{{detailStore.author.is_follow?'已关注':'关注'}}
原创文章
管理
飞凡自研全融合算法 将于10月随飞凡R7一同交付
新出行原创 · 文章

飞凡汽车全栈自研 RISING PILOT 全融合高阶智驾将伴随着 10 月交付 R7 后一同交付给用户,而关于自动驾驶的关键是硬件还是软件?也引起了大家的热议,其行业首创的全融合算法更是引起大家的讨论,全融合算法到底有什么作用?

一、RISING PILOT 三张传感器王牌

硬件是智驾军备赛的基础,也决定了软件的天花板。

目前 RISING PILOT 共配备 33 个感知硬件,包括在中国首发量产的 Premium4D 成像雷达、800万像素高清摄像头、LUMINAR 1550nm 激光雷达,这也成为了飞凡汽车的三张王牌传感器,并且匹配 Orin X 芯片。

R7 共配备两颗 Orin X 芯片,单颗芯片算力为 254 TOPS,同时满足 100-1000TOPS 的算力冗余要求,为后续迭代做准备。

而 飞凡 R7 作为飞凡汽车独立运营的一个全新开始,跨步走的更大,除了“尝鲜”的应用高规格硬件外,也踏上了全栈自研的方式。

我们知道算法让我们知道我们认知的是什么,硬件就像我们的五官,但是算法会让冰冷的硬件具备思考的能力,让硬件充分发挥性能的同时也构建起车企自身的技术壁垒。

而此次飞凡 R7 将会首次量产自研的全融合算法,那它和其他算法会有哪些不同?

二、什么是 Full Fusion全融合算法?

目前行业内智驾算法主要分为前融合和后融合,各有优势、短板。

其中前融合指系统会将传感器感知数据进行整合,输出一个感知结果,再进行决策。这种算法对不同类型源数据的时效性要求高,对硬件算力有更强要求。

而后融合是指所有传感器均输出感知结果,供系统决策。它的弊端是单一类型的传感器因自身能力限制,受位置、光线以及速度等因素影响,可能发生漏检或误检。

而 RISING PILOT 的全融合算是把前融合和后融合两个过程同步进行,对视觉、毫米波、激光雷达等独立的感知结果进行后融合,同时综合激光雷达、毫米波、图像的前融合结果进行全要素融合,在 Orin X 高算力芯片的加持下,完成从感知、融合、预测、决策、执行等一整套智驾体系。

可以看到不同的传感器都存在不同的数据敏感度以及准确度,好的融合算法就是好的 leader ,它作为司令官让各个传感器各司其职外,还需要确保做出最高效以及最安全的判断,实现最优体验。

它能充分利用不同传感器的优势,提升对不同场景下的感知精度,以此来提高安全以及性能,让各个传感器在不同场景下发挥其特长。

三、 RISING PILOT 具有哪些亮点?

目前 RISING PILOT 全融合高阶智驾系统是由飞凡智驾团队的 500 多位研发人员历时 900 余天,同时研发对象也是针对多个国内特征的极端场景,目前团队进行了 40 万公里的高速领航功能路测。

目前,在匝道全域增强识别、超灵敏静态路障感知、雨雪雾天超视距识别等智驾场景识别上,RISING PILOT 都有针对性的强化。

在匝道全域增强识别上,系统为了解决很多复杂上下匝道口,RISING PILOT 通过提前对远距离匝道口做增强感知,从而有更充裕的时间提前做变道准备,并且能够实时观察前后车辆以及旁边车道车辆的行驶状态,从而在安全范围内完成变道,汇入匝道。

在识别静态障碍物上能够做到识别及避让。 面对地图上未及时标识的施工占道、铁栏杆等障碍物,在没有高精地图的协助下,大部分车辆的处理结果是漏检或者直接刹停呆在原地。飞凡全融合算法支持对障碍物的识别以及避让,除了提高通行效率也确保了通勤的安全。

RISING PILOT 是飞凡汽车独立运营后开启全栈自研的第一站,在两年半时间内,完成0-1的起步,接下来在交付后我们也会为大家开箱 R7 量产版高速领航辅助驾驶,为大家做更深度的横评与实测。

伴随着 9 月 27 日的上市,十月份开启交付后 RISING PILOT 也是交付即可用的状态,具备高速领航辅助驾驶的能力。

写评论
积分赞赏
点赞
评论区
  • 编辑
  • {{is_favourite ? '已收藏' : '收藏'}}
  • {{is_personal_top ? '取消主页置顶' : '个人主页置顶'}}
  • 举报
  • 加入黑名单
  • 删除
  • 取消置顶
  • 置顶推荐
    • 6小时
    • 12小时
    • 24小时
    • 3天
    • 一周
    • 长期
  • {{digest?'撤销精华':'设为精华'}}
回到顶部
  • 全部评论{{detailStore.commentnum}} 条
  • 只看作者
  • 最热
  • 最新
  • 最早

「待审核」

{{ comment.relativeTime }} 已被赞赏 {{comment.integral}} 积分 回复

暂无相关评论

发表一下个人看法吧