城市 NOA 来了，激光雷达如何“神助攻”？

随着城市辅助驾驶大规模落地，激光雷达车型由于能实现更全面的智能驾驶而备受关注。比如，理想汽车前不久宣布在北京和上海开启「城市 NOA」内测，下半年将开放全国都可用的「通勤 NOA」，媒体和用户试驾已启动。

使用这两项 NOA 导航辅助驾驶有一个共同的要求，就是需购买搭载激光雷达的 MAX 版本车型。这枚来自禾赛的超高清远距激光雷达 AT128，内部集成 128 个激光器，实时为车辆感知每秒 153 万点的 3D 空间数据，全局分辨率高达 1200 x 128，可实时探测 200 米远处的障碍物。

理想汽车 MAX 版配备了禾赛 AT128 超高清远距激光雷达

更安全更智能

激光雷达加持下的城市 NOA 表现抢眼

在理想汽车开放媒体试驾期间，搭载激光雷达的 MAX 版车型面对北京望京“地狱级路况”，依然游刃有余，俨然一名高分“AI 司机”。多家媒体给出了“车辆对安全的边界把控非常好”、“城市 & 通勤 NOA 让消费者对高配车型接受度大大提高”的评价。

01

黑暗隧道中的行人

即使是在黑暗的隧道中身穿黑色上衣的行人，车辆都能精准识别，成功实现了避让。

02

超远距感知静止作业车

在超远距离下对静止作业车做出了识别，为车辆留出了足够的处理时间，从容地进行了提前变道避让。

总之，城市交通的复杂性确实对车辆的感知能力提出了更高要求，因此为了覆盖更广泛的行车场景，不同传感器相互融合补充的必要性显得尤为重要。

理想汽车 AD MAX 采用了多传感器融合感知²

事实上，理想汽车采用的增强版动态 BEV 大模型融合算法，在传统纯视觉 BEV 的基础上，进一步融合了激光雷达数据，将安全提升了一个数量级。具体而言，就是“视力”更好，暗光、强光环境下，驾驶更安全；“反应”更快，跟车更精准，操作更平稳。

理想汽车自研的动态 BEV 模型融合了图像和激光雷达点云³

很多人疑惑，为什么目前只有带激光雷达的高配车型才能使用城市导航辅助驾驶功能，激光雷达到底可以为智能驾驶带来哪些功能，如何保障行车安全、提升智驾体验，这些都成为了大家非常关心的问题。

今天，我们就来聊一聊激光雷达在城市辅助驾驶中的作用。

挑战“地狱级”路况

感知必须「更精准更立体」

城市导航辅助驾驶，虽然各厂商叫法不同，但本质都是让车辆在路况复杂的城区中，实现“点到点”的辅助驾驶。汽车将在驾驶员的“监督”下，像人一样依照地图导航的路线行驶，实时感知城区的车道线、障碍物、信号灯，实现自主行驶、刹车、变道、转弯、绕行避让等动作，最终到达目的地，可以说是相当智能的一名“AI 司机”。

城市路况行驶最大的挑战在于其复杂性和不确定性，比如人车不分流、车道不清晰、红绿灯种类繁杂、无保护左转、遇前方事故、鬼探头、遇违停占道等等。而在夜晚，还要面临光线不足带来的能见度降低，高频出现的车灯眩光。因此，“AI 司机”如何才能稳定地“看清”周围路况，成为了首先要解决的难题。

理想汽车媒体内测试驾城市路况⁴

暗光、强光、异形障碍物

激光雷达全不在话下

夜间行驶灯光不足视野差、对面车开远光灯，白天进出隧道光线强度突变等情况，都会对摄像头带来挑战。但对于主动发光的激光雷达来说，外界光线无论怎么变，都不会影响其感知成像，能帮助城市导航辅助驾驶、AEB 等主动安全功能做出更稳定的决策。

激光雷达在夜间逆光时仍然稳定感知路况，

远处行人清晰可见⁵

激光雷达在暗光下的感知效果

还有一种情况是「异形障碍物」，在算法里也被归为「一般障碍物」，指事先未经算法训练过的物体，往往是道路上不常见的交通参与者，比如一辆横着侧翻的大货车、某种不常见的动物、形状特别的异型车、异形施工道路等等。「异形障碍物」的检测跟踪对于 AEB 主动安全、城市导航辅助驾驶的避障非常重要。

有了激光雷达，只要有障碍物，就能形成点云数据，并不依赖对物体的归类，也就是说只要前方障碍物形成点云，即使不属于任何已知类别的物体，车辆也可以及时感知从而停下或避开。

由此，所有障碍物「占用」的物理空间就都能被确定，算法通过排除被占用的不可行驶区域，从而推断出「可行驶区域」，让车辆在执行层面得以安全行驶。

激光雷达能稳定感知算法未见过的异形障碍物

算法实测

激光雷达对安全性提升巨大

感知算法的一个重要任务是进行「语义目标检测跟踪」，即「检测」到各类目标准确的三维位置、尺寸和姿态，并进行「跟踪」。算法会把障碍物提前分为不同的类别，根据先验知识预测它们的行驶路径和意图。例如一辆车和一个人的速度区间显然不同。

做好语义目标检测跟踪，对于城市 NOA，以及AEB、AES、FCW 主动安全功能非常重要。

评价「目标检测」有一个重要指标是「平均精准度」 mAP （mean Average Precison），用来评估感知算法对目标位置、尺寸、姿态的检测水平。

行业权威数据集 Nuscenes 感知算法评测⁶显示，使用激光雷达的算法，mAP 数值相比纯视觉有明显提升。其中激光雷达+摄像头的组合方案分数相比纯视觉算法的数值平均从 57% 提升至 73%，表现最好的达到了 77%。

nuScenes 数据集 2023 年以来公开挑战赛成绩⁶

同样，基于「目标跟踪」任务的「平均多目标跟踪精度」AMOTA (Average Multi Object Tracking Accuracy) 评价数值，在加入激光雷达之后，算法的平均跟踪精度也从 56% 提升到了 75%。

nuScenes 数据集 2023 年以来公开挑战赛成绩⁶

从数据集实测结果来看，无论是目标检测，还是目标跟踪，激光雷达和摄像头组合方案的精度都是最佳的，其次是纯激光雷达方案，以及纯摄像头方案。

激光雷达感知算法具有非常好的目标检测跟踪效果

看准「地面」

激光雷达的拿手好戏

对于汽车而言，世界可以分为地面和物体两大类，地面用来行驶，物体按照离地高度采取避开或通行的决策。例如，遇到高高悬空的物体可以安全通行，如红绿灯、指示牌等。因此算法需要准确检测地面，才能获取物体相对地面的高度，判断需要避开障碍物，还是可以继续通行。能否精准进行「地面检测」，对于 AEB （自动紧急刹车）、ACC（自适应巡航）、全场景导航辅助驾驶都非常重要。

对于地面的检测，其他传感器主要存在的问题有：检测精度差，能检测到的地面距离太近，或者根本无法区分地面和高空中物体，这可能会导致不必要刹车，影响行车舒适性，如果导致高速上刹车则更是增加危险。更不用说在上下坡道路、大曲率弯道这些本来地面检测难度就极大的路况了。

作为自动驾驶汽车中用于感知位置最精确的传感器，激光雷达基于三维坐标，能精确到厘米级别为算法提供地面和物体的相对位置，哪些是障碍物，哪些是不会影响行驶的物体，在激光雷达的世界里一目了然。

基于激光雷达进行精准的「地面检测」

识别「车道线」「路沿」

激光雷达让算法更得心应手

对于 LKA 车道保持、ALW 自动变道等功能，汽车需要对于车道线进行正确的识别，从而遵守道路规范行驶在“正确的道路结构”中。但在上下坡、大曲率弯道处，基于单一传感器进行车道线的拟合难度较大，检测结果容易变形、闪烁。

除了坐标，激光雷达还能输出反射率，涂有反光涂层的车道线反射率会更高，算法可以提取特征把车道线识别出来，从而为车辆提供更精准的「语义地图」。

基于激光雷达的感知算法在上坡、弯道场景

依然稳定识别车道线

路沿也是「语义地图」的重要组成，高出地面的路沿往往只有十几厘米高，对于精度不高的传感器非常困难，有了精度 ±2 cm 激光雷达，准确的高度信息能让路沿检测更加高效。

越来越「香」的激光雷达车型

作为一个可以帮你开车的“机器人”，智能汽车做任何决策需要建立在「精准感知」的基础上，激光雷达凭借「真三维」「高精度」的优势，成为增强感知的利器，帮助车辆拥有复杂路况与密集交通下更快更稳的主动应变能力。

从落地应用的 ADAS 功能来看，无论是 AEB（自动紧急刹车）、AES（自动紧急转向）、FCW（前向碰撞预警）这样的主动安全功能，还是开始大规模落地的 ACC（自适应巡航）、LKA（车道保持）、ALC（自动变道）、全场景导航辅助驾驶，激光雷达在感知算法中的参与度越来越高，汽车也因此获得了更好的智能驾驶体验。

可以预见，随着高阶辅助驾驶的不断升级，配备激光雷达版本的高配车型也将越来越“香”。

1 42号车库实测视频

2 理想汽车官方微信视频号

3 理想汽车官方微信公众号

4 理想汽车媒体内测官方视频素材

5 类星频道

6 *统计数据来自于 https://www.nuscenes.org/?externalData=all&mapData=all&modalities=Any，统计周期为2023.1.1~2023.6.27

*mAP均值是某传感器组合下各算法成绩的平均值