离开百度自动驾驶事业部后,鲍君威要做300线激光雷达

  • 发表于: 2017/12/12 19:12:00 来源:车云网

对于激光雷达,我们可以有更多期待。

“现在大家对激光雷达的要求还不够高。我们产品的分辨率可以做到300线。”鲍君威坐在我们对面说出这番话时,仿佛一切都是理所应当。但车云菌还是因为超出市面所有产品的参数表现,顿了1秒。 

鲍君威的上一个Title是百度自动驾驶事业部总监,直接向当时的总经理王劲汇报工作。去年百度投资Velodyne的项目由他负责技术调研。也是在那时,他也和激光雷达和其它各类传感器公司做了大量的技术交流。

一年前传出鲍君威离职百度,在硅谷创业的消息。他个人的LinkedIn页面中,最新经历已经更新为一家匿名创业公司的CEO,主要从事自动驾驶传感器和传感器融合方案的研发。但行业里了解具体情况的人寥寥无几。

时隔一年回到国内,鲍君威坐在车云菌面前时,终于揭晓了自己的新起点——Innovusion。这家硅谷创业公司带来了第一款产品,并且在分辨率表现上,令不少人大吃一惊。

Innovusion CEO 鲍君威与CTO李义民Innovusion CEO 鲍君威与CTO李义民

激光雷达是全自动驾驶汽车的主传感器

目前量产的传感器并不符合全自动驾驶要求,它们绝大部分是面向驾驶辅助功能应用开发的。鲍君威创立的Innovusion,要做的就是一款面向全自动驾驶的产品。

在采访过程中,他不断向我们提出 “主传感器”的概念——未来全自动驾驶汽车上,主传感器的分辨率要和人眼分辨率相当。鲍君威认为,主传感器不仅要感知出周围环境有什么,而且要看清楚每样东西是什么

自动驾驶汽车常见的传感器中,有机会做到这两点的是激光雷达和摄像头。对于行车比较重要的距离及物体识别信息,摄像头一直在用深度学习的方法估算,但目前识别算法还不能做到和人一样智能。而且分析单纯的图像数据需要耗费大量的计算资源,对嵌入式平台的性能要求很高。

激光雷达是主动探测型传感器,测距精度和准确度都优于摄像头,分析三维点云进行物体识别及测距所需的运算量也小于图像。综合考虑软件难度和量产可行性,激光雷达更适合做全自动驾驶汽车的主传感器。

当我们用主传感器的要求去看市面上的激光雷达,就会发现它们最大的问题是分辨率不足。市面上无人车常用的4线、8线、16线、32线、64线乃至128线激光雷达,点云图上都还有不少信息空洞,它们只能模糊描绘外部环境,很可能会遗漏一些小体积的物体,还做不到对外部环境一览无余。

Innovusion首款产品参数:探测距离150m+(反射率10%),水平视角100°,垂直视角40°,分辨率达到300线,探测精度达到厘米级,体积小于100立方英寸(约1.64立方分米)。Innovusion首款产品参数:探测距离150m+(反射率10%),水平视角100°,垂直视角40°,分辨率达到300线,探测精度达到厘米级,体积小于100立方英寸(约1.64立方分米)。

激光雷达的分辨率到底要达到多少?鲍君威认为最终要做到和人眼的角分辨率(在正负20度视野里大约为0.06°)相当。Innovusion第一代产品可以达到300线。据鲍君威介绍,产品在设计时,水平和垂直中线附近的部分分辨率稍高,横纵分辨率均匀,角分辨率可以达到0.14°。

一个PC上的例子,可以帮助解释300线意味着什么。PC早期的显示器是25行字符,当1984年苹果的Macintosh出来后达到了图像级信息,纵向300多像素,横向是500像素。虽然不如现在的LED显示器,但已经可以形成清晰的图像,人与机器的交互体验有了前所未有的升级。

Innovusion第一款激光雷达点云单桢数据图。图中颜色代表反射值,场景为斯坦福校园。产品采用的探测原理是ToF,返回X、Y、Z数据之外,还能带回反射值信息(便于探测车道线)。Innovusion第一款激光雷达点云单桢数据图。图中颜色代表反射值,场景为斯坦福校园。产品采用的探测原理是ToF,返回X、Y、Z数据之外,还能带回反射值信息(便于探测车道线)。

当激光雷达拥有300线的分辨率,就相当于达到了视频分辨率的水平,自动驾驶汽车观察周围的能力,也随之发生跳变。鲍君威认为,“图像级的信息可以起到革命性的作用,这个时候,感知算法会非常容易用激光雷达点云信息进行物体识别,你就愿意放心大胆地把车交给机器来开了。”

激光雷达点云及摄像头数据融合视图激光雷达点云及摄像头数据融合视图

融合后的三维彩色点云数据,上图拉近到远处的建筑物融合后的三维彩色点云数据,上图拉近到远处的建筑物

摄像头彩色图像截图摄像头彩色图像截图

为了达到第二点要求——看清环境中每个物体是什么,Innovusion做的是传感器硬件层面的融合。

在鲍君威的理解中,软件层次的融合会有几个挑战:

第一是时延,软件层的融合一般要好几十、好几百毫秒,如果车子在高速公路上疾驰,很容易发生意外;第二是计算效率, CPU、GPU、FPGA、ASIC,越往上效率越高,软件不如硬件做效率来得高。

而硬件层次的融合,可以在端的地方完成。大家常说激光雷达的原始数据是点云,实际上点云再往前一层还有原始的数字信号。“数字信号一秒钟会有10亿个sample,点云一秒钟只有100万个,相差1000倍。没有什么网线能有足够的性能把这些原始数据传到软件层进行数据融合,所以现在大家传输的都是点云数据,中间会丢有很多有用的信息丢掉了。”

为了把最原始的数据用起来,Innovusion采用了FPGA来实现硬件层的融合。又因为激光雷达的高分辨率点云已经和视频分辨率相近,所以与之融合也更加容易。有了带有RGB信息的三维点云数据,算法就很容易判断环境中的物体是汽车、行人以及其它较小的物体。

混合固态是下一步可产品化的技术方案

在采访时,我们没有见到这款激光雷达的样机。按照鲍君威的计划,明年上半年会正式出售第一代产品的样机,陆续推出融合算法套件和开发者程序。

目前Innovusion正在硅谷把产品装车测试,鲍君威向我们展示了几张装车时的照片。据他解释,虽然测试时样机被放在了车顶,但是主机厂客户可以选择安装在后视镜、反光镜、车灯的位置,用多个配置的方法达到车身360°全覆盖。

InnovusionLiDARPrototype.jpg

Innovation激光雷达原型近图及其所搭载的测试车Innovution激光雷达原型近图及其所搭载的测试车

仔细观察,你会发现这款激光雷达外部并没有旋转部件。在询问鲍君威技术方案时,他告诉车云菌这是一款混合固态激光雷达,并且解释了选择技术路线是一种面向产品化的判断。

激光雷达是一个精密光学仪器,整个系统包括发射器、光源、激光、接收器等多个部分。Innovusion对自己的定位是系统集成商,核心的竞争力就是看明白系统里各个部分所需器件的技术路线,然后再从不同供应商中挑选出成熟稳定的器件,把它做最佳的组合。“就像手机一样,很多元件都差不多,但是你组合的最好,性能最好。”

鲍君威介绍,Innovusion的产品达到300线分辨率,并不是简单拷贝现有32/64/128线方案进行机械的叠加,而是一个全新的技术方案创新,目前还没从公开的资料里看到类似的设计。Innovusion对产品光学电子系统的一些技术及设计已经或正在申请多项专利。

另外对于300线的分辨率,大家都在好奇的一个问题是:分辨率增加后对硬件计算平台有没有提出更多要求?

鲍君威坦言,分辨率增加确实要求硬件计算平台分析更多的数据,但数据量还是远远小于视频数据。另一方面由于高密度激光点云有精确的三维信息,不像原来需要根据二维图像计算距离信息,所以实际上应该节省很多硬件平台计算资源。而且他提到,激光雷达和相机融合方案把很大一部分底层的感知工作在传感器硬件终端做好了,也可以减少传感器的计算需求。

Innovusion之所以没有选择全固态的方案,是因为目前的元件厂商还无法持续稳定地供应全固态部件。固态激光雷达要求扫描器件和接收器件都没有运动部件。国防、航天领域对成本不敏感,可能会有一些全固态产品,但面向汽车的小规模器件还无法做到全固态。“还要等上几年。”

混合固态有一些固态的元件,但也有一些运动的部分,可以在目前机械旋转的激光雷达性能之上,更快地做出一个比较成熟的产品。鲍君威向我们强调,“技术方案不关键,而且技术路线随着时间会演变,关键是你怎么用好最好的供应链产品。

一款激光雷达走向量产,一定要满足前装量产车的需要。Innovusion计划用两到三年的时间通过车规验证。而且鲍君威说,团队在设计时就把车规要求考虑到了设计路线中,所用的元件都选用有可能满足车规级别的元件。

产品定价本身也与技术路线相关,采用混合固态的技术方案,Innovusion的第一款产品量产单价可以控制在一两千美元,具体价钱由实际的配置确定。这个价格是鲍君威在设计产品元件时调查得出的数字,不仅在技术成本上可行,而且对30-50万的车来说,市场可以接受10%价钱增长来换取足够的安全保证。

离开百度,去重新排列组合

在百度自动驾驶事业部调整为智能驾驶事业群时,百度国内团队和百度美国研发中心有不少人选择离职创业。鲍君威的创业项目正是在那时被人们注意。因为长期潜伏在硅谷,国内对鲍君威本人及其下一站都知之甚少。LinkedIn上的一句“Developing sensors and sensor fusion solutions for autonomous driving vehicles”,给大家留下了足够的猜想空间。 

公开资料显示,鲍君威2014年加入百度,曾是百度硅谷研发中心计算基础设施负责人。2016年,百度组建自动驾驶事业部时,鲍君威出任事业部总监,直接向时任事业部总经理王劲汇报工作。鲍君威在百度时就提出了激光雷达作为主传感器的设想,看到市场上现有产品和自动驾驶团队需求间的巨大差距,因此选择了离职创业。

2016年11月 Innovusion成立,成立之初获得了高榕资本和汽车圈投资人参投的几百万美金天使轮。

鲍君威重点提到的创业伙伴是CTO李义民,后者曾有过知名激光雷达公司的任职经验,也是百度自动驾驶事业部传感器技术团队的负责人。鲍君威的“软件算法+光学系统”背景正好和李义民“光学系统+电子”的背景互补,两个人离职创业后头两个月什么也没做,就是调查各种路线,把每个方向分析透彻之后,再重新排列组合。

实际上,鲍君威在百度任职之前,就曾开发了一个可称为为“显微光学雷达”的技术,并以此为基础成立了一家公司。后来公司被一家日本企业并购,鲍君威就在后者做了十几年的精密光学仪器,为日后的创业打下了基础。

他从最开始做一线研发,到管理整个研发的体系,然后加上软件、硬件、系统,最后转向商务,积累了整个流程的经验。原来半导体精密检测行业的很多朋友,后来加入了Innovusion,把同样的技能运用到了刚刚兴起的车载激光雷达领域。

谈起Innovusion的团队特点,鲍君威认为他们和很多初创公司不同。公司绝大部分工程师都是15年以上的经验,年龄和鲍君威相当,都是在硬件系统方面有很多经验积累的资深工程师。“虽然不断有新的器件出来,但很多旧的器件也要亲手做过、用过才能把东西用好,这个是需要时间积累的工作。”

因为兼顾软硬件整套系统,Innovusion目前有2/3的人员做硬件,1/3人员做软件。鲍君威强调,“我们所说的软件不是互联网前端软件,而是底层的核心算法的软件,包括怎么把系统做标定,以及哪个角度激光射出的距离多远等等 “。团队里聚集了一批毕业于北大、清华、柏克莱加大及斯坦福等学校物理及电子系的专业人才,“我们解决物理世界的问题,不是纯做数学问题”。

虽然Innovusion在诞生时是一家硅谷公司,但对于自动驾驶来说,主要有中国和中国以外是两大市场,都必须同时顾及。这也是鲍君威回到中国,把新公司新产品信息带到国内的原因。

Innovusion明年会在中国建立团队,开展业务主要有两个部分:一方面是拥有国内OEM核心客户后,进行本地支持;另一方面是在国内进行软件开发工作。中国有很多软件算法方面的人才,可以为中国进行本地化的定制。

车云小结

车云菌问鲍君威,关注激光雷达多年,市场发生了什么变化?他回答道,除了创业公司越来越多,更关键的一点是,激光雷达已经从一个小众的极客的市场变成了专业市场。需要做精密仪器的专业人士加入,需要做过工业级产品的人参与。

他对自己在行业里的定义是一个启发者,要向业界传递一个信息——激光雷达从业者一定要把标准设的很高才行,这样才能使自动驾驶能够安全的部署起来。对于激光雷达这个主传感器,我们可以有更多期待。

下个月,Innovusion会把产品带到2018年CES,届时车云菌会带来更加详细的报道。

相关标签:
传感器
智能汽车
自动驾驶
  • 车云星
  • 空间站
  • 福特星球
  • 虫洞

加料 /

人评论 | 人参与 登录
查看更多评论