36氪专访丨复睿智行CTO周轶:成像毫米波雷达不是做替代,感知高效还需改写算法
文丨彭苏平
编辑丨苏建勋
毫米波雷达,是智能汽车搭载的主流传感器之一。通过发射、回收无线电波,它可以对目标物体进行测距、测速。
但功能上的缺陷也让它饱受争议。2021年5月,在传感器选择上一向精益的特斯拉,率先在部分车型上移除了毫米波雷达,专攻以摄像头为主的纯视觉感知体系。
毫米波雷达的痛点在于,其探测范围仅限于水平角,缺乏垂直的测高能力,且分辨率较低,易受不相干信号的干扰,这让它的感知能力极为有限。
特斯拉通过重构算法网络,弥补了毫米波雷达的测距功能。但在业内,毫米波雷达本身的进化,也成为提升智能驾驶感知体系的重要路径之一。
近两年来,大陆、赛灵思、博世以及华为等供应商竞相布局“4D毫米波雷达”,在传统毫米波雷达能够探测到的距离、速度、水平角三个维度以外,这种新型的毫米波雷达还能计算出目标的俯仰角信息,进而提供过去所不具备的高度信息,因此也叫“成像毫米波雷达”。
这也让一些新玩家看到了机会。去年9月刚刚成立的复睿智行,主要就立足于解决智能驾驶的感知问题,他们布局了两个方向,一方面是路端设备,走车路协同的路线,另一方面就是4D成像毫米波雷达,主攻单车智能。
复睿智行是复星集团智能出行产业中的核心企业。11月25日,复睿智行正式对外发布了旗下全系列4D毫米波雷达,包括:哥伦布4发4收4D雷达,毕加索6发8收4D雷达和12发16收4D雷达。
复睿智行CTO周轶对36氪表示,毫米波雷达的差异化能力体现在三点:天线设计能力、波形设计能力,以及将点云转变为目标追踪的量产经验。在他看来,这也是复睿智行做这块市场的优势所在——周轶本人曾担任德国海拉雷达信号处理专家、英国捷豹自动驾驶部系统高级经理,公司也组建了一支“从海外回来的并且在国内做得很好的量产人”团队。
4D成像化后,毫米波雷达可实现的功能接近于行业里炙手可热的激光雷达,可探测距离远、能测距,只是图像的分辨率更差一些,因此也有不少观点认为4D毫米波雷达将成为激光雷达的“平替”。但周轶并不这样认为。他表示,激光雷达和4D毫米波雷达是互补而不是互相替代。
“激光雷达的点云密度比较高,但它会有集成的困难。其次,从价格来看,两者是互不干扰的。未来,激光雷达的价格会一直往下走,部分激光雷达的价格门槛可能会在1000元~1500元之间,但4D毫米波雷达未来的成本可以控制在千元以内。”周轶说,“我们的设计思想是,用更高性能的4D毫米波雷达去减少主机厂对激光雷达在数量和质量上的要求,让整车成本做到可控。”
需要指出的是,新型传感器的融入也是一大挑战。举例来说,特斯拉一直不用激光雷达,除了成本因素之外,也有处理海量数据和算法融合方面的担忧。而为了更好地发挥4D毫米波雷达的作用,复睿智行将自研相关感知算法。
周轶介绍,他们正在开发“前融合算法”——不是过去传统的让摄像头和雷达分别探测自己的目标,然后再进行融合,而是在原始数据层面就让雷达和摄像头做好融合。
“4D毫米波雷达可以通过主动发射电磁波得到反射,去构建一个清晰度比较低的三维空间,这个三维空间精度不够高,怎么把摄像头引入进来?就要做前融合,赋予这个3D空间更高的颗粒度和清晰度。”
这类似于特斯拉今年AI Day上发布的Occupancy Network(占用网络)。周轶解释,前融合算法并不需要知道前方具体是什么障碍物,只需要知道它在那,它挡了路,就可以下决策躲过它。这能cover绝大多数几乎100%的长尾场景,也能从根本上解决自动驾驶算法迭代进化中的数据焦虑。
据了解,复睿智行在前融合算法这块已经可以做一些简单的demo,其探测能力在很多恶劣的天气下都能比传统的后融合算法要好很多。不过,现在这套算法还只是在显卡上跑,周轶坦言,要把它落地到域控制器上还需要很长时间。“后期我们会跟国内的 SoC 厂商合作,支持一些比较特殊的算制。我相信明年年底左右,整个前融合算法可以集成在SoC 上,并取得完美的效果。”周轶表示。
欢迎添加