精品课第19讲||鲍君威：激光雷达为车路协同擦亮“眼睛”

“随着相关技术的发展，车路协调对于实现真正的自动驾驶至关重要，而激光雷达是车路协调中的重要传感器之一，可以在自动驾驶之前实现多种智能交通应用价值。”8月31日晚，在中国汽车报与广州智能网联汽车示范区运营中心联合推出的“2020智能网联汽车精品课程”第十九讲中，创新通(途达通)有限公司创始人兼CEO包以“激光雷达在智能交通中的应用”为主题，从智能交通感知系统及如何提升驾驶安全水平、车路协同加速自动驾驶进程、激光雷达等方面，

■提高安全性需要多传感器融合。

“车路协同让自动驾驶更容易实现。”包魏军表示，在车端和路端部署传感器，形成车路协同，将对智能交通的升级起到很大的作用。

"多种因素导致了L3+自动驾驶仪时间表的改变."包魏军认为，国内自动驾驶发展面临三方面挑战:一是法律法规不成熟、不完善，在保险和事故责任认定、车辆改装等方面会遇到一些问题。二是相关安全水平有待提高，如技术演进和落地的必要条件，整个系统需要比人类驾驶安全高一两个数量级才能达到足够的安全性，需要像飞机一样有安全冗余系统；第三，产业链上的其他环节也需要成熟起来，比如计算平台的车载水平，高精地图的覆盖和更新率，车载OS系统和中间件的稳定性和实时性。

自动驾驶如何达到人类驾驶安全水平的10到100倍？对此，包魏军介绍，从统计数据来看，人类驾驶车辆，大约100万小时就发生一次致命事故。对于自动驾驶系统来说，发生类似严重事故的间隔时间需要超过10到100次，也就是1000万到1亿小时。因此，为了提高安全性能，必须严格控制感知系统识别的错误率。其中，在满足相关技术要求，使用远程高清图像级激光雷达的情况下，误差率可以小于万亿，远小于人类驾驶的事故概率。所以，要做到这么低的事故率，关键在于多传感器融合，同时平衡各个传感器的虚警率和误报率。

■车路协调，加速技术进步。

在高速公路上行驶的车辆，有时会遇到影响安全的因素，比如泼溅，需要避让。“人眼可以提前100多米看到，自动驾驶车辆也需要这么长的探测距离。如果探测距离只有20-30米，可能来不及反应，从而造成危险。”包魏军说，这需要激光雷达“看”得远、看得准，增加车辆检测点，利用路边传感器实现车路协同，才能解决这个问题。

L4试验车早期部署时，激光雷达点云的有效感知距离远小于100米，需要多部雷达融合才能达到要求的分辨率。之后我们在车辆上布局了高清远程激光雷达，比如使用猎鹰激光雷达，可以清晰感知复杂城市道路场景中的每一个细节。需要用单帧数据检测到足够多的从远处物体返回的点云数据点，感知系统才能得出可靠的结论，做出可靠的感知。包魏军说，这种高清远程激光雷达可以探测到200米外的车辆轮廓，也可以清楚地探测到100米外的纸箱和溢出物。

"车路协调可以大大加快自动驾驶的进程."包魏军介绍，要实现安全的自动驾驶，需要多种冗余和安全保障。一是冗余系统要求多通道传感系统相关性小，每个传感系统都要达到足够的假阴性率和假阳性率；第二，它们必须相互补充，才能有效消除遮挡或死角；再次，在车路协同上，激光雷达作为路侧单元，要有适合中国特点的可行冗余方案，比如使用高清长距离激光雷达实现可靠的感知系统，使用5G低时延网络实现对车辆的实时传输。

■激光雷达，通过应用实现更大的价值。

对于激光雷达的应用，包认为，多激光雷达融合可以实现路口的实时三维感知，可以实时、高效、可靠地监测和感知路口的所有物体。多雷达点云像素级融合保证了感知系统可以获得大量高质量的点云数据，感知结果可以实时传输给自主车，可以与车载感知系统冗余互补。与相机相比，激光雷达具有光照条件适用性和探测可靠性的优势，两者可以互补。

路测激光雷达的性能要求包括:一是可靠性，24小时×365天连续工作，室外工作受高温、低温等恶劣天气影响；第二，在探测距离和分辨率上，不仅是城市路口的水平视野开阔，而且是雷达下的小盲区。多雷达融合可以处理车辆遮挡问题；第三，多激光雷达的部署与成本直接相关，可以实现多事件探测以支持投入成本，对车流、逆行车辆、泄漏物等进行识别和跟踪。昼夜不停。

在包魏军看来，激光雷达可以实现自动驾驶之前的各种智能交通应用的价值。一个是智慧城市，可应用于地理围栏报警、I2V(路车)广播、车载OBU单元或APP、盲点检测、路口交通检测、交通流优化、车辆分类识别等。二是智能高速。基于激光雷达，它可以监控交通流量，实时跟踪每辆车的大小、位置、速度和方向，并检测溢出、车辆故障、行人和逆行等路况。三是感知各类事件，可以利用多雷达高速道路接力融合，全程跟踪感知相关路况。

■附:精彩问答

讲座结束后，包还与网友进行了问答互动。记者为读者提取精华。

问:L3+及以上，一定要用激光雷达技术吗？为什么？

答:就自动驾驶而言，需要算法、计算能力和数据的结合来支撑。特斯拉的优势在于它积累了大量的数据，但这些数据同时是二维的，它的计算能力也很强，可能已经超过了人脑的计算速度。但问题是，目前的人工智能图像识别算法还远远达不到人类识别环境的能力，所以很多场景都没有很好的识别，这些技术进步可能需要5-10年，或者更长的时间。在现阶段，我们的方法是使用更好的传感器来生成精确的三维高分辨率数据，以弥补这些技术上的不足。另外，最近激光雷达的一些技术和产品形态的弊端也基本得到了改善。

问:与视觉和毫米波雷达等其他技术相比，激光雷达最突出的优势是什么？对自动驾驶的多重冗余和安全保障有什么实际作用？

答:激光雷达、毫米波雷达、摄像头等传感器是互补的。相机等视觉感知成本低，分辨率高，缺点是易受光线影响，没有三维信息。毫米波雷达的优点是不受雨雪影响，车载成本低。其缺点是角分辨率和假阳性、假阴性率有待提高。同时对路面的金属物体有非常高的反射率，但对非金属物体的相对识别能力较差。激光雷达的优势在于角度精度非常好，远超毫米波雷达，高性能的激光雷达可以提供高分辨率的三维数据。确定在量产前成本较高。

问:什么因素会干扰激光雷达？如何克服或避免干扰因素？

答:如果对面两辆车的激光雷达互相照射，原始数据会被干扰。这种原始信号水平的干扰不仅限于激光雷达。但先进的激光雷达产品都有抗干扰功能，导出的点云数据应该已经抗干扰了，用户不需要担心这个。

问:在公众印象中，激光雷达的高成本限制了其在车辆中的应用。据你所知，激光雷达的成本能降低多少？它大规模应用的条件是什么？

答:高端的激光雷达成本可以达到几千元，低端的可能几十到几百元，但有一部分可能用不上车辆。而且高性能的激光雷达数据量非常大，需要一些新的算法和技术框架来利用这些数据。激光雷达如果大规模应用，还需要达到车辆监管水平，这需要整个产业链的努力。

问:从技术角度来看，未来自动驾驶汽车中，激光雷达、毫米波雷达、视觉等技术如何协同实现完全无人驾驶？

答:从技术角度来说，未来自动驾驶车辆上的激光雷达、毫米波雷达、视觉等技术可以完全实现无人驾驶。这三个传感器应该是互补的。例如，有时在一些恶劣的天气条件下，mi的信息……需要毫米波雷达。激光雷达点云可以匹配相机的颜色信息，与激光雷达在像素级融合，可以更好的提高感知效果。

编辑:黄霞“随着相关技术的发展，车路协调对于实现真正的自动驾驶至关重要，而激光雷达是车路协调中的重要传感器之一，可以在自动驾驶之前实现多种智能交通应用价值。”8月31日晚，在中国汽车报与广州智能网联汽车示范区运营中心联合推出的“2020智能网联汽车精品课程”第十九讲中，创新通(途达通)有限公司创始人兼CEO包以“激光雷达在智能交通中的应用”为主题，从智能交通感知系统及如何提升驾驶安全水平、车路协同加速自动驾驶进程、激光雷达等方面，

■提高安全性需要多传感器融合。

“车路协同让自动驾驶更容易实现。”包魏军表示，在车端和路端部署传感器，形成车路协同，将对智能交通的升级起到很大的作用。

"多种因素导致了L3+自动驾驶仪时间表的改变."包魏军认为，国内自动驾驶发展面临三方面挑战:一是法律法规不成熟、不完善，在保险和事故责任认定、车辆改装等方面会遇到一些问题。二是相关安全水平有待提高，如技术演进和落地的必要条件，整个系统需要比人类驾驶安全高一两个数量级才能达到足够的安全性，需要像飞机一样有安全冗余系统；第三，产业链上的其他环节也需要成熟起来，比如计算平台的车载水平，高精地图的覆盖和更新率，车载OS系统和中间件的稳定性和实时性。

自动驾驶如何达到人类驾驶安全水平的10到100倍？对此，包魏军介绍，从统计数据来看，人类驾驶车辆，大约100万小时就发生一次致命事故。对于自动驾驶系统来说，发生类似严重事故的间隔时间需要超过10到100次，也就是1000万到1亿小时。因此，为了提高安全性能，必须严格控制感知系统识别的错误率。其中，在满足相关技术要求，使用远程高清图像级激光雷达的情况下，误差率可以小于万亿，远小于人类驾驶的事故概率。所以，要做到这么低的事故率，关键在于多传感器融合，同时平衡各个传感器的虚警率和误报率。

■车路协调，加速技术进步。

在高速公路上行驶的车辆，有时会遇到影响安全的因素，比如泼溅，需要避让。“人眼可以提前100多米看到，自动驾驶车辆也需要这么长的探测距离。如果探测距离只有20-30米，可能来不及反应，从而造成危险。”包魏军说，这需要激光雷达“看”得远、看得准，增加车辆检测点，利用路边传感器实现车路协同，才能解决这个问题。

L4试验车早期部署时，激光雷达点云的有效感知距离远小于100米，需要多部雷达融合才能达到要求的分辨率。之后我们在车辆上布局了高清远程激光雷达，比如使用猎鹰激光雷达，可以清晰感知复杂城市道路场景中的每一个细节。需要用单帧数据检测到足够多的从远处物体返回的点云数据点，感知系统才能得出可靠的结论，做出可靠的感知。包魏军说，这种高清远程激光雷达可以探测到200米外的车辆轮廓，也可以清楚地探测到100米外的纸箱和溢出物。

"车路协调可以大大加快自动驾驶的进程."包魏军介绍，要实现安全的自动驾驶，需要多种冗余和安全保障。一是冗余系统要求多通道传感系统相关性小，每个传感系统都要达到足够的假阴性率和假阳性率；第二，它们必须相互补充，才能有效消除遮挡或死角；再次，在车路协同上，激光雷达作为路侧单元，要有适合中国特点的可行冗余方案，比如使用高清长距离激光雷达实现可靠的感知系统，使用5G低时延网络实现对车辆的实时传输。

■激光雷达，通过应用实现更大的价值。

对于激光雷达的应用，包认为，多激光雷达融合可以实现路口的实时三维感知，可以实时、高效、可靠地监测和感知路口的所有物体。多雷达点云像素级融合保证了感知系统可以获得大量高质量的点云数据，感知结果可以实时传输给自主车，可以与车载感知系统冗余互补。与相机相比，激光雷达具有光照条件适用性和探测可靠性的优势，两者可以互补。

路测激光雷达的性能要求包括:一是可靠性，24小时×365天连续工作，室外工作受高温、低温等恶劣天气影响；第二，在探测距离和分辨率上，不仅是城市路口的水平视野开阔，而且是雷达下的小盲区。多雷达融合可以处理车辆遮挡问题；第三，多激光雷达的部署与成本直接相关，可以实现多事件探测以支持投入成本，对车流、逆行车辆、泄漏物等进行识别和跟踪。昼夜不停。

在包魏军看来，激光雷达可以实现自动驾驶之前的各种智能交通应用的价值。一个是智慧城市，可应用于地理围栏报警、I2V(路车)广播、车载OBU单元或APP、盲点检测、路口交通检测、交通流优化、车辆分类识别等。二是智能高速。基于激光雷达，它可以监控交通流量，实时跟踪每辆车的大小、位置、速度和方向，并检测溢出、车辆故障、行人和逆行等路况。三是感知各类事件，可以利用多雷达高速道路接力融合，全程跟踪感知相关路况。

■附:精彩问答

讲座结束后，包还与网友进行了问答互动。记者为读者提取精华。

问:L3+及以上，一定要用激光雷达技术吗？为什么？

答:就自动驾驶而言，需要算法、计算能力和数据的结合来支撑。特斯拉的优势在于它积累了大量的数据，但这些数据同时是二维的，它的计算能力也很强，可能已经超过了人脑的计算速度。但问题是，目前的人工智能图像识别算法还远远达不到人类识别环境的能力，所以很多场景都没有很好的识别，这些技术进步可能需要5-10年，或者更长的时间。在现阶段，我们的方法是使用更好的传感器来生成精确的三维高分辨率数据，以弥补这些技术上的不足。另外，最近激光雷达的一些技术和产品形态的弊端也基本得到了改善。

问:与视觉和毫米波雷达等其他技术相比，激光雷达最突出的优势是什么？对自动驾驶的多重冗余和安全保障有什么实际作用？

答:激光雷达、毫米波雷达、摄像头等传感器是互补的。相机等视觉感知成本低，分辨率高，缺点是易受光线影响，没有三维信息。毫米波雷达的优点是不受雨雪影响，车载成本低。其缺点是角分辨率和假阳性、假阴性率有待提高。同时对路面的金属物体有非常高的反射率，但对非金属物体的相对识别能力较差。激光雷达的优势在于角度精度非常好，远超毫米波雷达，高性能的激光雷达可以提供高分辨率的三维数据。确定在量产前成本较高。

问:什么因素会干扰激光雷达？如何克服或避免干扰因素？

答:如果对面两辆车的激光雷达互相照射，原始数据会被干扰。这种原始信号水平的干扰不仅限于激光雷达。但先进的激光雷达产品都有抗干扰功能，导出的点云数据应该已经抗干扰了，用户不需要担心这个。

问:在公众印象中，激光雷达的高成本限制了其在车辆中的应用。据你所知，激光雷达的成本能降低多少？它大规模应用的条件是什么？

答:高端的激光雷达成本可以达到几千元，低端的可能几十到几百元，但有一部分可能用不上车辆。而且高性能的激光雷达数据量非常大，需要一些新的算法和技术框架来利用这些数据。激光雷达如果大规模应用，还需要达到车辆监管水平，这需要整个产业链的努力。

问:从技术角度来看，未来自动驾驶汽车中，激光雷达、毫米波雷达、视觉等技术如何协同实现完全无人驾驶？

答:从技术角度来说，未来自动驾驶车辆上的激光雷达、毫米波雷达、视觉等技术可以完全实现无人驾驶。这三个传感器应该是互补的。例如，有时在一些恶劣的天气条件下，mi的信息……需要毫米波雷达。激光雷达点云可以匹配相机的颜色信息，与激光雷达在像素级融合，可以更好的提高感知效果。

编辑:黄霞

标签：君威大众特斯拉

汽车资讯热门资讯