辅助驾驶事故频发，系统感知“缺陷”怎么破？_辅助驾驶遇到的问题和瓶颈

辅助驾驶/自动驾驶正在成为各大车企之间实力比拼的核心指标，也是各品牌车型间差异化的关键卖点。

但很显然，当前感知系统的“能力缺陷”开始掣肘车企们在高阶自动辅助驾驶赛道上尽兴发挥。

2016年1月，一辆特斯拉Model S行驶在京港澳高速河北邯郸段公路发生事故后，特斯拉中文官网将“自动驾驶”一词变为“自动辅助驾驶；升级后“Autopilot”的中文翻译也变更为“自动辅助驾驶”， 明确驾驶者双手不能离开方向盘。

而最近发生的蔚来ES8因为开启NOP（外界猜测系统对前方静止的公路养护车漏检导致）造成的严重事故，也再次引发业内对辅助驾驶的全面审视与反思。

一次次辅助驾驶相关事故的发生，一方面暴露出L2/L2+级系统面临各类现实场景的“能力不足”，仅限于某些特定场景下的功能实现，背后核心仍是现有感知系统的种种“缺陷”。

另一方面，当前感知系统中传感器硬件性能的瓶颈，已经不能很好地匹配当前车企对高阶自动辅助驾驶功能落地的迫切需求。

去年开始，国内多家车企掀起激光雷达上车热潮，其中不仅有造车新势力，还有传统车企，将激光雷达作为高阶自动辅助驾驶的必备传感器，在硬件配置上实现安全冗余。

可以说，在激光雷达这类新一代传感器成本仍然较高的背景下，车企推动量产上车，目的就是为了打破现有感知能力的天花板。

一、打破融合感知瓶颈

可以看到，已经规模化量产的的L2级别ADAS系统在面临真实的用车场景时，还需要附加多种条件限制。这也是为什么在每一家的车主手册中，总会大篇幅的提到各种功能使用警示，并特别强调驾驶员必须随时保持接管状态。

例如，蔚来的车主手册中就明确提到，NOP与Pilot和其他驾驶辅助功能一样，无法响应静态障碍物（如路障、三角警示牌等），如前方存在事故或施工区域，请立即接管车辆以控制方向和速度。

此次蔚来ES8的事故中，正是用户手册警告中所提到的“施工区域”。而如雪糕筒、高速上的施工车，这都是大多数辅助驾驶系统无法搞定的场景之一。

从特斯拉到蔚来，一系列事故发生后，当前摄像头+传统毫米波雷达融合感知能力的局限性再次被重点关注。

视觉感知存在漏检的缺陷，而当前量产的传统毫米波雷达角分辨率太低，无法对静止物体进行分类，在感知系统中也不作为主要传感器数据采信，加之其对金属物体非常敏感的特性，为避免误动作需要大幅过滤静止物体，因此容易发生漏检的问题。

比如在ACC功能中，摄像头+雷达可能会因为对远距离小物体、车道抛洒物等不识别，造成急减速或发生碰撞；在ALC/TJA/TJP功能中，感知系统则存在将护栏/中央隔离带误检为车道线、无法识别第三车道内向邻车道变道车辆等等情况。

而在HWP（高速公路自动驾驶）功能中，摄像头在弱势场景中容易发生目标物丢失，也可能对雪糕筒/掉落物这类前方静态目标漏检而导致事故。

尤其是在城市复杂道路场景下的功能实现中，摄像头+雷达近距离识别效果较差，这会导致系统对中国式cut in场景很难快速反应而发生擦碰、拥堵工况下前车运动状态误识别而不跟随起步或追尾等等各类特殊状况发生，上述种种都会影响功能的正常执行与用户体验。

伴随L2+/L3进入规模化量产周期，车企对于高阶自动驾驶功能的场景覆盖和用户体验还在不断追高，感知系统的能力也必须快速跟进。

有车企相关技术负责人指出，摄像头和传统毫米波雷达分别具备各自的性能优势，但融合仅能解决部分场景的感知，下一代传感器如激光雷达、4D成像雷达的上车将能突破感知瓶颈。

从当前的量产方案来看，激光雷达的应用主要在提升复杂场景的功能表现和用户体验上，弥补传统感知系统的劣势。

比如，小鹏P5搭载的双激光雷达的主要作用，就是强化现有的高速NGP自动导航辅助驾驶功能，也实现了部分城市NGP功能，包括城市路况超车、红绿灯路口通行、自动限速调节等等。

极狐阿尔法S HI版采用的是三颗96线激光雷达，可满足市区通勤场景的人、车测距诉求，可以在市区实现自动跟车、拐弯、过十字路口，同时更好的应对加塞、鬼探头等复杂的路况。

广汽ADiGO自动驾驶系统选用了速腾聚创的二维MEMS智能芯片架构的激光雷达，还实现了可变焦的智能“凝视GAZE”功能，可以任意改变横向和纵向的扫描速度从而改变扫描形态。

比如，在城区场景，智能“凝视“动态提高刷新帧率，帮助系统更快响应周围车辆、电动车、行人等障碍物的动态变化，提升城区街道自动驾驶体验。

二、激光雷达上车的更大价值

当前融合感知系统暴露出来的缺陷，背后深层的原因还在于，摄像头和毫米波雷达的融合应用是对象数据，而不是原始数据。并且在很多量产车上，摄像头和雷达甚至都没有进行目标级融合。

这是因为毫米波雷达无法提供类似摄像头的高分辨率数据，更关键的是，大部分车企也拿不到雷达的原始数据。

随着域控制器架构的出现，使得原始数据前融合和实时集成变为了可能。在高阶自动驾驶系统中，激光雷达、4D成像雷达这类新一代传感器的应用或许是可行的方案。

福瑞泰克智能系统有限公司AD产品线研发总监周鹏表示，当前的视觉+毫米波雷达的感知融合方案，由于没有原始数据，所以不可能做到数据级融合，而激光雷达的量产将可以改变这一现状。

当前，采取激光雷达+摄像头“前融合”，被视作了目前可行的方案之一，比如小鹏P5采用的策略。

周鹏指出，激光雷达和视觉摄像头拿到原始数据后，将可以通过更加丰富的维度数据，对物体特征进行互补，是能更好的识别当前后融合系统很容易漏掉的目标，大大提升感知系统的安全可靠性。

而亮道智能CEO剧学铭也指出，激光雷达上车，一方面是为了提升ADAS功能，突破L3级自动驾驶感知瓶颈，但更深的维度和更大的价值在于，基于激光雷达系统的数据采集。

目前，以车企为代表的一众布局自动驾驶系统的企业，已经通过摄像头等传感器采集到了大量数据，但还没有真正实现激光雷达数据的海量级回传。

而接下来激光雷达大规模上车将可采集到海量级的环境数据，这些数据对于感知训练，以及自动驾驶功能训练和算法优化都具有重大意义。可以预见，未来激光雷达的规模化量产正是采集数据、训练算法，跨越L3级自动驾驶的必要选项。

除了以上，这种全新的感知融合模式对主机厂和国产Tier 1来说都更具优势。比如在“软件定义汽车”的游戏规则下，主机厂将有机会获得比以往更大的主导权的同时，也能真正触及到自动驾驶感知和决策的核心部分，构建自身的自动驾驶核心能力。

三、激光雷达已具备上车条件

截止目前，广汽埃安、长城、上汽、北汽ARCFOX、小鹏、蔚来、理想等等自主品牌已经陆续亮相或即将发布搭载激光雷达的新车型。

高速自动驾驶HWP与拥堵自动驾驶TJP这两大L3级别功能OTA第一次推送的时间节点以及实现的效果，将成为各大车企“激光雷达量产车”之间智能化角逐的焦点。

因此，这类全新传感器的量产上车，不仅仅是车规级和满足性能要求，更重要的是需要量产周期的确定性。

而根据亮道智能完整参与了激光雷达量产的项目经验来看，激光雷达上车要经历一系列重要步骤，除了早期的功能定义和系统设计，另外满足功能安全需求的感知算法和系统集成能力也非常重要。

可以说，成熟可量产的车规激光雷达硬件、成熟可部署的感知算法、基于大数据的验证测试等等，都是帮助车企规避开发风险、确保L3功能成功落地的根基。

除此之外，具备了车规级量产定点案例背书和规模化交付的企业将在激光雷达首轮量产周期中占据先发优势。

最新消息显示，RoboSense(速腾聚创)向北美知名新能源车企的首批前装激光雷达定点订单已经量产交付。该公司第二代智能激光雷达M1自今年6月份启动车规量产交付以来，目前已完成了十余批交付。

基于几年的激光雷达软件“开发+测试验证”闭环落地量产经验，亮道智能也推出了面向整车量产的激光雷达系统解决方案，支持客户完成量产前激光雷达性能定义、产品硬件选型，感知算法开发与测试验证，以及系统集成到整车的量产目标。

这是国内少有具备前装量产项目实操经验的激光雷达系统解决方案，可以很好的解决激光雷达上车量产项目中的各种实操问题。

这意味着，激光雷达的量产已经具备了“上车”条件，高阶自动驾驶赛道竞争也到了关键节点。