vbox5184_0S1A5357_140100_small_v1 拷贝

深度体验四维图新无人车 起步很快还能窜!【附视频】

origin自动驾驶 车东西2017/11/17

车东西(公众号:chedongxi) 文 | Origin 11月16日 ,四维图新在京召开用户大会,宣布全面 […]

车东西(公众号:chedongxi)
文 | Origin

11月16日 ,四维图新在京召开用户大会,宣布全面转型自动驾驶。曾经的图商在导航、车联网、自动驾驶和芯片上纷纷布局,要在即将到来的自动驾驶时代玩一把大的。

车东西应邀参加了四维图新的自动驾驶车体验,并在现场与四维图新自动驾驶研发部经理马周详谈了一番。从这辆自动驾驶车切入,四维图新为什么要做自动驾驶,如何做自动驾驶等问题,也变得清晰。

一、自动驾驶车体验:起步很“莽” 转弯很稳

四维图新的自动驾驶车有两辆——长城的哈弗H6与H7。此次为我们提供自动驾驶服务的,是哈弗H7。

WechatIMG6.jpeg 拷贝

无人车上路要吃罚单已有先例,所以四维图新选择了一块封闭的停车场搭建了体验场景。场中有两条并行车道,以及一些障碍物。

出于安全考虑,驾驶位上坐着四维图新的工作人员,不过他并没有触碰过方向盘。一个有意思的小细节是,四维图新的自动驾驶H7的起步是通过手机语音控制的——四维图新本身,也在做车内的语音识别方案。

这辆自动驾驶H7的起步着实令人吃了一惊,因为在我们体验过的自动驾驶车中,从来没有车在起步时如此“欢脱”,非常快地就加速出去了,完全不像其他无人车那样扭扭捏捏。不过整个场地中相对空旷,在起步阶段确实没有障碍物对它形成阻碍。不过起步的爽快只是短暂的,最高跑到20公里出头之后,H7就再也不肯加速了。事后工程师向我们解释,场地大小有限,因此H7的决策算法自动把时速限制了下来。

在绕桩转弯的时候,H7就没有那么加速时那样一气呵成了,打方向盘时,它并不是像人类驾驶员一样平滑地完成整个动作,而是像在试探一样,一点点将方向盘“挪”过去,并且在中途还会反打进行修正。

这些动作,都很像刚刚摸到车的人类新司机——因为对车的操控不是那么熟悉,所以会小心操作,求个稳当。当然,对并不生产车的四维图新来说,车身控制并不是其强项。

在行驶过程中,遇到前方有障碍桩的情况,H7会选择变道避让。并且,其避让时间点非常提前,离桩型障碍物还有超过20米距离时,它就开始打方向盘了。

整个体验过程用时大概2半分,自动驾驶的H7表现中规中矩,没有任何纰漏,也没有让人惊艳的亮点——爽快的加速倒可以算一个。

体验结束之后,车东西清点了一下这辆哈弗H7的重要传感器:前风挡处一个720P单目摄像头,车头格栅处挂载着一枚来自Quanergy的8线激光雷达M8;车顶部则有GPS天线,接收定位信号。

WechatIMG4.jpeg 拷贝

WechatIMG5.jpeg 拷贝

很显然,在自动驾驶的环境感知方面,四维图新采用的也是多传感器融合的方案。

专访研发负责人:正研发L3级自动驾驶

自动驾驶研发部经理马周告诉车东西,四维图新的自动驾驶车目前在测试中能够支持高速场景下时速70公里的自动驾驶。

WechatIMG7.jpeg 拷贝

(马周)

这引发了车东西的疑惑——一般来说,单目摄像头可以进行识别的探测范围不过数十米,8线激光雷达的有效探测范围也是大致相同的水平。当以70公里的时速进行驾驶时,汽车每秒将驶过20米的距离,跑过60-80米就是3、4秒的事情。在这3、4秒内,自动驾驶车要实现环境感知、行为决策、路径规划、运动控制全过程,目前还很难做到。

进一步沟通,我们发现原来今天的自动驾驶车辆是低配版本,在高速自动驾驶时,四维图新的H7头顶也会有一枚8线激光雷达,正前方则会用到一枚探测距离超过150米的毫米波雷达。届时多个传感器数据融合,就能够形成相对可靠的环境感知能力。此外,四维图新当天还架设了RTK基站,为H7提供高精度定位支持。

WechatIMG8.jpeg 拷贝

(四维图新自动驾驶车的后台监测系统)

要处理、融合如此多的传感器数据并作出最终的决策,需要有强大的计算力支持。马周称,四维图新的自动驾驶车使用了英伟达的PX2作为主要的计算单元。作为目前计算能力最强的在售车载电脑,PX2理论上能够支持L3级别的自动驾驶。

L3也是四维图新正在研发的自动驾驶水平。不过,四维图新自己的ADAS芯片没有用在车上,倒是其中封装的算法,构成了这辆自动驾驶H7算法的一部分。

马周向车东西透露,四维图新的自动驾驶算法,主要还是人工手动设定的。对深度学习,除了拿来做感知阶段的图像识别,在决策、规划过程中使用并不多。在他看来,端到端用于整个自动驾驶,尚且只能算作“玩具”。由于深度学习的黑箱,人们难以对其工作过程进行拆解,在尤其关注安全的自动驾驶领域,大家对深度学习用于决策基本都持谨慎态度。

马周也表示,人工的规则化能够解决自动驾驶98%以上的情景,剩下的2%情景就需要一些非规则化(例如运用深度学习)的方式解决。这辆自动驾驶H7应对不同情境的选择何种行驶速度的策略,就是用深度学习训练出来的。

三、图商也玩自动驾驶?作出成绩让他们服

上述所见,都是一些常见的传感器与架构,四维图新手里与自动驾驶相关的最强技术,其实还是高精度地图。但这也让我们疑惑,四维图新完全可以作一个高精度地图的供应商,为什么要加入自动驾驶的竞争大潮?

这背后的原因,明面上当然是扩展业务、延伸价值链赚更多的钱;而背后,则有一个“奋发图强”的故事。

马周称,基于团队、技术方向的不同,每家公司的自动驾驶方案其实有侧重,比如Mobileye就强于视觉,而四维图新的长处就在于高精度地图。

依托于其作为图商巨头的制图技术、人才、经验以及资质,四维图新在2015年就开始采集制作高精度地图。当年ABB一道从诺基亚手中收购高精地图厂商Here时,四维图新也联合腾讯参与其中。2016年末,四维图新又联合腾讯准备收购国外10%的股份,不过由于受到美国的阻拦,未能成功。但四维图新与Here的合作关系还是延续下来,今年5月,四维图新与Here的合资公司图新瀚和成立,引入Here的经验与模式在中国开展服务。

高精度地图可以提前记录下各种道路信息,包括车道线在何处、路缘在哪里,前方指示牌是什么意思、红绿灯在哪儿,以及道路本身的曲率(即弯道弯度)、坡度等等详尽信息。

timg-98.jpeg 拷贝

(高精度地图)

对于自动驾驶车辆来说,行驶到一个区域时,加载、匹配该区域的高精度地图,自动驾驶系统就能快速确定道路上的静态物体,而不需要一个个地去进行实时的识别,这样就可以节省出大量的计算资源去应对运动物体,降低自动驾驶系统的计算负荷。提前获知曲率、坡度信息,也有利于自动驾驶车的车身控制。

但是,四维图新在制作、推广高精度地图的过程中,发现许多厂商对高精度地图理解不够,没有将高精度地图的优势发挥出来。或者换句话说,认为高精度地图不行,对自动驾驶没啥用。自己重视的未来关键业务竟然被看不起,四维图新当然不服了。本着“你行你上”的原则,四维图新组建了100余人的自动驾驶团队,要做出一套自动驾驶方案来,看看高精度地图究竟行不行。马周也是在那个时候,从干了十余年的导航部门,加入到了自动驾驶部门,带队研发。

所以,四维图新自己研发自动驾驶,初衷是为了测试在实际场景中,高精度地图究竟能否发挥作用;另一方面,对它如何更好地发挥作用,经过实地开发后,四维图新也能够获得更加及时的反馈。同时在业务方面,由单纯提供高精度地图数据升级为提供更完整的服务,减少客户的开发难度,显然也更容易买单。

结语:自动驾驶百家争鸣

在当下,已经有数不清的力量加入了自动驾驶的大潮中。其中既有互联网公司,也有传统整车厂,汽车供应商,还有为数众多的初创公司、造车新势力。四维图新,则是图商中的一个代表。

在亲身乘坐了四维图新的自动驾驶车,听过了其研发负责人的讲解后,车东西也更真切地感受到,四维图新这家传统图商,的的确确是在向自动驾驶全面转型。

就目前来说,四维图新在自动驾驶上的工作做得如何,还需要时间验证——两年之后,一批自动驾驶量产车上线,其中就不乏四维图新的合作伙伴。不过,从自己擅长的角度出发,四维图新确确实实和各方力量一起,在推动着自动驾驶的技术迭代、前进。