当前位置: 主页 >> 历史

速腾聚创张冲无人驾驶面临政策交通安全高费

来源:  点击次数:1  时间:2020-02-28

由亿欧华南举办的人工智能促进产业升级「2016亿欧黑科技+行业沙龙·深圳」活动,在12月2日南山区金融科技大厦举办,活动嘉宾包括:速腾聚创-战略执行总监-张冲、码隆科技-创始人兼CEO-黄鼎隆、索信达数据-董事长-宋洪涛、尖叫机构的上级部门很奇怪:这有很多一流大学的研究生科技-创始人-李响、达晨创投-投资总监-陈全、速腾聚创-COO-邱纯潮,整理者极客王子。

以下是速腾聚创-战略执行总监-张冲分享原文:

干货提炼:

①无人驾驶的技术需求和渗透已经做得很好,整个生态的参与者非常非常多,而且有巨头,有新的创业者,有互联的厂商。

②有三股大的力量在分这个万亿市场蛋糕。

③无人驾驶本身也存在着非常多不确定性,挑战也很多。

④整个无人驾驶大概是需要四个重要的基础组成 部分。

⑤市面上三大主要的无人驾驶传感器比较。

我的题目是“遥望星空,无人驾驶离我们究竟有多远”?

这个命题目前的争议也比较多,有的人比较乐观,有些人会觉得还是比较遥远。后面会从我们作为其中参与者角度来给大家做一些分析。

首先简单介绍一下速腾聚创,另外是从我们的角度看一下目前无人驾驶技术的研究情况,第三个是无人车的优势,以及挑战,最后介绍激光雷达在无人驾驶中的作用和地位。

速腾聚创,目前是全球领先的、高精度的激光雷达供应商,目前只有美国一家公司给全球无人驾驶产业提供激光雷达,我们是2014年在深圳正式创立。整个核心的团队都是来自自动化方面的博士,在公司成立之前已经有大概十年时间的基础技术积累,包括在机器人的户外环境感知、运动、控制和激光传感器本身都有非常深的积累,所以才能在两年时间里把产品做出来。

目前我们做的RS-Lindar系列产品,在国内是第一梯队的,与很多主流无人车的厂商都有很深的技术交流合作。从我们接触到的情况来看,无人驾驶确实很热,热到什么程度?

传统的BAT、Google他们很早就有专门的部门投入巨资,投入大量的科研人员来做。国内尤其百度是走得最远,

目前也走得比较扎实。阿里是通过投资参与介入,腾讯也是通过合作的方式介入。

传统车厂、奥迪、奔驰、宝马等都有自己的研发部门参与,国内我们接触的北汽、广汽、比亚迪、也有专门的部门做这个事情。甚至是东风乘用车也有自己的计划。

在新能源汽车领域,特斯拉跑得最快,但是并没有采用激光雷达的方案,是因为他们前期认为成本太高,有量产车的需求,所以现在用摄象头等组合的方式来实现。

国内大的玩家,比如说蔚来汽车,智车优行,广州的小鹏汽车,这些都有自己的无人驾驶或者是半无人驾驶的计划。

运营层面有Uber、滴滴,他们也在大量地投入。包括Uber和丰田,现在是合作得比较紧密。

其他的玩家,京东也在投入,主要是从物流的角度,有大量的自建物流需求,无人驾驶的卡车可能是未来的发展方向。还有新的无人驾驶技术提供商,比如说驭势科技,无人驾驶的技术需求和渗透已经做得很好,整个生态的参与者非常非常多,而且有巨头,有新的创业者,有互联的厂商。

以上是现状。

我们自己总结有三股大的力量在分这个万亿市场蛋糕,在新能源汽车这条线上,涉及很多的重要部分,比如说锂电,本身就是一个非常大的产业,涉及到电池的设计、生产,甚至更大跟现有的能源格局结合,都是非常大的博弈,都在紧锣密鼓进行中。去年大家看到比较多是充电桩创业企业,这是由于特斯拉的推动。

第二股力量在自动驾驶技术上,从事激光雷达、摄像头,新锐的毫米波雷达的企业,在基础传感器上面会找自己的定位。还有专门提供无人驾驶算法的软件公司,从业者的背景都是很好的,分别来自微软、谷歌等大公司,还有做算法的软件公司,提供给整机厂,为他们做支持,还有一些做大屏的厂家。

第三股力量是做共享经济的Uber、滴滴,他们为了自己长期商业模式考量,参与进来。还有一部分是高精度的地图商,在现有的地图基础上要升级做高精度地图,高精度地图和无人驾驶之间的关联度非常紧密,一定程度上无人驾驶是需要高精度地图做道路环境支撑的,他们占据了一定的位置。

无人车的优势,大家也比较容易理解。如果真的是采用无人驾驶,所有的决策动作处理都是由计算机、软件来实现的,无人车的反映时间是比人的反映时间要短很多。大家可以自己看一下络上各种类型车祸的短视频,就会发现了这个趋势,你也做了制动,还是没办法避免这,就是因为人本身的处理时间是有局限的。就算你是非常清醒的情况下,发现危险已经避免不了。

如果是无人驾驶,通过程序的传感器,激光雷达就可以达到150米这样的范围内,提前发现一些人眼发现不了的危险,再配合道路上的高精度地图和道路周边的传感器,可以实现更好的制动。当然这是一个比较理想状态,整个系统都是无人驾驶的环境。如果实现的话,应该是能够降低90%的交通事故。

还有其他的好处:舒心。

比如说是全电动的,能源上、排放上都有优势,如果能实现全自动驾驶,就意味着Uber,滴滴的共享经济是成立的,我们就不需要买车,随时可以叫唤无人驾驶车接上下班,可以降低很多没必要的浪费,也不会再有拥堵的情况,节省时间,满足残疾人、小孩,老人等等不会开车人群的特殊出行需求。

但是无人驾驶本身也存在着非常多不确定性,挑战也很多。

第一个是政策问题。

这个问题很难回答,因为也不知道各国的政策是什么样,大家都有试探性的感觉,可能美国会比较快,可能美国的个别州会先做示范无人驾驶环境。在国内,我们知道厦门、安徽等等,大家会先辟一块很小的地,在这里面可以做示范区。从示范区走到正常的应用,我们感觉也需要三五年。

第二是交通安全问题。

主要是认定的问题,虽然可以大幅度降低危险情况的产生,但是不可避免还会有意外情况,一旦发现这种意外情况,怎么样界定,究竟是车厂商造成的,还是某个传感器造成的,还是软件厂商造成的,还是其他原因造成的?这个就会很复杂。这也是迟迟没有很好的答案,目前整机厂对这个非常担忧,因为最终是他们卖产品给用户,可能最终的是他们。所以是比较谨慎的。

第三个是费用问题。

我个人认为在未来不是大问题,现在还是很贵,比如说现在一个传感器比较贵,如果到了批量,边际成本下降,费用问题最终会得到解决,可能是十万二十万,甚至是租赁的方式获得这些车都有可能。

第四个是云端安全。

会带来黑客的问题,比如说开着开着被黑客攻击了也不知道,他在远端把你的方向盘控制了,把你的传感器控制了,把你的刹车控制了,这些都是很危险的,所以单独的汽车安全这一块,目前是比较弱的。需要很多新的安全方面立法,甚至是一些研究机构、团队进来把这一块弥补上,这一块非常重要。不像其他行业,安全往往是到最后才考虑。无人驾驶这个行业应该是最先被考虑,否则大家也不敢坐。

第五个是伦理道德问题。

大量的公共交通工具实现了无人驾驶会造成现有的司机失业等等问题,我个人感觉随着技术发展,会有应对策略出现。现在你让我回答,如果司机全部下岗了,怎么安排?其实我也很难回答。

整个无人驾驶大概是需要四个重要的基础部分:

第一个是要有高精度地图的支持。需要把现有的导航地图做到可分车道,可探测实时周边的环境信息,天气信息,可标识红灯,可标识标牌,可标识其他道路上非常细节的数据信息,给到无人驾驶车,做参考。

第二个是环境感知。主要是车上要放各种各样的传感器,除了三大主要的视觉、传播,激光传感器以外,还需要有其他传感器参与,让这个车具有很强环境感知能力,它能探知车内车外,包括和道路之间的交互,数据究竟是怎么样,才能确定自己的行驶路线和位置。

第三个是决策规划。主要是主机厂,车厂来做这个事情。他要把所有感知环境数据拿到自己的处理器上,由他做出判断决策。究竟是哪一个传感器的权重高一些,什么环境下是激光雷达,什么环境下更侧重视觉的,什么情况下更侧重其他传感器的信号,这是一个策略问题,是需要主机厂通过大量路测和数据采集分析来解决这个问题。

第四是车辆控制。保证车的行驶安全。

这张图是主要的传感器,包括毫米波雷达,放在车前部的,摄像头,在车的周边,四周都有。激光雷达目前是装在车顶,以后体积变小,也会逐渐隐藏在车体里面。还包括一些GPS+IMU控制的编码器,以及其他车内的传感器。所以说无人车在未来会是集成非常多传感器平台。

现在说三大主要的无人驾驶传感器:

第一个比较成熟的是摄像头。好处是价格很便宜,对不同档次的车可以提供不同档次的摄像头和解决方案,而且现在非常成熟。比较劣势是像人眼一样,有些环境下会无法辨识,比如说对面突然打远光灯,非常亮,或者是出现其他视觉上比较模糊的情况,车被泥土掩盖,路面可能有积水,有坑等等,这些视觉上的问题,现在解决还雪蒙胧是比较困难,所以不完备。

第二个是毫米波雷达,它的优势是距离比较远。但是劣势是精度无法达到很高,可以模糊的看到前面或者是侧面有一个物体,但是这个物体的轮廓尺寸和究竟是什么,并不知道。所以他给整个无人驾驶能起到望远镜的作用,告诉你那里有东西,但是具体是什么,尺寸多少,无法给出准确的判断。

第三是激光雷达。优势是探测距离在50到150米之间,距离也比较远,精度也比较好。因为他用激光的焦点来探测的,相当于我对外打出非常多、非常密的激光点,射到物体上之后有一个反射,这个反射会构成非常精细的东西,这个图形经过我们的算法处理,就可以判断车距离物体到底有多远,这个人,这个动物,对外形轮廓都有非常精确的判断,响应速度也很快。劣势是目前的成本很高,只能在测试车上使用,而且目前体积也非常大。

这几个产品是速腾聚创目前推出的,左边两个并不是用在无人驾驶上,而是用在测绘上,在基站,或者是很多电子测绘中使用。精度很高,但是不能适时处理。

右侧是今年10月份推出的16线激光雷达,我们会在成本上,维护上,算法上做更进一步提升。

这是激光雷达的一些应用,除了最大的应用场景,未来的场景,在无人机上面有非常多的应用,包括电力,植保等等需要测量的部分,放在无人机上,飞过去,可以得到非常精确的环境模型。

在现有的机器人领域,物流领域,尤其是室外的AGV上,激光雷达也是一个必须的产品,在无人港口,无人机场,无人物流车上,都有大量应用。

静态的激光雷达,需要精确测量,精确建模的地方都可以用到,好处是效率非常高。传统方式如果要测量一个非常耗时的,但是如果用激光雷达可能几分钟就可以了。特别大的挑战比如说室外有大量的应用场景。

这几张图是我们的产品在道路上反馈回来的结果。激光雷达对车本身的数据的获取,和对道路和环境的处理,知道路有多宽,车道线在哪里。

第二张图是对周边环境的数据建立,可以清晰地分辨出来路两边的树木,路牌,周围的车和人。

第三张图是在第二张的基础上增加了一些障碍物的检测,后面通过算法可以分辨出来这些障碍物是什么东西。

自己除了激光传感之外,还在自己的车上增加了一些视觉补充,虽然有很多做视觉的算法公司,但是目前还没有很好跟激光雷达结合在一起,目前我们用视觉的方式,和激光雷达的数据结合,可以更好判断障碍物。

在高精度地图方面也是一个必备的产品,目前百度、高德、腾讯,反正做地图的公司基本上都找过我们,想要这个东西。因为对他来说,在现有的道路基础上一定要加装激光雷达,这样可以获得更多的数据,需要不停地确定整个道路周边的障碍物,路径,地图更新、控制等等,非常需要传感器来帮助他。

速腾聚创目前的发展规划,最重要是把现有机械式激光雷达国产、量产化的事情做好,17年达到量的能力,现在在做供应链和生产端的事情。

接下来,在一些机构里面也在研究芯片化的激光雷达,如果芯片化激光雷达被验证可行,而且性能参数可以达到并且可用的话,未来激光雷达可能会变得很小,甚至装在上也有可能,在这种情况下,真的是无人驾驶完全解决了成本高、体量大的痛点问题。另外还可以延伸出其他应用环境。

第三个部分是自己在算法方面要做更加多积累,我们现在也在做路测,收集环境数据,用它训练后面算法数据平台。

对我们来说,目前任务就是集中在激光雷达的领域,把激光雷达硬件做好,把软件的分辨能力做得更好。

版权声明

凡来源为亿欧的内容,其版权均属北京亿欧盟科技有限公司所有。文章内容系作者个人观点,不代表亿欧对观点赞同或支持。

兴义市人民医院预约挂号
北京肛肠医院在哪里
贵阳专业治癫痫
蚌埠儿童牛皮癣医院
宁夏治癫痫病的中医院