“镭神智能罗佳鑫：车规激光雷达在商用车市场的前装应用”

9月14日，列支敦士登汽车主办的2021中国商用车自动驾驶大赛隆重召开。 此次峰会将聚焦商用车自动驾驶领域的快速发展趋势，共同探讨从感知、决策到执行层面的核心技术，以及港口、矿区、干线物流、园区等不同终端场景的产业化落地方案。 以下是[/s2//]天津神智能车载产品经理罗佳鑫[/s2//]在这次大会上的发言。

大家好。 今天我演讲的文案主要涵盖四个方面。 一、商用车需要什么激光雷达？ 二、如何实现车规级(商用)激光雷达； 三、激光雷达安装配置方案； 四、1550nm纳米激光雷达roadmap。

一、商用车需要什么样的激光雷达？

将商用车客户定义为两种客户，第一种是商用车主机厂，第二种是商用车运营商。 商用车的主要制造商是一汽、二汽、北汽福田、陕汽等厂家，他们的整车销售主要面向终端用户( c端)，商用车运营商主要是干线物流、矿区等封闭园区APP的公司。 我认为这两种商用车客户的技术快速发展路线不同。

认为对商用车主机厂来说，他们是渐进的快速发展，是渐进的探索自主安全自动驾驶的过程。 商用车客户对整车的价值取向是高效的，并且以他们为生产工具，所以对于将行李运到终端的司机来说，过高的自动驾驶方案和价格是他们无法接受的。 但是，对运营商来说，技术的快速发展路线是什么？ 我用了定义。 过激的“l4级自动驾驶技术的场面下沉”的产品形态也不同。

前面安装量产项目去拆解，激光雷达为什么要安装在车上？ 这是我一点论文总结的资料，我做了一些总结。 1、重型卡车事故发生率和致死率非常高2、重型卡车的第一事故发生地是十字路口及其附近(交通环境多而复杂)，其次是路段。 3、重型卡车交通事故发生时间多集中在夜间； 4、交通参与者主动违规5、转弯有视觉死角，特别是右转。

无人驾驶商用车技术的快速发展路线仍需不断提高自身感知能力，提高整个系统的安全性和冗余性，它需要更适合中国众多复杂的道路状况。 很多落地场景从干线物流开始，包括高峰多而复杂的交通路况、短暂出现的工程道路、前方突然凋零的物体、更好的odd (突发状况)适应性，以及恶劣天气传感器上的故障性，所以l4自动驾驶为了提高冗余性和感知性能，更

商用车不同顾客的重点性，左边是主机厂的顾客，他的第一权重可能是价格，运营商的第一权重可能是性能。 当然并不是运营商不关心价格，但我们的本质都是为了提高安全性。

站在主机工厂的立场上，我说:“”， 我认为商用车的快速发展趋势可以从l1-l2场景中补充，将其总结为大大提高司机在行驶中的报警能力，也就是我上面提到的夜间行驶

站在经营者的立场上，以具备竞争价格的前提，即，进行运营

总结一下，雷达在这两个场景中有不同的形态，与主机厂的形态相比，需要一定的感知性能，需要非常有特点的价格，装车进行警告采用。 运营商l4自动驾驶框架需要性能更高、能够测距更远的激光雷达来提高整车的环境感知能力。

但是，无论是主制造商还是运营商，挑战都是共同的。

第一个挑战是连续工作时间长，寿命高。 由于商用车的特点，商用车与轿车不同，无论顾客是谁，价值取向都是生产工具，为了提高效率，能够连续工作的时间越长越好。 轿车现在的通行时间定义为，大部分为10年、365天、每天2小时，寿命为7300小时或10年12万公里。 但是商用车每天通行10-15小时，平均在12-15小时之间，意味着每天工作12小时、5年、365天，可以达到21900小时，但大部分激光雷达的寿命门槛只有7300小时。

第二个挑战/ S2// S2// S2// S2// S2 /是/ S2// S2 /、 采用环境 商用车sor确定了定义，对商用车的振动、冲击、电气环境适应的要求远远高于轿车，

/ S2/]，如何实现车规级(商用)的激光雷达( ) ？

比较商用车的寿命和振动、冲击，如果需要该产品的系统架构，必须充分重视这两个重要因素。 那么，我们是以什么样的想法在做呢？

无论从体系结构设计还是零部件选型，都充分考虑了这两点。 那么，如何实现车规级激光雷达在商用车上的应用呢？ 以此为三个要素 1、满足商用车法规可靠性和稳定性的系统架构 2、比较商用车主机厂所需的诉求，因为需要智能传感器，所以智能传感器的系统架构； 3、一个产品也需要先进的车规生产线和严格的车规电子的质量管理来保证产品的一致性和安全性。

因为我们涉及很多核心电路图，所以这里图式不方便，只能用文案表达告诉你我们是怎么做的。

与商用车主机厂相比，缩小几千美元可能会得到非常好的警报。 如果夜间和死角扫描都能得到行驶中的警报，激光雷达就需要直接综合该算法，然后直接输出感知结果。 所以，我也把它看成几个方面。 第一，需要大量的数据积累和检查。 第二，需要鲁棒性强的感知算法第三，需要重点云算法专用的解决芯片第四，需要直接输出感知结果的结构化数据，直接警告规则控制。

这是智能传感器系统体系结构的拓扑结构图，如何将该算法嵌入到激光雷达中进行计算呢？ 首先需要硬件。 需要激光雷达专用的解决芯片。 这方面与地平线展开了深入的战术合作，是与英特尔团队合作开发的。 目前，激光雷达探测算法需要一些逻辑计算力。

在算法构建的过程中，有高速场景、城市主干道场景、远景、多而复杂的十字路口场景等数据库的积累，进行了大量的数据收集和标记。 目前，数据训练量为4万帧左右，q4预计将接近10万帧。 我希望这种集成算法适合中国许多复杂的道路情况。 包括背景的大规模感知、众多的交通参与者、各种交通场景下的高鲁棒性等。 这就是我们的整体系统架构和下一个计划。

在算法模型链路中激光雷达集成芯片做什么？ 输出什么？ 首先分析原始数据，然后转换为神经互联网识别模型。 由于神经互联网将分类模型完全神经互联网化，所以道路的路面、道路沿线、车道位于可行驶区域，对路标、隧道、行人、车辆、动物进行了大量的训练。 在目标跟踪方面应用于目标物标识和匈牙利的匹配，目前我们的算法是将神经网络和以前流传的算法结合起来应用的。 那么，我们最终输出激光雷达扫描范围内的目标物id，给出其分类、位置、速度、航向、长宽比以及车道和道路边缘识别输出曲线方程。

而且，为了生产接下来要说的两个产品，需要新的车规生产线(生产据点)。 ( ppt复印件)左边的照片是深圳的工厂，右边的照片是徐州的工厂。 徐州市政府将提供整个现场设施。 另外，将投入约6000万美元建设车规生产线。 该厂是万级集成厂，是smt自动化生产线，是ict自动化检测，除了装配、调光需要人工外，还将如接下来出现的标定和出厂检测一样完成半自动化设备。 这个工厂的最大生产能力计划每年生产25万台左右，今年q4底进行少量生产，预计每18周我们的生产能力就会翻倍。 另外徐州工厂只生产车规级混合固体的激光雷达。

三、激光雷达的安装配置方案

介绍了商用车的特点和商用车的诉求，如何实现这一产品形态，将在引进方案中介绍。

首先，关于雷达在自动驾驶化中的定位，本质还是安全、安保的雷达、安全的世界。 接下来介绍ch128x1和ch64w。 这是我们企业内的代码。 首先，向大家介绍产品参数。 ch128x1是128，200米的测距，10%是160米。 然后，对商用车的场景进行了比较设计。 商用车的安装高度很高，所以视角从-18度到7度，每秒有76万件。 右边是ch64w，有水平180度的视角，100米的测距。

这是我们不同的点云。 让我们粗略地看一下。 ( vcr拷贝)

这是我们在做dv实验。 另外，我们的dv有6批在轿车上试用。 接下来看看测试的素材吧。 ( vcr拷贝)

( ppt复制)这是我们的整体配置，前面配置128x1作为主雷达的探测性能，两侧作为180度64w死角进行补充。 这是转弯场景，也就是事故率高的场景，是通过补充致盲雷达来警告的场景。 这是商用车的形象，商用车死角更大，需要死角的补充和激光雷达的警告。 这是在大型商用车上的配备。 这是视角的分布，这也是比较商用车场景与众不同的设计。

第四，/ S2// S2/1550纳米激光雷达roadmap

1550nm的光激光器和核心器件自行生产，首要克服材料能够在高温下连续工作。 现在里面的材料在高温下会比较受限制，所以我们也在重点解决这个技术。

这是下一个1550产品的参数，250米，5%测距，现在的性能是x1的两倍。 该产品预计明年2月左右推出sop。

最后简单介绍一下我们的企业。 我们是去年2月成立的。 目前，市场重点是主机厂、无人驾驶、智能交通和机器人，这期间刚完成c轮3亿融资。 企业也有许多国家级和省级荣誉，我们也是广东省唯一的激光雷达工程研究中心。 目前企业员工450人左右，许多人才来自西电等光机电较强的大学。 目前，我们在中国一线城市的主机厂设有办公室。 丰田通商是我们在日本的代理商，有深圳和徐州两个工厂。

最后，我们希望与越来越多的商用车主机厂合作验证商用车场景下激光雷达的可靠性，希望通过越来越多场景的实验和测试，设计出适合商用车的激光雷达。 谢谢你！