激光雷達廠商Innoviz CEO發聲：為什麼多感測器融合是通往高級自動駕駛必由之路

雷鋒網·新智駕按：自動駕駛汽車的感測器方案之爭一直是個經久不衰的話題，此前，包括Mobileye聯合創始人Amnon Shashua、特斯拉CEO馬斯克在內的一眾大佬曾公開宣誓對攝像頭感測器的「孤注一擲」，但如今聲音也開始變得不一樣。現在，Amnon Shashua在公開演講的口徑已經開始傾向於表達多感測器冗餘的必要性。而後者，也成為被自動駕駛領域眾多企業和技術專家廣泛認同的方案之一。

對於多感測器融合之於自動駕駛的必要性，日前，以色列激光雷達公司Innoviz CEO兼聯合創始人Omer David Keilaf發表了更詳盡的觀點。就在幾天前，這家公司還剛剛獲得了一級供應商德爾福的投資。那麼，到底如何通過感測器融合技術，將各種感測器的不同視角整合，並最終賦能自動駕駛車輛環境感知呢？雷鋒網·新智駕對這篇來自TU-Automotive的文章進行了編譯整理。

現如今，多數汽車自動化系統或是ADAS系統都有賴於三類感測器的融合進行環境感知：毫米波雷達、激光雷達以及攝像頭。而隨著感測器和環境感知技術的重要性日漸增強，目前業界普遍持有的觀點是，感測器融合將提供魯棒性更強的真正的自動化系統。

多感測器融合：提供高可靠的自動化系統

隨著感測器和環境感知技術的識別解析度日漸提升，感測器已經超越簡單的檢測和測距功能，取而代之，是具備真正的「視覺」感知能力，如分類、繪圖等。

那麼，到底如何通過感測器融合技術，將各種感測器的不同視角整合，並最終賦能自動駕駛車輛環境感知？對於這個關鍵性的問題，剛剛被德爾福投資的以色列創業公司Innoviz CEO兼聯合創始人Omer David Keilaf給出了一個答案。

Keilaf解釋說：「很明顯，將毫米波雷達、攝像頭、激光雷達等感測器數據融合的技術，對於保證車輛對周邊環境的全局定位和理解是至關重要的，且為Level 3-Level 5級自動駕駛方案的實現提供了必要的技術儲備。在環境感知中，每一種感測器都有獨特的優勢和弱點。例如，毫米波雷達可在低解析度情況下完成測距，且受天氣因素影響小；而攝像頭有更高的解析度，能夠感知顏色，但受強光影響較大；激光雷達則能夠提供三維尺度感知信息，對環境的重構能力更強。

在這種前提下，只有幾種感測器的融合才能提供車輛周圍環境更精準的繪圖信息，並達到OEM主機廠所需的安全標準。目前，高性能激光雷達的量產和成本問題，仍是通往多感測器融合技術方案，乃至完全自動駕駛的障礙之一。」

提升車輛安全性

據Keilaf推斷，隨著車輛對複雜環境數據處理能力的提升，最終將實現更精確的檢測、分類和定位能力。Keilaf說：「處理複雜環境數據，會造成車輛駕駛決策的延遲，而最大限度減少這種延遲，是提升車輛安全性的又一個關鍵部分。解決該問題的方案之一就是融合多源數據，數據融合能夠減少系統做駕駛決策所需的計算資源。相比於單獨依賴攝像頭和毫米波雷達進行環境感知計算，來自激光雷達的3D數據的加入能夠簡化環境感知的計算任務。」例如，二維圖像中的路標和樹木陰影有時就會被錯誤識別成道路障礙物，從而降低系統魯棒性。

多感測器融合：通往自動駕駛的必經之路

SBD（英國汽車技術諮詢研究中心）自動駕駛部門負責人Alain Dunoyer博士說：「最近幾年，OEM廠商已經先後引進了一系列感測器融合方案，其中主要包括毫米波雷達或激光雷達與攝像頭融合，以提升Level 1和Level級自動駕駛功能的魯棒性。而為了向Level 3級自動駕駛過渡，類似的感測器融合趨勢只會更加明顯，並且需要更多感測器加入，來豐富感測器融合ECU的數據源。

目前，到底是使用單一ECU控制，還是使用逐漸盛行的分散式方案，業界還沒有一個定論，因為每種方案都有各自的優缺點。」

「未來，傳統感測器逐漸不能滿足更高級的環境感知需求，那麼新型感測器就會被引入，尤其是在更高速的感知等場景中。物體檢測和分類性能同樣需要提升，以滿足更高級自動駕駛系統的需求。此外，行人、自行車和道路小型雜物等障礙物，都是目前車輛環境感知領域還沒有被完全攻克的難題。

雖然軟體方案提升了檢測的識別率，但即使是百分之零點零幾的錯誤檢測率，在面對真實的駕駛場景時，依然是需要被解決的。近來，越來越多的人工智慧演算法被引入環境感知的方案中，但由於深度學習路徑的『黑箱』問題，他們的魯棒性和穩定性目前還不能被驗證。」

「最終，另一個自動駕駛領域的關鍵研究方向，將是處理影響感測器性能的諸如天氣、光強等問題。融合不同種類感測器（激光雷達/毫米波雷達/攝像頭/超聲波雷達）能夠幫助解決這個問題，因為它們受限的因素不同，因此能夠提供多維的感知策略。」

多感測器驅動下的汽車自動化

隨著車輛感測器，尤其是毫米波雷達感測器的解析度提升，汽車自動化系統中的「視覺感知」的概念將被進一步擴充。

Keilaf說：「激光雷達等感測器之於自動駕駛車輛，其實是充當了一個關鍵『基礎設施』的作用，用以支撐其上的視覺系統以及AI演算法的實現。底層設備越強大，軟體的性能就越發達。因此，不僅僅是收集車輛周邊原始數據，視覺感知技術還擁有更廣闊的定義和應用場景，例如高精度3D地圖數據採集、繪圖，後者能夠配合環境感知進行車輛自定位，等等。」

Keilaf認為，多感測器融合是通往更高級自動駕駛技術的必由之路。他說，「一旦底層技術實現，在此基礎上能夠衍生多路徑的軟體演算法解決方案。可以是低等級的多感測器數據融合，也可以是對感測器數據的深度提取並在駕駛決策層進行融合。」

看得出，Innoviz CEO Keilaf已經與許多業內人士一道，成為了多感測器融合方案的堅定擁護者，正如他最後所說，

「每一種架構都各有利弊，但是使用多感測器提供方案冗餘卻是不可或缺的。」

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！