本文主要是介绍高阶智驾，开打「硬核」战，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
一直以来，高阶智驾的「规模化普及」何时到来，硬件的「军备竞赛」和系统「降本增效」长期处于博弈状态。
其中，作为关键环节之一，传感器配置以及相应的感知算法技术迭代升级是最具看点的部分。以特斯拉、百度Apollo为代表的纯视觉技术路线阵营玩家，在此轮博弈中，优势凸显。
01 第一性原理看技术演进
众所周知，高阶智驾的最大争议，就是激光雷达。
比如，特斯拉CEO埃隆·马斯克一直坚定地反对激光雷达，甚至多次在公开场合贬低激光雷达，比如：“激光雷达毫无意义，对于自动驾驶汽车来说没有必要”。
而特斯拉对“第一性原理”坚持（人类驾驶员在执行驾驶任务的时候，主要依靠视觉，另外加上两个耳朵），也成为行业内真正意义上第一个在量产车上实现“纯视觉”高阶智能驾驶方案的车企。
尤其是近年来BEV+Transformer这种全新感知范式的上车（已经得到行业的普遍认同），再加上时序信息以及Occupancy Network（占用网络）的推出，进一步增强视觉的3D感知性能提升。
而更为关键的是，高阶智驾的普及，需要足够的性价比优势。相比而言，激光雷达即便目前已经实现500美元的量产交付，但对于车企来说，还不够。
事实上，激光雷达厂商并不想快速降价。
按照速腾聚创最新发布的港股材料，今年上半年，ADAS激光雷达的交付价格仍高达3700元。而车企普遍的规模化上车预期是300甚至100美元。
不过，按照该公司的说法，激光雷达的定价也受到了市场竞争和车企议价能力（每年下调1-5%）的影响，但预计未来不会出现显著下降。
显然，这意味着，车企和Tier1需要做好应对方案。毕竟，在白热化竞争的终端市场，任何一家车企都要优先考量成本。
实际上，众所周知，目前国内市场已经交付的、具备城市场景NOA的车型，基本上都是采用激光雷达的配置方案，再加上高精度地图、高精度定位等其余配置，整套系统成本大幅增加。
如果按照此前国内某Tier1推出的8000元级「高性价比」城市全场景无图NOH产品方案，额外增加一颗前向激光雷达，整体成本至少增加近40%。
而在市场端，行业仍在等待新的方案。
高工智能汽车研究院最新发布数据显示，2023年1-9月，中国市场（不含进出口）乘用车前装标配（软硬件）NOA交付新车37.73万辆，同比上年同期增长151.20%。
不过，在前装搭载率方面，也仅仅不到3%（2.55%）。这意味着，在触及10%拐点之前，市场依然存在各种不确定性，比如方案配置。
激光雷达的支持者认为，“激光雷达会越来越便宜，接下来的传感器融合会有激光雷达，真正的L3、L4需要激光雷达。”
但质疑者强调，“推动城市NOA落地的情况下，各家配置激光雷达的车型是否能用好激光雷达，需要实际验证。”
“激光雷达可在短期内迅速提升系统表现，但存在上限；而长期来看，纯视觉在系统成本、迭代速度、数据闭环，甚至向端到端发展都具备优势。”极越公司相关负责人表示。
今年10月份，极越01正式开启交付，这款现象级智能电动车型搭载的正是百度Apollo City Driving Max的纯视觉高阶智能驾驶系统。
这是全球唯二、国内首款可量产，并实现交付的纯视觉城市高阶智驾解决方案，并抢先特斯拉FSD在国内城市场景量产落地。
在高工智能汽车研究院看来，增加一种传感器的问题，不仅仅是硬件成本的增加，还有大量的软件算法开发和适配，尤其是主被动传感器的融合，一直是不稳定的状态。
实际的行业状态是？「此前很长一段时间，因为纯视觉方案具有局限性，所以很多玩家不得已加入激光雷达。」
此外，一直以来，视觉感知的底层技术研发，真正参与的企业并不多。早期的博世、Mobileye由于交付的都是软硬方案，不管是Tier1还是车企，并没有在感知技术上有过多的投入。
「相比于规控，前端感知一直是技术洼地。」在高工智能汽车研究院看来，类似特斯拉、百度Apollo这样的企业，在行业内并不多见。
02 源头数据，规模化竞争关键
而视觉感知技术的沉淀，还需要大量的真实数据支持。
比如，前特斯拉AI总监Andrej Karpathy表示，模型（不管是小模型，还是大模型）需要数据来驱动，模型决定上限，而数据帮助模型到达这个上限。
尤其是BEV+Transformer的导入，在百度看来，BEV将视觉测距精度从“普通卷尺”升级到了“游标卡尺”的新高度，占用网络技术的引进又为感知系统进化出了昆虫复眼，将全天候周边环境尽收眼底。
事实上，相比于特斯拉的影子模式，国内大部分车企的有效数据采集规模以及数据质量，还有不小的差距。相比而言，Robotaxi是更好的补充。
这种策略，也在被更多的车企所效仿。
比如，今年小鹏汽车巨资收购了滴滴智能汽车开发业务资产，同时，借助滴滴的网约车平台，能够产生的数据比现有私家车更大更丰富，能够对自动驾驶模型带来更质变的影响。
在此之前，小鹏也推出了Robotaxi的首款硬件零改装量产车。按照小鹏的官方表态，小鹏G9 Robotaxi可以和量产车辆双线并行共同加入训练体系，极大提升训练数据的来源、体量及场景丰富度。
而更早实现这套闭环逻辑的，就是百度Apollo，即便是在全球范围内，这也是到目前为止，独一无二的存在。
根据百度今年Q3财报显示，萝卜快跑已在包括北京、武汉、重庆、深圳等十余个试点城市提供超过410万自动驾驶出行服务订单，自动驾驶安全运营测试里程累计已超7800万公里。
而Robotaxi的高精传感器从数据源头上形成了差异化竞争力，按照百度的说法，真值数据质量与行业平均水平拉开了「8K超清与标清」的代际差距，数据精度持续刷新行业天花板。
最关键的是，纯视觉方案的实现离不开高品质训练数据。而随着中国市场开始启动L3/L4级自动驾驶量产车的上路准入，这种趋势愈加明显。
在具体的技术持续升级方面，百度Apollo在Apollo Lite框架基础上，用4D BEV Transformer全新升级第二代纯视觉感知系统，“快、准、稳“地预测道路参与者的时空位姿轨迹。
同时，配合业内最前沿的占用网络OCC技术，百度Apollo能够对静态环境做端到端实时重建，可以获取比激光雷达点云分辨率更高的三维结构信息。
从实际交付表现来看，也是印证了百度Apollo纯视觉技术的领先性。
在高速场景，百度Apollo推出行泊一体产品Apollo Highway Driving Pro，并在新岚图FREE实现量产。数据显示，新岚图FREE的行泊车智驾功能激活率高达83.74%；高速NOA总里程达33万公里，其中NOA每千公里接管次数为2.02次/千公里；高速NOA单次最长行驶里程为364公里。
针对城市复杂道路场景，百度Apollo也推出了Apollo City Driving Max。作为国内唯一实现交付的纯视觉高阶智驾解决方案，Apollo City Driving Max已经跑通了泊车、高速、城市全域场景，实现与「有激光雷达」同样好的产品体验，BOM成本更低，让整车更有价格争力。
目前，百度Apollo City Driving Max已经在极越01实现量产。极越官方社交账号发布的一段城市领航辅助驾驶路试视频显示，一台搭载百度Apollo纯视觉高阶智驾解决方案的极越01“一镜到底”跑完了上海陆家嘴-外滩-南浦大桥等路段，全程零接管，从容应对各种复杂路况。
而在极越官方发布的OCC占用网络技术演示视频中，基于百度Apollo的量产技术方案，汽车机器人的视觉世界里，可以实时重建还原3D场景——比如，系统用体素清晰展示了栏杆、绿植、路障等标准障碍物，同时还精准识别出了施工中的工程车、树木中的路灯等异形障碍物。
这意味着，通过百度Apollo的BEV+Transformer+OCC的方案，车辆可以减少漏检、误检并弥补视觉所不具备的空间高度信息，替代了激光雷达，并大幅提升了泛化能力。
在高工智能汽车研究院看来，高阶智驾的终局比拼，已经进入最为关键的周期。无论是城区NOA，还是L3/L4级自动驾驶，谁能在系统成本最优的前提下，实现规模化落地，将决定谁能留到最后。
这篇关于高阶智驾，开打「硬核」战的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
