网上有关“L3是工信部牵头华为主要参与制定”话题很是火热，小编也是针对L3是工信部牵头华为主要参与制定寻找了一些与之相关的一些信息进行分析，如果能碰巧解决你现在面临的问题，希望能够帮助到您。

自动驾驶，本身不限于电动车还是汽油车，但是电动力车两个优点：其一是电动 汽车 控制系统更加简化，只需要控制电机转速，不需要换挡离合，这样自动驾驶传动控制设计要简单很多。其二是灵敏性。很多电动 汽车 车主都有这个感觉，电门比油门响应更快，因为汽油有个能量转换过程。

自动驾驶，相对于前几年动不动就吹自己L4的自动驾驶系统，这几年随着监管标准出台，也渐渐收敛了过度宣传。尤其是2020年3月工信部就出台了《 汽车 驾驶自动化分级》，实际上明确了各个自动驾驶企业的技术发展阶段。至今，国内还没有L4。

对于L1-L5的界定，理论过于复杂，简单理解L1-2是辅助驾驶ADAS，比如你偏离路线白线系统警报提示，比如自动泊车，或者在直行堵车的时候自动行进。驾驶员只是阶段性地使用智能系统。到了L3，自动驾驶只在必要的时候交付车辆控制权，一般高速等封闭道路，驾驶员可以解放双手，但是依然随时等待接管驾驶系统。L4，区别就在于可以不用驾驶员，在指定街道运行，车内结构亦可以改变，比如没有驾驶舱，部分物流企业物流园区内部，那种搬运机器人就是L4，当然注意，L4不应该是轨道交通。L5，真正的自动驾驶永远无法达到。

2022年，国内自动驾驶跨入L3时代，并开始推动L3商用，自动驾驶将对车辆驾驶体验带来一些改变。为什么是2022年，因为：

其一、自动驾驶软环境开始构建。很简单的道理，如果自动驾驶出了交通事故，谁来负责？2021年3月，公安部《道路交通安全法（修订建议稿）》，第一百五十五条规定，发生道路交通安全违法行为或者交通事故的，应当依法确定驾驶人、自动驾驶系统开发单位的责任。同时，《深圳经济特区智能网联 汽车 管理条例（征求意见稿）》和11月《北京市智能网联 汽车 政策先行区自动驾驶出行服务商业化试点管理实施细则（试行）》等地方法规的颁布，进一步明确了自动驾驶的责任认定。当然，这里还有细节缺失，诸如L3下使用自动驾驶系统的时候出现事故，当前依然认定驾驶员的责任，这让L3以下自动驾驶功能依然不能解决实际问题。

其二、融资开始到位，资本开始躁动。。根据 IT 桔子，2021 年截至 10 月，自动驾驶领域共产生95次投融资事件；累计融资金额为 548 亿元，同比升 86%。自动驾驶领域从2012年谷歌waymo进行路测，如今十个年头，waymo第一轮融资在2020年3月，22.5亿美金，5月又筹集了7.5亿美元，而2021年6月进行了第二轮融资25亿美元。随着谷歌和沃尔沃合作，并在凤凰城、旧金山等地推动真正无人的自动驾驶 汽车 （没有驾驶员），自动驾驶的商用化前景已经开始清晰，从而逐渐走出了概念期。

其三、L3找到了应用场景。谷歌waymo通过里程积累，基本接近于L4，但其他企业普遍在L3阶段，对于L3阶段的自动驾驶，要么通过测试积累公里数和数据，要么通过商用来积累数据，同时产生一些收入维系运行，毕竟 科技 业赢者通吃情况严重，活下来很关键。当前L3的模式有两种：一种是限定区域的Robotaxi，也就是自动驾驶出租车，谷歌就是这么做的，一开始出租车需要两名工程师跟车来监控自动驾驶，通过人工智能机器学习来应对各种路况，从而完善自动驾驶系统，由于限定区域，所以自动驾驶环境较为稳定，通过试运行，可以通过好奇心吸引用户来获取一定的经营收入。另一种是L3在私人驾驶 汽车 领域的使用，但L3并非针对所有的路况，而是主要针对高速路。对于自动驾驶，高速路的路况相对于城市路段更为简单，反而容易应对，而对于用户来说，高速路大多数事故反而是因为人为操作失误。L3在高速路能够更好的形成应用，缓解长途车疲劳。这里比较集中的还有无人卡车，而且这些无人卡车往往限定在高速路段和物流园区内部行驶。

机遇主要在两方面：

一方面是无人驾驶 汽车 的集成供应商。由于谷歌和沃尔沃存在合作，而沃尔沃和吉利存在一些联系，虽然并不确定，但是吉利可能成为一家自动驾驶概念的公司。百度Apollo也将是一个不容忽视的存在，百度很多年来，一直向谷歌看齐，谷歌搞人工智能，百度也要。所以在加州路测等方面并不落后。还有一个华为的AITO品牌，这无关于技术，功劳属于“华为”两个字。

另外，诸如蔚来和小鹏，基于相对较大的新车出货量，其在自动驾驶方面拥有商用的基础，借助渠道搭售，然后通过用户数据反馈来强化。这方面类似于特斯拉的自动驾驶系统。

这里稍微提一下特斯拉的自动驾驶，利用视觉智能和利用激光雷达的辅助作用，是两种思路，当前谷歌商用自动驾驶都是基于激光雷达+弱视觉智能，而特斯拉试图用强视觉智能+强感知的方式来推动，但当前特斯拉的自动驾驶应该在L3附近，但跨越L3到L4是非常漫长的过程。相对来说，谷歌虽然是AI潮流发起者，但是对AI的现状看法更加客观。所以，现阶段比较稳健的自动驾驶还是谷歌的激光雷达方案。

另一方面是无人驾驶 汽车 的配件。一个是激光雷达，前文说过了，谷歌的激光雷达方案更为实际，小鹏、蔚来等基本装上了激光雷达。另一个是 汽车 芯片，智能 汽车 相对于传统汽油车芯片要多出6-8倍，其中中控交互系统，未来会趋向于性能更加强大的高端芯片。其实很多车载系统当前用的都是安卓系统，这也使得智能 汽车 越来越类似于我们的智能手机，成为芯片和传感器集成的大户。

机械式厂商比如：Velodyne、禾赛 科技 等；半固态厂商比如：Luminar、Innoviz、速腾聚创、华为、大疆等。

你觉得自动驾驶技术会是未来的趋势吗

车东西

文?|?晓寒

秘密研发6年、团队规模超过2000人！华为在自动驾驶领域，终于亮出了王牌。

名为ADS的“高阶”自动驾驶方案即将在2022年Q1登上量产车，可让消费者在“自家车库”到“公司车库”之间，全部实现自动驾驶。

你没看错，就是日常通勤的驾驶任务全部交给汽车来做——这就是L4级自动驾驶系统的功能。

如果能够实现量产，ADS将直接碾压现存所有L2和期货L3级系统，是典型的“高维打低维”做法。不得不说，华为出手确实很有分量。

刚刚过去的北京车展上，ADS方案以PPT的形式进行了简单展示，但具体包括哪些功能、驾驶责任如何划分、背后拥有怎样的技术细节等关键问题都没有披露。

华为智能汽车BU智能驾驶产品线总裁苏箐

国庆假期之后，车东西立即独家对话了华为智能汽车BU?ADS智能驾驶产品线总裁苏箐，得以提前窥见ADS的全貌、背后技术细节和研发历程。

一、通勤任务全部交给ADS?L4当L2用

ADS全称为Autonomous?Driving?Solution，官方中文名为“华为高阶自动驾驶系统”。

理解ADS，可以从功能和责任两个部分出发。

首先是功能，ADS是要在车主“小区车库”到“公司车库”全段路线上，实现连续的自动驾驶体验。

意思就是说，从自家车库上车那一刻起，车辆就负责所有驾驶操作——开出地库、开上城市道路、开上环路、开下环路、进入城市路况、进入公司地库。

现存的L2级系统，包括奔驰刚刚发布的期货L3，都是部分区域可用的系统，比如在环路（快速路）、车道线清晰的路段可用，在无车道线的道路、十字路口等红灯（特斯拉FSD可自行等红灯），或是车库等场景无法使用。

ADS城市自动驾驶测试视频

与此同时，L2级系统在变道、上下匝道，或是通过红绿灯时（如特斯拉Navigate?on?Autopilot和FSD）还需要人类驾驶员给出指令并确认路况，整个使用体验并不连贯。

ADS则解决了上述两个问题，一是实现了上述通勤场景的全覆盖，ODD（运行区域）远超现存L2和期货L3。二是变道、上下匝道、等红绿灯的操作，均由车辆完成。

所以从功能上说，ADS就是点对点的L4级自动驾驶——这也是华为将其称为高阶自动驾驶方案的原因。

当然，ADS的技术架构也来自L4级自动驾驶系统，这一点下文会详细聊到。

理解ADS的第二个关键点是责任划分问题。

按照SAE或者工信部的标准，华为ADS属于L2级自动驾驶系统——系统提供辅助，驾驶责任由驾驶员承担。

ADS在快速路自动驾驶测试视频

华为ADS智能驾驶产品线总裁苏箐告诉车东西，驾驶员在使用ADS时，纵横向控制由车辆完成，但驾驶员需要全程注意路况，随时准备接管。

“在安装了驾驶员注意力监测系统后，ADS也允许驾驶员松手，但允许松手多少时间，则由车企进行定义。”苏箐说道。

看到这里其实要理解ADS已经非常容易了——卖给消费者一台具备L4级自动驾驶能力的乘用车，但责任划分则按照L2级自动驾驶设定。

让驾驶员变成安全员，全程监测系统运行，并可以随时控制车辆。

二、雨天挑战上海街头?从容应对中国式交通

说了这么多，那么ADS到底表现如何呢？通过华为提供的一段路测视频，即可看出高下。

华为ADS测试视频

该视频拍摄于上海街头，可以看到当天下着中到大雨甚至暴雨，雨水有时候甚至已经模糊掉了摄像头，很容易影响摄像头、激光雷达等传感器，路上还有较多社会车辆，路况很复杂。

在通过红绿灯十字路口时，车辆的感知系统识别到了绿灯，决定继续前行。路口地面上并没有车道线，但有高精地图的帮助，车辆稳妥地按照规划的路径行驶.

ADS测试车在路口准确识别到了8个红绿灯

随后车辆来到了一个较为复杂的十字路口并准备左转。

左侧高架桥会影响车辆的定位精度，同时前方还出现了8个红绿灯，对自动驾驶系统来说也是一个不小的挑战。

从视频画面看，ADS系统准确识别到了所有的信号灯，并且还知道在直行绿灯亮了之后进入左转待转区。随后绿灯亮起，测试车完成左转。

在一条右侧停满了其他车辆的狭窄小路上，本车道和对向车道各自出现了一台电动自行车，视频中两个目标都被准确识别、跟踪，并被显示在生成的3D场景之中。

ADS系统识别电动车

车辆在小路继续行驶，前方突然出现了一辆人力三轮车横穿马路。如果识别不到，就会出现碰撞危险。

ADS系统准确地识别到了这个目标，车辆选择减速缓行，待三轮车完成转向后再加速行驶。

ADS测试车躲避人力三轮车

在中国的城市道路上，电动自行车、人力三轮车，甚至是马车、驴车都有可能出现，同时还会出现逆行、随意横穿马路、加塞等不遵守交通规则的行为。

这些现状，都会让特斯拉Autopilot等成熟系统出现水土不服的情况——识别不了五花八门的交通参与者、决策算法没有考虑不遵守交通规则的行为等。

随后测试车开上了一条环形匝道，转了一小圈后汇入快速路的车流。

快速路与高速类似，虽然看起来简单——一直往前开，但难点其实在变道超车和处理加塞两个方面。

在即将通过上海地标南浦大桥时，车辆检测到前方黑色轿车速度较慢影响行驶，同时左侧中间车道空闲后，主动向左变道超过了前方慢车，保持在中间车道行驶，自主完成了变道超车动作。

行驶至大桥中央时，后方一辆宝马5系旅行车快速超过测试车，然后在较近的距离并入测试车前方——这就是L2级自动驾驶系统最害怕的Cut?in场景。

ADS测试车躲避加塞车辆

L2级系统面对这种情况，要么是突然一个急刹车影响驾驶体验。要么是无动于衷继续驾驶，导致驾驶员被迫紧急接管车辆。

视频画面中，ADS测试车从60公里/小时的速度减速至55公里/小时，让5系旅行版完成并线。待其走远后，又恢复至60公里/小时的速度。

这就是L4级自动驾驶技术架构对L2级系统实现降维打击的一个典型案例——不管是传感器还是软件算法，都是“碾压”级的存在。

苏箐告诉车东西，华为ADS系统目前在中国做测试，专门对中国路况常见的电动车、Cut?in、汇入车流、超车等场景做优化，就是为了给中国消费者提供最合适的自动驾驶体验。

从这段4分钟的路测视频来看，华为ADS的表现是相当不错。

三、单车智能实现AVP?车队学习扩宽使用场景

从前一部分看，ADS其实就相当于是把L4级系统当做了L2级系统来用。但ADS其实还真有一个真正意义上的L4级功能——AVP自动代客泊车。

在上述通勤场景的两端，是用户小区的车库和公司车库，ADS目标是实现在这两个停车场的AVP功能。

“用户只用自己开车入库一次，系统就能学会这个停车场的停车路径和方法。”苏箐介绍道，“下次再到车库，停车过程即可由车辆自行完成。”

用户在第一次人工停车时，可以自定义下车的地点——比如进入地下车库前的入口处，或者是进入地库后的某个位置。

苏箐强调，从技术上来说AVP可以允许驾驶员下车使用——一个L4级自动驾驶的过程。

不过因为目前我国法律还尚未规定是否可以在公共停车场使用AVP功能，因此苏箐表示，“华为非常不建议用户离开车辆来使用AVP功能，更多的是要减轻用户驾驶负担”。

包括AVP在内，ADS的所有功能都完全依赖单车智能予以实现，因此AVP功能理论上在所有合适停车场都可以使用。

再加上车队学习功能，用户在使用AVP时，会越来越方便。

AVP系统可以共享停车信息。比如A车去过B停车场，A车就会自动构建B停车场的3D地图，并将3D地图、周边环境等信息传回云端，随后再通过OTA分发给其他车辆。

某一天待C车要去B停车场停车时，可直接使用AVP功能。随着越来越多的车辆使用AVP功能，支持的停车场也会越来越多，最终变成“通用”功能。

四、ADS如何实现？采用L4级自动驾驶技术打?

在苏箐看来，最近两年出现了不少L2级自动驾驶系统，但绝大部分功能的开启都有严格的应用范围和限制条件，不仅在很多路况、交通状况下无法使用，也不能满足中国消费者以城市路况为主的通勤需求。

正是看到这一痛点，华为才决定研发ADS系统，直接来解决通勤问题。但通勤涉及到多种场景，尤其是城市路段，系统复杂度指数级上升。

“所以ADS采用了L4级自动驾驶的技术架构，”苏箐说道，“不这样根本没法用。”

ADS技术架构

硬件配置上，ADS方案会使用2~3个车规级100线混合固态的激光雷达，同时还有十几个摄像头和6个毫米波雷达，可谓是武装到了牙齿，配置丝毫不输L4级无人出租车。

计算中枢是名为ADCSC（Autonomous?Driving?Central?Super?Computer）的域控制器，算力充沛。

软件上，感知部分华为使用了多种AI技术，直接将自研的毫米波雷达和激光雷达生成的点云，以及摄像头视频画面进行像素级的融合（即前融合），保证了感知能力。

此前一些自动驾驶公司做前融合多为激光雷达和摄像头的融合，毫米波雷达则直将接输出的目标与前两者的感知结果融合。

华为拥有自主研发的毫米波雷达，因此可以拿到毫米波雷达最原始的点云数据，将三种传感器同时进行像素级前融合和结构化数据融合，在技术上更进了一步。

ADS使用的部分传感器

ADS要在城市内实现自动驾驶（L4级的功能，L2级的责任划分），也就是说要能够处理红绿灯、十字路口等各种场景，并躲避行人、自行车、三轮车、外卖小哥等各种交通参与者。

这意味着，传统L2级系统在决策部分使用的基于规则的算法无能为力，需要在决策部分引入AI技术。

苏箐介绍称，华为在决策部分以规则为框架划定了不同的单元格，然后在每个格子内进一步引入了机器学习技术。

“纯AI的算法不可控，只有将规则算法和AI技术融合才能兼顾效果与安全性。”苏箐说道。

当然，ADS方案里也有高等级自动驾驶必备的高精地图系统，这也是其能够实现全段通勤自动驾驶的关键。

五、车队学习解决地图和数据难题

面对复杂的物理世界场景，自动驾驶功能离不开高精地图，但使用高精度地图又会带来两个问题：没有地图数据的区域无法使用自动驾驶、高精地图数据难以实时更新从而影响自动驾驶系统。

对此，苏箐称华为ADS自动驾驶团队已经有了一套解决办法。

首先，ADS的全段通勤功能会根据地图的覆盖情况，逐城开放给用户。比如优先开放一线城市，随后逐步覆盖二三线城市。

值得一提的是，华为自己也拥有甲级地图测绘资质和地图团队，本身就具备高精地图制作能力。同时，华为也打造了一个地图平台，希望和其他合作伙伴一起来加速制作高精地图。

其次，在场景相对比较单一的高速（快速路）和停车场路况，无需高精地图即可使用ADS的功能，比如自动跟车/自动超车、AVP等功能。

按照苏箐的说法，这种设定最大程度的扩大了ADS的ODD——有高精地图的就用通勤自动驾驶功能，没有地图的地方也可以使用自动驾驶功能。

再次，车队学习功能可以帮助更新高精地图。

搭载ADS系统的车辆本身就拥有诸多传感器，在日常行驶时可用至少两台高线束激光雷达和摄像头来收集道路变化数据。

当ADS车辆越来越多，行驶里程越来越多的时候，就可以加快高精地图的更新频率。

ADS可自行生成周围地图

“高精地图的底图制作仍需要专业的采集车来完成，ADS车辆仅负责变动部分数据的采集和更新。”苏箐解释道，ADS车辆在行驶中还会自己建立一个路谱，在遇到实时感知的路况、高精地图、自建路谱的数据不一致时，会计算三者的置信度，从而决定车辆行为。

如果车辆遇到无法处理的极端情况，会先保持一定的路线行驶，同时呼叫驾驶员接管。

ADS的车队学习功能除了用于共享AVP和地图信息，另外一个关键用处是收集驾驶数据，从而用来训练感知和决策系统中的AI模型，最终提升系统表现。

特斯拉的Autopilot系统也有类似的设定，叫做影子模式。

在过去数年，特斯拉旗下车型销量突破百万台，Autopilot系统的行驶里程超过30亿英里（约合48亿公里）。车队收集到的数据不断给Autopilot系统的迭代提供“养料”，才造就了Autopilot当今最强L2的地位。

苏箐告诉车东西，华为ADS的车队学习模式会收集多种数据传回云端，除了前文提及的道路环境信息，在驾驶员出现接管，或者出现不舒适运行（如急刹车）时，系统也会将相关数据传回云端用以改进。

自动驾驶车辆拥有诸多传感器，如果传回的数据太多、太大，都不方便实际操作。为了解决这一问题，ADS系统在收集到目标数据后，首先会在本地进行预处理，将其精简为结构化的数据，最后再做回传。

六、秘密研发6年团队规模超2000人?后年商用

2019年开始，华为零星地对外透露了自己在汽车领域进行的一些工作和布局，外界此前仅知道华为在研发自动驾驶系统，但却并不知道技术细节与打法。

仅仅过了一年时间，ADS方案就借着2020年北京车展的机会展现在了公众面前。并且首次公开，就给出了“L4当L2用”、“实现通勤道路全段自动驾驶”的重磅消息，颇有一丝横空出世的感觉。

“不考虑此前技术积累的时间，仅从自动驾驶技术直接研发开始统计，ADS的相关研发已经有五、六年的历史。”苏箐笑着说道。

据他介绍，华为在2014年左右就开始秘密研发自动驾驶技术，团队规模也从最开始的一两百人，急速膨胀到今天的2000多人。

华为自动驾驶团队上海办公区

即使放在全球来看，这也是全球最大的自动驾驶团队之一，只有百度、谷歌Waymo、通用Cruise、Uber等大型集团才能养得起这种团队。

团队构成方面，苏箐称这2000人的团队既有来自汽车产业的自动驾驶人才，同时还有大量名校相关专业毕业的博士，以及华为内部成熟产品线的人员。

比如苏箐就是在华为工作了20年的老兵，是华为麒麟芯片及解决方案的创始人、海思昇腾芯片及解决方案的联合创始人，并在2014年开始领导研发ADS系统。

高等级自动驾驶系统的研发极其依赖实际路测数据。

谷歌Waymo在技术上领先全球，一个关键原因就是其拥有全球最大的路测车队，积累了最多的路测数据——超过2000万公里。

苏箐并没有透露华为具体积累了多少路测里程，仅表示目前有四五百台车辆在国内进行路测（一半车辆为车企拥有），实际路测里程放在国内来说，“算的上是TOP的存在”。

目前，国内自动驾驶公司路测里程最长的玩家为百度，累计达到了600万公里。照此来看，华为自动驾驶的路测里程也不会低于600万公里。

量产上，ADS已获得不错的成绩。

苏箐透露，ADS现已拿下多家车企定点，在2022年第一季度就有多款车型将搭载ADS方案上市，轿车和SUV都有覆盖，并且是以纯电车型为主。

“这里面汽车品牌多样。”苏箐自信地说道，“我们可不是期货，2022年第一季度用户直接可以买到车，买到就能用ADS。”

ADS系统使用了至少2个高线束激光雷达、多个毫米波雷达和十几个摄像头。这种直接叫板无人出租车的豪华配置，是否让该方案的成本变得极其高昂呢？

对此，苏箐回复称ADS方案的价格属于中等水准，主要瞄准的是售价在20万以上的车型。

现在普通的L2级自动驾驶系统，售价10万左右的车型即有搭载。已经发布的两款期货L3级系统，则需要在起售价近百万的高端汽车品牌车型上才能配备。

相比之下，ADS系统装在20万以上车型之上，也算是中等水准。

结语：华为提供了自动驾驶量产新思路

经过多年发展后，全球自动驾驶产业正面临一个尴尬境地。

以谷歌Waymo、百度Apollo等科技公司为代表的高等级自动驾驶路线上，取得了一些突破，但距离大规模部署无人出租车、实现技术变现仍然遥遥无期。

以传统整车厂为代表的渐进路线上，L2级自动驾驶系统迅速实现了普及，但再往前走的L3级自动驾驶却成了“技术黑洞”，至今无一家公司能够实现量产。

在这种背景下，华为ADS的“L4当L2”用的思路，就是给业界提供了一个非常好的“曲线救国”的办法。

一方面，“通勤自动驾驶”的功能设定，让乘用车的自动驾驶系统不在是摆设，能够在日常驾驶中发挥作用，也助力车企突破了L2级自动驾驶的天花板。

另一方面，既然无法解决所有的Corner?Case保证系统绝对安全，那就在驾驶责任上将L4级系统按照L2级系统来用——驾驶员全程监测路况，但纵横向控制，全程都由车辆完成，使自动驾驶系统具备了量产的可能，提前量产了L4级自动驾驶系统。

某种程度上来说，搭载ADS的车辆就是一台L4级无人车，驾驶员则变成了安全员。

更重要的是，一旦实现大规模量产，数十万、数百万台的车队每天都会收集大量数据返回给华为，帮助最终突破极端场景，让人类真正进入开车可以睡觉的无人驾驶时代。

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

激光雷达对自动驾驶有多重要？是时候了解下了

大部分消费者被夸大宣传的“自动驾驶”误导

2021年8月12日下午，上善若水投资管理公司创始人、意统天下餐饮管理公司创始人、美一好品牌管理公司创始人林文钦，驾驶蔚来ES8汽车启用自动驾驶功能(NOP领航状态)后，在深海高速涵江段发生交通事故，不行逝世，终年31岁。

一时间，大众舆论的关注焦点从车祸转到了“自动驾驶”。而蔚来则表示，NOP领航功能并不等同于“自动驾驶”，而是自动驾驶辅助功能。

NOP是导航系统、高精地图与蔚来NIO Pilot自动辅助驾驶系统的深度融合，在Pilot功能已实现的巡航车速控制、车距保持、转向辅助和转向灯控制变道功能的基础之上，使车辆在高精地图覆盖范围内的大部分高速公路及城市高架路段内，按照导航规划的路径实现自动汇入主路、变道以及自动切换至下一条高速/高架等功能。

NOP的正常工作非常依赖于摄像头、毫米波雷达等传感器的状态。如发现车辆提示传感器受限，或怀疑传感器出现异常，则NOP的功能可能会失灵。NOP的正常工作非常依赖于摄像头、毫米波雷达等传感器的状态。如发现车辆提示传感器受限，或怀疑传感器出现异常，则NOP的功能可能会失灵。

目前市场上通用的自动驾驶分类方式采用的是国际汽车工程师学会(SAE)于2014年制定的J3016自动驾驶分级标准。SAE对自动化的描述分为6个等级，即L0级至L5级，以动态驾驶任务(DynamicDrivingTask，DDT)为核心来进行自动驾驶分类。

L0到L2为辅助驾驶，L3到L5属于自动驾驶。目前L2级别的高级辅助驾驶技术上基本实现，渗透率正在逐步提升，自动驾驶技术已经开始向L3级别迈进，实现从辅助驾驶(ADAS)到自动驾驶(ADS)的飞跃。

在中国，工信部也同样与2020年3月发布了《汽车驾驶自动化分级》，将自动驾驶分成了6个等级。

目前“自动驾驶”已经成为了新能源汽车在技术上宣传的卖点之一。特斯拉进入中国市场后，将“自动驾驶比人类驾驶更安全”的概念灌输到了部分消费者的心里。作为造国内造车新势力龙头之一的未来，在2020年9月北京车展上发布了(NOP)。2021年1月，小鹏汽车业推出了NGP(自动导航辅助驾驶功能)，理想也在2021年5月底发布新款理想ONE是把NOA(自动导航辅助驾驶)当做卖点。

新晋车企的介入也倒逼传统车企在智能化浪潮下进行改革。传统车企一方面在汽车智能化上积极布局，投入研发经费;另一方面，凭借技术积累，与谷歌、百度、阿里、华为等互联网企业展开合作，布局智能汽车领域。

政策和市场将推动自动驾驶加速发展

从目前车企自动驾驶技术的发展来看，基本仍处于L1或者L2级别，也就是辅助驾驶，随时需要人类驾驶员接管。对于“自动驾驶”黑科技的营销也给消费者在购买和使用时造成了误解。

2021年，8月12日，工信部发布《工业和信息化部关于加强智能网联汽车生产企业及产品准入管理的意见》，明确规定“企业生产具有驾驶辅助和自动驾驶功能的汽车产品的，应当明确告知车辆功能及性能限制、驾驶员职责、人机交互设备指示信息等信息”，并对具备自动驾驶产品的汽车提出各项具体要求。如若发现生产、销售的汽车产品存在数据安全、网络安全、在线升级安全、驾驶辅助和自动驾驶安全等严重问题的，将依法依规立即停止相关产品的生产、销售，采取措施进行整改，并及时向相关部门报告。

目前，无论是中国，还是全球其他国家和地区，都在积极推动自动驾驶的落地。在企业加大科研投入的同时，中央和地方政策也加速落地。未来，在政策和市场的推动下，我国自动驾驶行业将加速成熟，“自动驾驶”所造成的车祸也将逐渐减少。

—— 以上数据参考前瞻产业研究院《中国智能网联汽车（ICV）行业发展模式与投资战略规划分析报告》

新华网北京5月7日电 题：激光雷达对自动驾驶有多重要？是时候了解下了

新华网 凌纪伟

盘点前沿 科技 ，自动驾驶无疑占得一席。尤其进入2020年以来，来自政策层面的两大利好加持，有望开启自动驾驶全产业链新一轮腾飞。

推动自动驾驶向前更进一步，新基建功不可没。3月份以来，新基建无疑是行业最大的话题。在早前公布的新基建七大领域中，人工智能排序靠前，而自动驾驶是人工智能的重要组成部分，更涵盖了人工智能几乎所有的技术类型。4月20日，国家发改委对备受热议的新基建范围作出权威阐释，其中自动驾驶属于融合基础设施当中的智能交通基础设施。可见，自动驾驶一直都在新基建之列，其蕴藏的发展潜力不言而喻。

2月份，国家发改委、 科技 部、工信部等11部门联合印发《智能 汽车 创新发展战略》，这是国家层面绘制的一张顶层蓝图，且明确智能 汽车 就是具有自动驾驶功能的新一代 汽车 。这一界定，对自动驾驶各相关产业链极为重要，产业链厂商信心倍增。此外，工信部发布的《 汽车 驾驶自动化分级》推荐性国家标准于4月9日公示结束，若审批落地，这意味着中国将拥有自己的自动驾驶分级标准。

国家大力推进自动驾驶发展，在一定程度上突破了大量基础障碍。但如果要继续加速自动驾驶发展进程，还需要在自动驾驶关键基础技术上下更多功夫，比如高精度传感器。作为产业链的一环，传感器供应商能否从中用好契机、承担起责任呢？

重要性:激光雷达是无人车的眼睛

芯片、高精地图与导航、算法、仿真、雷达与多传感器融合……自动驾驶的关键技术很多，但传感器无疑决定着无人车能不能走好、走得更远。

《智能 汽车 创新发展战略》的一大亮点，就是首次定义了什么是智能 汽车 ：是指通过搭载先进传感器等装置，运用人工智能等新技术，具有自动驾驶功能，逐步成为智能移动空间和应用终端的新一代 汽车 。在这个定义中，“搭载先进传感器”是智能 汽车 的重要标签。

说到传感器，激光雷达、毫米波雷达和摄像头是公认的自动驾驶的三大关键传感器技术。从技术上看，激光雷达与其他两者相比具备强大的空间三维分辨能力。中国 汽车 工程学会、国汽智联 汽车 研究院编写的《中国智能网联 汽车 产业发展报告（2019）》称，当前在人工智能的重要应用场景智能网联 汽车 的自动驾驶和辅助驾驶领域中，激光雷达是实现环境感知的核心传感器之一。报告认为，在用于道路信息检测的传感器中，激光雷达在探测距离、精准性等方面，相比毫米波雷达具有一定的优势。

无人车的“眼睛”，这是很多人对激光雷达的形象说法。尤其是以摄像头作为传感器的特斯拉自动驾驶 汽车 接连出现几起安全事故后，业内警醒，完全的无人驾驶无法脱离激光雷达“眼睛”的庇护。

禾赛 科技 激光雷达产品

实力与能力往往是相匹配的，担纲无人车的“眼睛”，激光雷达有其技术优势。例如，在静态目标的扫描中，以禾赛 科技 为代表的“国产”激光雷达公司产品表现不俗——点云密度方面，禾赛的64线激光雷达Pandar64获得目标物体返回点数最多，甚至排在了一款由国外大厂制造的128线激光雷达的前面。而在同时使用多个激光雷达的测试中，国产激光雷达的表现也十分突出，强大的抗干扰能力为中国企业的产品加分不少，这是中国企业在高精尖制造领域的实力彰显。

激光雷达是车辆安全和智能化的核心高端传感器，激光雷达也是我国智能 汽车 战略大力发展的关键基础技术之一。

对比《智能 汽车 创新发展战略》意见征集稿和正式印发版就会发现，在有关核心供应链环节的表述中，意见稿中的“重点推动传感器”被修改为“车载高精度传感器”。这一修改目标更为明确，即培育发展“高精度传感器”。产业方面，发展战略要求推进车载高精度传感器等产品研发与产业化，促进激光/毫米波雷达等自主知识产权军用技术的转化应用。可见，下一步投资建设的落地点，在传感层的机会就在于高精度、高准确度的传感器。国内，更多“禾赛”将从中受益。

政策机遇：巨量需求5年内释放

自动驾驶几乎集成了人工智能所有的技术板块。新基建给自动驾驶领域带来的利好在于，为智能 汽车 提供了相匹配的信息化的道路和交通环境，增强了车路协同。比如，中国首条自动驾驶超级高速杭绍甬智慧高速已开建，将提速自动驾驶商业化。

新基建是实实在在的商机。工信部曾预测，2020年中国智能网联 汽车 市场规模可达1000亿元以上。今年以来，从中央到地方积极部署落实新基建，部分地区上马了一批智慧交通项目，间接拉动自动驾驶产业链逐渐升温。自动驾驶作为新基建重要组成部分，也正吸引大量高 科技 企业加入“赛道”。除了BAT和华为之外，像中兴、大唐这类通信领域的企业，蘑菇车联这类车联网企业，希迪智驾这类自动驾驶初创企业，做ETC的金溢 科技 、万集 科技 ，高德地图、四维图新这类图商都开始跑步入场。而像禾赛 科技 等这些自动驾驶智能硬件制造商，原本就已经在激光雷达行业深耕多年，并在基于自动驾驶应用下的环境感知系统领域深耕多年，成为细分赛道的领跑者。

国家智能网联 汽车 测试区——百度自动驾驶正在进行路测，车顶搭载了禾赛Pandar 40P激光雷达

AutoX无人车体验招募项目——Robotaxi 车队整装待发，车顶搭载禾赛Pandar 64激光雷达

具体到感知层面来看，激光雷达是自动驾驶 汽车 最重要的增量配件之一。谷歌、奥迪、福特和百度等公司研发的无人驾驶 汽车 基本都采用了激光雷达。目前，自动驾驶逐渐向产品化、商业化过渡，而且很多车企已经意识到，将完全自动驾驶 汽车 的部署瞄准自动驾驶出租车这一领域，有可能为最终自动驾驶乘用车的量产铺平道路。4月20日，百度无人驾驶出租车Robotaxi正式落地长沙，这是国内第一次面向大众开放测试自动驾驶出租车服务；4月27日，高德地图与自动驾驶公司AutoX在上海正式启动了Robotaxi无人车体验招募项目，标志着无人驾驶已然迈向进一步商业化的道路……值得注意的是，上述项目均采用了包括禾赛 科技 在内的国产制造商的激光雷达。

疫情期间，支援武汉方舱医院的无接触配送小车为医护人员运送物资，车顶搭载禾赛Pandar 40P激光雷达

不仅是无人驾驶出租车，京东、美团等电商平台则结合物流商业场景发力无人车的短距离配送。而在今年疫情期间，武汉方舱医院的无接触配送小车也搭载了激光雷达。事实上，诸多车企与阿里、腾讯等互联网巨头也纷纷布局无人驾驶领域。其中，很多布局自动驾驶领域的公司，都选择了国产激光雷达公司的产品。

按照《智能 汽车 创新发展战略》规划，到 2025 年，中国将实现有条件自动驾驶的智能 汽车 达到规模化生产，实现高度自动驾驶的智能 汽车 在特定环境下市场化应用。这意味着未来5年，如果使用激光雷达的无人驾驶技术取得成功并进行量产，将带来巨量的激光雷达需求。

中国的自动驾驶已经走上换道超车之路，充分体现在各个细分领域的发展上。就激光雷达领域而言，以禾赛 科技 等为代表的激光雷达“国产力量”正在崛起，产品性能受到业界广泛认可。禾赛的产品线包括机械式激光雷达、固态激光雷达及多传感器融合系统，主要客户涵盖全球自动驾驶 科技 公司、车企、一级供应商。在加州65家拥有自动驾驶公开道路测试牌照的公司中，超过1/2是禾赛 科技 的客户。

政策刺激是从行业整体出发，具体到自动驾驶行业中的各个垂直领域，激光雷达是突破自动驾驶技术瓶颈和大规模量产的必经之路。

未来趋势：自主创新降本提质

自动驾驶车辆所需要的雷达目前面临着技术和成本困扰。受制于种种因素，打造一款能够量产使用的车规级激光雷达难度巨大。

国外机械式激光雷达市场起步较早，技术较为成熟。相比美国、德国、以色列等开发的激光雷达，国内的产品已然可以平分秋色。由于技术壁垒高，国内主攻研发用于无人驾驶 汽车 的激光雷达的“玩家”并不多。虽然研发难度较大，盈利也比较难，但几家创业企业开发的多款具有竞争力的创新产品迅速打入国内外市场，已赶超国外企业。比如，禾赛 科技 的产品技术路线及优势表现在测距性能优越，具有激光雷达抗干扰核心技术，核心器件自主开发，自建产线实现机械式激光雷达稳定量产，其产品在实际使用过程中展现了明显的性能优势，并且供应链优势比欧美更胜一筹。日前，一权威测评网站连载报告显示，德国大学生方程式赛车大赛，这一被称为“欧洲顶级工程师摇篮"的重要赛事，其中排名前5的车队，有4家采用禾赛 科技 的激光雷达作为传感器的最终选择。能够满足如此严苛赛事要求的激光雷达，也正在通过禾赛这样的中国公司，同时应用于国内日常自动驾驶应用场景下。

市场对自主创新的认可，其实也是中国发展智能 汽车 的方向所在。对比《智能 汽车 创新发展战略》意见修改稿可以发现，原先主要任务“突破关键核心技术”，改为“突破关键基础技术”。这说明未来智能 汽车 的长远发展，不仅要突破核心技术，而且必须依赖自主研发，使之成为基础性优势。中共中央、国务院去年9月印发的《交通强国建设纲要》也指出，要加强智能网联 汽车 （智能 汽车 、自动驾驶、车路协同）研发，形成自主可控完整的产业链。

眼下，想在无人车上普及激光雷达，应该考虑的是如何降低价格。价格太贵是阻碍自动驾驶技术快速推进的原因之一。在激光雷达领域，存在着这样一个现象，全球最大的激光雷达供应商的产品单价可达几十万元。这与无人车的规模商用要求相去甚远，这也说明在激光雷达这类硬件领域，仍然存在巨大变革机会。

近日，名古屋大学测评了来自全球的数家激光雷达厂商的12款激光雷达产品，结果显示禾赛 科技 等国产激光雷达实力不俗，在很多性能上已经赶上甚至超越国外大厂的产品。作为公司自主创新的标志性成果，禾赛在2019年推出了激光雷达产品“PandarGT 3.0”，其中使用了自主研发的高速振镜系统和激光器，在低成本量产、车规化和产品整体性能可靠性上迈出了重要一步。

实际上，降低成本的终极之策还在于加快、加大量产。在激光雷达的成本构成中，除了物料外，还包括量产成本，且占据较大的成本比重。业内一般认为，目前激光雷达依然还十分昂贵的主要原因是自动驾驶产业还未落地，需求量没达到一个质的提高。国外某大品牌也表示，如果能接到10万台的订单，其128线产品的价格就能够做到1000美金以内。

据全球市场调研机构IHS Market预测，2025 年 L3、L4/5 渗透率分别有望达到 15%、5%，2030年国内自动驾驶出行服务收入规模有望突破万亿。《中国智能网联 汽车 产业发展报告（2019）》认为，激光雷达是未来L4～L5级自动驾驶的核心传感器之一，将逐步由现在的机械旋转式向成本更低、可靠性更高的全固态化、芯片化的方向发展。从国内外主流厂商的市场行为报道和产品发布计划分析，车用激光雷达正在朝着高性能、低成本、芯片化、固态化方向发展。

综上，无论是国家制定的发展战略目标，还是产业链企业的创新实践，仅从自动驾驶应用层面而言，激光雷达技术将在今后一段时间保持强劲增长势头。不难看到，最近激光雷达市场非常火热，是因为种种利好迹象表明，一旦无人驾驶技术成熟商用，每台车的顶部都需要装载不止一台激光雷达，这将是一个无比巨大的市场，是时候下注激光雷达领域未来的独角兽了！

关于“L3是工信部牵头华为主要参与制定”这个话题的介绍，今天小编就给大家分享完了，如果对你有所帮助请保持对本站的关注！