![]()
如何攻克高阶自动驾驶感知难题？随着智驾功能不断从基础向高阶迈进，自动驾驶所面临的道路场景愈发复杂，目标维度与数据量呈指数级上升，给系统感知能力带来了巨大挑战。BEV（Bird's Eye View）感知的出现，为解决高阶自动驾驶感知难题提供了有效途径。BEV 通过车身传感器的图像输入，将感知到的现实场景、道路目标乃至时序信息融入统一的时空坐标系中，以自车为中心呈现出统观全局的 “上帝视角”，为自动驾驶规划与控制提供更加实时、精准、全面的决策依据。BEV 感知正受到智能驾驶领域参与者的追捧，但更先进的技术也伴随着更大的落地挑战。地平线早在 2021 年 7 月发布新一代征程 5 车载智能芯片之时，便推出了基于征程 5 的纯视觉 BEV 感知原型方案，这也印证了征程 5 对 BEV 感知的原生支持。![]()
BEVformer（基于transformer的纯视觉感知）
![]()
UniAD模型
2023 年 6 月，在加拿大温哥华举办的计算机视觉领域顶级会议 CVPR 上，首篇以自动驾驶为主题的最佳论文 “Planning-oriented Autonomous Driving” 从近万篇投稿中脱颖而出。论文中提出的 “感知决策一体化” 的自动驾驶通用大模型 UniAD，构建了以全局任务为目标的自动驾驶大模型架构。作为自动驾驶技术发展的重要节点，UniAD 模型为自动驾驶技术与产业的发展提供了新的方法和思路。该论文的第一作者以及其他四位研究员均来自地平线。在 2023 年最佳论文中横空出世的 UniAD 模型。首次将检测、跟踪、建图、轨迹预测、占据栅格预测以及规划整合到一个基于 Transformer 的端到端网络框架下，并将各项任务以 token 的形式在特征层面按照感知 - 预测 - 决策的流程进行深度融合，实现了自动驾驶系统算法性能的全面提升。![]()
CVPR最佳论文奖：端到端自动驾驶大模型
UniAD 模型的显著突破在于能够同时完成更多任务，大幅提升各功能模块间的协同效率，更出色地在真实驾驶场景下优化行车规划。此外，该模型在 nuScenes 数据集的所有任务上均达到了 SOTA 性能，且在预测和规划效果方面远超其他模型。UniAD 模型的 “多任务” 和 “高性能” 特点，完美克服了传统算法面临的挑战，不仅能确保车辆行驶的安全可靠，更有助于加速自动驾驶技术的商业化落地。
![]()
应用实践作为全球首个依托地平线征程 ®5 芯片的智能驾驶系统，理想 AD Pro 标准配置了高速 NOA 功能，AD Pro 实现了从 8MP 前视到 360° 全方位周视感知的进化。理想联合清华和 MIT 提出的混合式 BEV 算法框架能够实现不同传感器类型的可插拔，在 AD Pro 上采用了纯视觉传感器方案。除了纯视觉的 BEV 感知方案之外，征程 5 还开放支持多传感器融合 BEV 算法部署。![]()
轻舟智航“轻舟乘风”高阶辅助驾驶解决方案（基于征程 ®6 芯片）
例如轻舟智航基于征程 5 打造的高阶辅助驾驶解决方案 “轻舟乘风”，便是通过在征程 5 的基础上实现视觉、激光雷达的时序多模态特征融合，该方案目前已完成城市 NOA 实车部署与验证。![]()
免责声明：本文为作者独立观点，不代表道芯IC立场。如因作品内容、版权等存在问题或者其他任何异议，欢迎联系。
