新能源汽车的下半场就是智能化,原来科幻电影中的自动驾驶正在变成现实。
首先要了解的就是智能驾驶的组成,才有方向去讨论。主要由感知层、决策层、执行层三大部分组成。感知层(好比人的眼睛)即各类传感器,包括摄像头、激光雷达、毫米波雷达、超声波雷达等。决策层(好比人的大脑)即通过感知的信息来进行决策判断,根据当下环境代替驾驶员做出驾驶决策,指挥车辆如何操作。执行层(好比人的手脚)即按照决策结果对 汽车进行加速、制动、转向等各项控制,以实现智能驾驶。
更深层次的决策层又包含了智能决策(决定下一步的行车方向),路径规划(确定了方向,如何到达),行车控制(向车辆底盘下发具体的控制指令)。执行系统就是严格按照大脑的指令操纵车辆加减速和转弯情况。
最容易关注的点,外装传感器-重头戏
自动驾驶能力一般分为L0-L5,数字越高代表智能化越高:
L1 级别需要 8 个超声波雷达与 5 个摄像头, 到了 L3 级别便需要 12 个超声波雷达、7 个摄像头、5 个毫米波雷达与 2 个激光雷达,而 L5 级别每辆车平均就需要 12 个超声波雷达、12 个摄像头与 8 个毫米波传感器与 3.5 个激光雷达,传感器的数量实现了大幅度增加.
车载摄像头按照安装位置可以分为前视、后视、环视、内置和侧视等, 自动驾驶主要使用前视和环视摄像头。
1) 前视:单目、双目等前视摄像头一般安装在前挡风玻璃上,用于检测前方路况,识别人、车、红绿灯以及障碍物等,广泛用于前向碰 撞预警 FCW、行人探测与防撞预警 PCW、车道保持与危险预警 HMW、车道偏离预警 LDW、交通标志识别 TSR 等功能。
2) 环视:使用多个摄像头的图像进行拼接,为车辆提供360 度成像, 主要用于低速近距离感知,可以用于倒车影像、全景泊车和辅助自动驾驶等,也可配合其他传感器一起用于高精度地图数据的采集。
相对于摄像头来说,激光雷达需要具备探测中长距离、可靠度和稳定性、夜间判断能力等。
市场近两年存在两种方案争端,以特斯拉为首的纯视觉方案(只用摄像头),国内主流的融合算法(摄像头+雷达);与视觉算法和激光雷达算法相比,融合算法将车辆检测准确率分别提升了 6.47%和 3.72%。行人检测准确率分别提升了 20.27%和 4.86%;骑行者检测准确率分别提升 了 5.04%和 3.04%,融合方法能够实现更好的环境感知能力。
不同传感器的优劣势对比:
成本来看,激光雷达最高,其次4D 毫米波雷达/高像素摄像 头/3D 毫米波雷达/低像素摄像头/超声波雷,理论来看,去除激光雷达仍满足基本的感知需求。
激光雷达或成为中高价格带车型补充传感器存在,主要负责极端环境 感知、距离测量等方面的数据获取,具备传感器性能优势。
看不见的成本,智能算力控制器
智能驾驶算法决策的权重占比持续提升,逐步成为定义硬件配置的核心原因。
算法的迭代或直接影响车端硬件布局。方案来看,多传感器融合方案和纯视觉方案在竞争中直接受 AI 算法、融合算法等多类算法的影响。
由于智驾的硬件,需要适配上层软件算法,软硬需要有强适配性,硬件的真实算力才能更好地发挥出来。因此,谈智驾芯片算力怎么样,某种程度上其实在谈智能驾驶水平怎么样;成本方面占比接近智能套件的一半。
其次是智能驾驶实际运行,可以多看一些汽车博主的实测评价,车辆的起停,道路标识的识别,转弯等高架和城市道路的表现情况,还有一些道路的紧急情况处理能力,车辆运行的平顺性等,主观判断比较大,主要看哪家的智能驾驶接近一个老司机。
领取专属 10元无门槛券
私享最新 技术干货