撰文 | 高静宜
编辑 | 刘燕
2016 年 10 月，鲍君威结束了自己在百度自动驾驶事业部担任车载计算系统及传感器团队负责人的工作，在他的一套出租屋里，和自己的老同事李义民开始了创业之路。
一开始，他们花了一个多月的时间进行市场调研和各类技术路径的研究，最终选择激光雷达产品及传感器融合的方案。
技术路径的选择并不容易，近年来，投身自动驾驶技术研发大潮的公司或者汽车厂商均不在少数。各家技术路径可能有所不同，采用的传感器种类或是算法模型也存在差异。
「我们需要清晰地分析整个产业各方面的路径，而不是盲目跟从现有的解决方案。」鲍君威解释道，跟着市场领导者走肯定是对的，但激光雷达产业很新，还没有哪一条路径被完全验证是最优方案。「毕竟这是一个新的技术方向，其中的不确定性还是蛮强的。现在我们出了产品对自己的技术也是有信心的，但在这个过程中也需要逐渐调整。」
今年 4 月，国外激光雷达创业公司 Luminar 宣布将推出首批无人车用激光传感器，采用了 1550 纳米激光器，探测距离大幅提高达到 200 米以上，分辨率提高了 5 倍。由于其产品性能的优越性，Luminar 的一举一动都成为了业内关注的焦点，一时风头无两。
这家明星公司放弃波长较近的 905 纳米激光器转而采用 1550 纳米光纤激光器，被鲍君威视为是技术思路上的契合，某种程度上，也让他对 Innovusion 的选择更有信心。「1550 纳米光纤激光器峰值的功率相对容易做得更高，还可以让激光雷达在人眼安全阈值的条件下发射更强的光信号，对物体测量距离更远更精确。」鲍君威说。
「300线」激光雷达获取图像级信息
这并不是鲍君威初创的第一家公司。多年前，他曾参与研发了一套用于半导体生产线的光学测量系统，并在 2001 年被日本公司收购。
这次，他与李义民一拍即合，瞄准了激光雷达领域。鲍君威在光学精密测量仪器及传感器领域有近二十年工作和研发经验，2014 年加入百度美国研发中心，负责开发大规模数据中心硬件加速及高性能网络，在 2015 年底加入百度自动驾驶事业部，负责车载计算系统及传感器团队。李义民曾在 Velodyne 作为工程团队核心成员研发激光雷达，并于 2016 年初加入百度自动驾驶事业部作为传感器团队技术负责人进行各类新型传感器技术的调研，目前担任 Innovusion CTO 一职。
「也正是在百度的这段工作经验，让我们真正接触到了市场需求，才有机会下定决心出来创业。」鲍君威说。
在 Innovusion 团队中，鲍君威偏重软件算法及光学系统架构的部分，李义民则负责精密光学及电子这块，二者的技术领域互补。在埋头研发半年后，原型概念成型，他们才搬到新的办公室开始招人。目前，Innovusion 团队由几十人组成，绝大部分都是拥有二、三十年工作经验的工程师，其中有很多华人。
「我们着眼于两个核心点，一是提升激光雷达的点云密度从而获得高密度、高清晰的图像集，二是在此基础上于硬件层面实现传感器数据的融合。」鲍君威告诉机器之能。
据悉，Innovusion 的分辨率可以达到 300 线，是影响物体及场景识别精度的关键因素。不同于 128 线、64 线或是 32 线这类传统的行业定义标准，这个 300 线指的并不是激光雷达的线束数目，而是可以通过串行、并行的「扫描」方式实现相当于 300 线激光雷达的分辨率。
Innovusion 激光雷达探测结果与竞品的比较
「自动驾驶必须得事无巨细。」鲍君威解释道，重点并不在于你能看到 99.99% 的东西，而在于那万分之一看不到的可能性。分辨率越高，激光雷达所探测到的信息能漏掉的机会就越小，自动驾驶车辆发生事故的可能性也就越低。
那么，为什么要定在 300 线呢？
「我们有段时间做到了 200 线，在原型模拟的时候我们觉得 200 线已经可以了。但是后来发现还是不行，存在缺陷，必须要到 300 线才能达到人眼的程度。」鲍君威回答道。在他看来，目前的交通系统都是为人设计的，合乎人类的反应速度和人眼的分辨率，自动驾驶车辆应该无缝融入到这个体系中去。当激光雷达为 300 线时，其分辨率接近人眼在视场中间几十度的分辨率，可以达到人眼识别的水平。
此外，300 线的分辨率才能让激光雷达掌握图像级信息。从电脑到手机，都是从原始的文本信息向图像级信息发展，也掀起了整个产业的从 0 到 1 的飞跃性革命。对于激光雷达来说，亦是如此。
图像级信息引领革命性飞跃
硬件层次融合传感器数据
「激光雷达的市场需求非常大。很多产品可能难点不在于技术，在市场上卖不出去才是真痛苦。可激光雷达不同，产品技术性能做上去，只要能批量出货，很多客户抢着要。」鲍君威说道。
目前，专注激光雷达研发的公司都在紧锣密鼓地尝试不同路径，试图在该领域站稳脚跟或逆袭占据绝对优势。国外有 Velodyne 先行，国内有速腾聚创居上，成为业内的领头羊。与此同时，以 Quangergy、Luminar 为代表的玩家也瞄准该领域，陆续推出新的产品原型，期望开辟出一番新天地。
目前，许多供应商会选择利用软件程序完成激光雷达、摄像头、毫米波雷达或是 GPS 等数据融合，从而得到周围环境的图像信息。完美融合激光雷达点云数据与其他传感器的数据需要投入大量的时间和精力，涉及数据的同步、几何空间的定位等问题。自动驾驶系统是一个实时的系统，在软件层次完成传感器数据的融合可能会造成时间上的延迟，并对计算效率产生一定的影响。
Innovusion 则选择在硬件层面实现传感器数据融合，原因在于：
一是在硬件层次实现传感器数据的融合有机会提高感知及决策系统的可靠性及运行效率，减轻软件层面的负担；
二是硬件层面会有一部分难以传输出去的原始数据，在硬件层面做融合可以有效利用这些数据中包含的额外数据，从而提高系统的性能。
目前，Innovusion 已经实现了实时无缝融合激光雷达和摄像头的数据，这背后密集的点云数据必不可少。
融合后的三维彩色点云数据
「其实不止 300 线，600 线我们也能做，只要合作伙伴有这个分辨率的需求，实现不是问题，但这里涉及成本问题。」鲍君威补充道。
事实上，高昂的价格与供货量的不足，是激光雷达难以大规模推广应用的两个难题。受到硬件制造工艺及精密仪器配置标准的制约，激光雷达成本居高不下，大规模量产也存在一定的门槛。有实力的企业能够掌握一定的供货渠道从而获得相应的资源，对于小型初创公司来说却往往处于「一票难求」的状态。对此，Innovusion 的目标是将其激光雷达产品的价格压到 一、两千美金。
除了较高的分辨率，鲍君威表示，Innovusion 激光雷达产品的其他性能参数也可观，探测距离超过 150 米。激光雷达的探测距离保障了自动驾驶车辆在复杂场景下拥有足够的决策时间和刹车距离。车辆以每小时 64 公里的速度在快速路上行驶需要 至少 50 米探测距离，以每小时 105 公里的速度在高速公路上行驶则需要 至少 105 米的探测距离，而且车辆从感知环境到接收刹车信号并执行也需要一定的反应时间。出于安全方面的考量，技术研发人员希望激光雷达可以更精准地感知到更远处的物体，而这种追求没有上限。关键参数性能不仅是区分一款激光雷达优劣的重要指标，也是激光雷达制造厂商投入精力完善的方向之一。
对于激烈竞争带来的挑战，鲍君威表示并不会过分担心。他们的目标客户有两大类，一类是进行测试的客户，这类客户注重激光雷达产品的性能，大家在产业链上是平等的。另一类是则是整车厂。
「有车队的自动驾驶公司也是我们的潜在客户，跟着整车厂走则是未来真正大量出货的方式，」鲍君威解释道，「我们不仅会提供激光雷达产品，也会与整车厂进行深度合作，帮助对方完成系统的集成。」
搭载在测试车上的 Innovusion 激光雷达原型
目前，大多数自动驾驶车辆都在车顶安装了一个可以 360° 旋转的激光雷达用于探测周边环境信息。通常情况下，这种激光雷达需要架到一定的高度，不仅会在行驶的过程中增加风阻，改变车辆的空气动力学性能，还会造成一定的阴影。这些因素都将成为车厂实现规模化量产的阻碍。因此，Innovusion 的混合固态激光雷达解决方案易于整车集成，相对占据优势。
鲍君威透露，公司将参加明年的 CES 展会，并计划于明年上半年启动 Innovusion Developer Program，包括激光雷达 B Sample 以及 integration kits，支持合作伙伴部署测试。同时，公司已于近期启动了 A 轮融资。
