智能駕駛新變局：“視覺×雷達”，會是個好故事嗎

你探我老巢，我取你洞穴，冒犯各自的邊界，将成為這些企業們未來多年的正常動作。

”

作者 | 盧潔萍

編輯 | 伍文靓

“雷視融合”，這個以往一直存在卻沒有被放大意義的技術名詞，如今開始備受關注。

一方面，諸如宇視這樣的視訊物聯企業，在今年開始将“雷視融合”提高到公司戰略的高度，而另一方面，速騰聚創也向AI掘金志透露，接下來将積極布局路端的雷視融合産品，同時另一邊，還有智能駕駛企業希迪智駕、科技公司百度、阿裡、騰訊等，也手拿雷視融合相關方案，在路端擺陣以待。

“雷視融合”不算是什麼解題新路徑，在各領域擅長使用該技巧的玩家也并不少見，新鮮的在于——幾大學不大相幹的功夫門派，這次終于要在同一十字路口相遇、混戰了。

網際網路企業、公路行業技術産品供應商、視訊物聯企業、車規級雷達供應商、智能駕駛企業......五股勢力都在拿着同一本名為“雷視一體”的劍宗修煉，當然細看會發現，各家的起步時間并不同，招式也各異。

一個更具誘惑力的胡蘿蔔還在于，呼籲已久的車路協同，很有可能是以，就被撕開一個口子，進而擺脫單點智能，開始真正打“聰明的車”+“智慧的路”的配合戰了。

但問題則在于，為什麼是現在？為什麼是他們？當“雷視一體”方案被遷移至交通領域，是否真的行得通？最後誰又會勝出？

1

五股勢力

在自動駕駛行業，普遍被認可的是，多傳感器融合是未來自動駕駛感覺方向的主要發展趨勢。

同樣的故事走向，如今在智慧交通領域又重演一遍。

感應線圈、截面雷達、地磁釘等是主要的傳統車輛檢測器，但通病在于，它們僅能獲得某一截面或瞬時的車輛所在車道和車速資訊。

新一代的智能化車輛檢測器雙雄，則是AI攝像頭和正向交通毫米波雷達，它們可以獲得所有車道全局的實時資料，也可以獲得每一輛車精确的位置和矢量化資料。

但AI攝像頭和交通毫米波雷達也有各自的硬傷，比如攝像頭在惡劣環境下會誤報、漏報，而毫米波雷達雖能在惡劣環境下适用，但卻無法看到清晰的圖像，也無法識别出車輛的車牌、車型、車标和車身顔色等資訊。

是以将攝像頭和雷達相融合，優勢互補，各取所長而成的雷視一體産品，就成了近一年交通感覺方案中的黑馬挑戰者。

其中具有代表性的一派，就是諸如海康、大華、宇視這樣的視訊物聯企業。

它們原本就長于視訊技術，在To G的交通領域更是耕耘多年，近幾年紛紛轉型，開始以視訊為核心，融合進雷達、大資料、人工智能等技術，在交通領域做整體的場景解決方案。

比如宇視就在今年打出了“雷視融合”的Slogan，并釋出了雷視一體機産品和相關的解決方案。

宇視雷視産品線總監劉聖甯對AI掘金志表示，在視訊AI方面，最先落地的就是交通路側領域，比如在城市交通治理中，基于卡口及電子警察的非現場執法系統有效地降低了違章駕駛行為，而針對出入口、路側停車、車位反尋與誘導等靜态交通治理，視訊AI基礎有效的提升了服務效率。

“交通強國戰略以及十四五規劃，強調了在交通基礎設施建設基礎上，進一步提升交通資訊化、智能化水準，圍繞秩序、效率、安全三要素建構整體交通網絡，足夠密度的全天候、高精度、多元度的感覺路側裝置成為建設的關鍵要素，尤其是雷達與視訊的融合，近一年已越來越多地被應用到智慧交通路側領域。”

另一派則是速騰聚創、Ouster、萬集科技這樣的車規級雷射雷達供應商，他們正以雷達傳感器為刀，切割出智能駕駛、智慧交通等細分市場。

速騰聚創就對AI掘金志表示，随着行業對高精度感覺的需求越來越高，雷射雷達在智慧交通領域的應用規模也随之加速增長。

速騰聚創最早在2018年開始提供雷射雷達和攝像頭融合的産品，目前它的雷視融合路端項目，已經在廣州、深圳、浙江等多個省市的道路落地。

除此之外，推出雷視融合方案的，還有百度、希迪智駕、華為這樣的智能駕駛企業，早早瞄準了智慧城市的騰訊、阿裡巴巴當然也沒有缺席。

可以這麼總結，目前以雷視融合為指針，在智慧交通戰場打磨産品或方案的，主要有5股勢力，分别為視訊物聯企業、路側毫米波雷達供應商、智能駕駛相關企業、車規級雷射雷達供應商和網際網路企業。

他們有的在交通領域深紮根基，有的精于雷達傳感器，有的則側路搶道，從汽車領域一路殺來。

2

各有殺手锏

不同門派各自的發家技術不同，殺招當然也會各有側重。

布萊恩 阿瑟在其《技術的本質》一書中提到，技術（所有的技術）都是某種組合，這意味着任何具體技術都是由當下的部件、內建件或系統元件建構或組合而成，同時，技術的每個元件自身也是微縮的技術。

簡單來說，就是新技術産生于已有技術的組合，由已有技術進化而來——而所謂“雷視融合”，要做的也是做好雷達和視訊的融合，這其中的雷達，有毫米波雷達，也有雷射雷達。

毫米波雷達主要利用其發射波長為毫米波的電磁波，來實作對目标的探測識别，經過目标反射回來的電磁波，通過公式計算，就可以得出被探測目标相對于雷達位置的距離和相對速度。

目前大多數毫米波雷達輸出資訊為點雲，是不含高度的二維資訊，錄影機擷取的圖像也同樣是二維資訊。

而為了實作毫米波雷達和視訊的融合檢測，需要将2個坐标空間進行轉換，比如将毫米波雷達點雲由雷達坐标系，轉換到錄影機擷取的圖像坐标系下。

這就需要将二者的底層資料進行融合，這一方面可以達到更好的檢測精度，另一方面也能保證關鍵資料的時間一緻性。

劉聖甯表示，前端融合、一體化傳遞将是雷視融合的主要形式，比如：

1、在特征層可利用雷達為視訊提供更加準确的特征區域資訊，也可利用視訊識别來彌補雷達的多徑效應；

2、在資料層通過大量的資料與場景化的算法，來同步進行雷達和視訊的AI模型訓練，适應不同的業務需求。

雷射雷達則通過對外部環境進行掃描，利用點雲建構出三維空間地圖。

根據速騰聚創的介紹，在傳感器硬體層面，雷射雷達和攝像頭融合主要是進行時間和空間的标定，也就是将雷射雷達三維點雲和攝像頭二維彩色圖像進行空間比對和時間同步。

“車端和路端都是如此，差別主要在于部署位置和數量不同。與此同時，相比車端，路端還有多基站融合，即要對某一段道路上多個基站的感覺結果進行融合。”

主打的技術路線不同，是以也就導緻了不同企業間，雷視一體機實際應用效果的差異。

比如煙台市自2020年開始，就先後與華為、百度、科達三家公司合作，進行全息路口/智慧路口應用測試，并曾對比了三家企業雷視融合方案的實際應用情況。

根據介紹，在華為的全息路口，通過對雷達資料和視訊資料的融合，可以初步實作對道路交通全要素的高精度實時采集，真實還原行人、非機動車和車輛的行駛軌迹。

幫助交通事故快處快賠，通過AI算法對行駛軌迹進行精準判斷、對事故的自動識别預警，減少二次事故和擁堵的發生、配合智慧燈控背景系統實作信号控制的優化......這些都是能在華為全息路口實作的功能。

再比如科達的智慧路口，從功能側看，就着重兩方面的應用：

一是多種視訊融合方式的呈現，像科達會提供高點視訊和地面視訊的融合，進而實作高點畫面上的動态AR标簽；

二則是強調利用實時車輛位置資訊在交通信号控制中産生價值，例如科達會通過将車輛實時位置導入交通仿真，去做路網運作短時預測，進而對交通信号方案進行優化。

煙台市警察局交通警察支隊科技科副科長孫振興表示，整體來看，華為的全息路口通過采集全量資料，強調軌迹熱力圖在交通安全上的應用；百度傾向于車路協同方向，比較重視與網際網路資料的融合應用；科達則偏向于可視化和實時信号優化。

殺手锏不一，實際上客戶關注的名額也不盡相同。

“價格、檢測精度、施工難易程度這些都是使用者關注的名額，但不同的客戶根據實際應用場景，關注的側重點不同，不能一概而論。”速騰聚創對AI掘金志表示，比如有的客戶還會關注解決方案的功能性，有的會更加看重感覺資訊的整體性，有的則會更加看重感覺資訊的應用能力。

3

暧昧的邊界：鬥争由來已久

很多時候，為了生存，如今戰場的界線早已暧昧模糊。

在智慧城市的大趨勢下，視訊物聯企業跨界殺入智能駕駛領域，智能駕駛企業邁入交通賽道，而家大業大的網際網路企業在各細分相通領域，四路出擊的動作，更是早已見怪不怪。

比如海康威視的汽車電子業務就是聚焦于智能駕駛領域，路徑則是以視訊傳感器為核心，結合雷達、AI、感覺資料分析與處理等技術，試圖成為以視訊技術為核心的車輛安全和智能化産品供應商。

在這方面，早在2016年年中，海康就成立了海康汽車技術，并在當年10月迅速對外展示了行車記錄儀、智能後視鏡、車載監控相機及相關配件。

此外，海康還投資了威視汽車科技，在2017年年中成立了海康汽車軟體，并在2018年年初上線了進階駕駛輔助系統、自動泊車APA+。

值得注意的是，海康還投資了毫米波雷達創企森思泰克，後者由雷達專家秦屹創立，目前已是紅旗、一汽、南韓現代等車企的供應商。

除此之外，海康關于雷達傳感器的研發項目也在熱火朝天建設中，相當看重。

今年3月，海康總投資8.5億元的科技園項目在石家莊開工，根據計劃，海康将在該科技園中建設專業毫米波及雷射雷達實驗室20餘個，生産及科研裝置投入預估2.4億元，研發高品質雷達産品超過50種，涵蓋無人駕駛、車載安全、智能交通領域。

據了解，該項目投産後，海康石家莊科技園将成為國内規模最大、産品市場占有率最高的商用雷達研發和生産基地之一。

而從成果來看，海康汽車的進展飛快，資料顯示，2020年度，海康基于視覺和超音波雷達融合的全自動泊車産品，已獲得多個車廠的新項目定點。

在2020 年，海康汽車電子的客戶包括上汽乘用車、吉利汽車、長安汽車、長城汽車等，全年累計新量産項目 50 餘個，新增項目 60 餘個，涉及車型 40 餘款。

事實上，由于對基于雲邊端的系統整合、交通大資料及物聯網應用的整體整合、推出以視訊技術為核心的感覺方案得心應手，是以，對智能駕駛領域信心滿滿的視訊物聯企業除了海康，還有大華股份、商湯、奧比中光、虹軟、曠視、格靈深瞳、的盧深視等一系列玩家。

他們在智能駕駛領域陸續集結，從艙裡到艙外，從零部件到整車，從硬體到軟體，均有所涉獵、各有所長，俨然對智能駕駛賽道内的原有玩家，形成了圍堵追趕之勢。

像從大華股份孵化出的零跑汽車，此前就推出了3款量産車型，根據零跑汽車官方資料，截至2021年8月31日，2021年零跑汽車累計訂單已達35662台。同時，據外媒報道，目前零跑汽車還計劃赴港IPO，集資最少10億美元。

4

穿越大江大河

雲谲波詭，群賢畢至，當各方角色于同一路口會合，就是風雲戰場。競争于同一片領土上，衆人揮刀開路，而隊伍剛剛拔寨開赴，究竟是百家争鳴還是造出幾大英雄互鬥，尚不得而知。

當然最先受益的，則是整個車路協同領域的發展，畢竟“聰明的車”+“智慧的路”的協同配合，構成了車路協同的最基礎主體，而雷視融合路側感覺系統，則可同時支援車路協同和自動駕駛的高速應用，實作互相配合。

速騰聚創就對AI掘金志表示，在大量、豐富、準确的實時資訊加持下，在單車智能和路側智能的協同下，智慧交通将能實作從單車智能向智能網聯的全局式跨越，向“聰明的車”+“智慧的路”的全局智能網聯交通構想邁進。

這從近兩年各地政府的招标項目要求變化中，可發現蛛絲馬迹。

比如濮陽市政府采購中心在今年7月釋出的智慧交通項目交通信号控制系統項目，除了會采購126套聯網自适應信号機外，同時還會采購120套雷視一體機。

從對雷視一體機的要求看，該項目明确要求産品以雷達監測為主，視訊為輔，像素不低于400萬像素，應不小于1500線，做到可将雷達目标位置和速度資訊與視訊圖像疊加。

在功能方面，則需實作對車流量、車道速度、車頭間距、車頭時距、車道時間占有率、車道空間占用率、排隊長度、交通狀态和車輛類型等資訊的感覺、統計，并能識别出通暢、緩慢及擁堵等交通狀态。

一個具體的應用例子就是“綠波帶”。

所謂綠波帶，指的是通過計算車輛通過某一路段的時間，再對各個路口的紅綠燈信号進行協調，以使車輛在行駛時能連續獲得一路綠燈的技術，這就需要交通後端系統掌握道路上近期的機動車流量變化，以及實時的車輛交通資料。

大華股份智慧交通算法總工梅雨曾對雷峰網表示，雙向綠波的一個優化痛點是排隊長度難以确定，排隊會阻礙綠波帶中的車輛，如果不考慮排隊的影響，綠波會失效。“常說的綠初協調、綠中協調、綠末協調，就是針對于排隊問題進行的經驗化處理。”

而可遠距離采集車流量、排隊長度、車頭時距等交通資訊，則是雷視融合産品的最大特點和優勢。

“目前的車路協同技術需要路側提供一定範圍内的交通資訊，便于車輛或駕駛員提前決策，雷視融合方案能夠為車輛提供全天候、高精度、超視距、車道級的交通資訊，有效提升通行安全及行車效率。即便是單車智能的自動駕駛，在有路側感覺系統的加持下也會更具安全性。”劉聖甯如此認為。

不過目前各玩家在路端的雷視融合之路并不平坦。

影響雷視融合的因素主要包括傳感器技術水準、産品穩定性和資料采集的精準性等，而目前這些因素都有待進一步的提升。

就像慧爾視總經理姜榮軍此前在接受采訪時所說的那樣，雷視一體機在進行像素級的融合時，雷達資料與視訊資料會出現同步問題，兩者本身對資料的處理方式不同，會造成二者資料之間具有一定的延時性。

另外還有傳感器采集資料的取舍和平衡問題，當采集資料出現問題，應該選擇和相信哪種方式下的資料資訊，這就需要根據實際的場景來完善資料處理的算法等。

海口交警支隊科技科科長陳冬則表示，雷達視訊檢測資料可以代替道路上的檢測器，但無法代替網際網路浮動車資料，如何進行兩個資料的更好融合，仍是一個問題。

除此之外，雷視一體機如何與路口原有的檢測裝置互相利用、如何能進一步降低成本、如何提高對靜止目标的探測能力、如何降低産品安裝調試和後期運維複雜度等等，都是尚待解決的問題。

戰事初度，仍有大江大河待跨。

5

孰勝孰負？

對此，不同派系各有看家本領。

劉聖甯指出，比如網際網路企業擁有海量級的C端客戶入口、基于大資料與雲計算的中台能力及業務層能力比較強，但其硬體産品及整體方案仍需要通過生态來完善，而海康、大華、宇視則在前端資料采集分析、融合計算存儲、場景化工程化等方面具有較強優勢。

事實上，在當下一些城市的交通信号優化服務項目的招标要求中，很多都會提到要利用滴滴、高德、百度、智慧交管大腦等平台，對交通運作情況進行監測、預測，進而及時發現并解決交通擁堵問題。

還是拿綠波帶舉例，像百度早就在2018年已經向地方交警提供了其浮動車軌迹資料，可協助交警打造信号實時監測評估平台，進而實作綠波帶的優化。

另外就雷達而言，百度、阿裡都是速騰聚創的客戶。

在車路協同雷射雷達路側感覺系統領域，諸如速騰聚創等車規級雷達供應商的優勢，則主要展現在其擁有高性能的雷射雷達硬體、技術積累深厚的點雲感覺軟體和全國各地的大量應用案例這三方面。

宇視、大華等企業，則是在路端的算法上積累功底深厚，對于綠波優化，這些視訊物聯企業是早已入局，對系統和算法打磨已久。

事實上，關于路端感覺方案基礎功能的實作并不難，真正難的，是企業對客戶習慣的了解和對複雜生态的建設，那些經年累月攢下的應用場景的算法、文檔，并不是一時一刻就能夠澆築出來的。

風物長宜放眼量，當然目前關于雷視融合的系統性解決方案産品，仍處于試點的不斷發展過程中，如何滿足更多的智慧交通應用場景，仍需進一步深挖需求。

比如前述提到的雷視一體機如何進一步降低成本問題，就有業内人士對AI掘金志表示，裝置成本受産業鍊和應用規模影響，目前雷視一體機的高成本，主要是由于産品應用剛起步，尚不具有規模效應，“随着使用者認可度的提升，行業廠商的大力投入，産品成本或将會快速達到使用者的預期”。

而在雷視一體機的安裝部署工程方面，視訊已經非常成熟，雷達也較為成熟，是以廠商在設計雷視一體機時，就需要重點考慮融合裝置的易安裝調試性等因素。

6

總結

實際上，關于雷視融合技術在車路協同領域的作用，還有很長一段路要走，發展到某一階段，或許又會出現多雷達融合、雷射與視訊融合等新融合技術。

不過正如劉聖甯所言，就像人臉識别技術在這幾年所獲得了大量成功應用，基于ReID的技術如今很大程度上提升了治安管理效率，“如果時間倒推幾年，這些成果是難以預見的”。

風起于青萍之末，不同派系之間過招的寶劍，如今正在各毫支末節處撞擊，發出清脆的震顫聲。

END