今年，政策的推动和新能源汽车的活跃，让智能汽车市场规模及渗透率显著提升。

　　根据罗兰贝格数据显示，2020年我国L2及以上级别的ADAS系统渗透率仅为9%，今年一季度L2级自动驾驶乘用车渗透率达23.2%，较2021年一季度7.5%大幅提升，预计到2025年，L2及以上级别的ADAS系统渗透率可达到40%。

　　但是L2级别渗透率的提升似乎改变不了行业对L4级别自动驾驶所持的悲观情绪，Argo AI巨亏，Cruise发展缓慢，Waymo的估值从最高1750亿美元下跌到了300亿美元…L3、L4级别自动驾驶迟迟无法落地让自动驾驶研发公司们普遍遭到了资本和市场的冷遇。而这其中最关键的一点原因就是感知系统的局限，无论是特斯拉的纯视觉方案还是其他车企的多传感器融合感知方案，都未见实质性的突破。

　　提升自动驾驶的感知系统，成了当下车企及技术供应商们首要解决的问题。

　　硬件堆叠的“无用功”

　　市面上大多数车企及造车新势力选择的都是多传感器融合感知方案，因为不同的传感器拥有不同的优劣势，所以多种传感器同时作用、相互配合，共同对信息进行获取和分析，能够弥补单一传感器本身存在的缺陷。这就是感知融合，我们看到，即使是特斯拉，也开始下场研制自己的毫米波雷达，不再执着于曾经的纯视觉方案。

　　不过，传感器数量的增多似乎成了车企智能化宣传的一个“噱头”，这使得很多企业开始堆叠硬件，以为这样可以让自动驾驶“看”得更清。

　　如理想L9，标配旗舰级ADMax智能驾驶系统包括1颗前向128线激光雷达、6颗800万像素摄像头和5颗200万像素摄像头，以及1颗前向毫米波雷达和12颗超声波传感器，整车为25个视觉传感器；蔚来汽车的自动驾驶系统中，优先级最高的是激光雷达和11个摄像头；在埃安L4测试车上，甚至出现了搭载6颗激光雷达的处理方案。

　　高阶自动驾驶的实现真能通过传感器堆叠实现吗？且不说传感器增多造成的整车能耗大幅上升，汽车的感知能力和智能化体验就提升了吗？这显然是一个误区。

　　以搭载三颗激光雷达的广汽埃安AION LX Plus和搭载双激光雷达的小鹏P5为例，尽管前者把智能化作为产品主打的一个卖点，可在智能化配置（ADiGO 4.0智驾辅助系统）上，依然停留在高速NDA增强版以及城市NDA功能内。

　　激光雷达是新能源汽车最热门的配置之一，但不同的激光雷达自然也有性能的差异，其他传感器也是如此。如今，车企不断堆叠传感器的数量来提升自动驾驶的感知能力，这在硬件性能没有改善或突破之前，可能只是增加了营销的噱头，而且这种趋势可能也会驱使激光雷达的生产商们更侧重降低成本以提升销售量，而非产品升级。

　　堆叠硬件还存在一个现实的问题，即成本。激光雷达是目前应用于车上的感知元件中造价最昂贵的，一颗高性能激光雷达的价格接近一万元，最便宜的也要三四千，虽然各大厂商都在试图将激光雷达的价格进一步降低，可业内人士表示，激光雷达的降价仍未达预期。

　　换句话说，如果安装多个激光雷达，那整车的价格必然大幅提升，这于产品的市场竞争力极为不利。

　　感知系统升级建立于产品突破

　　随着自动驾驶功能在汽车应用的普及，汽车传感器市场一直在保持快速增长，但既然盲目堆叠传感器无法真正提升智能汽车的感知能力，那么产品自身的性能创新和升级就成为了唯一的突破口。尤其是当前性价比高的产品及技术方案更受到主机厂的青睐，所以传感器相关企业往往面临两个选择，一个是在不增加成本的前提下提升性能，另一个是在保持性能的同时降低成本。

　　这也是为什么行业内开始讨论4D毫米波雷达能否成为激光雷达的“平替”。

　　眼下4D毫米波雷达的赛道上，已经开始涌入越来越多的参与者，既包括大陆集团、采埃孚、安波福、博世这样的传统国际巨头，它们垄断了中国80-90%的市场，也有像复睿智行这样的新入局者，期待通过自主研发推动毫米波雷达的国产化替代升级。近日，复睿智行在上海举行了一场产品发布会，其自主研发的高性能4D毫米波雷达首次对外公布，这也是复睿智行感知解决方案的“杀手锏”。

　　在产品层面，不同于市面上主流的3发4收雷达，复睿智行研发的“哥伦布”是第一款使用4发4收解决方案的雷达。在探测能力和角分辨能力上，哥伦布雷达分两个版本：前雷达和角雷达，前者最大探测距离高达300米，是市场上非成像当中能够实现的最大距离，水平角分辨率低至2.5°，垂直角精度±1.0°；后者探测距离超过200米，水平视场角达160°，水平角分辨率低至4.8°。

　　从参数上看，哥伦布雷达的探测距离和探测能力得到了大幅度提升，可以对标国际头部厂商的最新一代产品。以川速微波推出的77GHz增强版AVP角雷达为例，集成角雷达模式和4D点云模式，水平角探测范围±75°，俯仰角探测范围±15°，最远探测距离为120米。

　　另外，值得一提的是哥伦布雷达的俯仰探测能力，因为使用了3层俯仰天线布局，俯仰探测性能两倍于市场上主流的产品。

　　不过一旦越来越多的4D毫米波雷达被安装在车上，雷达相互干扰的缺点就暴露出来。为了解决这个问题，复睿智行一面采用了芯片支持影片加速的抗干扰检测技术，另一面则通过算法去减少或者修正干扰带来的影响，将智能抗干扰技术提高了3倍的稳定性。

　　当前毫米波雷达的发展已经开始进入国产替代的阶段，较好的波形设计能力和天线设计能力只是一款4D毫米波雷达的基础，日渐激烈的市场竞争将会更加考验国内厂商的自主研发能力。而哥伦布雷达全面的、综合的性能提升，可以说恰恰对外展示了复睿智行在自动驾驶感知系统上的硬件研发能力。

　　而且，复睿智行聚焦硬件单品，把产品性能做到极致，然后再造一个感知系统，这与堆叠硬件的做法相反，为感知系统提升、获取更多的数据提供了新的思路。

　　当然，4D毫米波雷达性能升级，不是说替代激光雷达，而是为主机厂提供更具性价比的解决方案，减少他们对激光雷达在数量和质量上的要求，满足他们对降低成本的迫切需求。

　　从成本来看，4D毫米波雷达的成本和传统毫米波雷达成本相近，约为激光雷达的1/10。目前，“视觉+毫米波雷达”的L2级视觉方案已能压低到2000元/套，而一些L3级的视觉方案，如果不需要那么高线束的激光雷达，使用高性能的毫米波雷达，可以极大地降低整车的成本。

　　据复睿智行CTO周轶所说，“结合算法，我们至少可以节约50%的量产成本，帮助主机厂用一个比较好的价格去实现L2+或L3、L4的量产工作”。

　　软硬件高度统一，为自动驾驶搭建数字底座

　　尽管4D毫米波雷达以及围绕4D毫米波雷达形成的感知解决方案还没有真正进入落地，但凭借性价比的优势，一旦有主机厂大规模搭载和使用4D毫米波雷达，后边的企业很可能就会迅速跟进。

　　不过，自动驾驶的感知系统固然是通过摄像头、毫米波雷达、激光雷达、超声波雷达等硬件来承担自动驾驶汽车“看”的任务，可这其中也存在“看不见”的软件成本，比拼智能感知方案同样也是在比拼软件能力。就像特斯拉的纯视觉方案之所以功能强大，在于不断创新和升级的视觉算法。

　　而目前来说，多融合感知方案在硬件方面的实现不算太困难，主要困难是没有足够优化的融合算法。

　　当前，市场上主流的算法走的是后融合的技术路径，在后融合架构中，每个传感器独立地输出探测数据信息，在所有的数据信息被处理后，再汇总最后的感知结果。举个例子，不同传感器进行独立感知，激光雷达看到的是一条柯基，毫米波雷达看到的是一条狗，而摄像头看到的是一只小动物，将这些信息汇总处理后，系统才做出综合判断。

　　很显然，不同传感器的独立运作，是无法把不同传感器优劣互补的作用发挥出来的。比如摄像头不擅长判断距离和位置，雷达不擅长判断颜色和纹理，系统需要对它们的信息进行互相验证，才能达到更高的可信度。

　　复睿智行提供的感知方案更倾向于前融合算法，即在原始数据层面把所有的传感器信息进行直接融合，根据融合后的信息实现感知功能。相比后融合算法，前融合算法可以大大提高检测的高精度，避免对小目标的错过，但是它也对技术供应商提出了更高的要求，比如算力，前融合技术需要直接处理原始数据，会消耗大量算力，同时硬件性能越高，才能获取更完善的原始数据。

　　复睿智行自主研发的4D毫米波雷达，各项性能可以对标国际头部厂商最新一代产品，处于全球领先地位，这为其打造更强大的前融合感知算法提供了领先的传感器支持。再结合前融合算法，技术上可以说能够实现全路况、全天候、全场景和全目标的数据获取和精准感知。

　　比如一些非常见目标，因为缺乏数据样本，很可能无法被感知，而复睿智行采用前融合算法，即使摄像头不知道目标是什么，毫米波雷达也知道它在哪里、以怎样的速度在运行，补充了目标的信息。

　　为了更好地落地融合感知系统，复睿智行还研发了自己的域控制器，基于高算力SOC芯片，支持多路高清摄像头、毫米波雷达和激光雷达的接入，与其感知融合算法形成软硬件的高度统一。因此，我们可以看出，复睿智行基于4D毫米波雷达、前融合算法和域控制器，打造的是一套高性能、综合性、相对完整的感知系统。

　　单车智能和车路协同，双线并行

　　高性能的硬件和优化的融合算法结合，将进一步提升自动驾驶感知系统的信息获取能力，使其看得更清楚，为控制决策提供更多的数据参考。但需要认清的是，即使多传感器融合感知方案具有较大的可行性，可很多视觉感知的局限性仍没有解决方案。

　　举个简单的例子，无论是摄像头还是雷达，都是基于生物感官的产物，且都搭载在车端，这就必然会有“盲区”的存在，即便系统再智能，也仅能在视觉范围内做出快速精确的决策。再比如极端的雨雪天气下，雨雪容易遮挡摄像头或雷达设备，使它们无法正常工作，再完善的感知系统也无济于事。

　　所以说，视觉感知的局限，不是通过不断提升单车智能化程度就可以解决，车路协同也因此作为自动驾驶的另一条路径而被不断提起。

　　其实单车智能和车路协同不是相互排斥的，车路协同理论上能够弥补当前单车智能不够智能的缺陷，尤其是感知上，是目前突破视觉感知局限性所能想到的最可行方案。比如盲区的问题，路侧传感器普遍位于高处，拥有比车载传感器更开阔的视野，感知范围也更大，利用路侧传感器与自动驾驶汽车的交互协同可有效避免视觉盲区。

　　复睿智行在提供智能驾驶融合感知方案的同时，也深入到车路协同，针对车联自动驾驶、智慧交管、全息路口、智慧停车、测试场等多元化场景定制了相应的解决方案。

　　比如智慧停车，目前主要是在智慧园区内，通过上线具有厂端增强感知能力的智慧停车场，在厂端用感知能力提供整个厂端的路径规划、厂端停车位的引导，包括一些目标物的识别、盲区的警示、鬼探头的警示等等，来辅助单车智能，提升自动泊车的效率和安全性。

　　针对车路协同，复睿智行在车、路两端拥有的软硬件自主研发能力，为其差异化解决方案提供了基础。而除此之外，复睿智行的一大优势在于背靠复星集团，复星集团的布局几乎覆盖一条完整的汽车产业链，上下游企业之间进行联动和协同，可以帮助其加快技术方案的实践与落地。

　　更关键的是，发展车路协同的最大难点在于它不仅牵扯到诸多交通、法规、政策的要素，而且也需要各地政府部门、电信运营商、云服务供应商等不同主体相互配合。复星集团的背书，可以帮助复睿智行更好地对接政府部门，相互协助，共同推动智慧城市的步伐。

　　目前复睿智行在创立仅一年时间里，已先后携手柳州、成都、武汉、南京、上海金桥等多地，开启交通智能网联升级项目。

　　未来，自动驾驶的实现是单车智能与车路协同的深度融合，两条技术路线并行，或许也能打开自动驾驶的新局面。

更多信息可以来这里获取==>>电子技术应用-AET<<