深度解析蔚来ET7自动驾驶技术

李博Garvin 2021-01-12 22:10:56  7655  收藏 11

分类专栏： 机器学习 文章标签： 人工智能 机器学习 自动驾驶

版权

机器学习

专栏收录该内容

115 篇文章4 订阅

订阅专栏

我个人是个汽车迷，每天都会看大量汽车相关的信息，最近蔚来发布了ET7这款车，看宣传是有机会实现L4自动驾驶，有不了解自动驾驶技术的同学可以看下以下信息：

除了传统的依靠视觉模型做自动驾驶的实现以外，本次蔚来ET7也搭载了Aquila超感系统。也就是说ET7是包含了：视觉自动驾驶技术+雷达波自动驾驶技术。接下来分别聊下ET7在这两方面技术的一些功能点。

视觉自动驾驶技术

ET7搭载了4颗NVDIA Drive Orin芯片以及800万像素的摄像头，这两个硬件设备是视觉自动驾驶技术实现的根本。先来说下芯片，这款芯片是专业的车载芯片。

ORin芯片可以支持基于Cuda和TensorRT做深度学习模型的服务，TensorRT是一个模型服务的框架，可以支持各种框架产生的模型。

ET7每秒钟可以产生8GB的视频，而视觉自动驾驶技术，其实就是一个物体识别模型实时inference的流程，需要保持每秒钟超过10个以上的图片识别请求效率。所以视觉自动驾驶的实现前提是强大的芯片计算力。Orin芯片是这个计算力的保证。

另外我个人的一个猜想，其实在汽车驾驶过程中Orin芯片可以被用来做实时的图片识别，当汽车不运行的时候，比如汽车充电的时候，这些计算力也可以用来做模型的更新，利用迁移学习技术对本车产生的一些新的数据做模型的fine-tune，不过如何保证这些fine-tune的模型准确率是个问题。短时间内，我猜测，汽车芯片还是主要负责inference，不会参与训练。

雷达波自动驾驶技术

雷达波自动驾驶技术是对视觉自动驾驶技术的补充。NIO Aquila蔚来超感系统将定义量产车自动驾驶感知系统的全新标准，该系统拥有33个高性能感知硬件。11个800万像素的高清摄像头，4个前向，3个后向，4个环视；1个超远距高精度激光雷达，5个毫米波雷达；12个超声波传感器，两个高精度定位单元，以及车路协同感知和增强主驾感知。

在一些雷雨天气，摄像头可能被雨点弄模糊，或者在一些强光环境下，摄像头无法正确捕捉画面，这个时候通过激光雷达波的方式可以辅助识别前方障碍物。下图是雷达波反馈的一个前方障碍物效果图，基本也能构建出前方的事物。

Aquila雷达波系统是由一家中国供应商Innovusion提供，该供应商也接受了来自蔚来的投资。目前Innovusion主要提供L3以上的自动驾驶辅助功能。

激光雷达本身的原理非常简单，像激光笔一样打到边上屏幕上，发过去再回来。但是自动驾驶难就难在要在自然的场景下，在自然光的条件下，有时候还有阳光，各种雨雾天气情况下打这个激光笔的光点，而且光电会打到各种不同特性的物体表面。如果打在会场后面，大家可以看到光点大很多了。如果在外面阳光下，用这个激光笔打的光点几乎是看不到的。在自然环境下保守估计有5%-10%的几率激光雷达系统会接收不到从物体返回的信号。

比如在50米以外，一米高的小孩要十个点以上（才能有效感知），需要激光雷达的传感器分辨率至少达到0.2度左右。另外高速路上的行驶，大家公认比较保守的停车、刹车距离大约是150米左右，这么远距离以外，汽车比人更不可控制，也许有一些车本身擦得很亮，颜色非常深，这时候一个车上需要有15-20个点左右。同样推算，激光雷达的分辨率也需要0.2度左右。一个驾驶场景考虑到纵向有坡度等不同变化条件下，大家可能希望有大约20-30度左右的视角。30除以0.2度，所以大家希望激光雷达达到的线数是150线左右，这是L4级自动驾驶的最低线数。

总结一下

目前来看，蔚来在自动驾驶方面准备走雷达波结合视觉识别的方式，对比特斯拉只采用视觉识别的模式，蔚来的方案显然保证性更高。在视觉识别方面，未来技术发展路线一定是通过更多地训练样本提升模型准确率。在雷达波技术演进方面，未来很有可能采取更多线的雷达波方案，增加辐射面积。

蔚来这辆车我爱了，希望国产车越来越牛~

————————————————

版权声明：本文为CSDN博主「李博Garvin」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。

原文链接：https://blog.csdn.net/buptgshengod/article/details/112548869