速騰聚創(chuàng)CEO邱純鑫表示，這次路測主要有兩個目的：一是為了驗證在實際道路運行過程中的數(shù)據(jù)采集效果，第二個目的是對公司開發(fā)的路況識別系統(tǒng)進行實測和調(diào)優(yōu)。
路測地點選擇在了深圳的一條主干道上，體驗了整個過程。汽車行駛時，速騰聚創(chuàng)RS-LiDAR激光雷達采集的實時點云數(shù)據(jù)會在大的顯示屏上得到展示，這些數(shù)據(jù)包括周圍路面的車輛、車道線、行人以及障礙物等，另外通過深度學習算法，系統(tǒng)可以識別目標物體并且做出標識。
除了硬件，速騰聚創(chuàng)還秀了一套軟件算法
眾所周知，自動駕駛或者是無人駕駛幾個核心的要素就是高精度地圖、環(huán)境感知、決策規(guī)劃以及車輛控制，而環(huán)境感知的作用是向其它幾個部分提供基礎數(shù)據(jù)，這也是速騰聚創(chuàng)現(xiàn)在正在做的工作。據(jù)介紹，這次進行路測的RS-LiDAR采用了混合固態(tài)的形態(tài)，測量距離為100米，精度達到了2cm，垂直30度（±15度），實時出點數(shù)32萬點每秒。如果從這些參數(shù)來看，RS-LiDAR的性能還有優(yōu)于Velodyne的16線產(chǎn)品。
當然，多線激光雷的技術門檻不僅體現(xiàn)在硬件上，它需要光學系統(tǒng)、高速數(shù)據(jù)處理技術、點云算法以及電機控制技術的相互協(xié)調(diào)，才能獲取、處理分析2.5D甚至是3D的數(shù)據(jù)。近兩年，隨著無人駕駛汽車概念的普及，研發(fā)多線激光雷達廠商在逐漸增多，但看似繁榮的現(xiàn)象背后也存在一個問題：在這些企業(yè)中，既能做好硬件，又能把點云算法做好的寥寥無幾。
這里涉及到一個問題，如果激光雷達廠商不針對原始數(shù)據(jù)做處理，那么整車廠商的壓力就非常大。一輛無人駕駛汽車安裝的傳感器遠不只一兩種，除了激光雷達和攝像頭之外，通常還會有毫米波雷達、IMU以及其它溫濕度傳感器等作為輔助，這些傳感器采集的數(shù)據(jù)量堆積在一起后，處理的難度也會大大提升。
邱純鑫介紹，目前，速騰聚創(chuàng)團隊有80多人，其中有一半做激光雷達硬件，另一半就是從事軟件算法的研發(fā)。隨著RS-LiDAR和其算法平臺的上線，這家公司已經(jīng)能向下游整車廠商同時提供激光雷達和經(jīng)過算法處理后的數(shù)據(jù)，例如，激光雷達和攝像頭采集到路面數(shù)據(jù)后，通過算法就能夠同時計算目標物體的距離和速度，即達到動態(tài)物體追蹤的效果，這可以簡化整車廠的工作量。
就服務于整車廠的激光雷達廠商而言，速騰聚創(chuàng)同時具備硬件和點云數(shù)據(jù)后處理算法的研發(fā)能力是一個優(yōu)勢。
為何是16線？
整車廠商和激光雷達廠商都有一個線束選擇的問題，如國外的Velodyne和Ibeo等在8線、16線、32線以及64線激光雷達產(chǎn)品線的布局上都有差異。速騰聚創(chuàng)邱純鑫則解釋了他們?yōu)楹螘x擇16線的產(chǎn)品。
這次測試的小型16線混合固態(tài)激光雷達是國內(nèi)首個推向市場的實用化多線雷達，這和國外企業(yè)早先推出的32線和64線激光雷達相比，不僅在技術路線和實現(xiàn)方案上更加領先，而且通過內(nèi)部光機電結(jié)構的整體優(yōu)化，配合成熟的點云建模和輔助視覺算法，能夠更好的達到實用要求，并且有效降低整體產(chǎn)品成本。
邱純鑫還告訴雷鋒網(wǎng)，現(xiàn)在越來越多的整車廠開始選擇多個掃線束耦合的方案，而外觀酷似大花盆的Velodyne 64線激光雷達已經(jīng)是一個雞肋產(chǎn)品。例如，你可以用四個16線的激光雷達，通過算法的整合就可以達到64線的效果，而線束少量產(chǎn)效果和成本價格也有優(yōu)勢，所以多個混合固態(tài)16線激光雷達耦合是目前應用的趨勢。
還了解到，速騰聚創(chuàng)現(xiàn)在的主要目標是量產(chǎn)16線混合固態(tài)激光雷達，并且開始尋求和更多的汽車一級供應商（Tier1）以及車輛主機廠家進行聯(lián)合測試和開發(fā)產(chǎn)品，預計首批16線混合固態(tài)激光雷達會在近期內(nèi)出貨；另外，邱純鑫還表示，速騰聚創(chuàng)也會接受8線與32線激光雷達的定制產(chǎn)品，但沒有研發(fā)64線產(chǎn)品的計劃。
毫無疑問，隨著速騰聚創(chuàng)等國內(nèi)廠商相繼推出成本更低、可落地應用的激光雷達后，無人駕駛生態(tài)圈無論是整車廠還是高精度地圖提供商的技術門檻都將進一步降低，這也將加快無人駕駛汽車商業(yè)化的進程。
轉(zhuǎn)載請注明出處。
相關文章
熱門資訊
精彩導讀
關注我們
