自動駕駛感知層：大模型提升傳感硬件的復雜度和精度

• 陳博 2023年10月27日 來源：中研網(wǎng) 916 57
• 繁體

AI 算法復雜度和精度提升，主流傳感器算法從決策級融合算法逐漸向特征級融合算法過渡。決策 級融合算法是將各傳感器數(shù)據(jù)分別進行特征提取并進行識別，最后融合感知信息以備決策。決策 級融合算法對不同傳感器分別建立識別模型，其算法復雜度低、算力要求小，且便于進

欲了解更多中國汽車零部件行業(yè)的未來發(fā)展前景，可以點擊查看中研普華產(chǎn)業(yè)院研究報告《2023-2027年中國汽車零部件行業(yè)市場深度全景調(diào)研及投資前景分析報告》。

大模型的應用有望降低自動駕駛傳感器硬件成本，加速自動駕駛普及。 自動駕駛傳感器主要包括攝像頭、超聲波雷達、毫米波雷達、激光雷達、GPS 等。超聲波雷達在 0.1-3 米間精度較高，但易受天氣和車速影響，主要應用于智能泊車功能;攝像頭是實現(xiàn)眾多預警、 識別類高級輔助駕駛功能的基礎(chǔ);毫米波雷達使用波長為 1-10 mm 的電磁波，具有較強的穿透性， 可全天候工作，不受極端天氣和夜晚影響，測距可達 200 m，但是分辨率有限，無法清晰辨別較 小的物體。激光雷達精度高(角/速度/距離分辨率)，響應速度快，最遠的探測距離高達500米， 但目前成本高，且抗干擾能力弱。

目前，傳感器路線尚無定論，主流自動駕駛廠商主要采取三種： 純視覺方案：以特斯拉為代表。使用多顆攝像頭為傳感器，采用 Transformer+BEV 算法或 Occupancy 算法，成本較低，更接近人類駕駛;但較易受環(huán)境和天氣影響，需要路外數(shù)據(jù)補充缺 乏的長尾場景。 視覺+毫米波雷達方案：毫米波雷達的全天候識別能力可提升自動駕駛系統(tǒng)在極端天氣和幽暗環(huán) 境下的安全性。值得注意的是，根據(jù)太平洋汽車等平臺，特斯拉最新自動駕駛系統(tǒng) HW 4.0 可能 在車頭重新搭載了 1 顆前向 4D 毫米波雷達。 視覺+毫米波雷達+激光雷達方案：是短期內(nèi)實現(xiàn)高等級自動駕駛的關(guān)鍵。根據(jù)小鵬汽車、哪吒汽 車、智目科技、辰韜資本等公司發(fā)言人在第十屆全球新能源汽車大會(GNEV11)上的討論，短 期內(nèi)(1-3 年)激光雷達對自動駕駛都是必要的，可以加快推出自動駕駛系統(tǒng)的時間，并提高安 全性。

大模型的應用有望降低自動駕駛傳感器硬件成本，降低自動駕駛普及門檻。根據(jù)毫末智行分析， 自動駕駛 1.0 時期為硬件主導，通過增加硬件投入增強感知能力;2.0 時期為軟件驅(qū)動，基于規(guī)則 的小模型逐漸應用到自動駕駛系統(tǒng);而數(shù)據(jù)驅(qū)動的 3.0 時代已經(jīng)開啟，通過數(shù)據(jù)驅(qū)動算法模型快 速迭代，可減少對傳感器硬件數(shù)量的依賴。例如華為 2023 年 4 月發(fā)布的最新自動駕駛 ADS2.0 系 統(tǒng)，較 ADS1.0 激光雷達減少 2 個，毫米波雷達減少 3 個，攝像頭數(shù)量減少 2 個，但依靠 Transformer+BEV 算法的提升，自動駕駛功能增強，新增了城區(qū)車道巡航輔助增強和哨兵模式。 多模態(tài)大模型提升自動駕駛安全性。盡管純視覺方案具有成本優(yōu)勢，激光雷達可為視覺方案提供 感知冗余。弗洛斯特沙利文認為，在未來幾年內(nèi)隨著雷達硬件成本下降和多模態(tài)大模型的發(fā)展， 視覺+毫米波雷達+激光雷達方案憑借安全冗余的優(yōu)勢仍將在 L2+高等級自動駕駛中受到廣泛選擇。

AI 算法復雜度和精度提升，主流傳感器算法從決策級融合算法逐漸向特征級融合算法過渡。決策 級融合算法是將各傳感器數(shù)據(jù)分別進行特征提取并進行識別，最后融合感知信息以備決策。決策 級融合算法對不同傳感器分別建立識別模型，其算法復雜度低、算力要求小，且便于進行不同傳 感器組合，是目前自動駕駛車企采取的主流方案;但是該方法精度有限，在城市道路等復雜場景 下適用性較差。特征級融合算法是在多傳感器特征提取的基礎(chǔ)上進行特征融合并識別，較決策級 融合信息丟失更少，精度更高，同時所需算力有所提高但仍低于數(shù)據(jù)級融合算法。

Transformer 大模型的應用使數(shù)據(jù)驅(qū)動的感知算法快速發(fā)展。特斯拉 FSD 系統(tǒng)目前采用純視覺傳 感器，將多個攝像頭獲取的 2D 圖像在 Occupancy 網(wǎng)絡進行特征融合，再使用 Transformer 模型 進行訓練;毫末智行將攝像頭+雷達多模態(tài)傳感數(shù)據(jù)進行前融合，并使用 Transformer 模型訓練; 小鵬汽車亦采用多攝像頭數(shù)據(jù) BEV 空間+Transformers 融合方案。 在感知領(lǐng)域，現(xiàn)有自動駕駛廠商憑借實車數(shù)據(jù)積累占據(jù)大模型先機。主流廠商在城市領(lǐng)航輔助駕 駛(NOA)中采用 BEV 算法，特斯拉率先應用的 BEV+Transformer 感知大模型基于攝像頭硬件 +CV 大模型，可實現(xiàn)“重感知、輕地圖”乃至徹底“脫圖”。多家國內(nèi)主流自動駕駛車企已宣布 開發(fā)和量產(chǎn)基于 BEV+Transformer 模型的感知架構(gòu)。百度于 2022 年 11 月推出 ANP3.0 系統(tǒng)，預 計將于 2023 年內(nèi)實現(xiàn)量產(chǎn)，率先搭載該模型的集度 ROBO-01 車型預期于 2023Q3 交付;小鵬汽 車宣布在中國率先量產(chǎn)了基于 BEV+Transformer 模型的 XNET 架構(gòu)，自 3 月開始城市 NGP 將在 廣深滬多城市多車型加速落地;23 年下半年，基于 XNET深度學習算法的 XNGP 將徹底脫高精地 圖;華為 ADS 2.0 架構(gòu)已于 4 月落地，預計 Q2 將無圖商用高階智能駕駛方案推廣到全國 15 城， Q4 推廣到 45 城;毫末智行于 2023 年 4 月宣布 DriveGPT 認知大模型系統(tǒng)將首先搭載在 6 月正式 上市的新摩卡 DHT-PHEV;商湯于 2023 年 4 月宣布 BEV 環(huán)視通用感知算法已進入實車量產(chǎn)階段，其中廣汽埃安 aion lx plus 車型已于 2023 年 1 月上市;蔚來于 2023 年 5 月發(fā)布 Banyan2.0.0 系統(tǒng)，正式實行 BEV 模型量產(chǎn)上車，將于 6 月 OTA 升級多款 2022、2023 款車型;地平線等廠 商也紛紛宣布將在 2023 年內(nèi)實現(xiàn) BEV+Transformer 模型架構(gòu)的落地。理想汽車將在很快向北京 和上海的內(nèi)測用戶交付不依賴高精地圖的城市 NOA 功能，使用自研的類似 BEV 的神經(jīng)先驗 NPN 網(wǎng)絡(Neural Prior Net)，也在紅綠燈信號識別、通行規(guī)劃控制等方面引入大模型算法。理想也 將在下半年開放通勤 NOA 功能，可以在 1-2 周內(nèi)完成上班通勤路線的激活。

數(shù)據(jù)驅(qū)動的大模型落地推動傳感器硬件發(fā)展。攝像頭分辨率提升有助于感知模型精度提高，但同 時也會帶來計算量的增加，提升算力和傳輸帶寬需求。特斯拉HW3.0系統(tǒng)使用8顆分辨率為1.2M (1280x960)攝像頭，總算力約為 144TOPS;據(jù)媒體報道，HW4.0 系統(tǒng)將使用 12 顆分辨率為 5.4M(2896x1876)攝像頭，總算力約為 500TOPS。國內(nèi)理想 one, 蔚來 ET7，小鵬 SUVG9， 極氪 001 等自動駕駛高端車型紛紛實裝 8M 攝像頭，以達到更高的感知精度和更遠的感知距離。

4D 毫米波雷達落地，毫米波雷達有望迭代。 4D 毫米波雷達在傳統(tǒng)毫米波雷達的距離、方位、速 度三個維度基礎(chǔ)上增加了高度，從而具有更高分辨率和一定成像能力，有望取代3D毫米波雷達。 據(jù)高工智能汽車研究院預計，2023 年中國乘用車市場前裝 4D 毫米波雷達將突破百萬顆，到 2025 年 4D 成像雷達占全部前向毫米波雷達的比重有望超過 40%。4D 毫米波雷達可與純視覺方案結(jié)合， 提高感知精度;也可部分替代激光雷達，應用于側(cè)向感知或低等級自動駕駛的前向感知中，提供 兼具成本和精度的硬件解決方案。例如英特爾子公司 Mobileye 計劃 2025 年在側(cè)向感知中使用毫 米波雷達代替激光雷達。

高線束激光雷達在角分辨率和點云數(shù)量上較 4D 毫米波雷達仍具有優(yōu)勢。高線束(32 線以上)激 光雷達通過對周圍環(huán)境掃描能夠形成 3D 圖像模型，可在橫向 120°視場范圍生成百萬/秒的點云 量，滿足高級別自動駕駛的感知需求;而 4D 毫米波雷達雖具有一定成像能力，但目前生成點云 僅可達到十萬/秒的數(shù)量級，角分辨率也遜于激光雷達。對于感知大模型來說，數(shù)據(jù)量至關(guān)重要， 因此，短期內(nèi)對于多模態(tài)感知模型，高線束激光雷達仍無法完全被毫米波雷達取代。 激光雷達技術(shù)從機械式向全固態(tài)升級，降本有望。MEMS、FLASH 激光雷達已逐步走向市場，有 望降低激光雷達成本并提高穩(wěn)定性，從而為激光雷達在自動駕駛領(lǐng)域的應用創(chuàng)造更廣闊空間。 超聲波雷達成本低廉，但工作距離很近，特斯拉、毫末智行等公司已采用視覺方案代替超聲波雷 達。超聲波雷達主要應用于泊車輔助系統(tǒng)，進行低速高精度下的距離測量，基于視覺的 Occupancy 網(wǎng)絡+Transformer 模型有望替代超聲波雷達實現(xiàn)該功能。但對于 L0-L2 低級別輔助駕 駛車輛，裝載超聲波雷達仍是更具成本性和安全性的選擇。

• 相關(guān)深度報告REPORTS

  

  2023-2027年中國汽車零部件行業(yè)全景調(diào)研與發(fā)展戰(zhàn)略研究咨詢報告

  產(chǎn)業(yè)現(xiàn)狀近年來，中國汽車零部件產(chǎn)業(yè)在國家重大工程和技術(shù)專項的支持下，通過企業(yè)自主研發(fā)、合資合作及技術(shù)人才引進，持續(xù)加強技術(shù)攻關(guān)和創(chuàng)新體系建設(shè)，在部分領(lǐng)域核心技術(shù)逐步實現(xiàn)突破。中國品...

  查看詳情

延伸閱讀

推薦閱讀

猜您喜歡