# 量产级自动驾驶感知技术 （四维图新）

# 自动驾驶的分级

L0 至 L5. 其中 L3 算是一个分界点。

• L1: 脱脚 / 辅助巡航驾驶
• L2: 脱手，但是仍然需要观察
• L3: 脱眼
• L4: 脱脑
• L5: 无人驾驶

L3 及以上的自动驾驶涉及法律问题。

# 国内发展水平

单车智能：目前仍然落后于美国。

多车智能（智能网联汽车）：多车 + 路侧设备 / 传感器（车路云一体化），可以实现跨视距传输信息。国内目前处于国际先进水平，因为需要政府进行投资支持。一个例子是路口可以放置边缘云设备（带 GPU），可以汇总路口各项传感器数据并进行处理。

# 感知

# 自驾传感器

1. 摄像头：局限性是不太容易测算距离。
2. 激光雷达：波长短，测距误差小，但价格最昂贵。128 线激光雷达即同帧可以发射 128 个激光束。
3. 毫米波雷达：波长长，价格便宜。
4. 超声波雷达（最古老）：感知距离仅 3-5 米，主要用于泊车辅助。

目前的主流方案是摄像头 + 激光雷达。Tesla 只使用摄像机，采用多目视觉进行测距。

# 原型车

原型车会在车顶安装激光雷达以收集数据。但是在量产车上不会安装激光雷达。原型车除去激光雷达外，还安装了量产车的所有传感器。激光雷达在量产车上收集数据提供 ground truth 用于训练自动驾驶算法。

# 自驾技术栈

1. 感知：主要以探测为主，基本不涉及分割。得到相对坐标位置。
2. 高精定位
3. 融合 & 跟踪：获取周围车辆 / 物体的绝对坐标位置。
4. 预测：预测周围车辆 / 物体的未来轨迹，进行危险的预判。
5. 规划：对自己的行车路径等进行规划。

在发展过程中，上述模块正在发生融合。最终的目的是实现端到端数据驱动。

目前的招聘主要是感知和规控 (planning and control) 两类人才。

Tesla-FSD （纯视觉）感知方案。

时序学习的机制可以保证鲁棒性。