那些被寄予厚望的固态激光雷达,为什么 2018 没有火?

· Jan 04, 2019 333

(原文作者:大胃李,孙恺;仅作转载,不代表 GeekCar 观点)固态激光雷达的元年 Hesai PandarGT 3.0 实测点云图(五道口某高校)导语:固态激光雷达一直被视为自动驾驶和 ADAS 行业的皇冠明珠,凭借其低成本、高可靠性和高分辨率的特点,一直被业界寄予了厚望。 固态雷达真正优势在哪里?市面上的固态激光雷达公司面临的挑战都有哪些?禾赛新发布的第三代固态雷达 PandarGT 3.0 可否解决这些难题? 本文将逐一给出答案。 迟迟没有出现的固态激光雷达元年 激光雷达行业有个怪现象 —— 每年 CES,都会有人会煞有介事地说,机械雷达要被淘汰,明年会是固态激光雷达的元年!一年又一年,固态雷达公司的 PPT 更新了一版又一版, 承诺的 next month 的交货期明日复明日 ,时不时还冒出哪家初创固态公司巨额融资的新闻。「 目标成本 50 美元!」 —— 一副马上要改变世界的兴奋。 而现实呢, Waymo 头顶上还是顶着一台高线数的机械雷达 。世界各地陆续投入商业化运营的载人载货无人车, 无一例外地选择了机械雷达 。禾赛稳定可靠的机械雷达销量不仅没有受到固态雷达的影响,反而在 2018 年实现了业绩数倍的增长。 Lyft 无人车搭载禾赛激光雷达 Nuro 无人送货车搭载禾赛激光雷达 什么是固态激光雷达 激光雷达(LiDAR)是用激光来进行三维扫描的传感器,被广泛应用于无人车和机器人的各个领域,通常是一辆无人车上最贵也是最重要的传感器,售价高达数万美元。 固态激光雷达(Solid-State LiDAR)理论上是完全没有移动部件的激光雷达。典型技术路线如光相控阵(Optical Phased Array)和 Flash,被认为是纯固态的方案。 近年来,业界也会笼统地把非完全旋转的激光雷达统称为「 固态」。 这些技术方案往往会有一些微小的移动部件,严格意义不能算固态,但它们同时又具备了固态雷达性能上的很多特点 ,如分辨率高、有限水平 FOV(前向而不是 360°)等,因此在讨论的时候被大家统称为「 固态雷达」。 固态雷达核心优势和面临的挑战 分辨率高 固态雷达最明显的优势是超高的分辨率 。相比于机械雷达固定的垂直角分辨率(Velodyne 128 线雷达是 0.11°),固态雷达由于采用了连续扫描的方式,其垂直和水平角分辨率在低帧率(比如 5Hz)下可以做到 0.03°,生成「 图像级」 的效果,是机械雷达无法比拟的。 Hesai PandarGT 3.0 实测点云图(最近距离 20cm)装调效率高(易量产)传统机械雷达中,40 线对应 40 个发射和接收装置。在线数增加过程中,装调时间会显著增加。相比之下,常见固态雷达的技术方案只包含一个(或者几个)激光发射器和接收器, 因此可以大幅降低其装调工艺中对不同线校准所产生的工作量,提高生产效率 。 除了这两点,固态雷达其他本应该有的特性(测距远、可靠性强和成本低),现有市面上所有的固态雷达产品都很难同时满足,这就决定了这些固态雷达方案在短时间内很难被产品化。几乎所有的固态雷达公司的交货日期都在不断延期就不足为怪了。 那么,固态雷达还必须具备哪些特性,这些特性有可能被实现么? 测距远 Flash 鉴于其全向发光的物理极限,测距只能不超过 50m,暂且不提。其他固态激光雷达最核心的元器件是光学转向机构,而这些转向机构往往由于元器件成熟度所限,无法做到足够高的光学效率。相比机械雷达成熟的测远性能(近日禾赛官宣的 Pandar40P 做到了惊人的 200m@10%反射率,几乎已经是机械雷达的物理极限),根据最新的公开信息,市面上多数固态雷达的测远性能还在 30-65m@10%挣扎 。这一定程度上解释了很多固态雷达公司喜欢在室内做 Demo 的原因,30m@10%的产品在封闭的室内做 Demo 效果可以很好,但测远距的问题一上路就会暴露出来。 Hesai Pandar40P 实测点云鸟瞰图 这就带来另外一个悖论,一个只能测 30m 的固态雷达,还有必要做那么高分辨率么 ?固态雷达分辨率高最大的价值是远距。在 200m 处,32 线的机械雷达线垂直间距为 1.2m,固态雷达可以缩小为 0.1m,让 200m 外的行人扫到的线数,可以从 2 线提高到 15 线。相反,30m 范围内,32 线的点密度已经足够, 固态就会显得杀鸡用牛刀 。 可靠性强(易过车规)「 固态雷达没有旋转部件,容易过车规。」 这句话被重复了一百遍,仿佛就变成了真理。然而,它却是一个无法被证明的猜想。全世界迄今唯一过车规的激光雷达,是 Valeo 的一款机械旋转的雷达。汽车上旋转部件有上百个,并没有阻碍它们过车规。 相反,固态雷达的扫描器器件往往是一个不成熟的全新的零件,会面临更多的量产工艺和可靠性的问题,在成熟的供应商出现之前,这个核心部件可靠性的问题是很多固态雷达公司一道无法逾越的鸿沟。「 不稳定」,「 无法量产」 是过去两三年里固态雷达公司的普遍状态。Demo 可以很美好,但是想要把一个全新的设计做到和传统雷达一样稳定可靠,是非常有挑战的事情 。 成本低 固态雷达得益于简单的结构和较少的元器件数量,成本会有所降低。然而,鉴于很多固态雷达公司为了提高性能,选用了昂贵的激光器(数千美元的光纤激光器)或者昂贵的扫描机构,反而导致整套系统成本更高。加上固态雷达无法独立完成 360°扫描,多个雷达的拼接也会进一步增加系统成本。 禾赛:第三代固态雷达 PandarGT 3.0 PandarGT 3.0 实物图(H×L×W:96mm×113mm×126mm)… 继续阅读

文远知行 A 轮再获数千万美元融资 商汤科技和农银国际跟投

· Jan 04, 2019 333

2019 年 01 月 04 日,文远知行 WeRide 宣布 A 轮融资再获两家重要机构跟投,分别是商汤科技 SenseTime 和农银国际 ABC International,本次跟投的融资金额达数千万美元。随着 10 月雷诺日产三菱联盟 Alliance RNM 的战略领投、多家国内外顶级投资机构的跟投,文远知行 WeRide 现已分别在汽车主机厂、AI 技术、国家级银行机构和海内外资本等关键领域得到头部企业的高度认可,并在资金、技术与战略等多方面陆续开展合作,凸显了 L4 级别自动驾驶头部公司的先发优势,为文远知行 WeRide 率先迈进自动驾驶 2.0 时代提供坚实的保障。 在自动驾驶从项目展示向落地运行的递进过程中,文远知行 WeRide 凭借一直以来的技术优势、开放与合作的态度,不断开拓自动驾驶产业上下游新的合作伙伴,率先打造由头部企业组成的自动驾驶生态圈。 文远知行在 A 轮便得到商汤科技这家 AI 头部企业和农银国际这支国家队的支持,将有助于文远知行 WeRide 未来的发展奠定更加坚实的基础。文远知行 WeRide CEO 兼联合创始人韩旭表示:「 自动驾驶的投融资已经进入到不仅比拼技术实力,还有商业落地能力的阶段,与商汤科技、农银国际达成本次合作,是市场对文远知行 WeRide 领先全国的 L4 级别自动驾驶技术及铁三角商业模式的再次肯定。」 文远知行 WeRide 的 A 轮融资以战略投资为主,通过不断完善自动驾驶生态圈的建设,为下一阶段的规模化落地运行做好充分的准备。文远知行 WeRide 计划在 2019 年完成 500 辆无人驾驶车的改装,积累 500 万 公里的无人驾驶行驶里程,并逐步在广州、安庆等城市与合作伙伴进行常态化的试运营和商业化落地的尝试。

2018 的特斯拉:活下去,以及变得更好

· Jan 04, 2019 333

当我们回望 2018,会发现特斯拉在这一年只做了两件事:活下去,以及变得更好。 想要活下去,就必须盈利,必须提高 Model 3 的产量和销量。所以特斯拉在 2018 年的总体任务就是产能爬坡,主基调就是实现盈利。 除了保住性命,特斯拉也没忘了继续深耕自己的看家本事,所以它继续发挥了在智能化上的优势,在车机系统和 AP 上下了一番功夫,推送了 V9 系统。 2018 年,对特斯拉来说算是 Model 3 的一年,所以我们先从「活下去」这个话题开始,从「产能」和「交付」两个角度谈谈特斯拉如何在 2018 年跨越产能地狱。 关于生产和生产力工具 本来,特斯拉在 17 年年底计划周产 5k 辆 Model 3,但是爱跳票的马斯克这次依旧如期跳票。果然,直到 18 年 4 月底 Model 3 周产只过了 2200(数据来源于 Q1 财报)。照这样下去,就算没有空头们砸盘,特斯拉自己也迟早要完。 为了解决生产问题,协调人力与自动化的关系,提高生产效率,特斯拉分别在四月、五月有一段时间停产。不过这些问题直到 6 月 15 日也没有完全解决,其中包括冲压、焊装、涂装、总装,外加一个电池产线。是的,汽车生产的 5 大环节中除了冲压,剩下全有问题。 所以想要在 6 月底之前达到周产 5k 的目标,刨出去最后验证产能可能行性的 7 天,马斯克需要在中间的 8 天内克服这些障碍。what?? 他做到了。除了解决所有问题,还加班加点在弗里蒙特工厂搭帐篷临时新建了一条生产线。 6 月底,在给员工的邮件中,马斯克说「我们终于成为了一家真正的汽车公司」。在这一刻,一只脚在地狱,另一只脚在舍命狂奔的特斯拉终于有了一线生机,至少在股票上得到了积极的反应,尽管空头们还在叫嚣。 7 月 7 日,马斯克在推特上立下了周产 7k 的 flag,原文是:7000 cars,7 days。 10 月 13 日,第 10 万辆特斯拉 Model 3 下线。 2018 年 Q3 对于特斯拉来说是一个真正有历史意义的时刻。在第三季度内,特斯拉获得了 3.12 亿美元的 GAAP 净收入,成功实现盈利。这是特斯拉自 2010 年 IPO 以来,第三次扭亏为盈。 据统计,Model 3 在第三季度周产约为 4300 辆,且最后一周生产了 5300 辆全驱版本 Model 3。 高产能并非偶然,Model 3 在 Q4 的表现依旧强劲。在第四季度内,特斯拉周产约为 4700 辆,比 Q3 提高了 15%。 关于产能,最后来看一个数据:2017 年 Q4 特斯拉交付了 1550 辆 Model 3,2018 年 Q1 交付了 8180 辆,Q2 交付了 18440 辆,Q3 交付了 55840 辆,Q4 交付了 63150 辆。注意,第四季度超过四分之三的订单来自新客户,而不是预订客户。 从交付数据来看,产能爬坡效果非常明显。而且特斯拉表示,Model 3 … 继续阅读

创新奖得主 RoboSense(速腾聚创) 携全面升级的车规级 MEMS 固态激光雷达 M1 再现 CES2019

· Jan 04, 2019 333

2019 年 1 月 4 日,作为 CES2019 创新奖得主的自动驾驶激光雷达感知系统提供商 RoboSense(速腾聚创),宣布将在 CES2019 上,公开演示全面升级后的 MEMS 固态激光雷达 RS-LiDAR-M1。它是由 RoboSense 专门为自动驾驶量产车而设计的车规级固态激光雷达,能为自动驾驶车辆提供突破性智能感知能力。 早在 CES 2018 上,RoboSense 就率先展出了第一代 MEMS 固态激光雷达 RS-LiDAR-M1Pre。2018 年 5 月,该产品首次搭载到菜鸟的无人物流车上,亮相阿里菜鸟全球智慧物流峰会,成为全球首款搭载到无人驾驶车辆的固态激光雷达。目前这款固态激光雷达产品已经开始向全球顶级 Tier1 & OEMs 进行送样。 经过一年潜心研发,此次 CES 将公开演示的 RS-LiDAR-M1,通过全新光机系统设计进一步激发出 MEMS 技术的巨大潜能,让 M1 在探测距离、分辨率、视场角、可靠性等全方位取得突破性「进化」,进一步印证了 RoboSense 在 LiDAR 感知技术的能力。 水平视场角达提升一倍,达到 120° 全新光机系统的设计,令 RS-LiDAR-M1 水平视场角相比前代产品 M1Pre 提升近 100%,达到惊人的 120°。通过采取不同的安装方式,可满足 L3-L5 级别的自动驾驶需求。使用 5 个 RS-LiDAR-M1 合理分布,即可实现汽车无盲区 360°感知覆盖,并在汽车前方获得双 LiDAR 感知冗余,满足 L5 级别自动驾驶需求。以目标量产成本 200 美元计算,5 颗 RS-LiDAR-M1 硬件成本只要市场上最高线束的机械式 LiDAR 的 1/100,更加符合自动驾驶量产车对 LiDAR 的成本要求。 RS-LiDAR-M1 视场角提升至 120°,分辨率之高可清晰分布栏杆栅栏等细小物体 距离达 200 米,点云效果实现飞跃 1550nm 与 905nm 的激光器光源之争,更多在于成本与性能的博弈。对于低成本的 905nm 光源激光雷达来说,要做到足够的探测距离是需要攻克的技术关卡。RS-LiDAR-M1 在 905nm 激光器基础上实现了探测距离极限的突破,距离达到 200 米。 RS-LiDAR-M1 匠心独具的 LiDAR 系统,带来巨大量变,在最终输出的点云效果上更是表现显著。 光机系统与信号处理技术方面的大幅升级,让 M1 在探测能力大幅提升。即使栏杆栅栏等细小物体,RS-LiDAR-M1 也能清晰分辨。 RS-LiDAR-M1 以低成本的 905nm 光源达到 200 米探测距离 「RoboSense 的 RS-LiDAR-M1 激光雷达感知技术是一次巨大飞跃,」RoboSense 联合创始人 Mark Qiu 表示。 「 我们坚持开发低成本高性能的车规级激光雷达,推动 LiDAR 市场结构发生改变——LiDAR 不仅仅应用在全无人驾驶车辆,它也可以在辅助驾驶上发挥它的优势,让车辆低成本探测到外界的环境信息,保障驾驶的安全。」 RoboSense 在 CES2019 上展出 RoboSense 作为 CES 2019 创新奖获奖者。RS-IPLS 针对更安全的自动驾驶量产车而推出的首个基于硬件和软件算法的解决方案,它包括第一代 RoboSense MEMS 固态激光雷达 RS-LiDAR-M1Pre … 继续阅读

出身特斯拉的 Nullmax,将如何在国内做好自动驾驶?

· Jan 04, 2019 333

特斯拉的 Autopilot 一直以来都是汽车行业前装 ADAS 系统的标杆。那么理所当然的,由前 Autopilot 团队工程师主导的自动驾驶创业公司也自然会多一分「 靠谱儿」 的光环。我们今天要说的 Nullmax 就是这样一家初创企业。 Nullmax,中文名称纽劢科技,是由前特斯拉 Autopilot 核心团队内的两位中国籍员工创立的。CEO 徐雷在特斯拉是计算机视觉高级工程师,负责软件,而 COO 宋新宇则在特斯拉担任供应链及产品高级经理,负责硬件产品的整合。单从分工上看,两人非常互补。 于是在 2016 年,两人从特斯拉离职,在宋新宇于硅谷的家中创立了 Nullmax(又是一个车库里发生的故事)。2017 年初,他们正式回到了中国,将公司总部设在了上海,开始了美国中国两地办公的模式。此后,他们也成为了最早一批拿到美国加州自动驾驶路测拍照的公司之一。目前团队已经发展到了 100 多人,成员来自 Tesla、Apple、Intel、Baidu、Bosch、Panasonic、Harman、Neusoft 等公司。 技术导向,专注 L3、L4 落地 虽然成立已经两年多,但是这次却是 Nullmax 第一次对外发声,按徐雷和宋新宇的解释,Nullmax 保持低调是因为他们是一家技术导向的公司。其主要关注方向为 L3/L4 级别的自动驾驶落地。L3 方面的产品包括高速拥堵(TJC)、高速代驾(HWC),而 L4 级别的产品则是代客泊车和针对未来智慧城市的智能交通系统。 Nullmax 在传感器的选择上也继承了特斯拉的策略,主要依靠摄像头、毫米波雷达和超声波雷达的多传感器统合方案。为了保证整体系统的安全与鲁棒性,Nullmax 在视觉感知和深度学习的软件上做了大量开发,自主研发了用于处理画面中复杂光线的 ISP 算法,并且他们会自行定义设计摄像头传感器,然后再找工厂代工。 除此之外,Nullmax 还基于英伟达的 Drive PX2 SoC,搭建了一套自己的软件系统平台,其中涵盖了传感器数据、环境感知、规划决策、控制等等模块。这套系统除了支持 GPU,还支持 FPGA 和 ASIC 芯片。针对 L4 级别的指挥交通解决方案,Nullmax 自行研发了一套城市交通模拟器。 具体由三部分构成: 第一部分 Traffic Simulator Interface,模拟一个城市一个区域的交通状况。 第二部分为 NS Interface,模拟 V2X 的信号,如何发到车上,包括车和交通设施之间的关系。 第三部分是 DS Interface,模拟驾驶员如何控制车汽车、如何感知周围环境并规划设计,如何从基础设施拿到更多的信息,以及从智慧交通或者云端得到更多信息。 基于这三个部分的融合便可以得到一个更冗余的虚拟世界模型,基于这个虚拟世界模型中的安全驾驶规则,就可以让算法模仿人一样控制车辆。这么做的目的也是为了解决未来交通环境中,自动驾驶与人为驾驶的共存问题。 定位 Tier 2 的商业模式 Nullmax 的商业模式定位非常明确——做二级供应商。为 Tier 1 和 OEM 提供传感器与软件算法的整合方案。在这一点上,他们与 Mobileye 之前在前装领域的定位非常类似。 在发布会上,纽劢科技公布了与国内 Tier 1 德赛西威的合作。据 CEO 徐雷透露,他们合作的整车厂及 Tier 1 其实还有很多(主要以国内的为主),只不过出于保密协议的原因,目前还不能够对外透露。这些项目主要面向 L3 级别,落地时间在 2020 年左右。 对于一家自动驾驶的创业公司来说,进入前装可以说是唯一一个可持续发展且符合自身方向的商业模式。其它的前瞻型项目说到底也只能是「 江湖救急」,无法作为长期的输血来源。从这个角度来看,纽劢科技在商业模式上的选择走得十分稳健。 有了特斯拉的背景背书,再加上国内车厂需求的迫切,纽劢科技在前装领域肯定是不缺关注度的。徐雷告诉我们,即使是 Mobileye 这样的行业标杆,其产品在感知以及定制化方面也存在着不足。期待着纽劢科技能在巨头林立的前装市场中找到属于自己的差异化方案。 原创声明: 本文为 GeekCar 原创作品,欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」,并附上原文链接,不得修改原文内容,谢谢合作! 欢迎关注 GeekCar 微信公众号: GeekCar 极客汽车(微信号:GeekCar)& 极市(微信号:geeket)。