7月25日，長安汽車首款基于全新EPA1純電動平臺打造的產品——深藍SL03公布了售價。深藍品牌首款車型甫一亮相信息量不小，其智能駕駛傳感器配置便十分吸睛。資料顯示，深藍SL03率先在國內采用4枚角雷達、1枚4D成像毫米波雷達組成的“360度”感知組合，且這總計5枚雷達均來自自主供應商。

作為感知元器件，4D毫米波雷達逐漸走熱。這個領域曾是博世、大陸、安波福、電裝等國際知名一級零部件供應商的天下。自主供應商最近幾年也紛紛開始布局，華為、恒潤經緯、華域汽車、森思泰克、楚航科技等公司的相關產品先后進入量產階段。“當前，自動駕駛傳感器相繼量產落地，同時仍然不斷演進，將逐漸成為汽車標配。”輕舟智航感知負責人張雨告訴《中國汽車報》記者。

一面是整車積極配裝4D毫米波雷達，國內外供應商不約而同發力;一面是激光雷達逐漸發展成熟，成本降低，開啟前裝定點。不同類型傳感器競相登場，究竟是“內卷”還是一場“盛宴”?面向高等級自動駕駛，傳感器融合方案路向何方?

傳感器融合：互補而非替代

據了解，4D毫米波雷達在保有傳統雷達低成本、高性能優勢的同時，能夠進行垂直方向探測;此外，虛擬天線技術的應用更使其在提高角分辨率、縮小體積等方面實現了突破。以大陸集團發布的4D成像毫米波雷達ARS540為例，該產品探測范圍達300m，探測視野達±60°，可對各種類別交通參與者及固定設施準確分類。

“4D毫米波雷達與激光雷達的關系是互補而不是替代。從目前主流的傳感器組合配置來看，有單攝像頭、1R1V、5R1V、5R6V，也有稍微激進一些的，比如6枚雷達、8枚攝像頭和3枚激光雷達。這些配置是行車系統的基本組合，泊車系統的主流配置則是12枚超聲傳感器和4枚攝像頭。”大陸集團自動駕駛及出行事業群中國區研發總監周勇告訴記者，“作為Tier1，滿足不同客戶的不同需求是我們的使命，公司擁有多樣化的解決方案。”

“4D毫米波雷達和激光雷達在一定時期內會是共存的關系。”北京主線科技有限公司前瞻研究院院長王超認為，“4D毫米波雷達與傳統毫米波雷達相比，點云質量有所提升;但與激光雷達相比，目前依然是后者占據絕對優勢。對于這兩種感知元器件而言，4D毫米波雷達勝在成本、穩定性與高效，激光雷達則勝在數據質量。它們都處于發展階段，未來的形態及應用還存在很多變數。比如，行業注意到4D毫米波雷達的成本優勢，就開始選擇其以降低自動駕駛方案的成本。而假設激光雷達未來成本大幅下降，在極端天氣下的表現更為穩定，激光雷達取代4D毫米波雷達也并非沒有可能。”

“在相當長的一段時間內，目前主流的攝像頭+毫米波雷達+激光雷達的配置組合應該不會改變。主要原因在于，每種傳感器都有自身的優勢、劣勢及適用場景，它們興起與迭代是為了達到更高的安全性，提供更多的安全冗余。攝像頭可以捕捉顏色信息，毫米波雷達針對惡劣天氣有很好的適應性，激光雷達的優勢在于不受外界光線干擾，同時測距精度高，能夠補足強光、逆光、黑夜等其他傳感器弱勢場景。”圖達通(蘇州)有限公司總經理鄧常敏向記者介紹道，“隨著L3及以上自動駕駛技術的規模化商用，激光雷達的使用量會繼續增加，出現1顆、2顆，甚至4顆的多樣性趨勢。高性能激光雷達開始逐步被車企采用并加入融合感知的方案中，終極目標是為了使感知方案更加安全可靠。”

“4D毫米波雷達與激光雷達之間并不是替代關系。”楚航科技創始人、首席執行官楚詠焱告訴記者，“對于L2自動駕駛，4D毫米波雷達能夠防止因高度信息誤判產生的誤報警、誤制動，從而更好實現FCW(前方碰撞預警)和AEB(自動緊急制動)功能;對于L3～L5自動駕駛，能夠與攝像頭、激光雷達等以光學為基礎的感知元器件更好地前向融合并提高魯棒性，應該算是各司其職。”

張雨補充說：“激光雷達可以提供精確的3D位置信息，不受環境光影響;毫米波雷達能夠輸出物體運動狀態，對雨、雪、霧等惡劣天氣魯棒性強;攝像頭信息密度高，對遠距離/小物體/通用語義效果更好;超聲波雷達成本低，自車米級別范圍精度高，能夠在倒車/泊車場景中起重要作用。”

組合方案源于技術等級需求

“對感知元器件的選型、布置和使用，我們應從L3、L4高階自動駕駛的需求進行反向推導。”周勇的觀點旗幟鮮明，而行業內持有類似看法的人士不在少數。

“感知元器件的選型、搭配應該基于對自動駕駛需求的匹配，不同等級的自動駕駛對感知的需求是有巨大差異的。不過，現在有兩個略顯尷尬的問題，一是通常我們并不能做到完全依據系統需求，尋找能夠完美匹配的傳感器，而是要采用現有的主流傳感器;二是業界對于L3、L4自動駕駛的需求暫時還沒有形成比較一致的清晰定義。”王超告訴記者。

“理想狀態應該是基于整車自動駕駛需求的適應性來確定感知元器件，也就是產品到底定位于實現哪一個等級的自動駕駛。”周勇分析認為，“對于L1、L2自動駕駛，單攝像頭或1R1V的配置就足夠了，但如果面向高等級自動駕駛，當前的傳感器組合方式及數量，仍有可以進步的空間。因為每一類傳感器都有自己鮮明的優勢與劣勢，這是由其工作原理決定的。比如，攝像頭在夜間表現、縱向測距方面有短板;同樣的，毫米波雷達、激光雷達也有自己的問題。既然我們追求在更多場景下實現自動駕駛，那么多種感知元器件融合就變得順理成章了。”

鄧常敏認同這種說法：“不同場景的需求不同，L2及L2+自動駕駛功能相對不復雜，可能只需要毫米波雷達和攝像頭即可;但L3及以上自動駕駛，依靠更高性能的傳感器加入，如目前主流的攝像頭+毫米波雷達+激光雷達方案。”

周勇表示，從趨勢上看，單車傳感器的數量逐步增加，這有利于近距離補盲。比如，5R1V的組合還存在一定的盲區，車企于是開始考慮增加配置，將毫米波雷達增加到7枚的水平。同時，隨著毫米波雷達的大規模量產，單個傳感器的成本也在逐漸降低。

在張雨看來，在量產自動駕駛汽車上，激光雷達將從無到有，從少到多，直至全視角覆蓋。“當前，我們處在從無到有的階段，激光雷達的成本已降至可以量產的水平，但如果進行全視角覆蓋依然面臨兩方面的限制。第一是成本，達到全視角覆蓋需要5個左右的固態激光雷達支持，一定會造成成本的增加。第二是算力，全視角覆蓋意味著大量點云數據需要計算處理，當前量產算力平臺能否滿足要求以及算力的機會成本都是需要考量的因素。”他對記者表示，“目前，單顆120°激光雷達足以應對絕大部分復雜場景，因此，其搭配全視角視覺及其他傳感器，是滿足城市NOA(導航輔助駕駛)的最優選擇。”

“就目前的ADAS而言，現有解決方案即攝像頭+毫米波雷達已能滿足需求，加入4D毫米波雷達應該算是錦上添花。而對于L3及以上級別自動駕駛，這類傳感器就是必選項。”楚詠焱指出，“不過，如何配置感知元器件，仁者見仁、智者見智。不同整車企業的品牌定位不同，即便相同品牌不同級別車型的定位也不同，這就帶來感知元器件組合的不同方案。依據自動駕駛的需求以及品牌、產品定位確定配置是比較理性的選擇。”

傳感器融合帶來的全新挑戰

張雨表示：“不同的傳感器特性不同，失效模式重合度低。良好的多傳感器融合方案，可以獲得比單傳感器更優的感知效果，從而更好地滿足高級別自動駕駛的需求。”

其實，不僅車端的感知元器件具有融合的條件與可能性，路側設備提供的感知信息也在不斷進化。“激光雷達路側感知可為ADAS或自動駕駛提供另一方面的感知冗余。其意義在于，擴大了車端的感知范圍，讓車輛能更早、更及時地獲取周圍信息，并及時做出路線規劃;可以解決車端的一些長尾問題，如鬼探頭，通過C-V2X及時將信息傳輸給車輛;能夠獲取城市宏觀交通狀態，從而確保道路安全，改善擁堵問題，提高出行效率。”鄧常敏認為。

不過，周勇告訴記者，感知元器件融合帶來的挑戰成為行業近幾年討論比較多的話題。“以攝像頭為例，其傳輸速率從最初的1M發展到后來的2.5M、3M，再到現在的8M;此外，近年來上車的激光雷達，點云數據也是越來越多。這些都會導致數據傳輸量的增加，同時對傳輸速率提出更高要求，因此出現了整車線束成本增加的傾向。行業對整車電子電氣架構由分布式向集中式演進已形成共識，但如何分步驟實現，集中又將達到何種程度，大家的認識不同，還沒有一致的看法。”

“自動駕駛傳感器的數量增多以及單傳感器數據量增多是大勢所趨，但同時數據傳輸也帶來嚴峻的挑戰。我們可以通過硬件計算的架構設計，降低傳輸熱點的存在，以緩解傳輸瓶頸;同時，還嘗試通過計算前置、信息壓縮等方式來降低傳輸信息量。”張雨介紹說。

車輛對傳感器的需求不斷提升

“全社會一直在追求更低的道路交通事故傷亡率，基于此，感知元器件的冗余水平，還未跨過保證絕對安全所需要的門檻。從優先級來看，自動駕駛依次追求安全、舒適，對成本的考量甚至需要放在最后。”周勇對記者說，“面對未來的需求，有兩個關注點。首先是傳感器自身性能的提升。我們希望傳感器的精度、分辨率、視角、刷新率等參數指標越高越好，但其副作用是消耗(需要的)算力也要不斷提高。而視角的擴大必然造成探測距離的損失，這是在傳感器設計之初就需要進行取舍的。其次是傳感器的布置使用角度，還有很大的提升空間。”

“隨著自動駕駛向L4演進，車輛對于傳感器的需求不斷提升。首先必須強調穩定性和成本，拋開這兩點，就不是有現實意義的自動駕駛。在此基礎上，更高等級自動駕駛需要激光雷達，以提升探測距離和分辨率。探測距離越遠，探測分辨率越高，提供的精確3D位置信息范圍更大，信息密度更高，對感知多傳感器融合的幫助也就越大。此外，更高等級自動駕駛也要求攝像頭的分辨率不斷提高，以此改善視距、小物體識別和語義級別感知能力。對于毫米波雷達而言，除了提供4D毫米波信息之外，也需要更高的信息密度，更稠密的點云。”張雨認為，“安全無小事，對于L4自動駕駛應用，一定要確保安全優先，從這個意義上說，相關車輛的傳感器配置合理。對于非L4自動駕駛應用，設計上也應該在兼顧舒適性與成本的同時，不犧牲安全性。目前，我們的單激光雷達城市NOA功能設計，正是建立在安全的基礎之上。城市NOA場景復雜，存在很多邊界場景，車輛需要更多的傳感器冗余。”

“更高級別自動駕駛，對傳感器的探測距離、分辨率及探測穩定性都提出了越來越高的要求。以激光雷達為例，要滿足L3及以上級別自動駕駛，至少需要滿足250米的標準探測距離。”鄧常敏強調。

周勇告訴記者，令行業感到樂觀的是，國內市場對于自動駕駛的接受度較高，很多用戶即使并非高頻使用，但還是希望把自動駕駛功能作為車輛配置。也因為這樣的高接受度，帶動了自動駕駛產業市場整體規模不斷擴大，技術和產品成本的下降趨勢比較明顯的。

“從感知融合的角度講，傳感器會強化感知功能，弱化計算功能。”楚詠焱介紹道，“無論激光雷達、毫米波雷達還是攝像頭，感知在前端融合，計算放到域控制器或中央計算單元上是一個比較明確的方向。當然這也帶來對數據傳輸實時性、安全性及抗干擾性等的挑戰。”

拒絕“力大飛磚”　堅持算法優先

在感知元器件市場快速增長，配置方式百花齊放的背景下，算力與算法誰更能有效應對挑戰，成為了行業關注的重點。

“未來，行業肯定需要更強大的軟件保證自動駕駛感知系統的質量和精度，而軟件能力的提升，實際上又會受平臺算力的制約。因此，感知融合今后的發展，將有賴于平臺算力和融合算法兩方面的共同支撐。”張雨告訴記者，輕舟智航采用當前高算力量產計算平臺，通過系統和模型性能優化，充分利用平臺提供的異構算力，使算法得以充分施展拳腳;算法能力方面，進行數據層、特征層、觀測層的多層次融合，在相同算力下更充分地利用不同傳感器的特性，提升感知效果，同時，依托算法靈活適配不同車型、不同傳感器方案的特點，統合利用多種車型數據，保證算法的準確度和泛化性。“在算法和部署優化上同時發力，提升算力應用效率，是我們的感知算法能在業界保持強大競爭力和優勢地位的原因。”他稱。

“我個人認為，感知融合更依賴算法，算力只是基礎條件。”周勇表示，“目前來看，以深度學習為代表的人工智能技術已開始幫助算法提升、進化，有助于幫助我們解決更多的自動駕駛長尾問題。”

“在感知融合的條件下，突破是需要依賴算法的，不同的算法對算力的需求不同。我們對算法的調試能夠適應低算力平臺的搭載需求，但感知融合的表現如何，算法起著決定性作用。”王超認為，“自動駕駛的場景極其豐富，我們希望適應更多的場景，這就需要依靠堆疊模型的方法，推到算力端去解決既不現實也不經濟，解決方案還是要依靠算法的優化與迭代。”

“硬件是門檻，定義了感知元器件能夠做什么;算法則是來幫助硬件彌補缺陷、排除干擾和提升效果的。”楚詠焱表示，“當然，算法也在進行融合，未來自動駕駛感知技術的發展將呈現硬件與算法相互交融的趨勢。”

關鍵詞： 長安汽車 智能駕駛 華域汽車 輕舟智航