地图是为未来自动驾驶所用的，就是为大批量的前装行业用。
　　在中国和全世界都把2020年或者2025年作为自动驾驶的一个元年或称之为能有车上路，2025年是比较多量产的时代，在Mobileye来说，我们会在2021年和宝马有量产的高级自动驾驶车面世。
　　在自动驾驶这块，Mobileye现在做的分成三大块，第一个块是感知，第二块是地图，第三块是驾驶策略。感知这一块，我们原有的一些对于周围环境感知的传感器，永远都会有改进的余地，尤其对单传感器来说要做到极致是非常困难的，一方面我们会进一步提升我们自己的感知能力，比如对于车辆的识别，在早期EyeQ2的时候，我们是针对车辆尾部进行识别，但是到了EyeQ4的时候，我们可以做到一个车辆不管以什么样的角度出现在摄像头前面都能被感知到，这样就可以实现全方位的感知，并在各种道路上识别车辆。在这方面感知系统也有很大的提升空间。
　　除此之外，也要支持多传感器的融合，刚才也有提到，对于单传感器来说，要做到覆盖所有场景，做到非常极致的可靠和可用，其实非常困难，因为有很多因素是这个技术本身受限的，在这个时候如果我们用多传感器融合的方案，从性价比上来说可能更好一些，并非叠加了传感器就会增加费用，将单传感器做到极致所产生的成本可能会远远超过几个传感器的叠加。我相信在座的各位不管是汽车厂商的也好，零部件的供应商也好，大家的目的都是做一款可以用的自动驾驶车，而不是一个高精尖的自动驾驶车。对可以用的驾驶车来说，对于成本的控制肯定是大家一定要去考虑的一件事情。
　　前一段时间一直会有这样的争论，关于传感器的好坏与最终的市场霸主，其实没有讨论的必要，因为每个传感器的相关技术供应商把自己的技术做好，最终的选择权在汽车厂商那儿，他决定用什么样的组合能够做到满足他的设计要求的车辆。
　　2.REM高精度地标地图介绍
　　REM技术嵌入在EyeQ4芯片里面，通过搭载系统的车辆在路上跑，然后去实时获取一些道路的地标信息，并不需要物理信息或者像现在的导航信息上面这么详细的一些资料，但是我们可能会在精度方面有更详细的要求，大家站在不同层面的立场上，我们站在比导航地图更高一层层面上。比如说会做到车道级的精度，包括会把路上包括地面的交通标志的很多交通标志都会放到这个里面来，形成了地图之后，再通过云端发送到每一辆使用了本技术的应用者端口去。
　　工作原理先从采集车上把数据采上面，在云端形成高精度地图之后再发送给所需要的车辆。所以这个做法就体现了一句话，人人为我，我为人人，从商业模式和技术实现原理来说是这样的。当我们在用技术的时候，并非哪一种技术是一个主流，所有的传感器本身之间具备协同的关系，就像我们在采用视觉和REM，如果我们光考虑这两种技术，在应用的过程当中，可以把REM简单地说成某一种层面的V2X，实现的手段不一样，但是在效果方面是有类似之处。
　　当我的视觉由于在天气原因或者特殊原因暂时存在障碍，比如在开车的时候，一只鸟撞到玻璃上了，将这块给模糊了，即使用雨刮也需要几秒钟时间把视野擦干净，但是如果REM能工作，数据通道是通的，可以通过REM感知到前方的一些道路情况，可以继续保持在这个车道中间行驶。
　　在这个过程当中，REM本身就增加了感知的功能，由于就REM本身的技术来说，感知超过了摄像头视距所能检测的范围，因为它可以做的更远一点，可以随时跟你的车辆交换信息，因为也会有定位，包括纵向定位和横向定位，会根据你的定位位置实时地给你进行路径规划。
　　蓝色的这条线是我们REM所规划的线路，也许本车从没走过这条线，而是之前有其他司机走过这条路，通过对这条线线采取信息之后，根据你路径所在的状态规划出这条线，这个规划是基于车道的规划而不是像我们现在的导航地图一样基于一条路进行规划。

图1 REM的路线规划

　　同样我们基于REM可以有更多的一些增值服务，当在国外做测试的时候，会发现所有的车经过某个地方的时候都会扭一下，那么应当是算法觉得那个地方有一个坑，但是如果将这个反应做在算法里固化了，所有装有这个算法的车到那个地方都会扭一下。但是REM不会这样固化算法，它是一个在实时更新的东西，像现在双十一很多的货车，如果有一个货车掉下来一个物体，对我行车造成一定危险的时候，前面有一辆车开过这个路线看到有一个物体留在那，它把这个消息实时往云端传输，云端往下播放的时候，向在后面也许跟着的100、200辆车都发送这样的信息，同样当这个障碍物被清除之后，再过去的车又会实时刷新后台的数据，说这条线可行，不需要避让。我们讲的地图上的很多应用不仅仅是一个固定的一些交通信息应用。

图2 REM识别空的停车位实现信息共享

　　这是REM对于停车场的检测，我们的车辆在行驶过程中，如果路边有停车位的话，车辆可以检测出空余的车位，并实时把信息上传，目前大城市在市中心的停车位非常紧张，不管是相关的企业也好，政府也好，如果愿意组建这么一个停车系统，通过这样的数据回传，其实也是一个比较好的共享停车位的应用。

　　3.驾驶策略
　　在驾驶策略这一块，考虑的综合性非常强，除了我们用之前所获取到的所有信息来决定我的车辆纵向和横向控制之外，更多的是在路上怎么获得路权，这是在巴黎街头的实景，我经常会看到一个笑话，北京人说车在五道口自动驾驶车能开过去就说明车不错，武汉人喜欢说在光谷转盘那儿能开过去就可以了。在国外这方面也一样非常混乱，获取路权变出去，变进来的时候会产生一个很大的问题，甚至在极端情况下就会被锁住，彻底陷入一个不能开的状态。
　　在案例当中，这其实是非常常见的，在一个高速匝道出入的地方，如果设计不合理，甚至车流量极大的时候，就会在这个地方被锁住。现在上海是这么设计的，匝道前半段是出去，后半段是进来，通过交通标志的方式来变。但是在这个过程当中，获取路权还是存在一定的难度。自动驾驶车在开这块的时候，其实也会有这个挑战，即使我们的自动驾驶车在两三年就可以上路了，即使是L5的，但是这种车辆的市场渗透率是极低的。在未来10年、20年、30年甚至更长的时间，我们的路面上也许有相当长的一段时间是全自动驾驶的车和人开车并存的。在这个过程当中就会碰到很大的挑战，两种车怎么获得路权，这也是现在在公司已经从事研发的一些算法，这个算法会教机器怎么学会像人一样开车，大家可以看一下，这是一个模拟，在这个过程中，我们公司的系统已经进行了10万次的测试，到目前为止没有发生一起碰撞事故，但是在变出去的成功率还是有50次没有成果，其实这个是非常难的。
　　4.后装市场产品介绍
　　在明年我们会推出基于EyeQ4的芯片，芯片上会提升我们的安全功能，这是我们最核心的一块，当然我们也会通过跟国内GPS平台或者车展管理平台的合作，推出更多的基于驾驶员和车队管理的方案。就整个系统来说，目前我们也可以通过采集的数据，延伸出来很多可以服务智慧城市的应用，包括国家层面与城市层面，我们看到在上海市今年也出了一系列的政策来推动人工智能在城市化道路上的一个变革，在这块我们也希望跟在座的各位一起来努力。

        友情链接：www.51carfi.com