本文转载自雷锋网。如需转载，请在雷锋网官网申请授权。不久前，新知家写过一篇文章《夜间场景，自动驾驶值得一说的「好故事」？》，认为夜景是高级驾驶辅助系统（ADAS）和自动驾驶的天然商业需求，但在实际应用和技术突破上仍存在困难。有趣的是，一些玩家声称能够突破夜间或恶劣天气下智能驾驶汽车的棘手技术难题，并已实现量产。近日，昆山星际之舟智能科技有限公司（以下简称“星际之舟”）向新知家展示，基于其自主研发的近红外“门控”ISP成像识别技术，星际之舟制作了一款全-雨、雪、雾（霾）、夜间弱光、强光等场景的天气ADASL2+系列产品。同时，在使用最少传感器的前提下，还突破了应用于自动驾驶L3、L4方案的全天候场景。星际之舟成立于2017年，是一家由国内外专家共同创办的高新技术企业。创始人吴晓创及其核心团队均来自全球知名车企及供应商。他们在汽车领域拥有数十年的工作经验。对行业技术发展有深入的研究和理解，在全天候感知识别和智能驾驶决策领域深耕多年。但是，新的感知技术在车辆上的应用要想进一步得到业界的认可，至少需要回答以下几个问题：1、我们现在熟悉的智能驾驶感知技术的成本是否已经被行业所接受？市场？2、智能驾驶行业为什么需要新的感知技术？3、这种新型感知技术有哪些独特的竞争优势？目前进展如何？4、从技术到产品再到量产，这对智能驾驶行业意味着什么？智能驾驶汽车感知技术的“大难题”无论是载人驾驶还是智能驾驶，都不得不面对各种各样的驾驶环境。人们对智能驾驶的期待之一就是能够在全天候环境下正常行驶，减少事故发生。但实际上，以下驾驶环境会给行车带来很多问题，容易发生事故：目前智能驾驶中主要使用的传感器有“可见光摄像头”、“毫米波雷达”、“激光雷达”和“超声波雷达”。各有优缺点：不难发现，各类传感器的突出问题是在弱光或恶劣天气条件下存在明显缺陷。因此，在自动驾驶中同时使用多个传感器是当前的解决方案。缺点是成本高，潜在故障点多。即使采用可见光成像加激光雷达，也无法解决恶劣天气下的感知和驾驶问题；在ADAS中，为了节约成本，基本都是采用可见光成像识别加毫米波雷达。但该技术路线无法实现全天候的高级驾驶辅助。上述技术缺陷导致了一系列交通事故，如上述报道中提到的Uber2018年夜间行人碰撞事故。又如特斯拉Model3的Autopilot自动辅助驾驶系统，虽然前后配备了8个摄像头和12个超声波传感器，但特斯拉还是指出能见度差（大雨、大雪、大雾等）.)、强光（因迎面而来的大灯或阳光直射等）等因素会限制其辅助驾驶功能的使用。2019年，美国AAA公司在测试雪佛兰Malibu、本田雅阁、特斯拉Model3、丰田凯美瑞等配备前碰撞制动系统的车辆时，也发现这些车辆的行人检测系统在夜间效率低下，有明显的缺陷，提高夜间效率可以大大提高对行人的检测，这也与车辆车主手册的描述相符。美国国家公路交通安全管理局(NHTSA)表示，自2018年以来，特斯拉的Autopilot驾驶员辅助系统或交通感知巡航控制系统已涉及11起事故。在这些事故中，特斯拉的汽车撞上了闪光灯、发光的箭头牌或警示灯的车辆，而且大部分事故发生在天黑之后或黎明之前。同样，欧洲2018年ERSO报告也指出，车辆、行人、自行车的事故率高峰多发生在光线较暗的环境（时段）。智能驾驶的初衷是为了提高行车安全，解放人力，拓展车辆的驾驶和应用场景，突破人类可以操作的工况。但是，由于现有感知技术的限制，目前先进的辅助驾驶还不足以实现全天候工况下的运行；目前，在自动驾驶中，需要使用过多的传感器来弥补单个传感器的不足，从而增加了成本，增加了故障点，也不能完全解决全天候工况的问题。因此，如何突破技术瓶颈，提高智能汽车在夜间、雨雪、雾霾、强光等场景下的安全性迫在眉睫。此外，在商业价值方面，为了提高安全性、降低保险成本、降低人工成本，货运、矿区、港口、环卫等细分场景对于夜间或智能驾驶的应用也十分迫切。在弱光条件下。要求。国内外众多智能驾驶企业已经开始探索相应的解决方案。比如去年，阿里巴巴达摩院宣布自主研发了车载摄像头ISP处理器。达摩院自动驾驶实验室路测结果表明，采用该处理，车载摄像头夜间图像物体检测和识别能力优于业界。主流处理器有10%以上的提升。在激光雷达的基础上，元融启星提出了自主研发的3D物体监测网络模型HVNet，这意味着即使在雨天、夜晚等情况下也能准确感知障碍物。此外，热成像传感器也逐渐进入业界的视线。它可以在没有任何可见光的情况下对加热物体进行成像，可以弥补激光雷达无法对物体进行分类的天然缺陷，但其缺陷也很明显。由于红外热成像技术主要通过热辐射来采集信息，因此热成像传感器无法对冷物体（车道线、交通标志等）进行成像。与可见光图像相比，其成像分辨率低，信噪比低，硬件耐用性差，检测径向运动物体的能力差，成本也贵很多。今年，Apple获得了一项结合可见光、近红外(NIR)和长波红外(LWIR)传感器的汽车夜视系统专利。夜间或弱光环境中物体检测和分类的挑战。另一种方式：第五种智能驾驶感知技术面对上述目前传感器的局限性，星际找到了另一种突破方式。据悉，星际穿越研发团队自主研发了基于近红外光的门控成像识别技术，有效解决了白天、夜间弱光/强光、雨雪雾等全天候条件下的成像识别（雾霾）等。该技术产品开发的ADAS产品和自动驾驶解决方案也适用于全天候工况，可以突破目前智能驾驶汽车只能在良好天气条件下使用的尴尬局面，是有望取代昂贵的激光雷达传感器，从而减少传感器的使用，降低成本，为自动驾驶从“研发，不计成本”阶段突破到真正“用得起”的量产阶段奠定基础。“Gating”技术是系统根据外界环境自主调节快门和近红外光源脉冲的联动策略，使系统能够主动适应不同的复杂场景，最大限度地降低功耗，实现更好的成像效果效果。针对成像模块的高帧率输出（>100帧/秒），星际建立了具有自主知识产权的“自适应切片网络模型”，结合公司百万公里全天候数据集，实现星际识别产品可在白天、夜间弱光和夜间强光、雨雪、雾（霾）和隧道超曝光环境下同时成像和识别物体。除了船的产品结构，星际还建立了自己的全天候成像仪自动化生产线。据介绍，星际全天候近红外核心门控技术拥有自主知识产权，其基于近红外门控技术的全天候成像模块也是国内首创。星际表示，这是业内首家开发全自动化全天候传感器生产线，用于装配和AA工艺。星际公司生产运营负责人张锡林表示，这是全球唯一一条基于近红外选通技术的成像模组生产线。整线自动化程度超过85%，年可批量生产60万套产品。更换激光雷达？星际表示，基于其近红外光“门控”ISP技术研发的全天候成像识别系统，可实现最佳成像距离（25瓦/250米）和最佳全天候成像效果（白天、雨天、雪天）、雾霾、弱光和夜间眩光）。目前星际全天候目标识别准确率为97%，其中行人有效识别距离为130米，车辆最长识别距离为200米。此外，还可以与毫米波融合，融合准确率为95%。以近红外光“门控”ISP技术为核心，星际目前拥有全天候影像识别系统、ADAS和L4级自动驾驶系列产品。星际穿越主要产品介绍。在ADAS和L4自动驾驶系统中，基于图像识别的测距较弱。为了安全和冗余，星际穿越增加了毫米波雷达。该技术路线既解决了全天候工况问题，又具有目标测距精度。更重要的是，一系列基于近红外光“门控”ISP技术的成像识别产品，解决了传感器在夜间、弱光、恶劣环境等工作条件下无法解决的问题。再加上毫米波雷达的集成，这种感知在ADAS和L4级自动驾驶应用中，具有全天候感知的完备性，不需要使用激光雷达，因此具有替代激光雷达的潜力。2021年ADAS激光雷达爆发，长城、小鹏、蔚来、理想新车都推出了激光雷达解决方案。戴姆勒、保时捷、宝马、蔚来等企业纷纷投资激光雷达公司。呈现出快速发展的势头。但就目前而言，激光雷达还存在诸多局限性，尤其是在成本和潮湿天气环境下，需要进一步投入时间和资金。据星际舟负责人介绍，星际舟的智能驾驶系统成本是激光雷达方案的八分之一到十分之一。从近红外“门控”成像传感器的成本和应用场景来看，智能驾驶行业众多参与者的玩法或将被一举颠覆，而这还不是星际小舟。现在全球很多车企都注重ADAS技术在夜间、弱光等场景的积累，Starship基于近红外成像识别技术的系列产品已经被主机厂接受。有的车企在测试，有的车企已经装上了。Starship全天候影像识别及ADAS系统在国内首发。目前，星际汽车级全天候影像识别系统已通过交通部JT1242AEBS规范测试，产品也与国内外十余家车企进行了交流测试，被誉为“世界领先”。此外，Starship全天候AEB系统还助力中通“超级巴士”H12荣获“2021中国商用车优秀产品奖·高端商旅之王”奖项。同时，Starship与通用汽车合作，进一步开发下一代三维全天候成像识别；Starship的主要客户包括通用汽车、中通客车、一汽解放等。除了应用于客车、重卡等商用车外，星际的产品还可以进入乘用车领域；矿区、智慧道路、船舶等场景，以及渣土车、水泥罐车的售后市场。总结关于ADAS辅助驾驶系统和L3、L4级自动驾驶解决方案，智能驾驶行业之前一直在比较毫米波雷达、摄像头、超声波雷达和激光雷达四种感知技术，然后根据自身预算和企业定位与产品规划等因素，选型、系统集成与应用。然而，目前的智能驾驶感知技术往往在夜间或恶劣天气下失效，智能驾驶汽车在这些场景下的想象空间也受阻。星际却另辟蹊径，自主研发了近红外门控成像识别技术，并脱离设计阶段，建立了具有自主知识产权的专业生产线生产该技术的产品，并实现了量产和商业化从研究到生产。不得不说，它确实为智能驾驶行业的感知技术发展指明了另一个可行的方向，同时实现了真正的全天候ADAS。智能驾驶行业一个值得讲述的新故事，正在慢慢翻开新的篇章。
