恒润科技亮：做智能驾驶系统需要仰望星空来思考更需要脚踏实地来实践

　　玉米地里的大嫂2018年6月21-22日，由布谷鸟科技、佐智汽车主办，艾拉比智能、ADI亚德诺半导体、索喜科技赞助支持的“2018第二届智能座舱与智能驾驶峰会”在深圳福田区绿景锦江酒店举办。经纬恒润科技有限公司智能驾驶事业部总经理亮在会上做了《智能驾驶产业化的思考和实践》的主题。

　　亮：我今天的题目是智能驾驶系统产业化的思考与实践，我们思考了很长时间，思考怎么把智能驾驶变成实际的产品。

　　首先介绍一下我们公司。恒润科技经过近20年的发展，在汽车电子配套和咨询服务两个方面均积累丰富的经验，致力于为乘用车、商用车、共享出行、专用车辆等提供智能驾驶整体解决方案，涵盖、信息融合、智能决策、控制执行、系统集成和仿真测试等关键技术。目前公司员工近2000人，65%以上为硕士或博士学历。

　　之前我们公司做过一系列ADAS功能的研发和测试，这是其中非常苛刻的一项AEB实验：一个小孩从两辆灰黑色的车后面冲出来，驾驶员的视野被遮挡，车辆自动识别目标并紧急制动。恒润科技2014年在英国Thatcham试验场已经取得这个测试项目的ENCAP五星成绩。

　　我们不仅关注标准实验，我们更关心车辆实际行驶的工况，一家国内大型OEM的产品车型装配了恒润科技的ADAS系统，某一位消费者购买了这款车，某天遇到很极端、很恐怖的工况：前车横穿马，突然间有一个电动车从视野盲区冲出来，当时天气，地面潮湿。这种下，ADAS系统及时识别出电动车，车辆做了自动紧急刹车的动作。驾驶员惊出一身冷汗，同时也对这台安装了ADAS的车更加认可。有了ADAS辅助驾驶系统，就已经可以帮助我们解决很多问题，很多生命。

　　前面是一个引子，关于自动驾驶，我们关心的是如何减少交通事故、如何减少拥堵时间，如何让大家在拥堵的时候可以娱乐或者工作，享受拥堵的过程。我们公司在原有的汽车电子事业部的基础上衍生出来两个新的事业部，智能驾驶和车联网，可以提供汽车电子相关的咨询服务和量产产品，也可以提供数据采集、大数据分析和车队管理等业务。

　　我们公司在2008年、2009年做ADAS预研，2012年我们基于Mobileye和一家大型OEM合作做出原型车，2016年我们支持的第一款车上市，上汽荣威RX5，2017年上汽大通D90上市。我们花了4年以上的时间从ADAS原型到产品落地，中间过程异常之复杂。

　　2015年公司成立智能驾驶方向，目标做L3及以上的预研和产品。我们做了很多的样车，也研究了很多的技术，包含摄像头、毫米波、超声波、激光雷达及信息融合、决策控制等多方面的基础技术，以及高速公、停车场、园区、港口等各类场景样车的演示。

　　以上我们只是做出一些自动驾驶的Demo。我是赞成哈曼专家的意见的，我一开始也认为L3是反人性的，L3说我开车可以睡觉却不能好好睡觉，随时准备被。但是我们研究半天发现L3跳不过去，因为L4太难，需要的时间太长，L3是一个缓冲阶段，我们做L2花了4年，我们做L3、L4要花多少年？不可能等到10年20年后才推出L4，我们需要3-5年做出一个中间的稳定版本，让工程师可以积累一些数据和经验，消费者也可以尽早享受到一些新功能。我的观点是L2也是可以救命的，L3应该可以救更多的命。

　　作为汽车电子供应商，我们不能只说做L3或L4，我们更关心的是具体实现哪些功能。L3很宏观，包括了ACC、车道保持、AEB、手动辅助换道或者自动换道等，都是L3的一部分。我们需要把功能按照一定的规范分解，每一部分都可描述可实现可验证，车辆拿到比较高的NCAP评分，消费者买到安全可靠的产品。作为汽车电子供应商会沿着这样的线往下走。

　　这是恒润科技目前L2的产品，基于摄像头实现ADAS的功能，包含了纵向控制、侧向控制和各种报警功能，现在已经量产的客户有一汽、上汽。我们正在进行开发的车型有40多款，后面还有几十款在谈，很快市面上会出现很多搭载我们产品的车型。

　　这是上汽大通的一款产品，D90，全尺寸SUV，搭载了我们的L2级ADAS产品。经我们略微，这辆车可以实现驾驶员放开手、放开脚在可控封闭道跑几十公里，人工接管次数为零，方向盘和车速车距控制都非常平稳。当然，最终量产的产品会在驾驶员放手10s内提醒接管。这是当年的王谢堂前燕，之前类似功能需要花费近百万买某些国外品牌，现在飞入寻常百姓家，现在上汽这款车只需20万左右。

　　这是L3吗？这是自动驾驶么？真的不是，因为这款车功能定义为ADAS L2，并没有针对自动驾驶做特有的设计。所以方向盘的脱手检测常重要的，正如“狼来了”的故事，系统会经常善意提醒你狼来了，如果你一直不相信，某天狼真的来了，后果可能非常严重。

　　在从L2通往L3的上很重要的一个功能就是长时间放开手，为了“长时间”这三个字，我们开发了驾驶员监测系统DMS，这也是凯迪拉克CT6很重要的功能，CT6可以实现超级巡航，高速公特定工况可以长时间放开手，但是必须要求驾驶员始终关注开车这件事。如何呢？如果我们要求可以长时间放开手，意味着不做方向盘脱手检测，那么必须脸检测，必须时刻关注驾驶员状态，不许长时间喝水、抽烟、打电话、闭眼、打哈欠，必须驾驶员时刻地关注前方况。

　　DMS产品目前我们已经有一些定点的项目正在进行，基于我们的DMS产品可以帮助客户实现高速公长时间放开手的功能，但这还是L2。

　　当然，DMS系统对L3也有用，L3是有点反人性的，L3系统允许驾驶员看书、看电影，但是最好不要睡觉，或者设置苛刻一点：不许睡觉。所以我们需要靠DMS驾驶员，可以看手机、打电话、喝水，但是需要时刻保持以便于在接到请求后较短时间内安全平顺接管驾驶任务，这是驾驶员系统在L3上的使用。

　　为了实现L2的高级功能或者接近L3的功能，还有一个产品很重要，那就是高精地图和高精定位系统，因为现在普通L2级的车道保持功能可以依靠摄像头在高速公上实现车道居中功能并持续很长时间，但还是存在失效的可能，高速公某段线偶尔污损，或者车辆突然进入团雾中，人都看不见，怎么处理？这时需要高精定位和地图做辅助手段，沿着GPS轨迹继续行驶一小段时间并等待驾驶员接管，这就是CT6配置高精地图和定位的原因之一。为了安全，不能出万分之一的事故，需要各种各样的方式提供冗余备份。哪些方式呢？首先是GPS+北斗+千寻RTK组合定位，基于千寻的产品可以在开阔场景实现约5厘米级的定位。而GPS总是有信号不好的时候，我们需要做基于高精度地图和摄像头数据的特征匹配。将各种定位方法融合起来，在各种下，车道线清晰和不清晰时、隧道里面、山林里面、城市环岛里面，定位精度。

　　有了这样的定位系统，我们开始继续思考如何从L3探索L4，L4一种落地的场景也许在这里，就是最后一公里的代客泊车。在泊车这一场景，也许我们可以实现自动驾驶，也许可以车上没有人，当然，我说的只是“也许”，因为里面有很无奈的极端工况。例如，一个哥们儿半夜喝多了躺在地上穿着黑衣服、戴黑帽子，千万不能压到他的头，当然也不能压到他的手指；另外的例子，停车场里也许会有某人家的小孩在乱跑，也可能有价值10万的宠物猫猫狗狗。表面很容易、很简单的情况，要想做到完全无人也常困难的。我们需要做好充分的准备。

　　所以我的，我们要融合超声波和摄像头，甚至未来更多的传感器，从人在车上，手放开，脚控刹车的自动泊车开始；逐步做到人在车上，手脚放开；之后再尝试人在车外，但必须人在车旁，长按钥匙按钮自动泊车；之后才能尝试人在远端，通过手机车周边360度的画面，远程一键遥控泊车/叫车；最后才能实现我们想要的线级无人代客泊车系统。

　　前面提到的是各种子功能，整个系统要落地，需要一个强大的计算平台和完备的系统架构，以下介绍定位于L2+及L3的计算平台。

　　它的特点是有两片EyeQ4，加上两片TC297，再加一片S32V，这是比较冗余的方案，设计目标是硬件层面达到功能安全ASIL D。它可以支持12CANFD加4以太网，还有多个摄像头，可以实现、信息融合和决策控制。这个平台目前正处于研发阶段，后期会根据实际项目需求修改完善。

　　架构层面，我们同样把系统分级为、决策规划、控制执行三大部分。为了预研自动驾驶功能，我们在车周围设计了一圈摄像头、一圈毫米波雷达、一圈激光雷达等，这么多圈因为我们要足够的冗余备份；除了传感系统，决策控制系统也要考虑各种情况的失效处理；转向和制动等重要的执行机构也需要考虑冗余备份方案；还需要考虑驾驶员系统、高精定位系统、V2X系统、HMI人机交互系统、健康管理和数据记录系统等等。最终的产品是否做到这么复杂，这涉及成本和功能的问题，我们会和客户综合考虑，会一边思考一边实践。当然，我们还有商用车的方案，也是很多的传感器，时间关系不多讲了。

　　（播放视频）这是2015年到现在逐步做的自动驾驶的DEMO，我们从各种各样的DEMO出发，把它逐渐变成产品，做DEMO是思考的过程，把它中间一小部分变成产品是实践的过程。

　　我们的DEMO车可以实现手机功能，用手机给汽车打电话让它过来接我。这台车在城市工况可以穿过红绿灯、十字口和天桥，天桥下面没有GPS信号，十字口没有车道线，大家可以设想这种工况的难度；DEMO车还需要自动通过收费站，可以看到系统非常稳定，这是我们在2016年10月份用户大会上做的展示。

　　（播放视频）最近大家喜欢讲雨天的故事，我也给大家讲一个雨天的故事。右边的图是在实验道上，速度是100km/h，放开手脚，我们的领导坐在这台车上，领导说把雨刷关了。我们以摄像头为主的方案，没有激光雷达，把雨刷关了，大伙可以看图上，人眼几乎看不到车道线。在这种情况下，那个车以100km/h的速度跑了一分多钟，非常稳定。

　　这就是我们思考的过程，前面做了很多DEMO以后，衍生出部分产品，做出L2的产品以后，开始思考什么时候变到L3、什么时候变到自动驾驶？自动驾驶的切入点那么多，我先做哪个？

　　我们分析各个场景下的技术难度，各个场景下的潜在风险，人工成本和司机的劳动强度等多个维度。我们做自动驾驶目的是解放司机，如果司机劳动强度很大、人工成本很高，这种场景的优先级就会比较高。如果司机很轻松，人工成本很低或者司机很容易就可以雇到，这种场景的优先级可以稍微低一点。

　　如果场景相对简单，潜在风险较小，这种情况实现起来会容易一点，反之则难度较大，我个人总结的通俗易懂的说法，如果车内有人、车外有人，这是比较复杂且风险较大的场景。因为车内有人要求舒适，不能随随便便就刹车或猛打方向，车外有人则要求安全，见到行人就需要提前考虑避让动作。舒适和安全在实现层面会有一定的冲突，需要在二者之前做很好的权衡优化。

　　综合考虑以上各个维度，我们找了港口这个切入点，恒润科技和青岛港、一汽解放一起发布的了这款样车，在港口实现完全无人的集装箱货运服务，还了相对低的成本。我们用相对传统的牵引车和叫做ICV的无驾驶舱集装箱货运底盘实现完全无人的自动化运行。这个视频是今年4月份发布的，但是想变成产品还有很长的要走。我们每天做各种各样的实验，要在即使GPS信号不好的时候，停车的精度要到5厘米，这是很困难的事情。

　　我们要做好港口的事情不光要做好自动驾驶车，港口是庞大的系统，也是很大的产业链，传统汽车人进入港口很迷茫，港口的运营调度很复杂而且已经很成熟的，如何切进去，如何把自动驾驶系统和现有的系统做融合？所以我们做了一个后台调度系统和港口原有的后台对接，管理每个车的状态，这个工作需要协调多方的资源，但同时也是必须做的，我们在努力推进。

　　刚才看到的都是经过精心整理的结果，看起来在一些比较苛刻的情况下系统也非常稳定，为什么呢？是因为我们提前做了很多仿真测试，只有在仿真的时候才敢做一些极端工况，这样才能并出足够多的问题。而道实验一般不会出问题，因为有安全员，他把问题提前化解了，不会让研发人员看到问题最后的结果，研发人员也就没有足够的数据去研究出问题以后的处理措施。仿真里面可以很放心的做一些极端工况，比如让行人反复在车前跑来跑去，用大量的数据评估整个系统在各种情况下的稳定性和可靠性。

　　模拟的场景需要非常的逼真，例如各种行人和交通车辆的行为、各种光影效果、遮挡、夜间灯光对于不同材质的反射等等。模拟仿真需要修，当年我自己开玩笑说我是修的，我曾经在模拟手动修了很长的。现在我们和合作，直接把高精地图导入到模拟，例如我们把很多瞬间自动在仿真中修建出来，不仅包含道形状，还要把地面箭头、实线、虚线交通标志牌等都自动生成，再基于算法自动生成大量的交通车流，这样就可以每天24小时在虚拟里，在乃至世界各地的道上运行各种各样的测试工况。

　　当然，在仿真做得比较稳定以后，还需要做一些道实验。研发、仿真都需要很多的数据和素材，所以我们必须把场景真实可靠的采集回来，说起来容易，做起来真的很难。其中最复杂的就是大量不同类型数据的同步采集和分析，包含了视频、CAN总线、GPS、以太网和一些IO信号等等，我们采用了英国Zuragon公司的Vicando产品，可以很好的满足这一要求。

　　以上是我们在智能驾驶系统产业化过程中的一些思考和实践，与大家交流学习。做智能驾驶系统，需要仰望星空来思考，更需要脚踏实地来实践。当然，只靠我们自己显然不够，我们需要和在座的各位乃至全社会相关行业专家一起，携手努力共同把自动驾驶从理想变成现实。谢谢大家！

　　本文由 325游戏（m.325games.com）整理发布