让百度教教你，怎样「搭」一辆自动驾驶汽车

又是一年上海车展。

相比上一届，今年的上海车展会多出一个新的品类，暂时无法定义这些企业，可以称作是针对智能汽车的技术服务商。毫无疑问，他们瞄向的是未来，现在在努力奔跑当中。诸如百度、华为、大疆等企业都已经入局其中。

之所以把它们归为新品类，是因为在智能汽车越来越被定义的当下，诸如智能网联、自动驾驶这样的核心技术层面上，这些企业或许已经找好了自己的位置，也在过去积累了相应的技术储备。

其中，百度是最早入局，也最早开始为车企提供服务的公司。从今年的百度 Apollo 的智能驾驶体验升级来看，如果现在做一辆智能汽车，在核心技术上的配套设施，不再是一件困难的事。

真实体验中的 ANP

同样是一辆印有 Apollo 字样的林肯 MKZ 车型，第一眼看上去，似乎和平常的百度 Apollo 自动驾驶汽车长得不太一样：顶部和车身周围都没有了激光雷达。

但坐上车，不但内部设施没有丝毫变化，车子启动之后，熟悉的感觉又回来了。和此前乘坐的 L4 级别的 Robotaxi 没什么差别，在搭载百度 Apollo 最新技术 ANP（Apollo Navigation Pilot）领航辅助驾驶系统的车辆里，你同样可以把手脚放轻松，不用频繁地接管车辆。

ANP 是百度在 2020 年底推出的一项自动驾驶技术，相比此前 L4 级别的自动驾驶汽车目前无法在量产车上落地，ANP 倒是用自己的方法解决了这个问题。

尽管不算是「无人驾驶」，但从体验上能看出来，系统识别达到了比较高的水准。拿体验过程中遇到的施工区域来说，马路中间停着一台维修机器，由于这属于自动驾驶当中能遇到的比较少的情况，机器长得也多种多样，系统不一定都能识别出来。但 ANP 系统成功绕开施工区域，躲避开了这台机器，过程中并未有任何停留，乘坐一直很顺畅。事后理性分析的话，ANP 也许识别出了机器的底座，把它当做障碍物；也许把地上的交通锥识别出来，「看懂」了这是一片施工区域；或者，它看到前面几辆车全都绕开，自己开启了跟随前车，也不是没有这个可能。

另外， 在一些自动驾驶行业公认比较难的场景，ANP 也能独立完成。 比如路口左转礼让行人，在一个城市道路的开放路口进行左转，对于自动驾驶来说不算简单。地面上几乎没有什么标识，转弯后还需要马上进入车道线内，更何况左转时还遇到行人正在横穿马路，加大了对于系统识别的难度。

但搭载 ANP 的车辆很好地完成了这一点，依靠红绿灯识别、路面行人、汽车的识别，和高精地图的辅助，车辆把视线范围内可以识别的东西全部识别出来，在横穿马路的行人面前停下了车。其他诸如环岛驾驶、行人从视线盲区突然蹿出等复杂场景，在实际体验中 ANP 全部遇到并解决。

要知道，ANP 有一点比较特殊， 它是目前所有领航辅助驾驶产品当中唯一一款支持在城市道路上使用的 ，而存在行人、自行车、电动车等交通工具的城市道路，比高速道路和环线要复杂得多。

为什么 Apollo 可以做到体验上的高水准？在百度看来，ANP 属于自动驾驶的「降维打击」, 即把同源的技术压缩到一个比较合理的成本，同时高体验地放进量产车内。

「降维打击」

降维打击绝不意味着这项功能实现起来很简单。相反，要把同等体验放在量产车中，技术上是个极大的挑战。

和百度的 Robotaxi 相比，ANP 最大的区别就是没有了激光雷达，后者是自动驾驶当中最核心的传感器之一。百度集团资深副总裁、智能驾驶事业群组总经理李震宇在接受包括极客公园（ID：geekpark）在内的媒体采访时表示，激光雷达同时也有挑战，车规和成本两方面是现在迈不过去的槛。而 ANP 主打的纯视觉技术方案，成本上更加自由，面向车企的普及速度也更快。

众所周知，激光雷达在自动驾驶汽车上的最大优势在于其强大的三维测距能力，通过飞行时间（Time-of-Flight）原理能够在 100 毫秒内完成对其周边 360°环境的实时建模，测距精度达厘米级。精准的三维信息为物体检测、跟踪、分类等任务带来了便利，大幅度简化了感知算法的设计实现。

而摄像头成像是「被动」式的，感光元件仅接收物体表面反射的环境光，三维世界经投影变换（Projective transformation）被「压缩」到二维相平面上，成像过程中场景「深度」（景深）信息丢失了。

于是，用 2D 图片恢复 3D 信息，是使用摄像头代替激光雷达为无人驾驶提供感知结果所面临的核心技术挑战。对于百度 Apollo 来说，就需要用大量算法上的修正，以及 AI 技术的训练来解决「看见」和「看准」的基础能力，包括后续对各个场景的理解。

结果也可以体现在量产车型上。与百度 Apollo 深度合作 ANP 的量产车型威马 W6，可以在城市道路当中使用领航辅助驾驶，并针对中国路况做出最贴合的改进。

智能驾驶背后的开放系列

在 ANP 背后，百度 Apollo 实际上已经做到了软硬结合，将软件与硬件都保持在了稳定的水准。例如与德州仪器共同研发的计算平台 ACU，就把处理器容纳进 Apollo 软硬一体的自动驾驶产品设计。

可以看出，ANP 不仅仅是百度在某一条技术路线上的能力释放，而是多项产品的集成，最终得出的商业成果。

比如在百度 Apollo 看来，单车智能的路线不再是主流，而是要依靠车路协同，车外的基础设施力量来辅助自动驾驶。再比如自动驾驶未来必然会配备的高精地图，百度也在持续布局。

2021 年，百度地图汽车版就升级了核心能力，包括融合定位、多屏车道级导航、电动车出行服务化、场景出行服务化等功能。在与 ANP 结合的智能领航系统里，一方面，智能导航系统通过独有的算路引擎，提前感知可辅助驾驶路段，帮助用户提前决策，覆盖行前、行中、行后的自动驾驶全场景；在行驶过程中，智能领航系统可以结合车身传感器数据，引导车道自动进出匝道、车道保持、超车等自动驾驶功能，在到达目的后自动推荐周边停车服务，缓解了用户停车焦虑。另一方面，智能领航系统可以实现全行程的规划和安全引导，解决在算路策略中的自动驾驶比例，让用户体验到更多的自动驾驶区域。

可以说，自动驾驶的智能，一部分是与高精地图息息相关的。为什么说高精地图一定会是自动驾驶的「左膀右臂」？我们作一个假设，如果未来自动驾驶普及，人类不需开车的话，谁来代替人眼的作用，以「眼观六路」？ 摄像头和高精地图，就是代替人眼的最重要的部分。 并且高精地图比摄像头更加智能的是，它可以提前知晓位置信息，精确规划行驶路线，也可以在摄像头看不清或者雷达检测不到的地方，及时反馈数据。

在自动驾驶最重要的安全方面，高精地图可以作为辅助，精确识别交通标志、标线等上百种目标，提前做出准确判断和决策。

不止这些，在自动驾驶、智能网联相关的产品当中，百度已经把自家所有技术分门别类，变成清晰的模块化产品。面向汽车智能化趋势，百度 Apollo 有 ANP 为代表的智驾，小度车载 OS 为代表的智舱，高精地图为主的智图，以及汽车云解决方案的智云。

从整体上来看，四大系列产品属于可独立应用在车企上，用百度 Apollo 的话说，就是乐高式的智能化解决方案。但其内核却是相辅相成，互相融合的，在过去 8 年时间，百度 Apollo 研发的技术积累，通过乐高式的四大解决方案一并释放，可以看作是一次集中「爆发」。

回到文章开头说到的，怎样用最简单的方式、最快的方法搭出一辆智能汽车？这个真问题，是这些新品类的技术服务商们当前最应该去实现的目标。

本文由极客公园 GeekPark 原创发布，转载请添加极客君微信 geekparker。