行泊一体的高阶智能驾驶系统应用

北汽研究院有限公司成立于2006年，是北汽集团推进集团化2.0建设，打造产品和技术R&D能力，实现R&D资源整合的关键，是北京汽车自主研发的核心板块之一。

BAIC研究院智能网联中心专业总工程师林大洋做了主题为先进智能驾驶系统与停车一体化的应用的演讲。以下是演讲内容:

BAIC研究院智能网络中心专业总工程师林大洋

报告分为四个部分首先简要分析了自动驾驶行业的背景和发展趋势，然后简要讨论了自动驾驶系统的技术方案，然后从技术的角度讨论了停车导航一体化的具体应用最后分享北汽智能驾驶系统案例

自动驾驶产业背景及发展趋势

首先，智能驾驶系统的载体是汽车经过几千年的马车时代，汽车是欧洲近代机械文明发展的交通工具在过去的一百年里，汽车发生了巨大的变化智能汽车的技术变革是从工业1.0，2.0，信息3.0，最后到工业4.0，迎来传统汽车的全面技术变革

具体来说，有几个标志性事件:上世纪末，1998年，一些主机厂逐渐推出了基于毫米波雷达的类似ACC的自动跟车功能2014年，E—NCAP正式将AEB自动紧急制动纳入评分体系这两个事件都极大地促进了车载传感器和AR系统的发展近两年，以特斯拉为代表的主机厂推出了NOA导航驾驶辅助系统，推动汽车具备基于大计算能力芯片的点对点交通能力这一标志性事件极大地推动了大计算能力芯片，高性能传感器和高级智能驾驶系统的落地和发展

回到智能网联汽车本身，网联就是车，云，路实现信息的交互和共享围绕智能驾驶本身，业内经常讨论两个概念:自行车智能和车路协同，或者车路云网图一体化的不同技术方案智能自行车是当前生产汽车的重点从长远来看，还存在一些技术瓶颈，比如单车计算能力的限制，单车传感器的探测范围，这些都可以通过车路协同方案来补充

简单来说，自行车智能化仍然是乘用车前装量产的主流趋势为了更好地推动更高层次智能驾驶的落地，车路协同也是必然的发展趋势接下来，报告主要围绕自行车智能化的介绍目前SAE和国标对自动驾驶进行分类，大致分为L0—L5L0—L2是ADAS/辅助驾驶技术，自动驾驶只在L3级以上，责任主体由人改为车这是最核心的区别

目前大部分量产的自动驾驶系统都是在从L2过渡到L3，然后向上引入NOA在NOA高速，可以实现高速公路和城市快速路的点对点通行能力，但也在L2辅助驾驶系统的范围内还有城市中NOA的功能，可以实现城市中的复杂工况，比如汽车自主过路口，无保护左转，过红绿灯等

在这些L2和NOA系统中，人仍然是主要驱动力，这一点需要强调我们国家的人都知道，L3级别的自动驾驶接入正在积极引入去年工信部出台了准入的框架，大家都在积极推进在access框架中，提出了功能安全，信息安全，仿真，测试和验证等具体要求我相信在access正式发布之后，大家就会知道L3怎么做了，同时和城市的NOA职能系统一样，我们都在做应对access的前期准备

行业发展趋势如何根据盖世汽车的数据，2020—2021年，L0和L1的市场份额相对较高业界预测，L2和L2+将在2025年占据主导地位，一些L3系统将出现在市场上根据智能网联汽车技术路线图2.0的预测，L0和L1将普遍拥有较高的市场份额，总计约50%这主要是因为传统的油罐车品牌，包括合资品牌，侧重于阶梯配置:同样的车可能最高支持NOA，但是车本身还是会有L0和L1的配置，尤其是合资品牌在国内的市场份额比较大

自动驾驶系统技术方案

自动驾驶系统技术有两个不同的技术方向，第一个是停车与停车一体化，第二个是停车与停车分离通常停车与泊车分离更多的是一个底层的智能驾驶系统，分为三个部分

第一部分是毫米波雷达+前置摄像头，可以实现传统的L2，如ACC，AEB，TJA，ICA等相关功能第二部分是两个后置毫米波雷达，可以实现盲点监测BSD，DOW开门安全预警，变道辅助LCA等功能第三部分是泊车系统，一般采用泊车功能+超声波和扫描这个系统在整个行业中是比较成熟的

还有泊车泊车一体化系统方案，多为高级智能驾驶系统，如激光雷达，毫米波雷达，摄像头，超声波雷达，高精地图，定位设备等，均接入域控制器这类方案有两类系统:第一类系统是高速NOA，基于传统的高精地图技术路线还会有众包地图技术路线未来两年，很多车企都会推出高速NOA系统，这种系统在泊车时一般会实现HPA记忆泊车功能第二类是NOA，具有市内点对点通信能力，停车时可以实现停车服务还有很多技术难点需要克服，这就需要系统的引入激光雷达和超级计算能力

线泊一体化的具体应用

首先，电子电气架构从传统的模块化为主逐渐发展到局部中心化，向着高计算，高速网络，SOA软件架构发展然后重点介绍智能驾驶系统，智能驾驶系统包括传感器，计算平台等部分，比如传感器，其核心是汽车的环境感知激光雷达，毫米波雷达，超声波雷达都有不同的特点，另一部分是视知觉部分，比较复杂ADAS系统中比较常用的是一体机，由摄像头模块和处理器组成

对以上传感器做一个简单的比较:激光雷达可以很好的监测车辆，行人，客车的距离，毫米波雷达具有强大的纵向能力和精确的速度检测摄像头类似于人眼，对车道，车道线，红绿灯等有很强的感知能力对于计算平台来说，要接入上述传感器，计算平台的接口有非常明确的要求需要支持毫米波雷达的CAN/CANFD，激光雷达的以太网接口，以及其他总线接口此外，还要满足显示器，温度，环境等诸多要求

然后介绍非技术开发过程方法论为了保证一个自动驾驶系统的量产，很重要的一点就是开发过程要遵循传统的V模型，但中间的一些软件模块可能会被简化，可以基于敏捷开发原则进行从系统需求分析到架构设计，逐步细化到软件设计和硬件设计，以及V模型右侧所有模块和单元的集成，整个系统的测试和验证等，这些环节要形成闭环，这是实现量产不可或缺的一点

方法论以功能安全为主，整个系统开发要结合详细的功能安全分析，才能真正实现量产的一体化解决方案另外，特别是考虑到明年应该推出的强标，在做芯片选型和内部元器件开发时，要提前考虑信息安全

BAIC智能驾驶系统案例分享

最后，我们分享一下BAIC生产的自动驾驶系统，它使用了3个激光雷达，6个毫米波雷达，12个超声波雷达和13个摄像头具有高置信度检测人/车/障碍物和感知道路设施拓扑的能力，最大环境检测距离超过200m在域控制器和计算平台方面，搭载MDC810智能驾驶计算平台，拥有高达400 TOPS的超级计算能力，可作为汽车的大脑进行智能驾驶感知，集成，定位，决策，规划和控制等，安装在整车上可以实现城市最高NOA的功能

。