拆解自动驾驶汽车：摄像头赋予“视觉” V2X传感器实现信息交换

自动驾驶汽车依靠几种先进技术进行自我导航。 我们将AV分拆，看看这些技术如何协同工作以及哪些公司正在推动它们向前发展。

自动驾驶汽车依靠一系列互补技术来理解周围环境，并作出反应。

一些AV公司正专注于这些特定组件，并与汽车制造商和一级供应商合作，以帮助他们的产品扩大规模，而其他公司，如Zoox和Nuro，正在从头开始设计他们的车辆。

CB Insights仔细研究了许多可以实现自动驾驶的技术，并列出一些希望使AV更先进、成本更低、更容易扩展的初创公司。

感知

自动驾驶车辆必须能够识别交通信号和标志以及其他汽车，自​​行车和行人。它们还必须感知到来的物体的距离和速度，以便知道如何作出反应。

AV通常依赖于摄像头和其他传感器，例如雷达和光探测和测距(激光雷达)，每种传感器都提供其自身的一系列优点和局限性。

这些传感器收集的数据通过称为“传感器融合”的技术混合在一起，以尽可能精确地表示汽车周围的环境。

摄像头和计算机视觉

摄像头普遍用于配备先进驾驶员辅助系统(ADAS)的自动驾驶车辆和车辆。与雷达和激光雷达不同，摄像头可识别颜色和字体，有助于检测道路标志，交通信号灯和街道标记。

然而，在检测深度和距离时，相比激光雷达，摄像头显得苍白无力。

许多初创公司正在寻求在汽车领域创建摄像头，以提取最生动的图像。

7月份在D轮中筹集了1.21亿美元的Light，开发了一款摄像头，旨在与激光雷达的精度竞争。该摄像头可以整合所有16个镜头的图像，提取出高度精确的3D图像。

为了处理从摄像头引入的数据，AV系统使用经过训练的计算机视觉软件来检测物体和信号。软件应该能够识别车道边界的具体细节(例如线条颜色和图案)并评估适当的交通规则。

许多初创公司正在寻求开发更复杂、更高效的计算机视觉技术。

像DeepScale这样的公司正在部署深度神经网络，以提高识别能力，并随着时间的推移保持错误率的提高。

总部位于巴黎的Prophesee开发了基于事件的机器视觉，有助于识别物体并最大限度地减少数据过载。该公司的深度学习技术模仿人类大脑如何处理视网膜图像。

标准摄像头中基于帧的传感器依赖于同时捕获图像的像素，并逐帧处理图像;基于事件的传感器依赖于彼此独立工作的像素，允许它们作为连续的信息流捕获运动。

该技术减少了传统摄像头在处理来自一系列帧的图像时所经历的数据负载。

Prophesee希望将其机器视觉功能部署到多个行业，从自动驾驶汽车到工业自动化再到医疗保健。 2月，该创业公司在B轮后续轮次中筹集了1900万美元。

RADAR，LIDAR和V2X

AV开发人员正在整合雷达和激光雷达传感器，以增强摄像头的视觉功能。

AV使用传感器融合 - 软件集成了所有传感器的数据，创建汽车周围环境的一致视图 - 处理来自众多传感器的数据。

除了视距传感器之外，许多初创公司和汽车公司正致力于车辆到一切(V2X)技术，该技术允许车辆与其他连接设备进行无线通信。

该技术仍处于早期阶段，但它有可能为车辆提供附近车辆、自行车和行人的实时馈送，即使它们位于车辆的视线之外。

雷达

汽车使用雷达通过发出无线电波来检测即将到来的物体的距离、范围和速度。

雷达技术被认为比激光雷达更可靠，因为它具有更长的探测范围，并且不依赖于更容易出错的旋转部件。它的成本也大大降低。因此，雷达广泛用于自动驾驶汽车和ADAS。

Lunewave于9月份从宝马和百度筹集了500万美元的种子资金，正在使用3D打印技术创造更强大的天线，具有更大的范围和精度。该公司的技术基于Luneburg天线，该天线是在20世纪40年代开发的。

Metawave还致力于提高雷达的能力。该公司开发了一种模拟天线，使用超材料实现更快的速度和更长的探测范围。

5月份Metawave的1000万美元后续种子轮包括来自DENSO、现代和丰田等大型汽车公司的投资，以及智能投资VC Khosla Ventures。该公司宣布了一级供应商英飞凌8月份对后续一轮的投资。

光探测和测距(激光雷达)

激光雷达被认为是最先进的传感器。其高精度能够创建车辆周围环境的3D渲染，便于物体检测。

激光雷达技术使用红外传感器来确定物体的距离。传感器以快速的速率发出激光脉冲，并测量光束返回其表面所需的时间。

传统的激光雷达装置包含许多旋转部件，可捕捉汽车周围环境的360°视图。这些部件的开发成本更高，并且往往不如静止部件可靠。初创公司正在努力降低激光雷达传感器的成本，同时保持高精度。

一种解决方案是固态激光雷达单元，其没有移动件并且实施成本较低。

以色列初创公司Innoviz开发出的固态激光雷达技术成本“高达数百美元”，这是Velodyne售价75,000美元的激光雷达装置成本的一小部分，该装置包含128个激光器。

今年4月，Innoviz宣布与汽车制造商宝马和一级供应商麦格纳合作，在宝马自动驾驶汽车中部署激光雷达扫描仪。

Aeva也在开发固态激光雷达。它在10月份A轮融资中筹集了4500万美元。该公司声称其技术范围为200米，成本仅为几百美元。与传统的激光雷达不同，Aeva的技术可以发出连续的光波而不是单个脉冲。

总部位于中国的速腾聚创(Robosense)正在开发固态激光雷达。它在10月份C轮融资中筹集了4330万美元，这是中国激光雷达公司最大的一轮融资。这轮投资者包括阿里巴巴的物流部门菜鸟以及汽车制造商SAIC和北汽。

V2X传感器

V2X技术实现了车辆与其他连接设备之间的无线信息交换。虽然仍处于早期阶段，但V2X技术可以帮助解决激光雷达、雷达和摄像头等视距传感器的局限性。

V2X传感器可以检测道路危险，交通拥堵以及车辆视野外的迎面而来的盲点。

总部位于以色列的创业公司Autotalks正在与现代公司合作，为大众市场扩展其V2X传感器技术。该创业公司已获得现代以及二级供应商三星的资助。

驾驶员数据和模拟

道路测试和模拟的驾驶员数据对于开发自动驾驶技术至关重要，因为它训练指导车辆的算法。

根据兰德公司的说法，自动驾驶汽车需要驾驶数亿甚至数十亿英里来验证其安全性。对于AV开发者来说，从测试车队收集这些数据需要数年的时间。

因此，AV开发人员通过模拟积累了额外的里程。

模拟初创公司和AV开发人员使用人工智能生成或扩充简单数据集来训练自动驾驶汽车。该技术特别有助于在危险的、不太频繁的情况下训练AV，例如眩目的太阳或从停放的汽车后面突然跳出的行人。

总部位于以色列的创业公司Cognata开发了一个3D仿真平台，为客户提供各种自动驾驶测试场景。

10月B轮融资中，该公司从包括空客和Maniv Mobility在内的投资者那里筹集了1850万美元。

英伟达是处于模拟前沿的主要公司之一。 5月，它推出了一个名为DRIVE Con​​stellation的基于云的仿真平台。该平台在公司的GPU上运行，并为AV系统生成传感器数据流以进行处理。 英伟达可以在数十亿英里的定制场景中训练其算法。

9月，该公司向合作伙伴网络开放了仿真平台，包括创业公司Cognata和Parallel Domain，以及主要的科技公司西门子。

与收集驾驶员数据相关的另一个挑战是图像注释，或标记数据，以便AV可以识别和分类对象。

培训数据启动MightyAI正在与构建计算机视觉模型的公司合作，以帮助标记他们用于培训系统的数据。 MightyAI提供数据管理、注释和验证工具。

公司用于理解收集的数据的一种技术是语义分割，其通过像素分解视频图像，以允许更细粒度的处理。

中国科技巨头百度也开发了自己的语义分割软件ApolloScape，用于自动驾驶的开源数据集。

百度的技术可实现多达26种分类的图像注释，包括汽车、行人、自行车、建筑物和路灯，以帮助自驾车识别道路上的可驾驶区域和即将来临的危险。

本土化

自动驾驶车辆还需要知道其准确位置，以便进行决策和路径规划。

许多人依靠GPS信号，但这些测量结果可能会偏差1-2米 - 错误率太高，因为整个自行车道平均大约为1.2米。

因此，AV开发人员依赖于一系列技术，包括预建地图，有助于将错误减少到不到1米。

预先构建地图

当车辆自行导航时，它们将周围环境与存储在其记忆中的数字地图进行比较。

这些地图称为HD地图，比用于个人导航软件的数字地图更精确。它们包含基于道路的信息，例如车道尺寸、人行横道和道路标志，并且通过从外部车辆传感器收集的数据得到增强。

许多初创公司设计了所需的硬件(即传感器)和软件，可以在道路上收集数据，然后将其转换为数字地图。

DeepMap开发了地图构建软件，计划向汽车制造商和以AV为重点的科技公司授权。一级供应商罗伯特博世于8月投资该创业公司，先前的投资者为Andreessen Horowitz和Accel Partners。

Civil Maps还在开发用于全自动驾驶车辆的3D绘图技术。使用AI，公司将原始传感器数据转换为有意义的地图信息。

一些公司正在自己构建HD地图，目的是将数据许可给有关各方。

地图领域的两个主要参与者是HERE Maps和TomTom。 HERE Maps于2015年12月被德国汽车制造商联盟(奥迪，宝马和戴姆勒)收购。TomTom于1月份与百度合作，将其美国和西欧的地图与百度广泛的中国地图整合在一起。

谷歌在地图绘制领域也取得了显著进展。沃尔沃于10月宣布，它正在将其地图平台从TomTom转移到谷歌。谷歌的自动驾驶部门Waymo也使用自己车辆在道路上收集的数据建立的高清地图。

百度正在为其自动驾驶汽车软件平台Apollo构建高清地图。该公司认为有机会通过将地图出售给汽车制造商来将地图货币化，并收取服务费或将费用纳入车辆成本。

百度认为，其高清地图业务最终将超过其目前中国最大的搜索业务。

完整的系统

许多公司正在研究完全自动驾驶系统而不是特定组件。

虽然这些初创公司大多专注于自动驾驶和与汽车制造商合作部署他们的技术，但有些正在从头开始重建他们的车辆。

自动驾驶系统

大多数构建完整自动驾驶堆栈的公司都提供包括计算机视觉和传感器融合软件的软件包，以及自动驾驶所需的硬件。这些系统是自动驾驶汽车的“大脑”。

这个领域的初创公司通常与汽车制造商合作部署他们的技术。在某些情况下，他们可以使用该技术改造现有车辆。

例如，Drive.ai正在使用其自主系统来创建改装套件。在德克萨斯州弗里斯科试驾了几个月的自驾车服务后，该公司于10月将其服务扩展到德克萨斯州的阿灵顿。

2017年9月，Drive.ai与Lyft合作，将配备系统的自动驾驶汽车带到Lyft的开源软件平台上。

中国还有几家公司致力于自动驾驶系统。

总部位于北京的Momenta于10月份跻身独角兽行列，并在电动车制造商蔚来和中国科技巨头腾讯的帮助下进行了C轮融资。 Momenta与苏州政府合作，部署了大规模的测试车队，并在该市建立了智能交通系统。

Pony.ai也达到了独角兽的地位。该公司已与中国第二大汽车制造商广汽集团合作，部署其完整的AV堆栈。它在9月份在广州推出了一个自动驾驶车队，距离A轮融资筹集1.02亿美元仅仅三个月。

完整的车辆

像Zoox和Nuro这样的公司正在从头开始建造车辆。

Zoox的原型车与传统车型有很大不同，它们不包括方向盘或仪表板，内部包含两个相互面对的长座椅。

它的车辆尚未合法允许在公共道路上行驶，因此Zoox正在与Toyota Highlanders一起临时测试其技术。

该公司独特的方法引起了投资者的极大关注，在其联合创始人兼首席执行官被解职后，近几个月吸引了大量媒体关注。

迄今为止，Zoox已经筹集了8亿美元，包括7月份B轮融资的5亿美元，估值为32亿美元。 该公司计划到2020年将其AV部署在乘车服务中。

Nuro的AV设计用于运载货物而非人员，以应对困扰众多零售商的最后一英里交付瓶颈。

大型车厂雄心勃勃

传闻通用汽车到2018年推出自动驾驶汽车。2016年，通用汽车斥资5.81亿美元收购了自动驾驶汽车初创公司Cruise Automation。上月通用宣布他们正在为Cruise Automation建立一个新的研发设施，并增加1,100个新工作岗位。

据路透社报道，有传言称，通用汽车计划明年与旗下拼车公司Lyft合作部署数千辆自动驾驶电动汽车。通用汽车斥资5亿美元收购Lyft 9%的股份，这是其打造按需自动驾驶汽车综合网络战略的一部分。

福特声称到2021年推出真正的自动驾驶汽车2月，福特宣布将投资10亿美元购买Argo AI。机器人公司由前谷歌和Uber领导人创建。福特计划将Argo AI的专业知识与福特现有的自动驾驶汽车相结合，在2021年推出一款“全自动驾驶汽车”。福特将首次使用这些汽车用于打车服务应用。

福特汽车首席执行官马克·菲尔德表示，福特计划在2021年制造“L4级别的自动驾驶车辆，没有油门踏板，没有方向盘，乘客将永远不需要在预定义区域内控制车辆。”福特实际上计划跳过L3级别并直接进入L4。

本田则声称到2020年让自动驾驶汽车在高速公路上运行。去年年底，本田宣布正在与Alphabet旗下Waymo进行洽谈，将Waymo自动驾驶技术纳入其车辆中。本田长期以来的目标是拥有至少能够在2020年前在高速公路上行驶的汽车。那时东京将举办夏季奥运会，而日本则希望能够展示其技术实力。

丰田同本田一样，到2020年在高速公路上部署自动驾驶汽车。丰田汽车公司一直是对自动驾驶汽车持怀疑态度的汽车公司之一，但在2015年他们做出了巨大的投资以赶上。丰田汽车公司将在五年内向丰田研究院投资10亿美元用于开发机器人技术和人工智能技术。丰田希望在2020年推出基于Highway Teammate计划的产品。这也将适合东京奥运会。

雷诺-日产表示在2020年开发出适用于城市环境中的自动驾驶汽车，2025年开发出真正的无人驾驶汽车雷诺 - 日产指望与微软建立新的合作伙伴关系，以推动其自动驾驶汽车的发展。雷诺 - 日产计划到2020年发布10款不同的自动驾驶汽车。

沃尔沃表示到2021年在高速公路上部署自动驾驶汽车。沃尔沃认为，自动驾驶汽车将改变共享乘车行业和豪华车市场。去年，沃尔沃与Uber达成了一项价值3亿美元的合资企业，以开发下一代自动驾驶汽车。沃尔沃正在为Uber的自动驾驶测试提供实体车辆。

沃尔沃已经采取措施避免一些可能减缓自动驾驶车辆发展的消费者关注和法律问题。 2015年，沃尔沃成为第一家承诺在汽车处于自主模式时承担全部责任的汽车公司。

现代表示2020年将自动驾驶在高速公路运行，2030年实现城市环境驾驶。现代正在研发自动驾驶汽车，但更注重可负担性。在一份声明中，现代声称它正在“开发自己的自动驾驶汽车操作系统，目标是使用更少的计算能力。这将产生一个低成本的平台，可以安装在普通消费者可以买得起的未来现代车型中。”

戴姆勒声称，到2020年初几乎达到完全自动驾驶。今年年初，戴姆勒宣布与Uber达成协议，未来几年内在Uber的乘车共享平台上推出他们的自动驾驶汽车。与其他几家汽车制造商一样，戴姆勒将移动性视为一种服务，将其作为首次使用自动驾驶汽车的合理场所。

菲亚特-克莱斯勒首席执行官预计到2021年无人驾驶汽车将会上路。菲亚特-克莱斯勒去年还与Waymo合作，测试了一些自动驾驶的克莱斯勒Pacifica Hybrid小型货车。

宝马表示到2021年达到完全自动驾驶。 去年，宝马宣布与英特尔和Mobileye进行高调合作，开发自动驾驶汽车。官方目标是到2021年“批量生产高度全自动驾驶汽车”。

特斯拉曾提出的目标是在2017年底。作为一家规模较小的初创汽车制造商，特斯拉一直致力于推动技术的发展。 去年，特斯拉开始确保所有汽车都具备完全自动驾驶功能所需的硬件，甚至在软件/数据准备好之前。 特斯拉汽车已经拥有增强型自动驾驶仪。马斯克预测，到今年年底，特斯拉将能够从洛杉矶开车到纽约市而无需接触方向盘。