[首發(fā)于智駕最前沿微信公眾號(hào)]在自動(dòng)駕駛中，激光雷達(dá)（LiDAR）一直被視為車輛的眼睛。隨著技術(shù)競(jìng)爭(zhēng)的加劇，很多技術(shù)方案裝配激光雷達(dá)的數(shù)量從一顆增加到了三顆甚至四顆。這種硬件上的堆料雖然提升了感知的覆蓋范圍，但也帶來了一個(gè)問題，那就是傳感器多了，數(shù)據(jù)處理起來會(huì)打架嗎？系統(tǒng)會(huì)不會(huì)因?yàn)樾畔⒘刻蠖a(chǎn)生嚴(yán)重的延遲？

為什么自動(dòng)駕駛需要多個(gè)激光雷達(dá)？

很多智駕車輛上，都會(huì)在車頂安裝單顆激光雷達(dá)，雖然探測(cè)距離遠(yuǎn)，但它的視場(chǎng)角是有限的，無(wú)法兼顧車身四周的近距離盲區(qū)。

為了實(shí)現(xiàn)全方位的感知，尤其是應(yīng)對(duì)復(fù)雜的城市路口轉(zhuǎn)彎、近距離加塞等場(chǎng)景，有些技術(shù)方案中會(huì)在車頭兩側(cè)或翼子板位置增加補(bǔ)盲激光雷達(dá)。這種布置方式確保了車輛能夠擁有三百六十度的環(huán)視能力，不給障礙物留下藏身之地。

圖片源自：網(wǎng)絡(luò)

除了擴(kuò)大視野，多雷達(dá)布局還提供了一種冗余保障。在高速行駛的過程中，如果單一傳感器受到強(qiáng)光干擾或者物理遮擋導(dǎo)致失效，其他位置的雷達(dá)可以迅速接管感知任務(wù)，確保系統(tǒng)不會(huì)瞬間變成瞎子。

硬件上的相互補(bǔ)位，是提升自動(dòng)駕駛安全性的重要手段。然而，這種物理上的并存只是第一步，真正的挑戰(zhàn)在于如何讓這些來自不同位置、不同角度的數(shù)據(jù)在數(shù)字世界里完美地合為一體。

多傳感器融合的難點(diǎn)究竟在哪？

激光雷達(dá)越多，帶來最直接的問題就是空間上的對(duì)齊。每一顆雷達(dá)都有自己的坐標(biāo)系，這就好比好幾個(gè)人從不同的窗口觀察同一個(gè)房間，他們看到的物體位置和角度都不一樣。

要把這些碎片化的點(diǎn)云信息拼成一張完整的地圖，就需要極其精確的標(biāo)定。如果標(biāo)定出現(xiàn)哪怕幾厘米的偏差，系統(tǒng)在識(shí)別物體時(shí)就會(huì)出現(xiàn)重影，明明只有一輛車，算法卻可能認(rèn)為前方有兩個(gè)重疊的目標(biāo)，這會(huì)直接干擾后續(xù)的路徑規(guī)劃。

圖片源自：網(wǎng)絡(luò)

除了空間對(duì)齊，時(shí)間上的同步同樣關(guān)鍵。車輛在行駛過程中，周圍的環(huán)境是實(shí)時(shí)變化的。如果左側(cè)雷達(dá)采集數(shù)據(jù)的時(shí)間比右側(cè)雷達(dá)晚了幾十毫秒，那么當(dāng)系統(tǒng)嘗試將這兩份數(shù)據(jù)融合時(shí)，探測(cè)到的物體已經(jīng)發(fā)生了位移。

為了解決這個(gè)問題，就需要使用專門的時(shí)間同步協(xié)議，確保所有雷達(dá)都在同一時(shí)刻按下快門。這種毫秒級(jí)的同步對(duì)硬件時(shí)鐘和通信協(xié)議的要求極高，也是衡量自動(dòng)駕駛系統(tǒng)成熟度的重要指標(biāo)之一。

傳感器多了真的會(huì)造成系統(tǒng)延遲嗎？

對(duì)于傳感器加多產(chǎn)生的延遲問題，本質(zhì)上是計(jì)算資源的博弈。激光雷達(dá)每秒鐘會(huì)產(chǎn)生數(shù)以百萬(wàn)計(jì)的點(diǎn)云數(shù)據(jù)，每一顆新增的雷達(dá)都在成倍地增加數(shù)據(jù)吞吐量。這些原始數(shù)據(jù)需要通過車載以太網(wǎng)傳輸?shù)接?jì)算平臺(tái)，進(jìn)行去噪、特征提取和目標(biāo)識(shí)別。

如果計(jì)算平臺(tái)的處理速度跟不上數(shù)據(jù)流入的速度，確實(shí)會(huì)導(dǎo)致系統(tǒng)響應(yīng)變慢。在自動(dòng)駕駛中，幾十毫秒的延遲在高速場(chǎng)景下可能就意味著數(shù)米的感知滯后，這顯然是不可接受的。

圖片源自：網(wǎng)絡(luò)

為了應(yīng)對(duì)這種計(jì)算壓力，現(xiàn)在的主流方案并不是簡(jiǎn)單地堆砌處理器，而是從算法層面進(jìn)行優(yōu)化。

比如，系統(tǒng)不再對(duì)所有雷達(dá)的原始數(shù)據(jù)進(jìn)行全量處理，而是采用更有針對(duì)性的特征級(jí)融合。算法會(huì)先在每一顆雷達(dá)的局部端完成基礎(chǔ)的過濾和預(yù)處理，只將有用的特征信息匯總到中央大腦。

此外，隨著神經(jīng)網(wǎng)絡(luò)架構(gòu)的演進(jìn)，很多算法已經(jīng)能夠并行處理多個(gè)傳感器的輸入，大大緩解了串行處理帶來的時(shí)間損耗，將整體延遲控制在安全范圍之內(nèi)。

如何在性能與效率之間尋找平衡？

解決融合困難和延遲問題的核心，在于算法的架構(gòu)設(shè)計(jì)。早期的方案是把激光雷達(dá)、攝像頭和毫米波雷達(dá)的數(shù)據(jù)分開處理，最后再把結(jié)果湊在一起，這被稱為后融合。

這種方式雖然簡(jiǎn)單，但容易丟失關(guān)鍵信息?，F(xiàn)在的趨勢(shì)是前融合或者基于統(tǒng)一空間坐標(biāo)系的感知，系統(tǒng)將多顆雷達(dá)的點(diǎn)云在底層就進(jìn)行深度集成。這種做法雖然對(duì)計(jì)算能力要求更高，但能讓系統(tǒng)更早、更準(zhǔn)地理解環(huán)境，減少了后期糾錯(cuò)帶來的計(jì)算浪費(fèi)。

圖片源自：網(wǎng)絡(luò)

隨著技術(shù)的迭代，激光雷達(dá)的性能也在進(jìn)化?，F(xiàn)在的固態(tài)激光雷達(dá)和高分辨率掃描技術(shù)，能夠以更高效的數(shù)據(jù)格式輸出信息，減少了冗余的噪聲。同時(shí)，車載芯片的專用算力也在快速提升，專門針對(duì)點(diǎn)云處理設(shè)計(jì)的硬件加速器讓多雷達(dá)融合變得不再像以前那樣吃力。

雖然增加激光雷達(dá)確實(shí)帶來了融合上的復(fù)雜性和潛在的延遲壓力，但通過合理的傳感器配置、高精度的時(shí)空同步以及不斷進(jìn)化的算法架構(gòu)，這些挑戰(zhàn)正在被逐一攻克。對(duì)于自動(dòng)駕駛系統(tǒng)而言，這種硬件上的增加并不是單純的累贅，而是通往更高級(jí)別智能化的必要路徑。

審核編輯 黃宇