禾多科技创始人兼CEO-倪凯

大家好!今天我演讲的题目是“‘三端合一’的自动驾驶方案，让安全更近”。说到自动驾驶大家可能第一反应，就是说自动驾驶技术是针对一个车，自动驾驶的未来，整个解决方案到整个生态体系，难道真的只有车吗?我们首先来看一下除了车端之外还有什么。最近一个月，在业界也有一些除了车端之外的技术发布，比如说Apollo发布了车路协同，让自动驾驶系统变得更安全，他想解决的一个核心问题也是说在城市L4自动驾驶里面，在一些路口布上一些传感器，解决在路口的一些极端驾驶的情况。第二个，是主机厂和Tier1也纷纷推出了一些车端、场端协同的方案，右图(PPT)中大家可以看到是博世和戴姆勒在北京推出的自动驾驶的代客泊车的方案。

大家可能要问为什么我们在车端之外还要寻找其他的途径一起解决自动驾驶的问题。我想首先因为第一大原因，就是中国的自动驾驶非常具有挑战性，如果我们集中在车端正区别解决问题的话，很有可能我们需要把非常昂贵的传感器摆到我们车上，把算力非常强的设备摆到车上，这个其实在很多量产的情况下会给我们带来非常大的成本压力和我们的制造压力。

第二，我想可以以停车场景为例子来说明这么一个痛点。比如说美国的停车场景，其实它的停车场非常充足，拿我自己来说，我在美国呆了10年基本上没有做任何倒车的平车或者平趴，基本上一头开进去在停车场了。在中国到所有的商户、电影院这样的场景，不仅仅面临地上停车场的挑战，更多的是三四层地下停车场的挑战，在这样一个环境里，而且很有可能会有老人、小孩甚至宠物，在这样的环境里我们怎么去解决代客泊车的问题，在这样的情况下场端可能就变成的非常重要的方案。

接下来我来主要介绍一下我们所说的“三端合一”的自动驾驶解决方案分别由哪些优点和技术上的一些考虑。

我们认为，首先自动驾驶可能在乘用车方面首先落地的两个大的场景，第一个，高速公路，就是我们称的结构化的道路，这个上面我们推出的是L3的方案，这个场景上的优点是说，它的场景本身，因为国家对高速公路有一个非常详细的规范，所以说我们的不确定性相对来说小，它的难点是说，高速公路上的车本身车速非常快，要求你的反应非常快。第二，代车泊车的技术，场景是说我们整个场景是相对慢的，留给我们电脑反应的时间相对更多，难点是在停车场里面，不管地上地下、商用民用的停车场，都可能发现非常多的极端场景，包括刚刚提到的老人、小孩，这是我们需要在世纪中解决的问题。

禾多科技提出的“三端合一”的自动驾驶解决方案，第一端，场端。在我们停车的场景下希望达到几个目的。一是希望支持整个地下、夜晚包括雨雪极端的工况。二是希望保证人车混流情况下绝对的安全，毕竟我们在做一个量产的要可落地的解决方案。三是成本，我们希望每个车上达到两到三千元的成本。

第一个视频，我们在夜晚的场景做的待客泊车的技术，这个原始场景是非常暗的，完全没有灯光，为了拍摄效果我们拿车的头灯去大概的照亮了一下。大家可以看到，这种场景里面其实我们传统的摄像头的解决方案或者说大家很多业界做的摄像头解决方案，这样的场景里都会遇到极大的挑战，因为它的光线是非常非常暗的。通过场端和车端的协同，大家可以看到右下角是场端的画面，我们能够非常有效的解决这样的问题。第二个，我们的暴雨的天气。前段时间南方也经常在刮台风，我们在暴雨情况下也尝试了Holo Parking的解决方案，可能在雨天雨水的关系失去了这个效果，我们希望我们的乘客不需要在雨天自己去停车。第三个，我们尝试的，针对高速公路的方案，Holo Parking提前预警的忙市，一共有三辆车。第一辆车是我们的头车，头车以后是第辆车，头车停下来以后如果没有场端方案就不会预警到头车停下来，这个时候非常危险，不管是通过什么的通讯能够更有效的预先的判断这样的情况，能够做到预先的及时的刹车。

第二端是车端，我们主要做什么样的事情呢，更多的我们是在一个大数据的基础上去解决我们的本地数据驱动的自动驾驶，我们称为路谱的数据库，希望通过我们大数据的感知系统，能够更好的感知车边的环境，通过高精度地图能够达到厘米级的定位，通过数据驱动的方式能够实现老司机一般的驾驶行为和决策。

也来看一些例子。第一个例子，在实际路况上，在我们的视野非常受限，或者高速路上发现路边的紧急停车带有车辆停在那边。这个时候我们谈量产的设备，运算能力是非常受限的。我们需要在有效的环境下如何实现快速敏捷的车辆探测，包括障碍物的探测，是我们面临的需要长期解决的问题。第二个，我们有了高精度地图，我们如何基于多传感器进行高精度定位，在我们的车上希望打造百元级的定位模块，包括我们的GPS、IMU，包括跟其他的传感器相配合，有摄像头、激光雷达、毫米波雷达，我们如何通过整套的，现在推出5千元或者1万元两档配置的高速公路自动驾驶系统中，我们实现低成本的高精度定位的方案。第三个，刚刚提到是我们的智能决策。这张图上很好的揭示了一个我们可能在行车的时候经常碰到的场景，我当前的车道上可能没有车，我左右的两边车道他们可能都是压着线开的，如果是自动驾驶系统，需要让乘客放心的话，你需要一个有效的规避，如果我规避的动作太大的话，可能也会让乘客感到不舒服，所以怎么样在这种场景下我们实现一个称为老司机般的行驶路线，做有效的屏蔽，保证乘客的安全，同时让乘客没有不安全感或者不信任感。

第三端，高精地图端。跟前面两端不一样，因为前面两端是实体，要么是场、要么是车，高精地图是作为数据，我们可以做什么事情呢?第一个拿停车的Holo Parking的解决方案来说，高精度地图可以能够实现停车场的快速的制图，任何的待客泊车的落地都可能是成千上万的停车场，不可能说米个停车场花一天或者一周时间建这个图，可以看到现在国内比较领先的三大图商，四维、高德、百度，他们主要抓的还是城市道路或者高速公路的高精地图，谁来负责我们停车场的快速制图，我相信自动驾驶解决方案的供应商和图商未来会紧密协同，一起来提供这方面的数据支持。

可以看一下第一个视频，是我们的上下匝道的视频，在上下匝道中，通过我们大家可以看到绿色的导航线，我们可以让高精度地图真正的教会我们这个车辆前方的茬口是什么情况，什么时候汇入高速、什么时候驶出高速，人开车有导航地图，高精地图在自动驾驶方案里面起到的也是导航地图对人的作用。第二个，我们的辅助感知的方案。我们车行驶的时候有一个360度的感知区域，但是他有他认为需要重点关注的区域，我可以把大部分算力使用到这个区域里面，通过高精地图可以看到红色线框的区域，就是我们认为通过高精地图能够识别出我们当前方向的车道和应急车道一起做出我们称为重点的关注区域，所以高精度地图实现了辅助感知的功能。第三，我们实现地图和实时感知的冗余。大家经常发现在很多到图上，因为可能年久失修或者车流量比较大，其实很多车道线已经没了或者慢慢消退了，这种情况下如果完全通过实时感知会给整个自动驾驶的安全带来非常大的隐患，我们如何通过高精度地图里面的一些车，比如车道线这样的元素，能够实现它的冗余，能够保证我们的自动驾驶的安全。

下面一个视频是说在暴雨的天气，我们在北京做一些测试的场景。这样的天气里面不管是车还是车道线，都会对我们的感知有非常大的影响，通过高精度地图的配合，我们能够非常稳健的把所有的车道线和车辆都检测出来。

这是我们“三端合一”的方案，可能未来会有更多的向云端或者更多的端参于进来，如手机端。但我认为目前中国的自动驾驶方案要落地，可能场端、车端、高精地图端都是不可缺少的要素。

谢谢大家!