2021年-2030年，自動駕駛已然步入了高速發展的黃金十年。
公開資料表明，到2030年，市場每年將有20%-25%比例的車輛會具備高級別輔助駕駛功能，類似特斯拉的NOA。
這意味著，每年將有400-500萬輛的標配空間，市場潛力超乎想象。
目前，除特斯拉、蔚來、小鵬等新勢力之外，北汽極狐、吉利極氪、上汽智己、長城摩卡等也都已推出了各自的領航輔助駕駛系統。
而這也意味著“鐳射雷達上車”已經成為了汽車智慧化的最新“標籤”。
在今年的廣州車展上，包括小鵬G9、威馬M7、哪吒s、沙龍機甲龍等越來越多的車型都搭載了鐳射雷達。
各大車企都在全力升級自身的硬體配置，同時也在進行著一系列的針對複雜場景的資料積累。一場圍繞高階自動駕駛的量產排位爭奪戰已經打響。
掌握資料融合，才能掌握未來
“在整個自動駕駛的黃金十年中，我們可以把汽車智慧化的發展看作是一個指數函式，先平滑前進，再加速跨越式發展，直衝雲霄。”覺非科技CEO李東旻表示。
因此，前五年便可視為行業的關鍵轉折點。無論是主機廠、鐳射雷達廠商，還是其他研發廠商，都要抓住這次的增長期。
而不得不提的是，伴隨這場拉力賽產生的，還有業內對於高等級資料融合的剛性需求，並且也在不斷增強。
其中，以鐳射雷達為感測器並融合其他感知資料的路線已在Robo-taxi、低速物流等L4場景得到驗證並規模化部署。
但在乘用車走向高級別自動駕駛的應用中，依然存在不小的挑戰。
“目前，業內基於鐳射點雲本身的目標感知和目標決策相關的演算法並不夠豐富，其模型的精準度與訓練程度也並不是很高。”李東旻表示。
其次，鐳射雷達也要與其他感測器、高精地圖、慣導進行相應的融合計算。
這對於整個汽車行業來說，都是一個新的課題與命題。在技術的產品化方面，整個行業依然有非常大的技術鴻溝要去跨越。
為了配合主機廠攻克乘用車量產的難題，覺非科技此前進行了一系列的基於鐳射點雲的融合感知能力實踐，並自研多個點雲演算法。
如稀疏點雲卷積演算法和單目尺寸還原演算法，能使得較大的模型在量產車的嵌入式控制器上實現精度更高的鐳射雷達+多路視覺的融合感知，包括環境感知、態勢感知與行為預測，並已形成了量產的融合感知解決方案。
融合感知是無人駕駛的關鍵步驟，也是目前研究最多的課題。
覺非科技的融合感知演算法將視覺、點雲與毫米波的原始資料進行融合計算，而後進行3D追蹤，輸出更加精準與完整的感知結果。同時藉助高精地圖和路端全域性樣本，對交通參與者的行為軌跡進行精準預測。
“不過，多感測器融合面臨的最大技術難點就是實現時間和空間的同步。”李東旻介紹。
為此，覺非科技自研基於FPGA高精度授時板卡，採用感測器統一授時，同步UTC時間，誤差不超過100微秒。
同時結合豐富可擴充套件的多感測器融合交通演算法庫，以更低的計算時延提供單點精準感知和及時的管控觸達，為自動駕駛各類應用場景提供了感知和定位軟硬一體化的解決方案。
以“路”為始，發力車端，打造完整閉環
覺非科技自成立起便確立了無比清晰的產品定位與戰略規劃：以數字化道路為底座，以多感測器融合為核心技術，為自動駕駛車輛提供全場景的領航服務。
配合今年鐳射雷達上車的大趨勢，覺非科技推出了“全棧融合感知與定位解決方案”。
這套方案可針對不同場景和客戶提供定製化的前裝與後裝定位演算法、多感測器融合感知演算法及動態交通訊息服務，為自動駕駛車輛從低級別輔助駕駛功能升級為NOA賦能。
而在融合感知技術與資料閉環能力的搭建上，覺非科技則透過此前部署於路側的“知寰”得以實現。
知寰本身即具備LiDAR+Camera的感知能力，它可以以上帝視角的方式，7×24小時高效收集全域性視角下的交通資料。
李東旻表示：“路側一個感測器點位一天產生的資料量就高達50TB，是一輛無人駕駛汽車收集資料量的3~5倍”。
車端雷達只能掃描車輛的一面、兩面，而路側感測器卻能從俯視角採集車輛的三面、四面形成幾何立體視覺，並且路側也能完整採集到很多類似交通事故等車端難以獲取的低頻率Corner Case，並記錄下它們的資料狀態。
覺非科技多感測器融合感知全息路口
覺非科技透過這些資料最佳化自己的融合感知演算法，為在車端部署感知定位功能提供了關鍵的技術支援。
如果說，之前覺非科技在路側的發力是在深挖智慧汽車資料平臺的護城河，那麼下一步，覺非面向量產車提供的“全棧融合計算解決方案”便是為攻克高階自動駕駛城提前做好了準備。
無數實踐經驗表明，要想橫向地打通不同場景，無論是面向開放、半開放，還是封閉道路，無論是商用車還是乘用車，其對於全棧融合解決方案商的要求非常之高，相當於要滿足每一個業務場景的定製化需求。
但行業中卻極少出現可以跨品類、跨公司、跨車型和場景的方案商去支撐這些高定製化需求。
覺非科技的出現填補了尷尬的市場空白。
針對高級別自動駕駛，覺非科技可整合華為MDC、地平線J5、英偉達Orin等高效能平臺，按照不同的算力需求，從中等算力平臺和大算力平臺兩個緯度，精細化地部署融合感知、融合定位等產品與解決方案。
與此同時，覺非針對車端推出了高精融合定位終端系統“鳴鴻”，其內建環境感知演算法，FPGA車規級計算晶片等技術能力，可與車上搭載的高精地圖進行特徵匹配，利用視覺與特徵匹配結果為慣導與衛導提供關鍵資訊輸入。
特別是在城市多路徑場景、多層立交或隧道等衛導與慣導干擾嚴重的場景中，可保持車輛定位精準穩定的輸出。
“今年開始，整個汽車的算力正在不斷提升，這時，一個獨立的硬體終端便有了存在的必要。其高魯棒性與即插即用的特性，可快速幫助主機廠完成整個迭代過程。”李東旻表示。
而在整體解決方案上，車端資料配以OTA，與路端積累的訓練模型、訓練資料、資料真值，共同完成了自動化的資料更新和閉環，形成車端環境資料自更新方案。
覺非科技鐳射點雲融合感知整體架構
在過去的實踐中，覺非已積累了非常重要的能力——用業務前臺實現的技術落地、資料和場景的經驗，以及know how閉環，來反哺其技術中臺，加強技術實力。
目前，覺非已將“自動駕駛全棧融合解決方案”應用於不同場景，包括車輛變道、長隧道、高架橋下.
同時已與多個主機廠合作伙伴達成合作，從精度、可靠性、成本維度，為眾多合作伙伴提供定製化、高規格、可量產落地的產品方案與服務。
在自動駕駛車輛尚未大規模落地量產的前夜，覺非科技已經率先在路端積累了大量的模型訓練和最佳化經驗，並在多種不同的場景下驗證了自身的專案能力。
如今，隨著2022年即將有十幾款前裝鐳射雷達的車型量產，更高等級智慧駕駛的“未來”已經到來。
覺非科技希望將多感測器融合感知賦能於自動駕駛能力，服務於產業的不同層面與細分場景。
“自動駕駛技術本身不是商品，而是一種能力，這個能力可以結合到不同場景與車輛上，產生不同的價值。覺非科技希望將多感測器融合感知賦能於自動駕駛能力，服務於產業的不同層面與細分場景。我們期待的產業終局是Copy From China。”李東旻表示。
