9月14日，由盖世汽车主办的2021中国商用车自动驾驶大会隆重召开。本次峰会主要聚焦商用车自动驾驶行业发展趋势，共同探讨从感知、决策到执行层面的核心技术，以及港口、矿区、干线物流、园区等不同终端场景的产业化落地方案。下面是镭神智能车载产品经理罗佳鑫在此次大会上的发言。
各位同仁大家好，今天我演讲的内容主要涵盖四个方面：一、商用车需要什么样的激光雷达；二、如何实现车规级（商用）的激光雷达；三、激光雷达安装部署方案；四、1550nm激光雷达Roadmap。
一、商用车需要什么样的激光雷达？
我们将商用车客户定义为两类客户，第一类是商用车主机厂，第二类是商用车运营商。商用车主机厂就是类似于一汽、二汽、北汽福田、陕汽之类的厂商，他们整车销售主要是面向于终端客户（C端），商用车运营商主要是做干线物流、矿区等封闭园区应用的企业。我认为这两类商用车客户的技术发展路线是有所差异的。
就商用车主机厂而言，我们认为他们是渐进式的发展，是渐进式主动安全向自动驾驶上探的过程。商用车用户对于整车价值取向是效率，是将他们作为一种生产工具，所以对于终端拉货的司机来说，过高自动驾驶的一套方案和成本是他们不可接受的。但是对于运营商来讲，技术发展路线是什么呢？我用了一个定义，激进式的“L4级自动驾驶技术的场景下沉”，产品形态也有所差异。
站在前装量产项目去分析，激光雷达为什么要装在车上？这是我综述到一些论文的资料，我做了几点总结：1、大货车事故发生率和致死率非常高；2、大货车主要事故发生地是路口及其附近（交通环境复杂），其次才是路段；3、大货车交通事故发生时间多集中在夜间；4、交通参与者主动违章；5、转弯存在视觉盲区，尤其为右转弯。
我们认为，无人驾驶商用车技术发展路线还是要不断地提高自身的感知能力，提升整套系统的安全性和冗余性，它需要更适合于中国复杂的路况。我们看到很多落地场景是从干线物流做起，像高峰复杂的交通路况，临时出现的施工路段，前方突发凋落的物体，包括更好的ODD（突发情况）适应性，还有在恶劣天气传感器失效性，所以L4自动驾驶是需要更高性能来提升冗余性和感知性能。
不同商用车客户的侧重性，左边是主机厂客户，他第一权重可能是成本，运营商可能第一权重是性能，当然并不是说运营商不在乎成本，但是我们本质都是为了提升安全性。
站在主机厂角度，我认为，商用车发展趋势可能会从L1-L2场景补充，我将它总结为，在适当增加成本的前提下，激光雷达直接输出感知结果，大幅度提升司机行车过程中的预警能力，也就是解决我上述所说的夜间行驶、疲劳行驶、异物闯入，激光雷达对绝对物体感知置信度是非常高的，通过直接嵌入式算法输出感知结果提升行车过程中的预警来提升安全性。
站在运营商角度，是在具备竞争成本的前提下，也就是说，运营利润率一定远远大于L4架构的，在保证安全性前提下，多激光雷达数据和多传感器数据在域控或者处理平台（后处理）尽可能提升L4自动驾驶系统的感知能力。
总结起来，雷达在这两个场景具有不同的形态，针对主机厂的形态，需要一定的感知性能，需要非常优势的成本，再装车去做预警使用。在运营商L4自动驾驶架构里面，需要性能更高、测距更远的激光雷达来提升整车环境感知能力。
但不管是主机厂，还是运营商，挑战是共同的。
第一个挑战是，连续工作时间较长，寿命要求较高。从商用车的特性来看，商用车不同于乘用车，无论客户是谁，价值取向都是生产工具，是提升效率，所以它可连续工作的时间越长越好。乘用车现在通行时间，绝大多数定义为10年，365天，每天2个小时，寿命是7300小时或者10年12万公里。但是商用车通行是每天10-15小时，平均在12-15小时之间，每天工作12小时，5年，365天，意味着要到达21900小时，但是绝大多数激光雷达寿命的门槛只能达到7300小时。
第二个挑战是，使用环境更为恶劣。商用车SOR明确定义，商用车对于振动和冲击、电气环境适应要求远远高于乘用车，最大就是在振动和冲击的差异，所以如何在恶劣环境下保证激光雷达可靠性是第二个挑战。
二、如何实现车规级（商用）的激光雷达？
针对商用车的寿命和振动、冲击，我们需要这个产品系统架构的时候要充分重视这两个重要因素。那我们是怎样的思路来做的呢？
无论是从架构设计，还是从元器件选型，我们都是充分考量这两点的。那么如何实现车规级激光雷达适用于商用车使用？我将其总结为三个要素：1、满足商用车车规可靠性和稳定性的系统架构；2、针对商用车主机厂所需要的需求，它需要一个智能传感器，所以我们也需要一个智能传感器的系统架构；3、一个产品也需要先进的车规生产线以及严格的车规电子的质量管控去保证产品的一致性和安全性。
因为我们涉及很多核心电路图，这里不方便图式，只能用文字表达告诉各位我们是怎么做的。
针对商用车主机厂可能加小几千块钱可以得到非常好的预警，无论是夜间还是盲区扫描能够得到在行驶中的预警，那么我就需要激光雷达直接去集成它的算法，它直接输出感知结果，所以我也将它理为几个方面：第一，我们需要做大量数据的累积和校验；第二，需要高鲁棒性的感知算法；第三，需要点云算法专用处理芯片；第四，需要直接输出感知结果结构化数据给到规控直接做预警。
这是智能传感器系统架构拓扑图，我们怎么实现将这个算法嵌入到激光雷达里面做计算呢？首先我们需要一个硬件，需要有激光雷达专用处理芯片，这方面我们跟地平线展开了很深度的战略合作，还跟英特尔团队进行合作开发，目前我们还是需要有些逻辑算力在激光雷达感知算法的。
在算法搭建过程中，我们有数据库的累积，例如我们涉及到的高速场景、城市主干道场景、远景、复杂的十字路口场景，我们都做了大量的数据采集和标注。目前整个数据训练量在4万帧左右，预计Q4会接近10万帧。我们希望这个集成算法之后适合中国复杂路况，包括背景大规模感知、多交通参与者和不同交通场景下的高鲁棒性，这是我们整体的系统架构和接下来的计划。
在算法模型链路里面激光雷达集成芯片做什么？输出什么？我们首先会将原始数据先做解析，然后转化为神经网络识别模型。在神经网络我们将分类模型完全实现神经网络化，所以对于道路路面、路沿、车道线在于可行驶区域，同时对于路标、隧道、行人、车辆、动物我们做大量训练。在目标跟踪方面运用到目标物标记和匈牙利匹配，目前我们的算法是神经网络和传统算法相结合去做应用的，那么我们最终输出的是激光雷达扫描范围内的目标物ID，它的类别、位置、速度、航向、长宽高以及给出车道线和路沿识别输出曲线方程。
同时我们还需要一个全新的车规生产线（生产基地）去生产我接下来所提到的两款产品。（PPT内容）左图是我们在深圳的工厂，右图是我们在徐州的工厂，徐州市政府会提供整个厂房设施给到我们，另外我们会投入大概6000万资金用于车规生产线的搭建。这个车间是万级集成车间，是一个SMT自动化产线，是ICT自动化检测，除了组装、调光需要人工进行参与之外，接下来像出场的标定和出货检测都会有半自动化设备来完成。这个工厂最大产能规划是每年产25万台左右，在今年Q4底会进行小批量投产，预计每18周我们的产能会翻一倍。另外徐州工厂只生产车规级混合固态的激光雷达。
三、激光雷达安装部署方案
前面介绍了商用车的特性和商用车的需求，那我们怎么做到这个产品形态的，我将在部署方案里面做一个介绍。
首先，对于雷达在自动驾驶化的定位，本质还是安全，安全的雷达，安全的世界。接下来介绍CH128X1和CH64W，这是我们公司内部的代号。首先跟各位介绍一下产品参数，CH128X1是128，200米测距，10%是160m，同时我们专门针对商用车场景做了一个设计，因为商用车安装高度是偏高的，所以我们的视场角是-18到7度，每秒有76万点。右边是CH64W，它是拥有水平180度视场角，100米测距。
这是我们差异的点云，各位可以大概看一下。（VCR内容）
这是我们在做DV实验，另外声明一下，我们DV有6个批件是乘用车去试的，接下来大家可以看一下测试的素材。（VCR内容）
（PPT内容）这是我们整体的部署，通过前面部署128X1作为主雷达探测性能，两边作为180度64W盲区补充。这是在转弯场景下，也就是事故率比较多的场景，通过补盲雷达来预警的场景。这是商用车示意图，商用车盲区更大更需要盲区补充以及激光雷达的预警。这是在大型商用车上的部署。这是视场角的分布，这也是我们针对商用车场景所做差异化的设计。
四、1550nm激光雷达Roadmap
1550nm光线激光器和核心器件自研自产，主要攻克材料在高温下可连续工作性。因为目前里面的材料在高温下会受到比较大的限制，我们也在着重处理这块的技术。
这是接下来1550产品的参数，250米，5%测距，目前性能是X1的两倍。这个产品预计在明年2月份左右会有SOP跑出来。
最后简单介绍一下我们公司，我们成立于2015年2月，目前着重市场是在前装主机厂、无人驾驶、智慧交通、机器人，前段时间刚刚完成C轮3亿融资。公司也有很多国家级和省级的荣誉，我们也是广东省唯一激光雷达工程研究中心。目前公司员工有450人左右，绝大多数人才都来自于西电等光机电较为强势的高校。目前我们在中国一线城市主机厂都设有办公室，丰田通商是我们在日本的代理商，另有深圳和徐州两个工厂。
最后，我们希望与更多商用车主机厂展开合作，以去校验激光雷达在商用车场景的可靠性，我们希望通过更多场景实验和测试，设计出更适合于商用车使用的激光雷达。谢谢！