行泊一体的高阶智能驾驶系统应用

北京汽车研究院有限公司成立于2006年，是北汽集团推进“集团化2.0”建设，打造产品和技术研发能力，实现研发资源整合的关键；是北京汽车自主研发的核心板块之一。

BAIC研究院智能网联中心专业总工程师林大洋做了主题为“停车导航一体化先进智能驾驶系统应用探讨”的演讲。以下是发言摘要:

BAIC研究院智能网络中心专业总工程师林大洋。

报告分为四个部分。首先简要分析了自动驾驶行业的背景和发展趋势，然后简要讨论了自动驾驶系统的技术方案，然后从技术的角度讨论了停车导航一体化的具体应用。最后，分享了BAIC智能驾驶系统的案例。

自动驾驶产业背景及发展趋势

首先，智能驾驶系统的载体还是汽车。经过几千年的马车时代，汽车是欧洲近代机械文明发展中产生的一种交通工具。在过去的一百年里，汽车发生了巨大的变化。智能汽车的技术变革是从工业1.0、2.0、信息3.0，最后到工业4.0，迎来了传统汽车的全面技术变革。

具体来说，有几个标志性事件:上世纪末，1998年，一些主机厂逐渐推出了基于毫米波雷达的ACC自动跟车功能。2014年，E-NCAP正式将AEB自动紧急制动纳入评分系统，这两项赛事都极大地推动了车载传感器和AR系统的发展。近两年，以特斯拉为代表的主机厂推出了NOA导航和驾驶辅助系统，推动汽车具备基于大计算芯片的点对点交通能力。这一标志性事件极大地推动了大型计算芯片、高性能传感器和高阶智能驾驶系统的落地和发展。

图片来源:BAIC研究院林大洋

回到智能网联汽车本身，“网联”就是车、云、路实现了信息的交互和共享。围绕智能驾驶本身，业内经常讨论两个概念:自行车智能和车路协同，或者是车路云网图一体化的不同技术方案。自行车智能化是目前量产车的重点。从长远来看，还存在一些技术瓶颈，比如单车计算能力的限制，单车传感器的探测范围，这些都可以通过车路协同方案来补充。

简单来说，自行车智能化仍然是目前乘用车量产的主流趋势。为了更好地推动更高层次智能驾驶的落地，车路协同也是必然的发展趋势。接下来，报告主要围绕自行车智能化的介绍。目前自动驾驶有SAE和国家标准，大致分为L0-L5。L0-L2是ADAS/辅助驾驶技术，自动驾驶在L3级别以上。责任主体从人变成了车，这是最核心的区别。

目前大部分量产的自动驾驶系统都是从L2过渡到L3，然后向上引入NOA。在NOA，可以实现高速公路和城市快速路的点对点通行能力，但也在L2辅助驾驶系统的范围内。还有城市的NOA功能，可以实现城市中的复杂工况，比如汽车通过路口，无保护左转，过红绿灯等等。

在这些L2和NOA系统中，人仍然是主要驱动力，这一点需要强调。我们国家的人都知道L3自动驾驶接入正在积极引入。去年工信部发布了准入框架，大家都在积极推进功能安全、信息安全、仿真、测试、验证等具体要求。相信access正式发布后，大家就知道L3怎么做了，同时像城市NOA功能系统，现在都在准备中……或者进入。

行业发展趋势如何？根据盖世汽车的数据，2020 -2021年L0和L1的市场份额相对较高。业内预测，2025年L2和L2+将占主导地位，市场上将出现一些L3系统。根据智能网联汽车技术路线图2.0的预测，L0和L1一般会有较高的市场份额，合计50%左右，主要是因为传统的油汽品牌，包括合资品牌，都是以阶梯配置为主:同一款车可能最高支持NOA，但车本身也会有L0和L1的配置，尤其是合资品牌在国内的市场份额较大。

自动驾驶系统技术方案

自动驾驶系统技术有两个不同的技术方向，第一个是驾停合一，第二个是驾停分离。通常，驾停分离更多的是一个底层的智能驾驶系统，分为三个部分。

第一部分是毫米波雷达+前置摄像头，可以实现传统意义上的L2，如ACC、AEB、TJA、ICA等相关功能。第二部分是两个后置毫米波雷达，可以实现盲点监测BSD、DOW开门安全预警、变道辅助LCA等功能。第三部分是泊车系统，一般采用泊车功能器+超声波和环视。这个系统在整个行业中是比较成熟的。

还有集导航和停车于一体的系统方案，更面向高级智能驾驶系统，如激光雷达、毫米波雷达、摄像头、超声波雷达、高精地图、定位设备等，都会接入域控制器。该方案主要有两类系统:第一类系统是高速NOA，基于传统的高精地图技术路线。还会有众包地图技术路线。未来两年，很多车企都会推出高速NOA系统，这种系统一般在泊车时实现HPA记忆泊车功能。第二种是城市NOA，具有城市内点对点的通信能力，可以在停车中实现停车服务。还有很多技术难点需要克服，这就需要在系统中引入激光雷达和超级计算能力。

图片来源:BAIC研究院林大洋

游泊一体化的具体应用

首先，电子电气架构已经从传统的基于模块化的集中式架构逐渐发展到高计算能力、高速网络和SOA软件架构。然后重点介绍智能驾驶系统，智能驾驶系统包括传感器、计算平台等部分，比如传感器，其核心是汽车的环境感知部分。激光雷达、毫米波雷达、超声波雷达都有不同的特点；另一个是视知觉部分，比较复杂。ADAS系统中使用较多的是一体机，由摄像头模块和处理器组成。

对以上传感器做一个简单的比较:激光雷达可以很好的监测车辆、行人、客车之间的距离；毫米波雷达纵向能力强，测速准确；摄像头类似于人眼，对车道、车道线、红绿灯等有非常强的感知能力。针对计算平台，为了接入上述不同的传感器，计算平台的接口有非常明确的要求，比如支持毫米波雷达的CAN/CANFD，激光雷达的以太网接口，考虑其他总线接口。此外，它还满足显示、温度、环境等诸多要求。

然后介绍非技术开发过程的方法论。为了保证一个自动驾驶系统的量产，很重要的一点就是开发过程要遵循传统的V模型，但中间的一些软件模块可能会被简化，可以基于敏捷开发原则进行。从系统需求分析到架构设计，逐步细化到软件设计和硬件设计，以及V模型右侧所有模块和单元集成，整个系统的测试和验证等。，这些环节要形成闭环，这是实现量产不可或缺的一点。

方法论上强调功能安全，整个系统开发要结合详细的功能安全分析，真正实现量产的一体化方案。另外，特别是考虑到明年应该推出的强标，在做芯片选型和开发芯片内元器件时，也要提前考虑信息安全。

BAIC智能驾驶系统案例分享

最后，我们分享一下BAIC量产的自动驾驶系统，它使用了3个激光雷达，6个毫米波雷达，12个超声波雷达和13个摄像头。具有高置信度的人/车/障碍物检测能力和道路设施拓扑感知能力，最大环境检测距离超过200米。在域控制器和计算平台方面，搭载MDC810智能驾驶计算平台，拥有高达400 TOPS的超级计算能力。它是汽车的“大脑”，处理智能驾驶感知、集成、定位、决策、规划和控制等任务，安装在整车上就能最高实现城市NOA的功能。

(以上内容来自BAIC研究院智能网联中心专业总工程师林大洋在2022年9月16日由Gaspar主办的2022年第五届自动驾驶与人机共驾论坛上发表的主题演讲《停车与出行一体化的先进智能驾驶系统的应用》。)北京汽车研究院有限公司成立于2006年，是北汽集团推进“集团化2.0”建设，打造产品和技术研发能力，实现研发资源整合的关键；是北京汽车自主研发的核心板块之一。

BAIC研究院智能网联中心专业总工程师林大洋做了主题为“停车导航一体化先进智能驾驶系统应用探讨”的演讲。以下是发言摘要:

BAIC研究院智能网络中心专业总工程师林大洋。

报告分为四个部分。首先简要分析了自动驾驶行业的背景和发展趋势，然后简要讨论了自动驾驶系统的技术方案，然后从技术的角度讨论了停车导航一体化的具体应用。最后，分享了BAIC智能驾驶系统的案例。

自动驾驶产业背景及发展趋势

首先，智能驾驶系统的载体还是汽车。经过几千年的马车时代，汽车是欧洲近代机械文明发展中产生的一种交通工具。在过去的一百年里，汽车发生了巨大的变化。智能汽车的技术变革是从工业1.0、2.0、信息3.0，最后到工业4.0，迎来了传统汽车的全面技术变革。

具体来说，有几个标志性事件:上世纪末，1998年，一些主机厂逐渐推出了基于毫米波雷达的ACC自动跟车功能。2014年，E-NCAP正式将AEB自动紧急制动纳入评分系统，这两项赛事都极大地推动了车载传感器和AR系统的发展。近两年，以特斯拉为代表的主机厂推出了NOA导航和驾驶辅助系统，推动汽车具备基于大计算芯片的点对点交通能力。这一标志性事件极大地推动了大型计算芯片、高性能传感器和高阶智能驾驶系统的落地和发展。

图片来源:BAIC研究院林大洋

回到智能网联汽车本身，“网联”就是车、云、路实现了信息的交互和共享。围绕智能驾驶本身，业内经常讨论两个概念:自行车智能和车路协同，或者是车路云网图一体化的不同技术方案。自行车智能化是目前量产车的重点。从长远来看，还存在一些技术瓶颈，比如单车计算能力的限制，单车传感器的探测范围，这些都可以通过车路协同方案来补充。

简单来说，自行车智能化仍然是目前乘用车量产的主流趋势。为了更好地推动更高层次智能驾驶的落地，车路协同也是必然的发展趋势。接下来，报告主要围绕自行车智能化的介绍。目前自动驾驶有SAE和国家标准，大致分为L0-L5。L0-L2是ADAS/辅助驾驶技术，自动驾驶在L3级别以上。责任主体从人变成了车，这是最核心的区别。

目前大部分量产的自动驾驶系统都是从L2过渡到L3，然后向上引入NOA。在NOA，可以实现高速公路和城市快速路的点对点通行能力，但也在L2辅助驾驶系统的范围内。还有城市的NOA功能，可以实现城市中的复杂工况，比如汽车通过路口，无保护左转，过红绿灯等等。

在这些L2和NOA系统中，人仍然是主要驱动力，这一点需要强调。我们国家的人都知道L3自动驾驶接入正在积极引入。去年工信部发布了准入框架，大家都在积极推进功能安全、信息安全、仿真、测试、验证等具体要求。相信access正式发布后，大家就知道L3怎么做了，同时像城市NOA功能系统，现在都在准备中……或者进入。

行业发展趋势如何？根据盖世汽车的数据，2020 -2021年L0和L1的市场份额相对较高。业内预测，2025年L2和L2+将占主导地位，市场上将出现一些L3系统。根据智能网联汽车技术路线图2.0的预测，L0和L1一般会有较高的市场份额，合计50%左右，主要是因为传统的油汽品牌，包括合资品牌，都是以阶梯配置为主:同一款车可能最高支持NOA，但车本身也会有L0和L1的配置，尤其是合资品牌在国内的市场份额较大。

自动驾驶系统技术方案

自动驾驶系统技术有两个不同的技术方向，第一个是驾停合一，第二个是驾停分离。通常，驾停分离更多的是一个底层的智能驾驶系统，分为三个部分。

第一部分是毫米波雷达+前置摄像头，可以实现传统意义上的L2，如ACC、AEB、TJA、ICA等相关功能。第二部分是两个后置毫米波雷达，可以实现盲点监测BSD、DOW开门安全预警、变道辅助LCA等功能。第三部分是泊车系统，一般采用泊车功能器+超声波和环视。这个系统在整个行业中是比较成熟的。

还有集导航和停车于一体的系统方案，更面向高级智能驾驶系统，如激光雷达、毫米波雷达、摄像头、超声波雷达、高精地图、定位设备等，都会接入域控制器。该方案主要有两类系统:第一类系统是高速NOA，基于传统的高精地图技术路线。还会有众包地图技术路线。未来两年，很多车企都会推出高速NOA系统，这种系统一般在泊车时实现HPA记忆泊车功能。第二种是城市NOA，具有城市内点对点的通信能力，可以在停车中实现停车服务。还有很多技术难点需要克服，这就需要在系统中引入激光雷达和超级计算能力。

图片来源:BAIC研究院林大洋

游泊一体化的具体应用

首先，电子电气架构已经从传统的基于模块化的集中式架构逐渐发展到高计算能力、高速网络和SOA软件架构。然后重点介绍智能驾驶系统，智能驾驶系统包括传感器、计算平台等部分，比如传感器，其核心是汽车的环境感知部分。激光雷达、毫米波雷达、超声波雷达都有不同的特点；另一个是视知觉部分，比较复杂。ADAS系统中使用较多的是一体机，由摄像头模块和处理器组成。

对以上传感器做一个简单的比较:激光雷达可以很好的监测车辆、行人、客车之间的距离；毫米波雷达纵向能力强，测速准确；摄像头类似于人眼，对车道、车道线、红绿灯等有非常强的感知能力。针对计算平台，为了接入上述不同的传感器，计算平台的接口有非常明确的要求，比如支持毫米波雷达的CAN/CANFD，激光雷达的以太网接口，考虑其他总线接口。此外，它还满足显示、温度、环境等诸多要求。

然后介绍非技术开发过程的方法论。为了保证一个自动驾驶系统的量产，很重要的一点就是开发过程要遵循传统的V模型，但中间的一些软件模块可能会被简化，可以基于敏捷开发原则进行。从系统需求分析到架构设计，逐步细化到软件设计和硬件设计，以及V模型右侧所有模块和单元集成，整个系统的测试和验证等。，这些环节要形成闭环，这是实现量产不可或缺的一点。

方法论上强调功能安全，整个系统开发要结合详细的功能安全分析，真正实现量产的一体化方案。另外，特别是考虑到明年应该推出的强标，在做芯片选型和开发芯片内元器件时，也要提前考虑信息安全。

BAIC智能驾驶系统案例分享

最后，我们分享一下BAIC量产的自动驾驶系统，它使用了3个激光雷达，6个毫米波雷达，12个超声波雷达和13个摄像头。具有高置信度的人/车/障碍物检测能力和道路设施拓扑感知能力，最大环境检测距离超过200米。在域控制器和计算平台方面，搭载MDC810智能驾驶计算平台，拥有高达400 TOPS的超级计算能力。它是汽车的“大脑”，处理智能驾驶感知、集成、定位、决策、规划和控制等任务，安装在整车上就能最高实现城市NOA的功能。

(以上内容来自BAIC研究院智能网联中心专业总工程师林大洋在2022年9月16日由Gaspar主办的2022年第五届自动驾驶与人机共驾论坛上发表的主题演讲《停车与出行一体化的先进智能驾驶系统的应用》。)

标签：北京北京汽车世纪特斯拉现代

汽车资讯热门资讯