对于高阶自动驾驶，虽然激光雷达不是万能的，但是没有激光雷达是绝对不行的。
为了实现更好的自动驾驶体验，在过去的一段时间里，主流车企纷纷宣布将在旗下重磅新车上安装高性能激光雷达，以支持未来整车智能驾驶系统更好地从L2进化到高水平的L3甚至L4自动驾驶，数量从1到5不等。
那么，需要多少激光雷达才能实现L4体验的城市NOA呢轻舟智航认为:至少有一个能做到
最近几天，光艇智航基于单激光雷达成功完成了NOA登陆城市的演练搭载轻舟NOA系统和智慧导航城市的测试车，在不接管的情况下，完成了近30km的城市路段在此期间，它穿过了许多不同的场景，如高架立交桥，隧道，多车城市路段，地下室和商场停车楼等，并在此过程中，安全，灵活地处理了许多具有挑战性的死角案例
激光雷达挑战NOA
对于自动驾驶，轻舟智航一直倡导不堆料，而是通过因机制宜的配置方案，满足主机厂不同价位车型，不同级别自动驾驶功能的量产需求。
为此，轻舟智航在今年5月发布了第四代轨距级自动驾驶方案DBQ V4，旨在通过10%的成本实现99%的L4产能，量产成本低至万元。
该方案支持1—5部激光雷达，0—4部盲区雷达，6部毫米波雷达和12部感知相机，实现360度无盲区无死角感知还可以根据主机厂不同级别自动驾驶的量产需求进行切割，提供不同版本的配置方案，分别适用于轿车，SUV，MPV，客车等车型，在不影响整个技术栈的情况下实现随机响应
周志航此次展示的城市NOA体验是基于DBQ V4的标准版在256Tops大计算能力域控制平台的支持下，仅前视120激光雷达一台，辅以视觉，毫米波雷达，高精地图等可用于判断车辆周围物体的三维位置和运动方向，帮助实现城市NOA
比如针对最常见的人车混合交通，依靠视觉+激光雷达方案，车辆可以准确感知周围人车的动态和静态即使人或车辆从人类不易看到的后角冲出，也能提前感知并做出预测这一点在这次挑战中表现得很明显
夜间行驶时，通过激光雷达，毫米波雷达，视觉等多传感器的融合，感知模型可以充分利用不同传感器在不同阶段的信息，使不同传感器的优势互补，避免特定传感器在特定场景下的性能限制。
在漫长的隧道中，由于自动驾驶车辆无法依靠GNSS信号行驶，测试车主不得不依靠高精度地图，车辆实时感知信息，惯性导航等技术实现精确定位，以确保安全高速行驶。
在canoe智航看来，安装一个激光雷达需要更多的计算能力，但在非关键区域增加更多激光雷达的边际效益并不高。
而且就实际应用场景而言，虽然相比高速NOA，NOA市区会面临更复杂的场景和更多的长尾问题，识别物体的难度更大，可能会遇到突然靠近自己车辆的交通参与者，比如鬼探头但考虑到道路上潜在的交互场景主要出现在自己车辆前方和侧面，使用120激光雷达足以应对大部分车辆需要注意的复杂场景
倒车场景，前方有激光雷达，也足以让车辆时刻看到狭窄车库里的行人和幽灵探测车，安全绕行和躲避更何况倒车一般是在低速道路或者停车场，自动驾驶汽车等交通参与者的车速并不高其实基本的倒车场景功能不依赖激光雷达也能完成
另外，我们还是一家L4公司，在L4级别的自动驾驶研发方面有着丰富的经验城市NOA场景其实和L4场景高度相似，所以整个算法框架，背后的R&D系统和数据都是可以高度复用的谈及轻舟智行的城市NOA与其他车企和技术提供商相比的优势，轻舟智行联合创始人兼CTO侯聪说
「不叠」的自信是什么。
更灵活的传感器融合方案，更成熟的控制策略，更高效的数据闭环，是轻舟智航打造性价比城市NOA方案的重要支撑。
为了实现对各种场景的高精度，鲁棒感知，轻舟智航的NOA采用了激光雷达，毫米波雷达，视觉等多传感器融合方案通过不同传感器的优势互补，可以更早地实现多个传感器之间的信息共享，从而更加准确精细地感知动静态物体和状态信息，避免各种误检和漏检，提高各种场景下的通过性
不仅如此，轻舟智航的半监督，自监督预训练策略还能自动建立数据闭环，利用车辆采集提取的高价值数据直接推进算法。
但是，对于价值相对较高的数据，我们还是会选择人工标注，因为标注质量可以更有保证在这个过程中，我们会先通过算法生成一个预先标记好的盒子，然后人工进行一些优化调整，减少人工工作量侯聪说最终结果是，相同的模型可以适应各种激光雷达传感器配置，而无需对硬件方案进行任何定制或再培训
在规划阶段，轻舟智航自主研发的时空联合规划算法，同时考虑空间和时间，将纵横分离升级为纵横结合，可以在x—y平面和时间三个维度上直接求解最优轨迹。
在轻舟智航看来，这个方案有两个好处:一是有更多的解空间，可以计算出更多的驾驶方式，从而得到更好的驾驶轨迹二是更类似于人类驾驶的逻辑，让轻舟智航可以直接将机器学习算法引入规划，利用人类驾驶数据来训练和提高规划算法的效果
比如在堵车，变道，等车场景下，同时预测周围车辆的位置和动态，寻找最佳的通过时机，使决策逻辑更接近人类驾驶员。
总的来说，皮划艇运动之城NOA取得了不错的路试成绩可是，要在更大范围内实现更高阶的自动驾驶，数据驱动是不可或缺的，这已经成为业界共识
为此，以数据驱动和效率提升为核心的系统化，自动化自动驾驶基础设施，轻舟智航提出了独特的自动驾驶超级工厂方法论，旨在打造数据自动化闭环这个自动驾驶超级工厂以canoe矩阵为重要底层，有助于打通从数据处理，标注，训练，大规模仿真，技术输出的全流程
根据消息显示，依托真实路测和生成数据构建的仿真场景，canoe matrix可以将自动驾驶的测试成本降至纯路测的1%，还可以生成百万级长尾场景，每天完成百万级算法训练，测试验证和迭代优化，让自动驾驶软件能力的进化不再受限于车和人，持续快速提升车辆的智能化水平。
一个典型的应用就是轻舟智航可以在雨天采集大量的行驶数据，通过模型训练，可以更加智能的识别外界比如喷水不会被误认为障碍物，雨水的反射不会导致车辆的误检
轻舟智航良好的产业生态和合作关系也为加速自动驾驶商业化提供了重要助力目前，轻舟智航已与地平线，火山发动机等产业伙伴合作，为客户提供领先的高性价比前装量产解决方案其中，基于地平线征途5研发的高级自动驾驶方案，预计原型车将于2022年第三季度进行路试，2023年达到量产水平
郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。
