【太平洋汽車網 技術頻道】本屆上海車展中，極狐阿爾法S華為HI版的城市導航輔助駕駛可以說是一個極大的亮點，加上幾乎所有的高定位純電新車都配上了激光雷達，一時間自動駕駛和激光雷達的話題成為了熱門。但技術路線總不是固定的，有一家互聯網巨頭就打造了一套純視覺領航輔助駕駛系統，并且也即將在量產車上搭載使用，而這家互聯網巨頭正是百度。

　　在自動駕駛的領域，海外有Waymo、Cruise、特斯拉、Uber等企業在做，而國內則有百度、滴滴、文遠知行、小馬智行、AutoX等公司在努力。但從規模和測試里程來看，谷歌旗下的Waymo和百度Apollo是目前自動駕駛領域的第一梯隊。

　　百度開始做自動駕駛是在2013年前后，在2015年百度開始大規模投入無人車技術研發。在2017年，百度正式對外發布自動駕駛平臺——Apollo。發展至今，Apollo已經演變為全球最大的自動駕駛開放平臺，截止2019年底，擁有生態合作伙伴177家，這其中囊括了全球的主要汽車制造商以及零部件供應商、芯片公司、傳感器公司等等，覆蓋從硬件到軟件的產業鏈，擁有全球開發者3.6萬名。

　　Apollo的核心是自動駕駛，而自動駕駛脫離不了的就是測試。因為只有通過測試才能提升系統能力。截止2019年，百度自動駕駛測試里程超過了300萬公里、在美國測試里程為10.33萬英里、在北京測試里程89.39萬公里。百度也是國內唯一獲得T4 級別自動駕駛測試牌照的公司，而T4級別的測試場景，對應的是城市復雜道路，包括隧道、林蔭路、潮汐車道等等，目前國內僅百度獲得了T4測試牌照。

　　在實際應用中，百度在北京、長沙、廣州、滄州等城市已經開展了自動駕駛出租車（Robotaxi）測試，車輛總數超過400輛，累計實現了10萬次以上的安全載客出行、累計路測里程超過300萬公里。在2020年10月，百度Robotaxi在北京全面開放，乘客在數十個Robotaxi站點鐘可以直接APP下單使用Robotaxi服務。

　　其實前面說了這一大堆，其實就想要告訴大家，在自動駕駛這個領域，其實有不少的企業早就開跑，而百度是其中的一個佼佼者。并且百度在自動駕駛這一塊一開局就是以L4級別開始研發應用的，所以可能在一些不太熟悉的朋友看來會覺得百度的現在推的純視覺駕駛是突然出現的。實際上百度是從L4級的自動駕駛技術開始降維演變，最后推出了這一套L2++級（官方就是這么定義）的駕駛輔助系統。

　　百度Apollo的Robotaxi自動駕駛系統使用的硬件是旋轉式激光雷達、毫米波雷達、攝像頭以及高精度地圖。因為Robotaxi是L4級的自動駕駛系統（高度自動化，規定場景內由自動駕駛系統完成所有操作，并且事故責任歸屬自動駕駛系統方而非駕駛座的人），所以需要的硬件要求也更高，并且這個硬件架構是前幾年開始研發時就定下了（視覺+人工智能尚未成熟，激光雷達更能提升安全性），后續研發也都是圍繞著這套硬件方案展開的。

　　而近年來，越來越多的車規級激光雷達產品出現，與此同時，激光雷達上車的氛圍也逐步變濃。上海車展上，絕大部分定位高端的純電產品，都搭載上了激光雷達，雖然絕大部分都是“期貨”，但也表達出了廠商們對未來自動駕駛路線的一個選擇。

　　不過在2019年，百度Apollo就公開了L4 級自動駕駛純視覺城市道路閉環解決方案——百度 Apollo Lite。這是百度對未來自動駕駛路線的一次押注，但也有不少人在猜疑，這樣的方案，是不是意味著百度背叛激光雷達路線呢？

　　脫胎于百度Apollo的Apollo Lite，重點顯然是在Lite，也就是輕身上。

　　第一個輕是傳感器， Apollo Lite車外是沒有激光雷達的，僅憑借10個攝像頭以及毫米波雷達進行數據采集。第二個輕是算力，10個攝像頭產生的數據量，每秒會超過1個G，而參與計算的深度學習模型超過30個，這些計算都被壓縮在一塊GPU顯卡上來完成，整體算力在30TOPS左右，這樣就可以降低整套系統的成本。

　　其實在Apollo Lite推出之時，Apollo的Robotaxi高階自動駕駛激光雷達方案已經相對成熟，無論是在算法還是運行中都表現良好，雖然Robotaxi使用的是旋轉式激光雷達，并非車規級的固態或混合激光雷達，但也證明了這個路線是可行的。那為何這個節點上百度還要推出純視覺的自動駕駛方案Apollo Lite呢？

　　“在我們的技術規劃中，未來百度在激光雷達的選擇上要更從容。重度依賴激光雷達的感知系統面臨的問題之一便是雷達技術的更新換代。相比成像原理和時空采樣密度各異的激光雷達，視覺成像技術的發展趨勢清晰，視覺感知在數據標注、數據復用和模型泛化技術上都更加成熟可控”這是百度智能駕駛事業群組技術委員會對這個問題的答案。其實簡單來說，百度并不是抗拒或拋棄了激光雷達，只不過是多給了自己一張船票，讓百度在激烈的自動駕駛技術競爭中保持成本和數據優勢，對激光雷達的選擇更敏捷自由，做到進可攻退可守。

　　截止到現在，Apollo Lite誕生已經有2年時間，在這兩年中，Apollo Lite已經有了巨大的提升。經過近一年的技術迭代，Apollo視覺感知能力穩步提升，百度表示Apollo Lite目前具備了僅使用10顆攝像頭應對中國復雜城市道路環境的自動駕駛能力。并且與一年前相比，純視覺配置的測試車輛規模提升3倍，累計L4閉環測試里程增加18倍，平均送達（無人為干預的點到點自動駕駛）成功率提升60%。

　　而從百度公布的這系列數據中，不難看出，Apollo Lite雖然能夠在城市道路中進行自動駕駛，但距離真正的無人駕駛，還是有很長距離的。這并不就意味著百度技術不行，而是整個自動駕駛領域目前也沒能做到純視覺方案就能無人駕駛，這對算法的深度學習要求非常高，即便是數據量龐大的特斯拉目前也僅在美國開放了小部分城市道路自動駕駛測試權限，距離大規模推送還是有一段距離。

　　其實目前更多的城市領航駕駛或自動駕駛功能，更多是幫助減輕駕駛員負擔，讓駕駛員在大部分情況下都能解放雙手。但駕駛員的目光依舊需要聚焦在路上，因為自動駕駛系統不能保證100%能夠處理路面上的所有情況。

　　Apollo Lite車外共有10個攝像頭，分別是位于前擋風玻璃上方的短焦/中焦/長焦攝像頭、位于車頂前方兩側的攝像頭、位于左右翼子板的側后攝像頭和魚眼攝像頭、位于車尾的正后攝像頭。

　　雖然說是純視覺解決方案，但毫米波雷達是必不可少的。真正只依靠攝像頭的高階自動駕駛方案當下幾乎沒有。Apollo Lite在車頭有3個、車尾有2個毫米波雷達。

　　當然，Apollo Lite里面還有一項玩意是必不可少的，那就是高精度地圖。

　　先來看看高精度地圖與普通導航地圖有什么區別吧：

　　高精度地圖更多是用于自動駕駛系統中，高精度地圖可以提供精確的地圖數據，例如前方道路的坡度、彎道的曲率、車道分布情況、路面兩側的設施、匝道分布、收費站車道布局等等信息。車輛可以根據高精地圖的信息規劃出準確的行車路線。

　　考慮到高精地圖與國防信息相關，目前國內只有14家供應商擁有高精地圖的采集和使用權。而百度是這其中的一家，所以Apollo Lite名正言順地使用上了自家的高精地圖。

　　2020年12月8日，百度在Apollo 生態大會上，發布了Apollo Navigation Pilot(ANP)百度領航駕駛輔助系統。百度將ANP稱為城市全場景自動駕駛量產解決方案，定位的是L2.5智能輔助駕駛產品。

　　而這套ANP系統，自然就是在Apollo Lite上面誕生的，可以看作是Apollo Lite的商業化方案。ANP系統的好處，其實是三點：1、支持高速和城市道路的自動駕駛；2、使用了高精度地圖；3、支持車路協同功能。有人說，百度的ANP，跟特斯拉的AP，當下就有點安卓對蘋果的味道：二者都是以視覺為主的自動駕駛解決方案，不過百度ANP是開放型系統，支持各家車企合作使用，而特斯拉只有在自家產品上才能使用。二者誰更好我們不得而知，但顯然百度ANP給研發能力相對薄弱的車企一把新武器，有了ANP的包裝，車型的賣點可就要豐富不少。這點跟華為高階自動駕駛方案放到極狐阿爾法S上是一個道理。

　　ANP系統首批搭載的車型，是已經上市的威馬W6（詢底價|查參配）。未來威馬W6將會推出搭載ANP系統的車型，但具體的時間仍未確定。不過我們爭取到了機會，提前感受了一把ANP領航輔助駕駛功能的表現。

　　用于體驗的車型自然是未來確定要搭載ANP系統的車型威馬W6，但這個硬件包裝和軟件依舊處于調試階段，并不代表最終量產時的表現。威馬W6車外除了有Apollo Lite那10顆攝像頭外，在后視鏡上還各有一顆攝像頭，整個車外共有12個攝像頭、5個毫米波雷達和12個超聲波雷達。

　　由于是規定好的路線，所以導航路線是事先設定好的，點擊開始后，車輛就會自動換擋和松開手剎行駛。

　　在中控屏上會顯示車輛實時的行駛路線，并且紅路燈、自動駕駛狀態、車身周邊的車輛和行人動態模型也會顯示在屏幕中。

　　在城市中跟車和車道居中表現上，ANP系統并沒有什么問題，畢竟這個是很基礎的功能。紅綠燈識別方面，ANP系統距離較遠處就能夠識別到紅綠燈，并且遇到紅燈會在斑馬線前停下等待，轉綠燈后車輛會自動起步。

　　需要右轉的話，系統會在路口200-150米前開始變道到最右側，然后到路口時也能夠自然轉向通過，轉向后會自動合并匯入主道。

　　在體驗過程中，我們并沒有遇上環島、掉頭、左轉和人車混雜的路況，所以這部分的表現我們還沒能體驗到。但官方的演示中，大部分這些場景，系統都是可以自己處理通過的。

　　不過在體驗過程中，我們也遇上了兩次車輛的避讓情況：第一次是有車輛從右側倒車出來，橫在車輛前方。這個情況系統在車輛倒車出來時就已經識別到，并且開始減速，最終停在障礙車前，待前車通行后，系統又自動重新起步行駛。

　　第二次，則是道路右側有車輛剛準備打左露出車頭想要匯入車道中，此時ANP系統表現倒是十分老司機，系統并沒有減速停下來避讓，而是稍微打了一下左，“繞”過了障礙車，繼續前行。這個過程系統并沒有猶豫，動作十分干脆。

　　更高難度的下雨、下雪或黑夜等情況，我們也沒能夠體驗到，官方也沒有公布在這些環境情況下ANP系統的表現。不過可以確定的是，即便是在白天的行駛中，遇到一些特殊路口時，系統也可能會出現需要人工接管的情況。無論是百度還是華為，這些城市自動駕駛系統仍舊未能到達真正的無人駕駛狀態，只是大大降低了駕駛員的駕駛強度。

　　可能會有人疑問，為何未能真正達到自動駕駛的情況下，供應商們依舊會推出這些城市自動駕駛系統呢？其實從供應商（百度、華為一類）的角度來看，第一是搶占自動駕駛的風口和機會，更重要的是可以讓自家的自動駕駛系統獲得車端的入口。

　　所謂獲得車端的入口，可以讓自動駕駛系統的獲得訓練和接管數據。自動駕駛系統進行再多的道路測試或是模擬測試，都沒有辦法還原道路上無窮無盡的所有場景，只有真實在量產車上推送，消費者進行真實駕駛條件下才能獲取自動駕駛所需的數據。這點上，無論是百度或是華為都有較大的需求。

　　而特斯拉在這方面就相對更有優勢，截止去年年底，特斯拉車型保有量已經超過了100萬臺，這些車型在進行駕駛輔助時，就可以采集數據，并且同步進行深度學習。這樣特斯拉的自動駕駛席系統就能夠擁有龐大的數據支撐，可以讓他們的算法和模型更為完善，這是其他自動駕駛供應商或車企暫時無法觸達的。

　　百度的ANP領航輔助駕駛系統，可以說是目前為數不多能夠喊出量產的高速+城市自動駕駛解決方案，并且硬件上由于是以視覺為主，沒有激光雷達，所以成本也會更低，再加上Apollo生態開放的特性，ANP系統是具備發展潛力的。縱觀整個自動駕駛行業，雖然百度、華為等多家巨頭都開始全力入局，但我們要清楚認識到，真正的自動駕駛大規模量產還有不少挑戰，企業仍需要時間和數據積累。（圖/文/攝：太平洋汽車網 杜慶煒）