环境感知报告

1、位置信息是自动驾驶实现的关键要素，以位置信息的获取方式为分类依据，目前自动驾驶主要的技术路径出现三种方案，一是以特斯拉为代表的纯视觉方案；二是其余多数车企/科技公司采用的多传感器融合方案；三是车路协同方案。上述技术路径在硬件（传感器）方面，主要采用的包括GNSS、IMU、车载摄像头与车载雷达。从技术对比来看，各类传感器都均有自身局限，但其中GNSS+IMU组合导航能够实现优势互补，其重要性近年来越来越受到重视，已在多款乘用车/商用车中得到应用。展望未来，除纯视觉方案的技术路径外，我们认为卫惯

微波发射机是雷达、通信、电子对抗系统的重要组成部分之一，主要作用是提供符合要求的高功率射频信号，将低频交流能量转换成大功率射频能量，经天馈辐射到空间中。发射机由射频系统、调制器、电源、系统监控和冷却系统等几部分电路组成，其中，射频系统包括射频放大器和射频元器件。射频放大器包括固态放大器、真空管放大器等。 跟固态器件相比，真空器件的主要优点是工作频率高、频带宽、功率大、效率高，主要缺点是体积和质量均较大。固态器件也就是半导体电子器件，具有体积小、噪声低、稳定性好的优点，缺点是应用频带低、单体输出

不同的导航应用场景，所需的地图精度是不同的。为了使电子地图能够有效地支持各种类型的导航应用，清华大学提出了一个七层地图模型，每一层地图所包含的数据类型不同，所支撑的导航功能也不同，具备精度自适应的地图数据提取能力。

A-GNSS（Assisted Global Navigation Satellite System)，即辅助全球定位系统（网络增强卫星定位系统），是一种基于无线通信网络的快速卫星定位技术。基本原理是通过建立长期稳定的基准站网，并利用无线通信网络播发卫星导航电文、时间等辅助信息，加强卫星导航信号的搜索跟踪性能与速度，减少定位终端的冷启动时间，从而实现快速定位。 NRTK对基准站依赖度分析（1）虚拟观测数据的生成必须有用户所在网格内主基准站观测数据；（2）虚拟观测数据中的误差改正参数生成必须有不

这里有一个在地下矿山扫描和定位的案例。采集完地图之后，再把这个地图放在这辆车上，车开出去的同时进行点云扫描，并与地图进行匹配。这可以达到8-15公分的精度，在相对封闭以及车速较低的场景里面是足够用了，比如说港口、矿山、农业机械、工程机械、机场、工厂等，特别是频繁丢失GNSS信号，需要其他定位辅助的场景。我们现在就在矿山和工厂应用的比较多。 接下来是我演讲的主要内容，天宝量产高精度定位解决方案。我们有一个天宝汽车事业部定位模组，可提供硬件Bison、软件TAPP和RTX增强服务，也就是一站式的高

高精度定位在智能驾驶中应用分别由自动驾驶，V2X车路协同，智能座舱。随着自动化和智能化程度越来越高，高精度定位和融合定位为全天候绝对定位的特性扮演了必不可少的作用。V2X场景很好应用的方向就是解决交通的运行效率，提升交通的安全，而且它是基于全局视角的方式，可以依赖于高精度定位，用于后续决策判断的信息。针对点对点的导航也是私家车在智能座舱里面非常重要的功能，而定位的准确性，连续性，可靠性也直接决定了用户定位的体验。

首批获得尝试 Google 智能驾驶汽车的美国 Medium 科技总编 Steven Levy 表示:“无人驾驶汽车的大规模应用，我们现在也许到了 95%, 但最后的 5%将会是漫长的路途”。 自动驾驶的底层架构和大部分场景下的技术问题已经得以解决，剩下的长尾问题，逐渐成为了制约自动驾驶发展的关键。这些问题包括各种非常规场景、极端情况的可靠感知与定位、快速预测、最优化决策等。

自动驾驶究竟是会走单车智能路线？还是走车路协同路线？我个人认为：首先单车智能是毋庸置疑的，我们一定是需要一个非常聪明的车；但是在自动驾驶发展过程中，由于技术条件或其他限制，在这个过程中车路协同也变得越来越受到重视。特别是在中国有政府的大力支持、有产业界各家公司的投入，V2X路线可能是更适用于中国的自动驾驶发展路径。我个人认为V2X真正要落地，全球最快也只有中国能做到。

随着 5G 网络部署速度的加快，5G 渗透率也在快速提升。在强大的网络能力支持下，用“一张网”同时解决通信与定位两个关键问题的行业诉求也越来越迫切。中国移动 5G 高精定位的总体策略包含 5G 基站高精定位与 5G+泛无线高精定位两部分。本白皮书聚焦 5G 基站高精定位，期望与业界探讨我们对该议题的思考。

迈向高阶自动驾驶，汽车之“眼”激光雷达成优中之选 特斯拉引领的电子电气架构、软件架构和通信架构的升级，使得自动驾驶升级由“累加ECU”转向算力和数据模型的迭代升级，边际成本递减推动自动驾驶在L3之后升级加速。华为入局更是推动了国内智能汽车行业的加速发展。感知作为智能汽车之“眼”，其探测精度、广度与速度直接影响行驶安全，目前主要有视觉及激光雷达两种方案。其中，视觉方案所获数据与人眼感知的真实世界更为相似，轻硬件、重软件的特性

后来者居上的核心传感器，激光雷达进入量产元年 汽车变革之际，智能驾驶将成为车企的主战场。“视觉系”使用摄像头凭借 AI 算法实现高阶自动驾驶，特斯拉 NOA 快速推向市场让“视觉系”成为当下主流。以激光雷达为代表的“雷达系”因为成本较高前期主要在 Robotaxi 领域应用。“视觉系”对数据积累、算法的要求较高，先发者优势显著。但激光雷达的高可靠性、定位能力和较低算法依赖有望成为后来者居上的核心传感

蔚来、长安、北汽、长城等车厂陆续发布搭载激光雷达的自动驾驶方案，2022年或将成为激光雷达量产元年。传感器是实现车辆环境感知的硬件保障，多传感器优势融合互补，激光雷达是不可或缺的重要环节。针对远距小障碍物、近距离加塞、隧道、车库等复杂场景，毫米波雷达存在角分辨率不够、无法识别静止物体，摄像头亦存在受照明条件影响等缺点，未来多传感器优势融合互补趋势不可逆转。在近期广州车展上，众多车企搭载激光雷达的新车型亮相，速腾聚创、华为、Innovusion等激光雷达厂商有望在2022年迎来多个规模量产项目。