今年，政策的推動和新能源汽車的活躍，讓智能汽車市場規模及滲透率顯著提升。

　　根據羅蘭貝格數據顯示，2020年我國L2及以上級別的ADAS系統滲透率僅為9%，今年一季度L2級自動駕駛乘用車滲透率達23.2%，較2021年一季度7.5%大幅提升，預計到2025年，L2及以上級別的ADAS系統滲透率可達到40%。

　　但是L2級別滲透率的提升似乎改變不了行業對L4級別自動駕駛所持的悲觀情緒，Argo AI巨虧，Cruise發展緩慢，Waymo的估值從最高1750億美元下跌到了300億美元…L3、L4級別自動駕駛遲遲無法落地讓自動駕駛研發公司們普遍遭到了資本和市場的冷遇。而這其中最關鍵的一點原因就是感知系統的局限，無論是特斯拉的純視覺方案還是其他車企的多傳感器融合感知方案，都未見實質性的突破。

　　提升自動駕駛的感知系統，成了當下車企及技術供應商們首要解決的問題。

　　硬件堆疊的“無用功”

　　市面上大多數車企及造車新勢力選擇的都是多傳感器融合感知方案，因為不同的傳感器擁有不同的優劣勢，所以多種傳感器同時作用、相互配合，共同對信息進行獲取和分析，能夠彌補單一傳感器本身存在的缺陷。這就是感知融合，我們看到，即使是特斯拉，也開始下場研制自己的毫米波雷達，不再執著于曾經的純視覺方案。

　　不過，傳感器數量的增多似乎成了車企智能化宣傳的一個“噱頭”，這使得很多企業開始堆疊硬件，以為這樣可以讓自動駕駛“看”得更清。

　　如理想L9，標配旗艦級ADMax智能駕駛系統包括1顆前向128線激光雷達、6顆800萬像素攝像頭和5顆200萬像素攝像頭，以及1顆前向毫米波雷達和12顆超聲波傳感器，整車為25個視覺傳感器；蔚來汽車的自動駕駛系統中，優先級最高的是激光雷達和11個攝像頭；在埃安L4測試車上，甚至出現了搭載6顆激光雷達的處理方案。

　　高階自動駕駛的實現真能通過傳感器堆疊實現嗎？且不說傳感器增多造成的整車能耗大幅上升，汽車的感知能力和智能化體驗就提升了嗎？這顯然是一個誤區。

　　以搭載三顆激光雷達的廣汽埃安AION LX Plus和搭載雙激光雷達的小鵬P5為例，盡管前者把智能化作為產品主打的一個賣點，可在智能化配置（ADiGO 4.0智駕輔助系統）上，依然停留在高速NDA增強版以及城市NDA功能內。

　　激光雷達是新能源汽車最熱門的配置之一，但不同的激光雷達自然也有性能的差異，其他傳感器也是如此。如今，車企不斷堆疊傳感器的數量來提升自動駕駛的感知能力，這在硬件性能沒有改善或突破之前，可能只是增加了營銷的噱頭，而且這種趨勢可能也會驅使激光雷達的生產商們更側重降低成本以提升銷售量，而非產品升級。

　　堆疊硬件還存在一個現實的問題，即成本。激光雷達是目前應用于車上的感知元件中造價最昂貴的，一顆高性能激光雷達的價格接近一萬元，最便宜的也要三四千，雖然各大廠商都在試圖將激光雷達的價格進一步降低，可業內人士表示，激光雷達的降價仍未達預期。

　　換句話說，如果安裝多個激光雷達，那整車的價格必然大幅提升，這于產品的市場競爭力極為不利。

　　感知系統升級建立于產品突破

　　隨著自動駕駛功能在汽車應用的普及，汽車傳感器市場一直在保持快速增長，但既然盲目堆疊傳感器無法真正提升智能汽車的感知能力，那么產品自身的性能創新和升級就成為了唯一的突破口。尤其是當前性價比高的產品及技術方案更受到主機廠的青睞，所以傳感器相關企業往往面臨兩個選擇，一個是在不增加成本的前提下提升性能，另一個是在保持性能的同時降低成本。

　　這也是為什么行業內開始討論4D毫米波雷達能否成為激光雷達的“平替”。

　　眼下4D毫米波雷達的賽道上，已經開始涌入越來越多的參與者，既包括大陸集團、采埃孚、安波福、博世這樣的傳統國際巨頭，它們壟斷了中國80-90%的市場，也有像復睿智行這樣的新入局者，期待通過自主研發推動毫米波雷達的國產化替代升級。近日，復睿智行在上海舉行了一場產品發布會，其自主研發的高性能4D毫米波雷達首次對外公布，這也是復睿智行感知解決方案的“殺手锏”。

　　在產品層面，不同于市面上主流的3發4收雷達，復睿智行研發的“哥倫布”是第一款使用4發4收解決方案的雷達。在探測能力和角分辨能力上，哥倫布雷達分兩個版本：前雷達和角雷達，前者最大探測距離高達300米，是市場上非成像當中能夠實現的最大距離，水平角分辨率低至2.5°，垂直角精度±1.0°；后者探測距離超過200米，水平視場角達160°，水平角分辨率低至4.8°。

　　從參數上看，哥倫布雷達的探測距離和探測能力得到了大幅度提升，可以對標國際頭部廠商的最新一代產品。以川速微波推出的77GHz增強版AVP角雷達為例，集成角雷達模式和4D點云模式，水平角探測范圍±75°，俯仰角探測范圍±15°，最遠探測距離為120米。

　　另外，值得一提的是哥倫布雷達的俯仰探測能力，因為使用了3層俯仰天線布局，俯仰探測性能兩倍于市場上主流的產品。

　　不過一旦越來越多的4D毫米波雷達被安裝在車上，雷達相互干擾的缺點就暴露出來。為了解決這個問題，復睿智行一面采用了芯片支持影片加速的抗干擾檢測技術，另一面則通過算法去減少或者修正干擾帶來的影響，將智能抗干擾技術提高了3倍的穩定性。

　　當前毫米波雷達的發展已經開始進入國產替代的階段，較好的波形設計能力和天線設計能力只是一款4D毫米波雷達的基礎，日漸激烈的市場競爭將會更加考驗國內廠商的自主研發能力。而哥倫布雷達全面的、綜合的性能提升，可以說恰恰對外展示了復睿智行在自動駕駛感知系統上的硬件研發能力。

　　而且，復睿智行聚焦硬件單品，把產品性能做到極致，然后再造一個感知系統，這與堆疊硬件的做法相反，為感知系統提升、獲取更多的數據提供了新的思路。

　　當然，4D毫米波雷達性能升級，不是說替代激光雷達，而是為主機廠提供更具性價比的解決方案，減少他們對激光雷達在數量和質量上的要求，滿足他們對降低成本的迫切需求。

　　從成本來看，4D毫米波雷達的成本和傳統毫米波雷達成本相近，約為激光雷達的1/10。目前，“視覺+毫米波雷達”的L2級視覺方案已能壓低到2000元/套，而一些L3級的視覺方案，如果不需要那么高線束的激光雷達，使用高性能的毫米波雷達，可以極大地降低整車的成本。

　　據復睿智行CTO周軼所說，“結合算法，我們至少可以節約50%的量產成本，幫助主機廠用一個比較好的價格去實現L2+或L3、L4的量產工作”。

　　軟硬件高度統一，為自動駕駛搭建數字底座

　　盡管4D毫米波雷達以及圍繞4D毫米波雷達形成的感知解決方案還沒有真正進入落地，但憑借性價比的優勢，一旦有主機廠大規模搭載和使用4D毫米波雷達，后邊的企業很可能就會迅速跟進。

　　不過，自動駕駛的感知系統固然是通過攝像頭、毫米波雷達、激光雷達、超聲波雷達等硬件來承擔自動駕駛汽車“看”的任務，可這其中也存在“看不見”的軟件成本，比拼智能感知方案同樣也是在比拼軟件能力。就像特斯拉的純視覺方案之所以功能強大，在于不斷創新和升級的視覺算法。

　　而目前來說，多融合感知方案在硬件方面的實現不算太困難，主要困難是沒有足夠優化的融合算法。

　　當前，市場上主流的算法走的是后融合的技術路徑，在后融合架構中，每個傳感器獨立地輸出探測數據信息，在所有的數據信息被處理后，再匯總最后的感知結果。舉個例子，不同傳感器進行獨立感知，激光雷達看到的是一條柯基，毫米波雷達看到的是一條狗，而攝像頭看到的是一只小動物，將這些信息匯總處理后，系統才做出綜合判斷。

　　很顯然，不同傳感器的獨立運作，是無法把不同傳感器優劣互補的作用發揮出來的。比如攝像頭不擅長判斷距離和位置，雷達不擅長判斷顏色和紋理，系統需要對它們的信息進行互相驗證，才能達到更高的可信度。

　　復睿智行提供的感知方案更傾向于前融合算法，即在原始數據層面把所有的傳感器信息進行直接融合，根據融合后的信息實現感知功能。相比后融合算法，前融合算法可以大大提高檢測的高精度，避免對小目標的錯過，但是它也對技術供應商提出了更高的要求，比如算力，前融合技術需要直接處理原始數據，會消耗大量算力，同時硬件性能越高，才能獲取更完善的原始數據。

　　復睿智行自主研發的4D毫米波雷達，各項性能可以對標國際頭部廠商最新一代產品，處于全球領先地位，這為其打造更強大的前融合感知算法提供了領先的傳感器支持。再結合前融合算法，技術上可以說能夠實現全路況、全天候、全場景和全目標的數據獲取和精準感知。

　　比如一些非常見目標，因為缺乏數據樣本，很可能無法被感知，而復睿智行采用前融合算法，即使攝像頭不知道目標是什么，毫米波雷達也知道它在哪里、以怎樣的速度在運行，補充了目標的信息。

　　為了更好地落地融合感知系統，復睿智行還研發了自己的域控制器，基于高算力SOC芯片，支持多路高清攝像頭、毫米波雷達和激光雷達的接入，與其感知融合算法形成軟硬件的高度統一。因此，我們可以看出，復睿智行基于4D毫米波雷達、前融合算法和域控制器，打造的是一套高性能、綜合性、相對完整的感知系統。

　　單車智能和車路協同，雙線并行

　　高性能的硬件和優化的融合算法結合，將進一步提升自動駕駛感知系統的信息獲取能力，使其看得更清楚，為控制決策提供更多的數據參考。但需要認清的是，即使多傳感器融合感知方案具有較大的可行性，可很多視覺感知的局限性仍沒有解決方案。

　　舉個簡單的例子，無論是攝像頭還是雷達，都是基于生物感官的產物，且都搭載在車端，這就必然會有“盲區”的存在，即便系統再智能，也僅能在視覺范圍內做出快速精確的決策。再比如極端的雨雪天氣下，雨雪容易遮擋攝像頭或雷達設備，使它們無法正常工作，再完善的感知系統也無濟于事。

　　所以說，視覺感知的局限，不是通過不斷提升單車智能化程度就可以解決，車路協同也因此作為自動駕駛的另一條路徑而被不斷提起。

　　其實單車智能和車路協同不是相互排斥的，車路協同理論上能夠彌補當前單車智能不夠智能的缺陷，尤其是感知上，是目前突破視覺感知局限性所能想到的最可行方案。比如盲區的問題，路側傳感器普遍位于高處，擁有比車載傳感器更開闊的視野，感知范圍也更大，利用路側傳感器與自動駕駛汽車的交互協同可有效避免視覺盲區。

　　復睿智行在提供智能駕駛融合感知方案的同時，也深入到車路協同，針對車聯自動駕駛、智慧交管、全息路口、智慧停車、測試場等多元化場景定制了相應的解決方案。

　　比如智慧停車，目前主要是在智慧園區內，通過上線具有廠端增強感知能力的智慧停車場，在廠端用感知能力提供整個廠端的路徑規劃、廠端停車位的引導，包括一些目標物的識別、盲區的警示、鬼探頭的警示等等，來輔助單車智能，提升自動泊車的效率和安全性。

　　針對車路協同，復睿智行在車、路兩端擁有的軟硬件自主研發能力，為其差異化解決方案提供了基礎。而除此之外，復睿智行的一大優勢在于背靠復星集團，復星集團的布局幾乎覆蓋一條完整的汽車產業鏈，上下游企業之間進行聯動和協同，可以幫助其加快技術方案的實踐與落地。

　　更關鍵的是，發展車路協同的最大難點在于它不僅牽扯到諸多交通、法規、政策的要素，而且也需要各地政府部門、電信運營商、云服務供應商等不同主體相互配合。復星集團的背書，可以幫助復睿智行更好地對接政府部門，相互協助，共同推動智慧城市的步伐。

　　目前復睿智行在創立僅一年時間里，已先后攜手柳州、成都、武漢、南京、上海金橋等多地，開啟交通智能網聯升級項目。

　　未來，自動駕駛的實現是單車智能與車路協同的深度融合，兩條技術路線并行，或許也能打開自動駕駛的新局面。

　更多信息可以來這里獲取==>>電子技術應用-AET<<