“如果自动驾驶功能开发工作占整个流程的5%，那剩余95%的工作都在为实现量产而努力。”亮道智能CTO雷绳光这样定义自动驾驶量产。
七年前，法雷奥SCALA激光雷达的产品性能，同最终上车量产实现的性能已非常接近，功能几乎没有变化。接下来的七年里，法雷奥都在为激光雷达上车量产做准备。
“百万公里级数据采集、算法验证测试、在不同场景下进行激光雷达的性能测试、激光雷达硬件满足车规级要求、保证量产出的百万台激光雷达具备一致性。”解决上述问题正是雷绳光口中“95%的工作”。
2017年11月，搭载着SCALA激光雷达奥迪A8问世，被行业定义为首款真正实现L3级自动驾驶的量产车型。激光雷达SCALA研发者法雷奥和一家德国公司Ibeo成为率先实现车规级量产激光雷达的企业。近日，自动驾驶量产之路上的“先行者”亮道智能和Ibeo签署协议，继续在车载激光雷达测试验证领域展开深度合作。前者将作为客观中立的第三方，在全球范围内为Ibeo提供下一代固态激光雷达量产项目的场景采集和功能测试验证。
这场深度合作的远景，其实已经十分清晰：固态激光雷达量产。
行业内已经达成共识，固态激光雷达是量产版自动驾驶汽车的必备。Ibeo CEO Ulrich Lages也断言：考虑到车规级及成本、性能优势，未来固态激光雷达取代机械式激光雷达是必然的趋势。
一方面，Velodyne 固态激光雷达新品 Velarray 已在今年6月完成中国首秀。今年年初雷锋网新智驾采访Quanergy时，公司 CEO Louay Eldada也表示，Quanergy总部工厂具备年产100万台激光雷达的产能，根据当前的生产计划，2018年预计会生产至少20万台激光雷达，其中大部分是固态激光雷达S3和S3-Qi。
Quanergy还与传感器领域企业Sensata进行合作，在其马萨诸塞州的工厂也建立了一条自动化产线，用于生产车规级固态激光雷达，Sensata批量生产固态激光雷达的生产线将会在明年9月份正式启动。
法雷奥和Ibeo共同研发的激光雷达SCALA实现上车量产，花费了7年的时间。在Ulrich Lages看来，行业内很难有激光雷达供应商能在2021、2022年前实现真正意义上的车规级固态激光雷达。
雷锋网新智驾了解到，Ibeo下一代固态激光雷达可以探测超过300米范围内的目标，视场角范围可以根据客户需要定制。Ulrich Lages提到，关于自动驾驶传感器的三大参数：FOV（扫描角度）、探测距离、分辨率，理论上均越大越好，但目前没有一款真正意义上的固态激光雷达可同时满足这三方面的要求，Ibeo正在这三方面努力。
在这位过来人眼中，固态激光雷达上车量产需要针对不同的汽车环境进行大量测试验证，第一代环境感知算法到最终的SOP算法，要经历一个漫长的迭代过程，需要大量的测试验证来覆盖不同的特殊场景。量产级的激光雷达算法不仅包括定位、障碍物识别与分类、动态物体跟踪等算法，还有应对各种特殊驾驶环境和路况的专门算法，同时为了保证代码和功能的安全可靠性，还要进行安全设计和大量测试验证工作。
加速下一代固态激光雷达测试验证，实现量产，这也成为Ibeo同亮道智能牵手的初衷。
亮道智能将自己定义为大数据导向型自动驾驶感知模块测试验证解决方案提供商，专注于L3/L4自动驾驶环境感知，以激光雷达为核心的测评系统对自动驾驶环境感知完成测试验证。雷锋网新智驾了解到，自动驾驶激光雷达测试验证领域，目前没有一个标杆企业，亮道智能是从0-1的过程。
多数自动驾驶解决方案提供商，其测试验证多为自身功能开发服务。对于主机厂而言，自动驾驶解决方案提供商无法同时扮演系统提供者与测试者两重身份，主机厂更希望通过第三方公司完成对自动驾驶感知系统的测评，这也是亮道智能瞄准第三方测试验证公司潜在的市场空间。
当量产成既定目标，自动驾驶车辆对于安全性要求发生“质”的变化，传感器测试验证要求呈现爆发式增长。剑指自动驾驶量产化的公司已将测试验证作为一项迫切需求，但目前行业内几乎没有真正完整的解决方案。
在技术层面，不同于自动驾驶样车，后者为尝试不同自动驾驶硬件配置方案来实现需要的自动驾驶功能，所以样车上多数硬件、软件算法及整套系统的安全设计未达到安全标准。在亮道智能看来，一款真正安全、面向量产的自动驾驶车型除需实现自动驾驶功能外，还需满足传统汽车行业对电子产品的相关标准和规范，自动驾驶系统要达到功能安全（ISO26262）的要求，环境感知能力等功能必须通过相应的KPI考核：
满足自动驾驶汽车电子相关的测试标准，保证成品的一致性；
对自动驾驶系统来说，L3、L4需达到最高级别—ASIL D级别的功能安全，分解到激光雷达方面，至少需要达到ASIL B要求。这意味着，传感器检测结果具备可靠性、及自检能力，即当传感器检测结果异常时，需自动实时报告ECU“检测有误”；
在开发流程方面需严格遵循ISO26262流程开发标准及硬性指标，包括硬件硬性指标及软件开发的硬性指标；
环境感知方面的KPI，即在不同行车环境下可安全稳定的工作，例如传感器检测率、误报率等等。
同ADAS比，L3/L4级自动驾驶汽车搭载了全新的传感器，例如激光雷达、毫米波雷达、摄像头等，对自动驾驶感知融合验证测试流程和高度集中的测试工具开发能力，以及大数据分析和挖掘能力提出了更高的要求。
L3级以上的自动驾驶要把产品放到真实的交通环境测试，才会获得感知系统的真实表现。虚拟仿真系统对于平台开发（例如开发激光雷达算法的通用部分）工作有一定的帮助，但受限于目前仿真软件尚无法完整模拟传感器因素，虚拟仿真算法无法完全满足产品量产测试需求。因此，新型自动驾驶感知融合验证测试离不开真实道路测试和基于真实路测数据的SIL（软件在环）、HIL（硬件在环）等验证方式。
亮道智能CEO剧学铭提到，测试验证解决方案及数据采集依旧存在诸多细节问题，例如传感器选型、同步、存储格式、采集方法等，目前行业内很多已经采集的激光雷达数据实为问题数据，并不能可靠用于真值建立。针对自动驾驶，亮道智能设计一种新型自动驾驶感知融合验证测试：
百万公里测试大数据：同传统汽车相比，自动驾驶测试验证需采集的数据量需求更大，L1/L2级别自动驾驶车辆的测试需求为万/十万公里级，L3及其以上的自动驾驶测试验证意味着百万公里的测试数据需求。亮道智能主要基于激光雷达，同时搭载其它传感器，例如摄像头，弥补激光雷达无法实现的功能；
一年前，亮道智能敲定商业路线，基于激光雷达采集国内道路数据，现已建立数据集成和处理的1.0版本，已建有中国、德国的路测与大数据中心（北美中心2019年拟建），积累了不同洲际与城市的驾驶行为数据；
自动驾驶环境模型：自动驾驶环境感知能力离不开环境真值，测试验证中的真值建立和量产算法不同，前者不受成本及功能安全束缚，更注重自动化的建立精确的环境模型，这也是亮道智能的逻辑；
如何建立环境真值？当前视觉系统方面多采用人工标注，而面对百万公里的测试数据，人工标注尽显“吃力”，亮道智能采用Ground Truth Generator（GTG）工具软件，在驾驶场景中自动化生成目标物体客观真值，并基于激光雷达、辅以摄像头和毫米波雷达的方式，采集数据，通过激光雷达算法以及融合算法来完成自动化标注；
测试验证工具链：自动驾驶算法数据不断进行迭代，每一次迭代面临着新一次测试，亮道智能测试验证系统流程已建立一套高度集成和自动化的工具链，可实现高度自动化的测试验证；
大数据分析阶段：如何寻找有用的数据，百万级的数据量对大数据分析能力提出要求，亮道智能通过算法和机器学习从数据库中提取干预场景。
2017年-2018年，亮道智能积累了不同场景下数千小时的激光雷达数据，并借助积累的数据提取本地化的自动驾驶场景和驾驶行为，提供基于本地的典型场景和特殊极限场景。
作为独立的第三方激光雷达测试验证先行者，亮道智能希冀与激光雷达供应商Ibeo树立成功案例来通过行业认可，双方计划同国内某主机厂合作推动自动驾驶项目在中国的本地化开发。另一方面，亮道智能也在同国家层面的标准委员会建立联系，希冀成为未来标准制定的参与者。
正在生成分享图...
韩永昌