汽车如何才能“眼观六路”

随着自动驾驶核心技术的迅猛发展，驾驶员们对智能出行的期望也越来越高。但是，汽车如何才能“眼观六路”，全面看清周边环境并安全行驶？针对此问题，Qualcomm始终积极研发解决方案，为自动驾驶技术奠定稳固基础。

不同传感器相辅相成

正如人类在驾驶时通过感官感知周边环境一样，汽车也将可以通过自有的传感器对外界形成可靠判断。摄像头、雷达、激光雷达、超声波雷达或蜂窝车联网通信技术（C-V2X）等各具优势，彼此之间相互补充、相辅相成。

摄像头能够帮助汽车感知周边环境（如读取路标信息等）；激光雷达可对目标空间生成高清三维图像，在不同光照条件下，均能有效工作；雷达反应灵敏且探测范围广，可直接检测速度，其功能不会因为光线不佳或气候恶劣而大打折扣。当汽车同时搭载上述所有传感器时，汽车能够以绝佳的视野“看清”周边环境。

机器学习提高雷达灵敏度

上述每一种传感器的感知能力正在不断提升，让汽车能够更好地感知周边环境、自动行驶。可以说，雷达有望成为自动驾驶汽车最宝贵的传感器。然而，在结合人工智能技术之后，雷达的功能是否会变得更为强大？

使用雷达时，其接收器可以捕捉回波。传统的雷达算法将接收到的信号压缩成稀疏点云，再对其进行分析，由此获得周围物体的相关数据。这一信号处理方式存在一个问题，即在数据压缩过程中丢失了许多细节。有鉴于此，我们的人工智能研究团队开始探寻直接分析原始雷达信号的方法。

我们在机器学习技术中找到了解决方案。通过将机器学习技术直接应用于雷达信号处理，我们改进了几乎所有现有雷达的功能、增大了汽车的整体“视野”，使雷达不仅能够检测物体，还可测量其尺寸大小。在这一突破性成就中，人工智能和雷达的结合有助于道路上的汽车在瞬间做出精准的决定。

综合利用不同传感器优势

除了雷达研究，我们还探索了适用于自动驾驶的传感器融合。汽车在行驶过程中存在许多快速变化的变量，包括天气、路况以及不同的行驶规则和车速限制。摄像头和雷达是两种高度互补的传感器。例如，目前雷达可以估计绝对距离，但无法测量物体的高度，但摄像头却尤其擅长对距离已知的物体进行高度测量。

传统融合算法执行延迟融合或物体级融合，分别检测两个传感器中的物体，然后尝试在两个传感器之间进行匹配并融合物体的特征。这种算法的缺点在于，在匹配过程中，物体的特征通常不可用，导致匹配和融合结果不佳。而在我们的解决方案中，我们从一开始就使两个传感器对物体的最小特征进行提取并融合这些特征，使人工智能能够使用特征匹配和融合的最终结果，该解决方案更为高效地利用两个传感器的互补能力，从而更好地检测三维物体。

为自动驾驶奠定基础

增强不同传感器的感知能力和融合效果，有助于汽车对周边环境做出更为可靠的判断，从而优化汽车行驶路径和计划。为此，我们的人工智能研究团队和汽车研究团队致力于先进驾驶辅助系统（ADAS）的全面研究，以便不断改善自动驾驶体验。

通过Qualcomm AI Research，我们迅速将设备和行业上取得的突破性研究成果投放市场并进行扩展，缩短实验室研究到产品上市的时间。例如，近期推出的Qualcomm Snapdragon Ride自动驾驶平台结合了硬件、软件、开放栈、开发工具包、工具和强大的生态系统，能够帮助汽车制造商满足客户在安全、便捷和自动驾驶等方面提出的更高需求。