ADAS融合方案为何不选择国产雷达?答案在于视觉
在自动驾驶的感知技术中,视觉识别一直是重要的一环,常见的单目视觉可以通过深度学习算法,结合大量的样本库,识别障碍物,在实际应用中根据障碍物形状、大小与识别库中的对比,得出障碍物距离。
这是常见的视觉识别方式,需要依赖完备的样本库,才能识别更多的障碍物。智驾科技CEO周圣砚表示,由于传统单目视觉所使用的的深度学习算法,大多基于2D图像识别,缺乏立体空间建模能力,因此感知距离误差大。
在实际的ADAS前装应用中,采用融合传感器技术的方案通常会得到更满意的效果,但OEM在寻找ADAS融合产品的过程中,会发现能达到性能要求的视觉供应商少之又少,这样的局面会造成OEM必须去选择那些知名Tier1的毫米波雷达,才能保证融合方案的综合性能。
因此,对于大部分自主OEM而言,能提供高精度单目视觉方案的供应商会备受青睐。
ADAS市场爆发前夜, 冲刺得靠技术说话
周圣砚表示,单目视觉方案的通常识别精度误差在10%左右,好一点的方案能够达到6%左右。OEM对前装的视觉识别方案的识别精度误差通常要求在6%,行业头部厂商的产品虽然可以满足,但在成本方面较高,同时由于稀缺性并不能对所有OEM提供及时的服务响应。
对于国产ADAS供应商而言,机会就在于能够提供不亚于头部厂商品质的产品,同时在成本和相关服务上提升竞争力,这样才能在竞争中占有机会。
当前,国内ADAS的标准以及相关法规正在快速推进中,商用车方面相关的预警技术,ADAS装备也在逐步被强制推广应用,从限定条件的营运客车、卡车,再到更广范围的商用车。乘用车方面安装ADAS设备也会在相应的NCAP评价体系中,得到更高的安全评级。
ADAS的国内市场正在进入前装量产的爆发期,国内厂商能否抓住机会,仅靠追随头部厂商是不够的,而要有绝对领先的技术竞争力。在这方面,智驾科技给出了自己的答案:
重新定义单目视觉,打造全球最高精度
2019年,智驾科技推出了第三代的单目视觉方案,基于精准测距的三维构建,以及自主研发的软件算法,可以获得目标物体的3D感知信息。
在硬件成本未发生变化的情况下,可以在50米内可实现接近雷达精度的点云扫描,提供目标的直接测距功能,精度误差1% ;200米机动车检测;100米行人及小目标检测,并提供精准的立体姿态跟踪功能。
其中在车辆检测、行人检测、骑行者识别准确度方面能达到99%,静态障碍物识别准确度达到98%。
周圣砚表示,单目识别在类似硬件性能、场景下能达到这样的精度,在全球都属于领先地位,这得益于团队在软件算法方面的独创性。
该识别算法可实现目标的精确定位及三维静态场景构建,同时在坡度估计方面的表现,相比激光雷达误差小于0.1度。
这意味着单目视觉方案在某些指标上达到了堪比激光雷达的效果。周圣砚表示,激光雷达同摄像头在感知环境时,实际上是有相通的地方,只是视觉在深度学习方面还处在早期。
常见的神经网络都是基于2D图像识别,只能获得环境的二维感知信息。但单目视觉事实上也可以获取障碍物的三维信息,只是需要用不同的神经网络架构。
除了在算法上创新,智驾科技还拥有来自车厂真实反馈的200万公里量产产品数据,积累了超过70万公里的综合路况数据,覆盖42种量产车型的同时也保证了数据的多样性。
通过第三代的单目视觉产品,以及独创的算法,智驾科技已先人一步,实现重新定义单目视觉。
解决ADAS行业痛点,带动融合产品发展
对于国产ADAS厂商而言,当前国内OEM的前装市场机会,首先出现在商用车领域。要想突破商用车市场,必须得具备解决行业痛点的能力。
商用车市场有客车和卡车两个主要领域,它们的使用环境差异较大,所要面对的场景也不同。尤其是重卡方面,有着多种特殊复杂的应用场景,造成了比如摄像头安装位置高、重载和空载高差大、俯仰跳动大等亟需解决的行业痛点。
以大量商用车量产经验积累为基础,智驾科技的产品在解决重卡面临的痛点方面,不仅具备较强的竞争力,而且产生了一定的产品自由度,能够不局限于车型大小,能够不局限于摄像头安装位置的动态变化,能够消除大多数的误识别场景等等。
这些痛点的解决,显著的降低甚至避免了重卡AEBS发生误制动、漏制动的概率。
这样的高性能单目产品,市场方面的表现当然不俗,智驾科技已经拿下国内超过80%的前装客车AEBS市场,卡车方面也已经拿下至少5家OEM的合约。
周圣砚表示,根据不同客户的需求,公司的单目视觉方案融合毫米波雷达后的ADAS方案,可以达到更高的精度和感知冗余,供OEM采用。
由于在视觉方面的优势,融合方案中可以不必是国际一线的毫米波雷达品牌,而是选用国内的毫米波雷达,通过视觉的高精度来弥补并提升整体的融合性能,从而达到OEM的要求。
这样的结果,形成一个灵活度高、质优价廉的纯国产ADAS方案;也进一步提升了OEM在选择雷达方面的产业自由度和话语权。
![](https://3g.china.com/auto/Public/wap/img/wechat.jpeg)