车云按：2017年6月21日-22日，由中国安全产业协会、TIAA车载信息服务产业应用联盟与车云网共同主办的2017年中国安全产业峰会暨首届交通安全产业论坛在北京召开。来自长城研究院的副总工程师兼智能网联部部长张凯发表了题为《长城汽车智能驾驶i-pilot系统平台开发》，第一次对外界介绍了长城在自动驾驶上的探索。

以下为演讲全文：

长城汽车研究院副总工程师兼智能网联部部长张凯

大家下午好！

长城汽车智能驾驶系统开始的时间也是比较早的，早在2010年就开始进行了ADAS系统相应的研究，到2013年和一些高校合作共同去参与中国智能车未来挑战赛，在后续的几次比赛当中都取得了一个非常不错的成绩。

到2015年我们自主研发的智能驾驶系统在长城内部的一个科技节上进行了动态的一些演示，同年9月我们首款搭载ADAS系统包括ACC、AEB等的一个产品哈弗H9进行了上市。今年2月份，在我们哈佛百万庆典的活动当中，我们的魏总首次向外界宣布了一个我们i-pilot的系统，智慧领航系统，到2020年我们的i-pilot系统各代会陆续的推出。

开发i-pilot的目的是要打造全新的一个智能驾驶平台，优化自动驾驶系统的开发路线，完善自动驾驶系统新技术的一个细分，明确内外部关联关系，还有一些资源的关系。可以说i-pilot系统是长城汽车自动驾驶系统集软硬件如一体的智能化开发平台，涵盖从高速公路、城市道路以及到最高级别无人驾驶的系统。

强调的一点，i-pilot系统在后续几年会陆续推出1.0到4.0版本，但是1.0到4.0跟L1、L2、L3是没有对应关系的，也就是说i-pilot1.0系统能达到SAE规定的L3智能化的水平，2.0、3.0、4.0会涵盖L3到L5所有的级别。现在1.0跟2.0是同步开发的过程，1.0是采用实时操作系统来开发一个嵌入式系统的开发平台。在3.0推出的时候会陆续支持一些V2X的系统。

i-pilot1.0系统架构

今天重点介绍的是i-pilot1.0。i-pilot1.0是基于高速公路以及城市快速路为特定的场景，智能化水平高于SAE规定的L3级别，到2020年年底完成系统的商品化开发。

因为是针对高速公路和城市快速路的特定场景，就要求它不仅能够应对高速公路上良好的一些驾驶条件，同时对于一些异常的情况，像路面破损、堵车修路之类的，也能够应对。这套系统会针对中国工况进行特定设计，驾驶员无需对环境进行相应的监控，要求即使在系统请求驾驶员监管的情况下，如果驾驶员没有接管，也能够快速正确地进行合理决策，然后将驾驶员送到安全区域。

1.0系统在车辆进入到高速公路收费站以后，同时满足相应的一定条件，系统会启动。期间可以完成匝道行驶、从匝道汇入主道、车道保持以及自动换道等正常行驶工况，也可以应对道路维修、拥堵、高速拥堵以及隧道行驶异常的一些工况，直到车辆驶出高速系统退出。

i-pilot系统分成7个模块，其中传感器是采购供应商的产品，数据融合、智能决策、运动控制、HMI都是长城自行研发设计的，还包括系统管理的模块和监控的模块。目前这个系统已经开发完成了，不过目前采用的是非实时的操作系统，后续会将非实时操作系统转换为实时操作系统。

在传感器配置上，前方是Mobileye的单目摄像头与雷达、激光雷达组成融合传感器，车辆侧面各布置1个激光雷达，后方还有毫米波雷达和单目摄像头组成的冗余系统。目标是在有传感器出现异常的情况下，也能够把驾驶员送到安全的区域。

智能决策系统分为纵向决策和横向决策。

纵向决策的目标是确保车辆在行进过程中与前方的车辆保持安全车距以及车速。现在纵向决策分为三个状态，包括巡航状态、跟车状态和紧急制动状态。同时这三个状态组成一个状态机，设定一个条件，让纵向决策在这三个状态之间能够切换。目前，单纯依靠纵向决策能够基本实现ACC、AEB和启停功能，在后续测试中也会进行相应优化。

横向决策主要目的是纠正车辆的行驶轨迹，避开障碍和车道换道，满足高效行驶要求。我们的横向决策主要是采取行线的方法。车道保持主要是依据前边摄像头采集的车道线数据，然后保持车辆在既定的车道内进行居中行驶，换道状态首先是说设定一定条件的换道意图，当意图产生了以后会做一个方向与换道可行性的决策，决策之后会完成执行命令。

这里特别设置了异常处理的模块，是指在车道保持与换道时如果出现异常风险，车辆会自动进入障碍躲避的模式，这个基本上也是一种巡线的模式。横向决策在这三个状态，车道保持、换道与异常处理这三个状态之间也是做了一个状态机，设定相应的一些条件，让横向决策能够在三个状态之间切换。

这里可以举例说明一下，从换道到异常切换的过程。在换道过程中，当出现异常情况时，车辆自动进入到一个障碍躲避的状态。我们设置了三个条件，也就是前锋出现异常、侧锋出现异常、后方出现异常，满足任一条件，换道动作会被打断。然后首先选择回到原车道，当原车道判断不能回到原车道情况之下，我们会根据车辆行驶当前的车道线，自动生成当前可行驶的一条车辆行驶中心线，车辆根据这条行驶中心线进行相应的行驶。

系统设计完成了以后，我们进行了高速公路以及城市道路的一些数据采集，在过程当中积累了大量的数据，丰富了数据库。系统基本上经历了从封闭的实验厂再到高速公路，再回到实验厂再到城市市郊公路的过程，经过优化后，i-pilot基本达到可以应对城市工况行驶的水平。

在这个过程中，经过大量的测试与改进，在硬件与软件层面都有优化。首先是硬件，比如在进厂的时候会有盲区，比如说前边有很大的一个车，容易产生视线上的遮挡，识别车道线是有一些困难的，所以我们采用了360环视摄像头，让它识别车辆两侧的车道线，同时对车辆进行了冗余。软件算法优化的过程当中，我们在中高速稳态跟车以及低速跟车，以及起停跟车距离进行相应的优化，然后基本上能够满足视角行驶的路况。

智能驾驶系统开发中的那些坑

智能驾驶系统开发过程中有很多挑战，有些问题是开发人员最不愿意面对的，但是这些问题都真是存在。

第一个是微小物体的识别。

高速公路上会遗落小的障碍物对行车安全产生一些影响，这个问题在全球范围内都是环境感知系统的设计难点。

首先是对微小目标的探测需求，当车速在100Km/h的时候（因为系统最高车速设定是100Km/h），采用舒适性的制动，以0.35G这个标准，所得到的制动距离是100米，那么对于微小目标探测的距离就要大于140米。

现在的应对方案是采用一个长焦距的摄像头，焦距大概100毫米，视长角大概在10度左右。它设计的方法首先是识别车道线，对车道线进行一些取地拟合，从而在车的前方生成一条行驶线，前方150米、100米、50米分别标定3条线，把行驶线往左右偏置形成相应的区域，分区制定相应的策略。

第二个问题是高精度定位的问题。

很多人不知道高精度地图定位这块大概怎么做，这个问题在于不知道自动驾驶系统高精度地图的作用。我们把决策系统的内容都回复了一遍，总结了一下，在i-pilot系统高精度地图有两个作用：第一个是超视距道路行驶条件的判断；第二个是超视距车道属性的判断。

目前图商所关注的高精度地图大概横向在20厘米之内，纵向定位在50米范围之内。但是产生几个问题：

• 1. 横向角的精度到底能达到多少？这个没有人能够给出答案。

• 2. 现在对于主机厂来说自动驾驶系统开发定位的精度是不是越高越好？我们认为也不一定，这个东西考虑到成本够用就行了。

• 3. 现在广大图商采用基于特征校准方式进行定位是不是可用？现在这个问题我们可以给出一定的资料来供给大家参考。

要判断基于特征校准方式的定位是否可用，首先取决于高精度地图在决策系统中的作用，这个前面提到有两个。另外就是，高精度地图定位的误差来源。目前这个误差来源主要是四个方面：测绘、横向定位误差、横向定位误差以及测位定位误差。

给大家展示的一个事例。比如说在高速公路，在弯道的情况下，如果纵向定位误差超过3.6米的话，就是在这个弯道进弯的时候超过3.6米，过完后大概会偏出一个车道，这样对车向属性判断产生影响。所以我们对行向角精度要求是0.1°，这个要求是非常苛刻的。现在长城汽车用千寻基于厘米级定位的这种方式，再加上高精度的行向角给到高精度地图里边，从而驱动高精度地图进行定位。现在我们测试的结果是可以满足车辆前方150米车道属性的判断。

从这个结果上来看，我们认为广大图商采用的基于特定校准方式是可以的，但是难度也很大的。后续我们会有六七套方案来帮助跟我们合作的图商共同提高定位精度的问题。

第三个问题，控制器的工程化。

我们的目标是开发一个满足AUTOSAR构架以及达到实时等级的嵌入式系统。现在自动驾驶需要满足各种传感器、车辆CAN信号以及高精度地图信号的接入，但是目前控制器连这个要求都满足不了，还没有找到一个能够满足自动驾驶量产需求的控制器。我们后续的目标，在下个阶段大概一年到一年半左右，会采用两块ECU来共同完成，其中一块采用非实时操作系统，另一块采用实时操作系统。

现在，如果我们采用AUTOSAR构架开发软件，首先希望一年之内得到最应用层的软件。目前提供AUTOSAR基础软件及RTE软件服务定制化开发，尤其是针对ECU的，只有德国的EB和Vector能够提供，在国际上处于垄断地位。这个是一个很大的问题，对自动驾驶系统开发真正大规模推向市场是一个限制条件。最新的AUTOSAR4.2.X预计今年年底会进行发布，现在这个系统如果采用最新的4.2.X系统的话，会对自动驾驶系统有一些有利的因素存在，可能包含了一些传感器、时间同步的模块，从而对自动驾驶系统有利。但是如果等它这个构架的话，相当于你要再等一年。

综上所述，我们认为在2020年之前，如果开发一个达到L3水平的自动驾驶系统，基本上属于不可能的。但是后续几年我们会陆续在这方面持续的投入，不断地跟进基础技术的发展。自动驾驶系统的开发也是任重而道远。

我的内容就这儿，谢谢大家！