擦亮自动驾驶之眼，速腾聚创以AI赋能激光雷达

自动驾驶汽车“眼中”的世界是怎样的？经过激光雷达的环境感知和智能算法的信息提取，一幅由立方体、点云轨迹、速度参数组成的三维点云图跃然而出，车辆、自行车、行人的几何位置信息和速度被详细标注，各种车道线也被传感器依据不同的反射强度一一识别。根据这幅科幻感十足的路况全景图，自动驾驶系统将规划行车路线，并执行驾驶动作。

激光雷达被誉为“自动驾驶之眼”，以大量获取点云数据并实现三维建模的优势独步武林。2014年左右，以哈尔滨工业大学博士邱纯鑫为代表的环境感知研究团队，发现市场上很难买到符合户外场景要求的激光雷达。结合环境感知技术的专业背景和市场需求，邱纯鑫创立了速腾聚创，并推出了结合激光雷达硬件、AI算法、专用芯片的智能激光雷达系统。

“客户希望我们交付的不是单纯用于感知的硬件，还希望它具备处理点云数据的能力，在雨雪等环境下能够智能检测出外部因素带来的风险并进行处置，这就对传感器的智能算法和辅助算法提出要求。刚好感知算法是我们的强项，我们就把智能激光雷达系统做了起来，并作为公司业务的重要组成。” 速腾聚创科技有限公司合伙人、研发副总裁筱原磊磊在接受《中国电子报》独家专访时表示。

速腾聚创MEMS智能固态雷达M1安装在车辆顶部

用AI赋能车用传感器

当人们谈到人工智能在自动驾驶的落地应用，关注点往往是负责算力和处理的AI主控芯片，英特尔、恩智浦、英伟达、高通、赛灵思以及国内的华为、百度、地平线等企业正在此领域角力。而车用传感器作为信息收集器，竞争维度向来以测距、精度等技术指标，以及产品体积、量产成本等市场因素为主。相比自动驾驶系统主控芯片和车载娱乐系统等中控芯片，车用传感器似乎没有太多的AI光环。

随着自动驾驶来到Level 2+并逐渐走向Level 3，速腾聚创相信，相比单纯的信息收集器，自动驾驶更需要一站式担当“收集者 + 理解者 "的传感器。为此，速腾聚创将激光雷达硬件、AI 感知算法与专用计算芯片融为一体，推动激光雷达加速向智能传感器演变。

速腾聚创选择智能激光雷达赛道，是创始人技术背景与市场需求的一拍即合。创始人邱纯鑫从硕士起就专注于移动机器人环境感知技术的研究，公司的前身就是邱纯鑫的户外移动机器人环境感知小组。2014年，速腾聚创创始人团队进行环境感知研究时，发现难以获取符合要求的激光雷达，这让他们萌生了打造一款激光雷达的念头。

“当时市面上做激光雷达的厂商很少，技术参数也不符合我们对环境感知——特别是公共道路等户外场景下的使用要求。所以我们结合自己的算法开发需求，逐步把智能激光雷达系统做起来了。” 篠原磊磊向《中国电子报》记者指出。

在篠原磊磊的认知里，好的智能传感器应该像智能手机或者傻瓜相机一样，拿来即用，这也是速腾聚创将AI算法嵌入车用传感器的意义所在。

“在与车企客户的交流中，我们发现两个关键需求。一个是不能只提供原始的点云数据，因为这些数据还需要后期处理才能使用，增加了客户负担，这就需要在传感器内部嵌入AI算法，提供一定的数据处理能力。另外，智能传感器并不只是用AI来做数据处理就可以了。在不同的环境下——比如雨雪天气，传感器需要驾驶系统开暖风或者对窗口进行除雪才能继续发挥作用。针对这类场景，我们要做好传感器内部的算法，让传感器能够应对影响自身功能的外部环境因素。” 篠原磊磊说，“当然软件是灵活的，感知部分的AI算法也可以部署在车载域控制器等计算单元上。”

用AI赋能激光雷达传感器，对于传感器功能本身、OEM的集成开发和用户使用均有助益。对于环境感知效能，内置AI算法和专用芯片的激光雷达能同步输出高精度的定位、路面交通标示、障碍物检测、分类、跟踪、运动姿态等驾驶环境信息。对于业界头疼的corner case（极端情况）问题，由于AI算法经过了对于各种极端情况的训练和学习，能够在复杂多变的驾驶环境中向自动驾驶车辆正常输出环境感知结果。对于OEM厂商，智能传感器能减少车载 ECU，释放驾乘空间。对于消费者，智能传感器融入自动驾驶乘用车的感知系统后，将突破毫米波雷达和摄像头识别障碍物的天花板，从物理底层提高自动驾驶系统安全性，更好地保障乘客安全。

迈向更高等级的自动驾驶

自动驾驶是AI技术的集大成者，也被视为AI最复杂的应用场景之一。从Level 2高级辅助驾驶迈向Level 3人机共驾，再到Level4及以上级别全自动驾驶的过程中，车载系统将承担越来越多的驾驶责任，系统本身的复杂性也将急剧提升。

“自动驾驶不像室内使用的人工智能语音、自动识别或机器人，只需要处理用户与机器的交互。自动驾驶场景下，不仅涉及到用户与机器交互，还有机器与外界环境，包括行人、车辆之间的交互，这个是场景是非常复杂的，还伴随着暴雨、逆光等导致路面可视度变差的corner case。有些情况自动驾驶系统可能一年或两年都不会遇到一次，一旦遇到了，处理不好就会出现问题。所以人工智能特别是机器学习在日常使用过程中，要持续学习corner case，把自动驾驶系统做得更加完备。” 篠原磊磊说。

感知作为自动驾驶的第一环，也要跟上技术升级的步伐。如同车载摄像头从一两百万像素发展到600万、800万甚至1200万像素，用户对激光雷达的硬件要求也在不断提升。

“2017年，奥迪搭载的车规级激光雷达是4线的。现在我们已经做到125线，客户还提出了250线、300线甚至500线等更高精度的传感器需求。同时，用户对于自动驾驶平台的算力和算法要求也会越来越高，智能传感器的内置芯片也要进行升级。” 篠原磊磊表示。

算法作为人工智能的三驾马车之一，对于自动驾驶执行任务的方式和效率至关重要。篠原磊磊表示，算法迭代也是智能传感器技术演进的重要一环。

“从level4开始，只要在规定的范围内，司机可以拒绝参与任何驾驶动作，系统必须独立完成驾驶过程。这就意味着，不允许感知系统出现任何漏检或误检。当数据量变得更大，且传感器要更有效地应对各种corner case，传感器的智能算法、控制算法和辅助算法都要随之提升。” 篠原磊磊指出。

近年来，深圳通过智能化手段探索城市交通治理新路径，在智慧交通管理以及无人公交、自动驾驶开放道路测试等领域积极探索实践。篠原磊磊表示，深圳市良好的制造业基础和发展高端制造业的强劲势头、对高端创新创业人才的引育以及活跃的创业氛围，为自动驾驶发展提供了优良环境。接下来，速腾聚创将持续面向深圳及粤港澳大湾区的车路协同等智慧交通项目以及物流“无人车”等智慧城市项目，提供安全经济的感知方案。

“我们的车规级激光雷达预计今年二季度量产，下半年就可以在用户上路的车上看到。通过这5年的努力，我们基本解决了车规方面的问题，接下来是展示成果的时候。” 篠原磊磊说。