導(dǎo)語(yǔ)：汽車(chē)產(chǎn)業(yè)經(jīng)歷劇變，自動(dòng)駕駛浪潮來(lái)襲。是被浪潮吞沒(méi)，還是屹立于浪潮之巔？如何摘得“人工智能項(xiàng)目之母”桂冠，用智能代替雙手掌控車(chē)輛？從9月14日起，智東西重磅推出9堂自動(dòng)駕駛系列課。9位實(shí)戰(zhàn)派導(dǎo)師將為大家奉獻(xiàn)超過(guò)810分鐘的系統(tǒng)講解和深度互動(dòng)，完成對(duì) 33個(gè)知識(shí)點(diǎn)的專(zhuān)業(yè)拆解，和你一起建立未來(lái)汽車(chē)的知識(shí)壁壘。

第七課由速騰聚創(chuàng)聯(lián)合創(chuàng)始人兼CEO邱純鑫主講，主題為《基于激光雷達(dá)的地圖創(chuàng)建與定位》。下面劃重點(diǎn)！

要點(diǎn)速覽

一、自動(dòng)駕駛汽車(chē)多種傳感器各有優(yōu)劣，多傳感器融合是共識(shí)。

1、激光雷達(dá)能夠獲得高清的三維環(huán)境感知信息，但是價(jià)格比較貴。

2、攝像頭能夠獲得豐富的紋理，價(jià)格也合適，但是受環(huán)境光照影響比較大。

3、毫米波雷達(dá)在雨霧天氣性能優(yōu)越，但是分辨率比較低。

二、激光雷達(dá)是自動(dòng)駕駛汽車(chē)不可或缺的傳感器，具有5大功能。

1、障礙物檢測(cè)。

2、障礙物分類(lèi)。

3、障礙物跟蹤。

4、生成高精地圖。

5、實(shí)時(shí)定位

三、激光雷達(dá)分為掃描式和非掃描式兩大類(lèi)。

1、掃描式激光雷達(dá)通過(guò)逐點(diǎn)掃描測(cè)距，又分為機(jī)械掃描雷達(dá)、基于MEMS微機(jī)電系統(tǒng)的雷達(dá)，以及相控陣?yán)走_(dá)三種。

2、非掃描式激光雷達(dá)就是Flash雷達(dá)，像手電筒一樣打出去一個(gè)面陣光測(cè)距。

3、從另外一個(gè)角度說(shuō)，機(jī)械式和MEMS都屬于機(jī)械雷達(dá)，而相控陣和Flash則屬于固態(tài)雷達(dá)。

機(jī)械式雷達(dá)目前比較成熟，但硬件成本貴、量產(chǎn)困難，且穩(wěn)定性也有待提升，目前很多公司都在向固態(tài)激光雷達(dá)方向發(fā)展。

四、激光雷達(dá)通過(guò)SLAM技術(shù)生成高精地圖并定位。

1、自動(dòng)駕駛汽車(chē)需要利用激光雷達(dá)、攝像頭等傳感器感知外部環(huán)境、構(gòu)建環(huán)境模型并利用該模型確定車(chē)輛所在的位置，這套技術(shù)被稱(chēng)為SLAM。

基于攝像頭等純視覺(jué)傳感器的SLAM被稱(chēng)為VSLAM，獲取數(shù)據(jù)成本較低，數(shù)據(jù)量豐富，但是受光照影響比較大。

基于激光雷達(dá)的SLAM就不受光照影響，數(shù)據(jù)量比較少，創(chuàng)建的地圖精度高，但是價(jià)格貴。

2、創(chuàng)建SLAM系統(tǒng)的時(shí)候，主要考慮穩(wěn)定性、精度、計(jì)算量和傳感器成本四大要素。

3、激光雷達(dá)是依靠將車(chē)輛的初始位置與高精地圖信息進(jìn)行比對(duì)來(lái)獲得精確位置。

首先，GPS、IMU和輪速等傳感器給出一個(gè)初始（大概）的位置。

其次，將激光雷達(dá)的局部點(diǎn)云信息進(jìn)行特征提取，并結(jié)合初始位置獲得全局坐標(biāo)系下的矢量特征。

最后，將上一步的矢量特征跟高精地圖的特征信息進(jìn)行匹配，得出精確的全球定位。

主講部分

大家好，我是速騰聚創(chuàng)聯(lián)合創(chuàng)始人兼CEO，邱純鑫。今天主要跟大家分享基于激光雷達(dá)的地圖創(chuàng)建和定位，而關(guān)于激光雷達(dá)的感知，我們看看后續(xù)有沒(méi)有機(jī)會(huì)跟大家一起分享。

速騰長(zhǎng)時(shí)間投入于基于激光雷達(dá)的地圖創(chuàng)建和定位以及感知，但這些技術(shù)在這幾年來(lái)沒(méi)有特別大的突破，大多數(shù)存在的問(wèn)題是工程化的問(wèn)題。

今天的分享分為四部分，第一部分是激光雷達(dá)是無(wú)人駕駛不可或缺的傳感器，第二部分和第三部分是LiDAR在自動(dòng)駕駛中的應(yīng)用，包括地圖創(chuàng)建和定位。第四個(gè)是速騰如何貢獻(xiàn)力量來(lái)加速LiDAR的應(yīng)用。

一、激光雷達(dá)是自動(dòng)駕駛不可或缺的傳感器

上面這張圖是相對(duì)通用的自動(dòng)駕駛的系統(tǒng)框架，左邊的部分是傳感器以及高精地圖。像高德的谷總所說(shuō)，高精地圖其實(shí)是用于自動(dòng)駕駛的專(zhuān)題圖，所以我們也可以將高精地圖理解為一個(gè)特殊的傳感器，除了高精度地圖之外還有激光雷達(dá)、攝像頭和毫米波雷達(dá)。中間部分是負(fù)責(zé)障物檢測(cè)和識(shí)別分類(lèi)的定位感知層，最右邊的部分是路徑規(guī)劃和執(zhí)行層。

這張圖是傳感器的介紹，左邊的激光雷達(dá)、攝像頭和毫米波雷達(dá)這三個(gè)傳感器主要是用于感知物體，而右邊GPS、IMU和Encoder（編碼器）這些主要是用于定位。激光雷達(dá)、攝像頭和毫米波雷達(dá)各有優(yōu)缺點(diǎn)。激光雷達(dá)能夠獲取高清的三維環(huán)境感知的信息，但是價(jià)格比較昂貴。攝像頭能夠獲取比激光雷達(dá)更加豐富的紋理，價(jià)格也適合，但是受光照影響比較大。毫米波雷達(dá)在雨霧天氣的性能優(yōu)越，但是分辨效果比較弱。各種傳感器各有優(yōu)缺點(diǎn)，因而目前采用多傳感器融合的方案是大家達(dá)成的共識(shí)。

激光雷達(dá)能在哪幾個(gè)部分進(jìn)行起作用？激光雷達(dá)在生成高精地圖中是一個(gè)非常重要的傳感器，同時(shí)我們可以利用激光雷達(dá)進(jìn)行實(shí)時(shí)定位，障礙物的檢測(cè)、分類(lèi)和跟蹤。

接下來(lái)講一下激光雷達(dá)的行業(yè)發(fā)展的情況。我把激光雷達(dá)分為兩種，一種是掃描式雷達(dá)，一種是非掃描式雷達(dá)。掃描式雷達(dá)又分為Mechamical Scanning LiDAR，基于MEMS的LiDAR，以及Optical Phase array LiDAR（相控陣?yán)走_(dá)），非掃描式雷達(dá)就是Flash LiDAR，它打出去是一個(gè)面陣光，通過(guò)面陣光來(lái)進(jìn)行測(cè)距。為什么這樣分雷達(dá)呢？因?yàn)閽呙枋嚼走_(dá)是通過(guò)逐點(diǎn)掃描來(lái)進(jìn)行測(cè)距，而flash LiDAR這種非掃描式雷達(dá)就不是逐點(diǎn)掃描，而是像手電筒一樣發(fā)射一個(gè)面陣光進(jìn)行測(cè)距。

機(jī)械式雷達(dá)存在兩個(gè)問(wèn)題，第一個(gè)是目前的硬件成本比較貴，第二個(gè)是量產(chǎn)性受到限制，其次產(chǎn)品不容易過(guò)車(chē)規(guī)。所以大家都很急迫地往固態(tài)的方向發(fā)展，固態(tài)有基于MEMS，MEMS當(dāng)中還有微機(jī)械的部分，還有全固態(tài)的相控陣、FlashLiDAR。大家在固態(tài)雷達(dá)的研發(fā)過(guò)程中選擇了不同的方向，有些在做MEMS，有些在做OPA，有些在做FLash，目前來(lái)看各種雷達(dá)都有各自的優(yōu)缺點(diǎn)。

二、Lidar在自動(dòng)駕駛中的應(yīng)用——地圖創(chuàng)建

現(xiàn)在開(kāi)始講雷達(dá)在自動(dòng)駕駛中的第一個(gè)應(yīng)用——地圖創(chuàng)建。無(wú)人駕駛車(chē)輛需要利用攜帶的激光雷達(dá)、視覺(jué)系統(tǒng)等傳感器來(lái)感知環(huán)境，并且構(gòu)建環(huán)境的模型，并利用該模型來(lái)確定車(chē)輛所在的位置。這同時(shí)考量了無(wú)人駕駛車(chē)輛在地圖創(chuàng)建和自身定位的技術(shù)， Smith和Cheeseman在九十年代首次提出了同時(shí)定位和制圖的思想，也就是SLAM。

基本思想就是利用已經(jīng)創(chuàng)建的地圖修正基于運(yùn)動(dòng)模型的機(jī)器人的位置姿態(tài)誤差，同時(shí)根據(jù)可靠的位置姿態(tài)創(chuàng)建出一個(gè)更高精度的地圖，SLAM自提出以來(lái)，一直受到國(guó)內(nèi)外研究人員的關(guān)注，逐漸變成一個(gè)關(guān)鍵技術(shù)。SLAM其實(shí)是一個(gè)蛋生雞雞生蛋的思想，精確的定位能夠獲取精確的地圖信息，精確的地圖也能夠獲取精確的定位信息，它們相輔相成。根據(jù)傳感器的劃分可以分為基于視覺(jué)的SLAM，即VSLAM，和基于雷達(dá)的SLAM。這兩種方式的優(yōu)缺點(diǎn)的不同主要是由于傳感器的原始數(shù)據(jù)的不同。

基于視覺(jué)的SlAM的優(yōu)點(diǎn)是獲取數(shù)據(jù)的成本比較低，就像攝像頭，它的價(jià)格比較合適，數(shù)據(jù)量比較豐富，對(duì)于周?chē)h(huán)境的描述也比較充分，但最大的缺點(diǎn)是環(huán)境光照對(duì)它的影響會(huì)比較大，同時(shí)視覺(jué)有限。目前我們?cè)谟玫臄z像頭的視覺(jué)是沒(méi)有那么大的。假設(shè)如果采用360度的全景，它的畸變會(huì)比較嚴(yán)重，這樣它后續(xù)的計(jì)算量就會(huì)比較大。

基于雷達(dá)的SLAM的優(yōu)點(diǎn)就是比較穩(wěn)定，它不會(huì)受到環(huán)境光照的影響，白天晚上都可以用，數(shù)據(jù)量也比較少，定位和地圖創(chuàng)建的精度高，目前最主要的缺點(diǎn)是傳感器價(jià)格昂貴。

所以以前我們?cè)谧鯯LAM，大家是普遍在室外使用基于雷達(dá)的SLAM，而在室內(nèi)，基于視覺(jué)和雷達(dá)的SLAM都會(huì)使用。

創(chuàng)建SLAM系統(tǒng)的時(shí)候，我們主要考慮幾個(gè)維度，第一個(gè)是影響穩(wěn)定工作的因素，第二個(gè)是定位和地圖創(chuàng)建的精度，第三個(gè)是計(jì)算量，第四個(gè)是傳感器的成本。

從第一個(gè)維度（工作穩(wěn)定）上來(lái)看，VSLAM容易受到環(huán)境光照的影響，依賴(lài)紋理色彩。當(dāng)處于無(wú)紋理環(huán)境時(shí)，如果兩邊都是白色的墻，它是無(wú)法實(shí)現(xiàn)定位和制圖的。而激光雷達(dá)是依靠結(jié)構(gòu)化信息作為特征對(duì)環(huán)境進(jìn)行感知并實(shí)行SLAM，如果處于又長(zhǎng)又直的通道，它的性能就會(huì)比較差。但是如果結(jié)合激光雷達(dá)輸出的反射率要素，也就是雷達(dá)的輸出除了XYZ還有一個(gè)反射率I，那么情況就會(huì)好很多，但是畢竟它的信息量不夠多，所以效果并不會(huì)特別好。最終最可靠的方式還是由多傳感器融合來(lái)完成。

第二個(gè)考慮的維度是定位和地圖構(gòu)建的精度，從維度上來(lái)看，激光雷達(dá)遠(yuǎn)遠(yuǎn)優(yōu)于這個(gè)基于視覺(jué)的方式。

從第三維度（計(jì)算量需求）來(lái)看，激光雷達(dá)的輸出是點(diǎn)云。點(diǎn)云這個(gè)詞給人感覺(jué)數(shù)據(jù)量很大，但是事實(shí)并不是。像速騰現(xiàn)在的32線激光雷達(dá)一秒的輸出數(shù)據(jù)量不到三兆，但是視覺(jué)的一張圖片就有好幾兆了，一秒輸出如果按20幀算，可能要20張圖片甚至更高，所以從這點(diǎn)上看，視覺(jué)的數(shù)據(jù)量毫無(wú)疑問(wèn)會(huì)比激光雷達(dá)輸出多得多。從硬件支持來(lái)看的，激光雷達(dá)不需要性能特別強(qiáng)的處理芯片，而視覺(jué)算法就需要，但是現(xiàn)在的芯片發(fā)展得非?？?，像英特爾、英偉達(dá)等廠家在硬件的處理能力上也在加速發(fā)展，未來(lái)不會(huì)成為一個(gè)很大的瓶頸。

從第四個(gè)維度（傳感器的成本）來(lái)看，激光雷達(dá)目前成本比較貴，像Sick或者h(yuǎn)okuyo的中等距離單線激光雷達(dá)，價(jià)格要上萬(wàn)塊錢(qián)，而速騰的16線激光雷達(dá)也要幾萬(wàn)。因而降低成本是必然的趨勢(shì)，一方面通過(guò)規(guī)?；纳a(chǎn)降低成本，另一方面往固態(tài)方向上進(jìn)行技術(shù)創(chuàng)新，朝著固態(tài)的低成本和可量產(chǎn)化的方向去發(fā)展，目前包括速騰在內(nèi)的國(guó)內(nèi)外廠家都在加速創(chuàng)新，我相信2到3年內(nèi)成本不會(huì)是問(wèn)題。

通過(guò)這四個(gè)維度的結(jié)合，我們可以得出第一點(diǎn)是多傳感器融合的方式是一個(gè)必然的趨勢(shì)，第二點(diǎn)是特征提取會(huì)從基本的定義特征走到深度學(xué)習(xí)中去，同時(shí)激光雷達(dá)的創(chuàng)新成本也往降低成本的方向去發(fā)展。

大家可以先看一下SLAM的demo。（視頻在文末）

三、Lidar在自動(dòng)駕駛中的應(yīng)用——定位

接下來(lái)講定位的問(wèn)題。（在以前，就將移動(dòng)機(jī)器人的定位導(dǎo)航定義成三個(gè)問(wèn)題（無(wú)人駕駛的車(chē)輛也是屬于移動(dòng)機(jī)器人的范疇），我在哪？我要去哪里？我應(yīng)該怎么去？

無(wú)人駕駛的定位的問(wèn)題，其實(shí)是無(wú)人駕駛車(chē)輛通過(guò)自身所攜帶的內(nèi)部或外部的傳感器來(lái)確定自身在道路環(huán)境中的位置。

無(wú)人駕駛車(chē)輛的定位和地圖創(chuàng)建是密切相關(guān)的，準(zhǔn)確的地圖信息有利于實(shí)現(xiàn)高精定位，而高精定位又是構(gòu)建可靠的地圖信息的前提。目前我們使用GPS的定位精度肯定是不夠的，它基本上就是米級(jí)。

我們現(xiàn)在手機(jī)的定位導(dǎo)航在自主駕駛肯定是精度不夠，同時(shí)由于周?chē)慕ㄖ锩芗?、高樓林立或者?shù)比較高的，GPS信號(hào)也容易受到減弱，甚至屏蔽，這樣是非常危險(xiǎn)。依靠地面基站的RTK的方式能夠在很大的程度上解決誤差問(wèn)題，達(dá)到精度的要求。它能夠解決一些在GPS傳遞過(guò)程中的問(wèn)題，但是依然沒(méi)有沒(méi)辦法解決在隧道或者高樓林立的環(huán)境中的一些信號(hào)中斷問(wèn)題。所以增加其他的方式進(jìn)行穩(wěn)定的高精定位是非常有必要的。

基于視覺(jué)或激光雷達(dá)的定位是常用的定位方法。我們這里重點(diǎn)講一下激光定位。這是一個(gè)基于激光雷達(dá)定位的框架，首先GPS給定初始位置，通過(guò)IMU和車(chē)輛的Encoder（編碼器）可以得到車(chē)輛的初始位置，然后將激光雷達(dá)的局部點(diǎn)云信息，包括點(diǎn)線面的幾何信息和語(yǔ)義信息進(jìn)行特征提取，并結(jié)合車(chē)輛初始位置進(jìn)行空間變化，獲取基于全局坐標(biāo)系下的矢量特征，接著將這些特征跟高精度地圖的特征信息進(jìn)行匹配，最后獲取一個(gè)準(zhǔn)確的定位。

基于雷達(dá)的定位還是會(huì)走多傳感器融合的方式，如結(jié)合GPS、IMU、Encoder或者攝像頭，來(lái)進(jìn)行定位。IMU和Encoder其實(shí)能夠很好地解決一些初始位置的定位問(wèn)題，初始位置是非常關(guān)鍵，而GPS相當(dāng)于是做全局定位。

比如GPS的精度在分米級(jí)別，那么我們是能夠保證在所有的定位精度在分米級(jí)別，如果GPS的定位精度在厘米級(jí)別，那么我們先保證精度在厘米級(jí)別，GPS會(huì)限制住最大誤差。這種基于GPS、IMU、Encoder、雷達(dá)和高精度地圖的定位方式是一個(gè)多傳感器融合的方式。

接下來(lái)給大家看一下我們定位的demo。（視頻在文末）

四、加速Lidar應(yīng)用——普羅米修斯計(jì)劃

我們速騰想在加速大家的雷達(dá)應(yīng)用上盡自己的一份力量。在這方面上目前有三個(gè)問(wèn)題，第一個(gè)問(wèn)題是傳感器缺失，速騰希望自己能夠在量產(chǎn)上，成本上，產(chǎn)品上更加給力，進(jìn)而給大家提供穩(wěn)定性和性?xún)r(jià)比更高的雷達(dá)。第二個(gè)問(wèn)題是雷達(dá)還沒(méi)有充分發(fā)揮威力，我們?cè)诤秃芏嗫蛻?hù)的溝通過(guò)程中發(fā)現(xiàn)了這點(diǎn)，最后是我們希望拋磚引玉，貢獻(xiàn)出自己的積累，讓大家加速整個(gè)自動(dòng)駕駛落地。

我們最開(kāi)始是在做算法，當(dāng)時(shí)是做夢(mèng)都想自己去提供雷達(dá)，一方面是當(dāng)時(shí)國(guó)外單線激光雷達(dá)或者多線激光雷達(dá)的支持力度不夠，另一方面在開(kāi)發(fā)算法很希望能夠軟硬結(jié)合，能夠把算法做得更加的穩(wěn)定，所以在14年公司成立的時(shí)候我們就開(kāi)始做激光雷達(dá)。

普羅米修斯這個(gè)名字是我起的。本著一種負(fù)責(zé)、開(kāi)放、共享的心態(tài)，讓大家一起來(lái)開(kāi)發(fā)，一起來(lái)努力。現(xiàn)在國(guó)內(nèi)和國(guó)外在自動(dòng)駕駛上的差距還是有的，所以我們希望能夠加速整個(gè)國(guó)內(nèi)自動(dòng)駕駛的落地?，F(xiàn)在速騰提供整個(gè)激光雷達(dá)的解決方案，包括激光雷達(dá)和算法。

這個(gè)模塊包括定位、車(chē)道線檢測(cè)、路沿檢測(cè)、障礙物識(shí)別分類(lèi)和障礙物跟蹤。我們最近對(duì)這些模塊可能還會(huì)有一個(gè)大的升級(jí)，我們會(huì)通知大家，也希望大家在用的過(guò)程中及時(shí)反饋問(wèn)題，以及希望能夠跟大家一起多探討技術(shù)問(wèn)題。

分享到此，謝謝大家。

問(wèn)答環(huán)節(jié)

提問(wèn)1

李瑤 勇藝達(dá)機(jī)器人 產(chǎn)品經(jīng)理

1、現(xiàn)在激光雷達(dá)的應(yīng)用場(chǎng)景主要在鋪裝路面，未來(lái)幾年是否可應(yīng)用在非鋪裝的路面上，例如叢林，荒漠無(wú)人區(qū)，等等。

2、密集的無(wú)人車(chē)輛在路面駕駛，他們之間的激光線束會(huì)互相干擾嗎？

邱純鑫：關(guān)于激光雷達(dá)的應(yīng)用場(chǎng)景，目前確實(shí)還是在結(jié)構(gòu)化特征比較好的路面上，未來(lái)肯定會(huì)用在非結(jié)構(gòu)化的道路上，例如在剛才提問(wèn)中提到叢林或者一些荒漠無(wú)人區(qū)，原來(lái)我研究的課題是在非結(jié)構(gòu)化特征上面去做的，因此我知道所需要克服的困難比現(xiàn)在的結(jié)構(gòu)化道路上要多，但是也有好處。

如果是針對(duì)叢林這種環(huán)境下，幾何特征對(duì)于激光雷達(dá)來(lái)講會(huì)更好，但是對(duì)于荒漠無(wú)人區(qū)這些地方，激光雷達(dá)是很難去做到地圖的創(chuàng)建和定位，但是在這種荒漠無(wú)人區(qū)，沒(méi)有什么干擾的情況下，用GPS這種定位的方式效果會(huì)更好一些。

我記得我原來(lái)提過(guò)在不同道路情況下定位的問(wèn)題，當(dāng)時(shí)我是按照不同道路對(duì)GPS信號(hào)的干擾進(jìn)行了分類(lèi)，隧道等基本無(wú)信號(hào)的路段分成一類(lèi)；高樓林立以及樹(shù)比較多的分成一類(lèi)；最后就是多車(chē)道的高速公路分為一類(lèi)，根據(jù)這幾種不同，把傳感器產(chǎn)生的定位特點(diǎn)和激光雷達(dá)的特點(diǎn)以及視覺(jué)特點(diǎn)進(jìn)行融合，根據(jù)不同的置信度進(jìn)行定位，最終是一個(gè)多傳感器融合的方式進(jìn)行。

第二個(gè)問(wèn)題，目前激光雷達(dá)用的量也不是特別大，因此還沒(méi)有密集的無(wú)人駕駛車(chē)輛在路上行駛的情況。當(dāng)很多車(chē)輛在路上行駛的時(shí)候，車(chē)輛間激光束的相互干擾給激光雷達(dá)產(chǎn)生無(wú)規(guī)律產(chǎn)品問(wèn)題的現(xiàn)象也會(huì)越來(lái)越明顯，包括速騰在內(nèi)，我們現(xiàn)在也都在解決這個(gè)問(wèn)題，這也是兩年甚至三年后無(wú)人駕駛快速落地時(shí)必須要解決的關(guān)鍵性問(wèn)題。

提問(wèn)2

黃新耀 粵鴻投資研究員

想了解一下3D激光雷達(dá)真正商用起量這個(gè)時(shí)間周期？在無(wú)人駕駛商用前有沒(méi)有其它領(lǐng)域會(huì)率先使用？

邱純鑫：關(guān)于第二個(gè)問(wèn)題，目前激光雷達(dá)已經(jīng)算是在商用了，我們?cè)诮o客戶(hù)賣(mài)這個(gè)產(chǎn)品時(shí)也發(fā)現(xiàn)有很多客戶(hù)確實(shí)想認(rèn)認(rèn)真真地落地解決一些原來(lái)行業(yè)的痛點(diǎn)，可能是對(duì)于低速的場(chǎng)景或者高速場(chǎng)景下，整個(gè)體量也是一個(gè)慢慢的爬坡期。隨著這個(gè)行業(yè)的應(yīng)用，我相信激光雷達(dá)的廠家會(huì)越來(lái)越給力，從產(chǎn)能以及價(jià)格上面去滿(mǎn)足大家的需求。

至于時(shí)間點(diǎn)，我覺(jué)得今年或者明年的增長(zhǎng)速率可能會(huì)越來(lái)越快，等到大批量產(chǎn)時(shí)，它每一個(gè)成本的下降應(yīng)該都會(huì)打開(kāi)一個(gè)新的市場(chǎng)。對(duì)于在無(wú)人駕駛商用前有沒(méi)有其他領(lǐng)域會(huì)率先去應(yīng)用，我覺(jué)得有一些是可以去嘗試的，比如安防領(lǐng)域或者AGV或者是解決最后一公里的園區(qū)車(chē)以及最后一公里的物流車(chē)。因此對(duì)于這塊，速騰會(huì)逐一地去支持，同時(shí)我們也會(huì)根據(jù)我們的能力去滿(mǎn)足大家的需求。

速騰會(huì)沿著市場(chǎng)的需求先量產(chǎn)16線，接下來(lái)是32線以及后面會(huì)量產(chǎn)固態(tài)激光雷達(dá)，同時(shí)也將逐一來(lái)進(jìn)行產(chǎn)品的開(kāi)發(fā)。

回答完畢！

提問(wèn)3

黃玉璽 京東X事業(yè)部無(wú)人車(chē)研發(fā)部算法工程師

1.在無(wú)人駕駛汽車(chē)這種高速的環(huán)境下，基于點(diǎn)云地圖的定位如何解決實(shí)時(shí)性問(wèn)題？GPU加速？

2.實(shí)際應(yīng)用中，大場(chǎng)景下(幾十甚至上百公里)點(diǎn)云地圖通常是否會(huì)占用很大存儲(chǔ)空間？地圖通常需要分塊加載，通常是如何分塊加載的，每個(gè)地圖塊大小通常多大？

3.在建圖的過(guò)程中有用到深度學(xué)習(xí)的方法，對(duì)地圖做語(yǔ)義上的處理嗎？

邱純鑫：針對(duì)第一個(gè)問(wèn)題，如果是對(duì)于高速環(huán)境下的定位問(wèn)題，我認(rèn)為這里可以從兩個(gè)維度去解決實(shí)時(shí)性和匹配精度的問(wèn)題，第一：在高速的環(huán)境下，IMU和Encoder是必不可少的，相當(dāng)于做了一個(gè)初始位置的估計(jì)，因?yàn)樵诟咚侪h(huán)境下時(shí)，Lidar的頻率是沒(méi)有那么快的，比如20幀或者是（ ），如果一秒獲取十次全景掃描，按照120公里每小時(shí)的速度就已經(jīng)滑出去三米多，這時(shí)你去做匹配時(shí)可能就會(huì)陷入局部最優(yōu)或者是匹配不上的問(wèn)題。因此，對(duì)于第一問(wèn)題來(lái)說(shuō)，IMU和Encoder整個(gè)的原始初始估計(jì)是比較重要的；

第二：Lidar的幀率從10提升到20，同時(shí)點(diǎn)云的出點(diǎn)率更高，實(shí)際上在激光測(cè)距的時(shí)候，它的速度是很快的，比如單點(diǎn)測(cè)量時(shí)的速度相當(dāng)于光速，因此在對(duì)于高速環(huán)境120千米每小時(shí)的時(shí)候，對(duì)單次測(cè)量來(lái)說(shuō)它根本就不算快，完了之后，Lidar在你輸出時(shí)針每一幀的數(shù)據(jù)時(shí)，每個(gè)點(diǎn)都對(duì)應(yīng)它當(dāng)時(shí)的一個(gè)時(shí)間戳，因此，我們會(huì)從兩個(gè)維度去解決這問(wèn)題。

一個(gè)維度是：我會(huì)用上更好的初始位置估計(jì)；同時(shí)，在用這個(gè)初始位置估計(jì)的時(shí)候，把激光測(cè)距單點(diǎn)的時(shí)間戳也用上；

另一個(gè)維度是：對(duì)于高速環(huán)境下，它的場(chǎng)景是比較簡(jiǎn)單的，結(jié)構(gòu)化數(shù)據(jù)比較好，在特征提取的時(shí)候可以做一些其他的限制，這跟在復(fù)雜場(chǎng)景下是不一樣的。

針對(duì)第二問(wèn)題，就是在大場(chǎng)景下的時(shí)候，點(diǎn)云地圖通常是否會(huì)占據(jù)很大的存儲(chǔ)空間。實(shí)際上這個(gè)回答是對(duì)的，我以前是做機(jī)器人的，主要是解決大場(chǎng)景下如何去做實(shí)施定位的問(wèn)題，當(dāng)時(shí)我們的距離大概是十公里左右，然后對(duì)其進(jìn)行局部地圖的存儲(chǔ)，再去做定位，從這個(gè)維度上，我們可能又在整個(gè)地圖的使用頻次上去做，而我不可能一下子存儲(chǔ)整個(gè)地圖，然后再去做定位，這樣可能會(huì)有些問(wèn)題的，因此，用一種分布存儲(chǔ)來(lái)解決問(wèn)題是比較好的。

第三個(gè)問(wèn)題是關(guān)于深度學(xué)習(xí)的，這個(gè)方式我們很早就開(kāi)始用了，更多的是從原來(lái)的定義特征到利用深度學(xué)習(xí)去自學(xué)習(xí)特征的方式去進(jìn)行，也就是我們通過(guò)深度學(xué)習(xí)來(lái)完成這個(gè)特征的提取以及整個(gè)空間表達(dá)的問(wèn)題。

回答完畢！

提問(wèn)4

李毅瞳 布谷鳥(niǎo)科技 工程師

最近聽(tīng)說(shuō)速騰能夠量產(chǎn)相控陣Lidar了，那么我想問(wèn)下相控陣激光雷達(dá)在產(chǎn)品設(shè)計(jì)以及量產(chǎn)化上有哪些技術(shù)難題？

速騰現(xiàn)在在單線以及多線Lidar出貨量上能做到多少？有一些具體的應(yīng)用項(xiàng)目可以介紹下嗎？

還有就是您如何看待目前激光雷達(dá)在輔助駕駛系統(tǒng)上的應(yīng)用？

目前的多傳感器融合想在汽車(chē)上批量應(yīng)用的話，是否存在一些問(wèn)題？怎么解決？

短期內(nèi)激光雷達(dá)的上車(chē)成本能降到什么水平？

邱純鑫：第一個(gè)問(wèn)題，速騰最近前段時(shí)間發(fā)布的是我們的MEMS激光雷達(dá)，同時(shí)也介紹了我們?cè)诤竺嫒虘B(tài)激光雷達(dá)的一個(gè)布局。

這個(gè)MEMS激光雷達(dá)的demo我們做完了，距離到真正的量產(chǎn)和可應(yīng)用也需要一段時(shí)間，沒(méi)有那么快。而相控陣可能它也得往后移到MEMS的后面。

對(duì)于相控陣激光雷達(dá)這一塊，它的產(chǎn)品設(shè)計(jì)和量產(chǎn)化有哪些技術(shù)難題要去突破呢。我也可以跟大家簡(jiǎn)單一起來(lái)探討一下，相控陣激光雷達(dá)這一塊，大家原來(lái)看到的可能是它的相陣，就是它的發(fā)射部分，其實(shí)還有接收部分，在整個(gè)后面的高速數(shù)據(jù)處理，這幾塊東西都要去完成，對(duì)于發(fā)射部分來(lái)講，光在傳導(dǎo)過(guò)程中能量的損耗以及提高傳導(dǎo)效率，都靠工藝和多次嘗試來(lái)實(shí)現(xiàn)，另外消除柵瓣的一些難點(diǎn)也可以去解決，大概是這樣子的。

對(duì)于接收部分，我們?cè)趺礃硬拍軌蚴沟霉庑盘?hào)變成電信號(hào)的效率以及敏感度得到提高，比如你原來(lái)是需要多個(gè)光子才能進(jìn)行產(chǎn)生雪崩，是否可以使用單個(gè)光子來(lái)產(chǎn)生雪崩以及從光信號(hào)變到電信號(hào)過(guò)程中對(duì)微弱信號(hào)進(jìn)行放大，這個(gè)過(guò)程中產(chǎn)生的一些底噪是否能夠去減少，這個(gè)過(guò)程其實(shí)是解決一些刺激能力的問(wèn)題，因此整個(gè)發(fā)射與接收都是需要去解決，我覺(jué)得這是兩個(gè)主要的問(wèn)題。

第二問(wèn)題，速騰其實(shí)沒(méi)有單線的激光雷達(dá)，我們現(xiàn)在在大批量出貨的是我們多線的激光雷達(dá)。至于出多少貨，我覺(jué)得我們可以再討論具體的應(yīng)用，主要包括幾塊，一：低速場(chǎng)景的物流車(chē)以及低速場(chǎng)景下的觀光車(chē)，還有一些高速上多個(gè)耦合的應(yīng)用，包括單個(gè)64線激光雷達(dá)+多個(gè)16線激光雷達(dá)進(jìn)行補(bǔ)盲，通過(guò)這樣的作用來(lái)進(jìn)行。

我認(rèn)為激光雷達(dá)在輔助駕駛的應(yīng)用也是有它的用武之地，線束就變得不是特別關(guān)鍵，比如輔助駕駛，我也不需要用64線的激光雷達(dá)去做輔助駕駛，最主要還是從它是不是能夠過(guò)車(chē)規(guī)以及是不是能將成本下降下來(lái)這兩個(gè)維度去考量，當(dāng)然也可以用在輔助駕駛上去做，因?yàn)樽罱K還是在性?xún)r(jià)比合適的情況下去降低事故率，能夠減緩客車(chē)或者貨車(chē)司機(jī)這種經(jīng)常長(zhǎng)時(shí)間駕駛的人的壓力，我覺(jué)得是它有這個(gè)應(yīng)用的必要性。

接下來(lái)就是多傳感器融合這個(gè)問(wèn)題，我認(rèn)為多傳感器融合第一步要解決就是融合的問(wèn)題，那要如何去解決呢？因?yàn)槲覀儾还苁菙z像頭或者Lidar裝在這個(gè)車(chē)上還是毫米波雷達(dá)裝在車(chē)上的時(shí)候，它都可能會(huì)隨著車(chē)在使用過(guò)程中產(chǎn)生的運(yùn)動(dòng)和震動(dòng)而出現(xiàn)一些輕微的位移。因此是否可以做到自標(biāo)定從而解決這個(gè)問(wèn)題是很重要的，在車(chē)開(kāi)一段時(shí)間后可能是Lidar的位置會(huì)產(chǎn)生移動(dòng)，那我們是否可以通過(guò)自動(dòng)糾正的方式來(lái)解決。短時(shí)間內(nèi)，激光雷達(dá)的上車(chē)成本能降到什么樣的一個(gè)水平，這里我認(rèn)為需要看時(shí)間點(diǎn)。如果是一年時(shí)間，我覺(jué)得它應(yīng)該是有的一個(gè)量級(jí)的下降，那如果是明年或者后年，也會(huì)有另一個(gè)量級(jí)的下降，我認(rèn)為在兩到三年后應(yīng)該會(huì)下降到200美金以下，3年之后甚至100美金以下。

回答完畢！

提問(wèn)5

Brandon-福特亞太-車(chē)聯(lián)網(wǎng)

激光雷達(dá)的高成本問(wèn)題還有數(shù)據(jù)傳輸?shù)膸拞?wèn)題，目前的解決方案有哪些？

邱純鑫：關(guān)于激光雷達(dá)高成本的問(wèn)題，在上面我已經(jīng)解釋過(guò)了，就是通過(guò)兩個(gè)維度，一：通過(guò)大批量生產(chǎn)；二：通過(guò)往固態(tài)方向發(fā)展。

對(duì)于數(shù)據(jù)傳輸?shù)膯?wèn)題，實(shí)際上我們現(xiàn)在的數(shù)據(jù)量其實(shí)是不算多的，單秒的數(shù)量不算多，我們現(xiàn)在采取的是百兆的以太網(wǎng)來(lái)傳輸，后面是否會(huì)升級(jí)到千兆，這也是一個(gè)方向。另外，我們可以把點(diǎn)云處理算法集成到LiDAR上，給客戶(hù)輸出的已經(jīng)不是原始點(diǎn)云數(shù)據(jù)，而是一些處理后的數(shù)據(jù)，因此這樣數(shù)據(jù)就會(huì)更少了。目前經(jīng)過(guò)我們處理的一些數(shù)據(jù)，可以更好地用在自動(dòng)駕駛這塊，我覺(jué)得這也可以作為一個(gè)探討的方向。

回答完畢！

提問(wèn)6

孫志明-京東-無(wú)人車(chē)算法工程師

1、如何融合gps和慣導(dǎo)數(shù)據(jù)?最終建圖的絕對(duì)誤差是多少

2、地圖為什么那么小但又不影響定位。

邱純鑫：融合GPS和慣導(dǎo)數(shù)據(jù)主要在于整個(gè)模型的建立，不管是GPS還是慣導(dǎo)，在你的測(cè)量方程中，整個(gè)模型的建立非常重要，根據(jù)模型線性化程度選擇EKF或者PF等算法進(jìn)行融合，總的來(lái)說(shuō)就是可以用不同的融合算法去實(shí)現(xiàn)。

速騰現(xiàn)在做的已經(jīng)算是比較不錯(cuò)的了，因?yàn)榻▓D的精度會(huì)影響到定位精度，因此可以具體地達(dá)到一個(gè)精度是很不錯(cuò)的，而我們現(xiàn)在的定位精度是可以做到20厘米以下。

第二個(gè)問(wèn)題，在實(shí)際定位過(guò)程中我們也沒(méi)有用到那么多原始的點(diǎn)云數(shù)據(jù)，而是根據(jù)一些特征來(lái)進(jìn)行定位。因此地圖小，同時(shí)它的實(shí)時(shí)性也高。在每次定位的時(shí)候，實(shí)際上數(shù)據(jù)的吞吐量并沒(méi)有那么高。

回答完畢！

還有一個(gè)福利

我們的「自動(dòng)駕駛」社群全面開(kāi)放申請(qǐng)啦。誠(chéng)邀你加入，將能認(rèn)識(shí)到來(lái)自谷歌Waymo、上汽、北汽、一汽、百度、博世、大陸、蔚來(lái)汽車(chē)、NVIDIA、Mobileye、智行者、圖森、高德等整車(chē)廠和供應(yīng)商的上萬(wàn)名汽車(chē)工程師和從業(yè)者。

同時(shí)，我們會(huì)定期邀請(qǐng)自動(dòng)駕駛方向和新能源汽車(chē)領(lǐng)域的知名創(chuàng)業(yè)者和技術(shù)大牛，主講自動(dòng)駕駛系列課。如果對(duì)自動(dòng)駕駛有強(qiáng)烈興趣，可以添加車(chē)小東微信（ID：cdxauto）申請(qǐng)入群交流。