拆解自動駕駛汽車：攝像頭賦予“視覺” V2X感測器實現資訊交換

自動駕駛汽車依靠幾種先進技術進行自我導航。 我們將AV分拆，看看這些技術如何協同工作以及哪些公司正在推動它們向前發展。

自動駕駛汽車依靠一系列互補技術來理解周圍環境，並作出反應。

一些AV公司正專注於這些特定元件，並與汽車製造商和一級供應商合作，以幫助他們的產品擴大規模，而其他公司，如Zoox和Nuro，正在從頭開始設計他們的車輛。

CB Insights仔細研究了許多可以實現自動駕駛的技術，並列出一些希望使AV更先進、成本更低、更容易擴充套件的初創公司。

感知

自動駕駛車輛必須能夠識別交通訊號和標誌以及其他汽車，腳踏車和行人。它們還必須感知到來的物體的距離和速度，以便知道如何作出反應。

AV通常依賴於攝像頭和其他感測器，例如雷達和光探測和測距（鐳射雷達），每種感測器都提供其自身的一系列優點和侷限性。

這些感測器收集的資料透過稱為“感測器融合”的技術混合在一起，以儘可能精確地表示汽車周圍的環境。

攝像頭和計算機視覺

攝像頭普遍用於配備先進駕駛員輔助系統（ADAS）的自動駕駛車輛和車輛。與雷達和鐳射雷達不同，攝像頭可識別顏色和字型，有助於檢測道路標誌，交通訊號燈和街道標記。

然而，在檢測深度和距離時，相比鐳射雷達，攝像頭顯得蒼白無力。

許多初創公司正在尋求在汽車領域建立攝像頭，以提取最生動的影象。

7月份在D輪中籌集了1。21億美元的Light，開發了一款攝像頭，旨在與鐳射雷達的精度競爭。該攝像頭可以整合所有16個鏡頭的影象，提取出高度精確的3D影象。

為了處理從攝像頭引入的資料，AV系統使用經過訓練的計算機視覺軟體來檢測物體和訊號。軟體應該能夠識別車道邊界的具體細節（例如線條顏色和圖案）並評估適當的交通規則。

許多初創公司正在尋求開發更復雜、更高效的計算機視覺技術。

像DeepScale這樣的公司正在部署深度神經網路，以提高識別能力，並隨著時間的推移保持錯誤率的提高。

總部位於巴黎的Prophesee開發了基於事件的機器視覺，有助於識別物體並最大限度地減少資料過載。該公司的深度學習技術模仿人類大腦如何處理視網膜影象。

標準攝像頭中基於幀的感測器依賴於同時捕獲影象的畫素，並逐幀處理影象；基於事件的感測器依賴於彼此獨立工作的畫素，允許它們作為連續的資訊流捕獲運動。

該技術減少了傳統攝像頭在處理來自一系列幀的影象時所經歷的資料負載。

Prophesee希望將其機器視覺功能部署到多個行業，從自動駕駛汽車到工業自動化再到醫療保健。 2月，該創業公司在B輪後續輪次中籌集了1900萬美元。

RADAR，LIDAR和V2X

AV開發人員正在整合雷達和鐳射雷達感測器，以增強攝像頭的視覺功能。

AV使用感測器融合 - 軟體集成了所有感測器的資料，建立汽車周圍環境的一致檢視 - 處理來自眾多感測器的資料。

除了視距感測器之外，許多初創公司和汽車公司正致力於車輛到一切（V2X）技術，該技術允許車輛與其他連線裝置進行無線通訊。

該技術仍處於早期階段，但它有可能為車輛提供附近車輛、腳踏車和行人的實時饋送，即使它們位於車輛的視線之外。

雷達

汽車使用雷達透過發出無線電波來檢測即將到來的物體的距離、範圍和速度。

雷達技術被認為比鐳射雷達更可靠，因為它具有更長的探測範圍，並且不依賴於更容易出錯的旋轉部件。它的成本也大大降低。因此，雷達廣泛用於自動駕駛汽車和ADAS。

Lunewave於9月份從寶馬和百度籌集了500萬美元的種子資金，正在使用3D列印技術創造更強大的天線，具有更大的範圍和精度。該公司的技術基於Luneburg天線，該天線是在20世紀40年代開發的。

Metawave還致力於提高雷達的能力。該公司開發了一種模擬天線，使用超材料實現更快的速度和更長的探測範圍。

5月份Metawave的1000萬美元后續種子輪包括來自DENSO、現代和豐田等大型汽車公司的投資，以及智慧投資VC Khosla Ventures。該公司宣佈了一級供應商英飛凌8月份對後續一輪的投資。

光探測和測距(鐳射雷達)

鐳射雷達被認為是最先進的感測器。其高精度能夠建立車輛周圍環境的3D渲染，便於物體檢測。

鐳射雷達技術使用紅外感測器來確定物體的距離。感測器以快速的速率發出鐳射脈衝，並測量光束返回其表面所需的時間。

傳統的鐳射雷達裝置包含許多旋轉部件，可捕捉汽車周圍環境的360°檢視。這些部件的開發成本更高，並且往往不如靜止部件可靠。初創公司正在努力降低鐳射雷達感測器的成本，同時保持高精度。

一種解決方案是固態鐳射雷達單元，其沒有移動件並且實施成本較低。

以色列初創公司Innoviz開發出的固態鐳射雷達技術成本“高達數百美元”，這是Velodyne售價75，000美元的鐳射雷達裝置成本的一小部分，該裝置包含128個鐳射器。

今年4月，Innoviz宣佈與汽車製造商寶馬和一級供應商麥格納合作，在寶馬自動駕駛汽車中部署鐳射雷達掃描器。

Aeva也在開發固態鐳射雷達。它在10月份A輪融資中籌集了4500萬美元。該公司聲稱其技術範圍為200米，成本僅為幾百美元。與傳統的鐳射雷達不同，Aeva的技術可以發出連續的光波而不是單個脈衝。

總部位於中國的速騰聚創（Robosense）正在開發固態鐳射雷達。它在10月份C輪融資中籌集了4330萬美元，這是中國鐳射雷達公司最大的一輪融資。這輪投資者包括阿里巴巴的物流部門菜鳥以及汽車製造商SAIC和北汽。

V2X感測器

V2X技術實現了車輛與其他連線裝置之間的無線資訊交換。雖然仍處於早期階段，但V2X技術可以幫助解決鐳射雷達、雷達和攝像頭等視距感測器的侷限性。

V2X感測器可以檢測道路危險，交通擁堵以及車輛視野外的迎面而來的盲點。

總部位於以色列的創業公司Autotalks正在與現代公司合作，為大眾市場擴充套件其V2X感測器技術。該創業公司已獲得現代以及二級供應商三星的資助。

駕駛員資料和模擬

道路測試和模擬的駕駛員資料對於開發自動駕駛技術至關重要，因為它訓練指導車輛的演算法。

根據蘭德公司的說法，自動駕駛汽車需要駕駛數億甚至數十億英里來驗證其安全性。對於AV開發者來說，從測試車隊收集這些資料需要數年的時間。

因此，AV開發人員透過模擬積累了額外的里程。

模擬初創公司和AV開發人員使用人工智慧生成或擴充簡單資料集來訓練自動駕駛汽車。該技術特別有助於在危險的、不太頻繁的情況下訓練AV，例如眩目的太陽或從停放的汽車後面突然跳出的行人。

總部位於以色列的創業公司Cognata開發了一個3D模擬平臺，為客戶提供各種自動駕駛測試場景。

10月B輪融資中，該公司從包括空客和Maniv Mobility在內的投資者那裡籌集了1850萬美元。

英偉達是處於模擬前沿的主要公司之一。 5月，它推出了一個名為DRIVE Constellation的基於雲的模擬平臺。該平臺在公司的GPU上執行，併為AV系統生成感測器資料流以進行處理。 英偉達可以在數十億英里的定製場景中訓練其演算法。

9月，該公司向合作伙伴網路開放了模擬平臺，包括創業公司Cognata和Parallel Domain，以及主要的科技公司西門子。

與收集駕駛員資料相關的另一個挑戰是影象註釋，或標記資料，以便AV可以識別和分類物件。

培訓資料啟動MightyAI正在與構建計算機視覺模型的公司合作，以幫助標記他們用於培訓系統的資料。 MightyAI提供資料管理、註釋和驗證工具。

公司用於理解收集的資料的一種技術是語義分割，其透過畫素分解影片影象，以允許更細粒度的處理。

中國科技巨頭百度也開發了自己的語義分割軟體ApolloScape，用於自動駕駛的開源資料集。

百度的技術可實現多達26種分類的影象註釋，包括汽車、行人、腳踏車、建築物和路燈，以幫助自駕車識別道路上的可駕駛區域和即將來臨的危險。

本土化

自動駕駛車輛還需要知道其準確位置，以便進行決策和路徑規劃。

許多人依靠GPS訊號，但這些測量結果可能會偏差1-2米 - 錯誤率太高，因為整個腳踏車道平均大約為1。2米。

因此，AV開發人員依賴於一系列技術，包括預建地圖，有助於將錯誤減少到不到1米。

預先構建地圖

當車輛自行導航時，它們將周圍環境與儲存在其記憶中的數字地圖進行比較。

這些地圖稱為HD地圖，比用於個人導航軟體的數字地圖更精確。它們包含基於道路的資訊，例如車道尺寸、人行橫道和道路標誌，並且透過從外部車輛感測器收集的資料得到增強。

許多初創公司設計了所需的硬體（即感測器）和軟體，可以在道路上收集資料，然後將其轉換為數字地圖。

DeepMap開發了地圖構建軟體，計劃向汽車製造商和以AV為重點的科技公司授權。一級供應商羅伯特博世於8月投資該創業公司，先前的投資者為Andreessen Horowitz和Accel Partners。

Civil Maps還在開發用於全自動駕駛車輛的3D繪圖技術。使用AI，公司將原始感測器資料轉換為有意義的地圖資訊。

一些公司正在自己構建HD地圖，目的是將資料許可給有關各方。

地圖領域的兩個主要參與者是HERE Maps和TomTom。 HERE Maps於2015年12月被德國汽車製造商聯盟（奧迪，寶馬和戴姆勒）收購。TomTom於1月份與百度合作，將其美國和西歐的地圖與百度廣泛的中國地圖整合在一起。

谷歌在地圖繪製領域也取得了顯著進展。沃爾沃於10月宣佈，它正在將其地圖平臺從TomTom轉移到谷歌。谷歌的自動駕駛部門Waymo也使用自己車輛在道路上收集的資料建立的高畫質地圖。

百度正在為其自動駕駛汽車軟體平臺Apollo構建高畫質地圖。該公司認為有機會透過將地圖出售給汽車製造商來將地圖貨幣化，並收取服務費或將費用納入車輛成本。

百度認為，其高畫質地圖業務最終將超過其目前中國最大的搜尋業務。

完整的系統

許多公司正在研究完全自動駕駛系統而不是特定元件。

雖然這些初創公司大多專注於自動駕駛和與汽車製造商合作部署他們的技術，但有些正在從頭開始重建他們的車輛。

自動駕駛系統

大多數構建完整自動駕駛堆疊的公司都提供包括計算機視覺和感測器融合軟體的軟體包，以及自動駕駛所需的硬體。這些系統是自動駕駛汽車的“大腦”。

這個領域的初創公司通常與汽車製造商合作部署他們的技術。在某些情況下，他們可以使用該技術改造現有車輛。

例如，Drive。ai正在使用其自主系統來建立改裝套件。在德克薩斯州弗里斯科試駕了幾個月的自駕車服務後，該公司於10月將其服務擴充套件到德克薩斯州的阿靈頓。

2017年9月，Drive。ai與Lyft合作，將配備系統的自動駕駛汽車帶到Lyft的開源軟體平臺上。

中國還有幾家公司致力於自動駕駛系統。

總部位於北京的Momenta於10月份躋身獨角獸行列，並在電動車製造商蔚來和中國科技巨頭騰訊的幫助下進行了C輪融資。 Momenta與蘇州政府合作，部署了大規模的測試車隊，並在該市建立了智慧交通系統。

Pony。ai也達到了獨角獸的地位。該公司已與中國第二大汽車製造商廣汽集團合作，部署其完整的AV堆疊。它在9月份在廣州推出了一個自動駕駛車隊，距離A輪融資籌集1。02億美元僅僅三個月。

完整的車輛

像Zoox和Nuro這樣的公司正在從頭開始建造車輛。

Zoox的原型車與傳統車型有很大不同，它們不包括方向盤或儀表板，內部包含兩個相互面對的長座椅。

它的車輛尚未合法允許在公共道路上行駛，因此Zoox正在與Toyota Highlanders一起臨時測試其技術。

該公司獨特的方法引起了投資者的極大關注，在其聯合創始人兼執行長被解職後，近幾個月吸引了大量媒體關注。

迄今為止，Zoox已經籌集了8億美元，包括7月份B輪融資的5億美元，估值為32億美元。 該公司計劃到2020年將其AV部署在乘車服務中。

Nuro的AV設計用於運載貨物而非人員，以應對困擾眾多零售商的最後一英里交付瓶頸。

大型車廠雄心勃勃

傳聞通用汽車到2018年推出自動駕駛汽車。2016年，通用汽車斥資5。81億美元收購了自動駕駛汽車初創公司Cruise Automation。上月通用宣佈他們正在為Cruise Automation建立一個新的研發設施，並增加1，100個新工作崗位。

據路透社報道，有傳言稱，通用汽車計劃明年與旗下拼車公司Lyft合作部署數千輛自動駕駛電動汽車。通用汽車斥資5億美元收購Lyft 9%的股份，這是其打造按需自動駕駛汽車綜合網路戰略的一部分。

福特聲稱到2021年推出真正的自動駕駛汽車2月，福特宣佈將投資10億美元購買Argo AI。機器人公司由前谷歌和Uber領導人建立。福特計劃將Argo AI的專業知識與福特現有的自動駕駛汽車相結合，在2021年推出一款“全自動駕駛汽車”。福特將首次使用這些汽車用於打車服務應用。

福特汽車執行長馬克·菲爾德表示，福特計劃在2021年製造“L4級別的自動駕駛車輛，沒有油門踏板，沒有方向盤，乘客將永遠不需要在預定義區域內控制車輛。”福特實際上計劃跳過L3級別並直接進入L4。

本田則聲稱到2020年讓自動駕駛汽車在高速公路上執行。去年年底，本田宣佈正在與Alphabet旗下Waymo進行洽談，將Waymo自動駕駛技術納入其車輛中。本田長期以來的目標是擁有至少能夠在2020年前在高速公路上行駛的汽車。那時東京將舉辦夏季奧運會，而日本則希望能夠展示其技術實力。

豐田同本田一樣，到2020年在高速公路上部署自動駕駛汽車。豐田汽車公司一直是對自動駕駛汽車持懷疑態度的汽車公司之一，但在2015年他們做出了巨大的投資以趕上。豐田汽車公司將在五年內向豐田研究院投資10億美元用於開發機器人技術和人工智慧技術。豐田希望在2020年推出基於Highway Teammate計劃的產品。這也將適合東京奧運會。

雷諾-日產表示在2020年開發出適用於城市環境中的自動駕駛汽車，2025年開發出真正的無人駕駛汽車雷諾 - 日產指望與微軟建立新的合作伙伴關係，以推動其自動駕駛汽車的發展。雷諾 - 日產計劃到2020年釋出10款不同的自動駕駛汽車。

沃爾沃表示到2021年在高速公路上部署自動駕駛汽車。沃爾沃認為，自動駕駛汽車將改變共享乘車行業和豪華車市場。去年，沃爾沃與Uber達成了一項價值3億美元的合資企業，以開發下一代自動駕駛汽車。沃爾沃正在為Uber的自動駕駛測試提供實體車輛。

沃爾沃已經採取措施避免一些可能減緩自動駕駛車輛發展的消費者關注和法律問題。 2015年，沃爾沃成為第一家承諾在汽車處於自主模式時承擔全部責任的汽車公司。

現代表示2020年將自動駕駛在高速公路執行，2030年實現城市環境駕駛。現代正在研發自動駕駛汽車，但更注重可負擔性。在一份宣告中，現代聲稱它正在“開發自己的自動駕駛汽車作業系統，目標是使用更少的計算能力。這將產生一個低成本的平臺，可以安裝在普通消費者可以買得起的未來現代車型中。”

戴姆勒聲稱，到2020年初幾乎達到完全自動駕駛。今年年初，戴姆勒宣佈與Uber達成協議，未來幾年內在Uber的乘車共享平臺上推出他們的自動駕駛汽車。與其他幾家汽車製造商一樣，戴姆勒將移動性視為一種服務，將其作為首次使用自動駕駛汽車的合理場所。

菲亞特-克萊斯勒執行長預計到2021年無人駕駛汽車將會上路。菲亞特-克萊斯勒去年還與Waymo合作，測試了一些自動駕駛的克萊斯勒Pacifica Hybrid小型貨車。

寶馬錶示到2021年達到完全自動駕駛。 去年，寶馬宣佈與英特爾和Mobileye進行高調合作，開發自動駕駛汽車。官方目標是到2021年“批次生產高度全自動駕駛汽車”。

特斯拉曾提出的目標是在2017年底。作為一家規模較小的初創汽車製造商，特斯拉一直致力於推動技術的發展。 去年，特斯拉開始確保所有汽車都具備完全自動駕駛功能所需的硬體，甚至在軟體/資料準備好之前。 特斯拉汽車已經擁有增強型自動駕駛儀。馬斯克預測，到今年年底，特斯拉將能夠從洛杉磯開車到紐約市而無需接觸方向盤。