加速智能驾驶项目落地？你还缺一套真值测评系统

智能驾驶系统快速进化，不仅需要系统的感知能力大幅提升，更需要对感知系统的真实水平严格把关。

可以观察到，当前各大车企发布的新车型搭载传感器数量动辄高达几十个，包括激光雷达，摄像头、毫米波雷达、超声波雷达等等，传感器种类也日益繁多。

但感知系统能力的提升并非单纯的硬件堆叠，对感知系统真实能力的评估将是最为关键的一道安全防线。

这意味着，我们必须要明确，感知系统甚至单个传感器是否能够在复杂的场景中准确识别形形色色的障碍物？更准确一点，车企该如何验证感知系统在复杂驾驶场景中的真实效果？

成熟汽车工业给出的方案是“有效的测评”。

测评工作当然要用人工智能

很显然，传统的测评方法已经难以适应智能汽车开发需求。

智能驾驶的感知系统是基于人工智能和大数据的软硬件系统，传统的人工构建场景场地测试无法覆盖真实场景下的Coner Case，而且场地租赁费用昂贵（数万/天）。

行业中，智能驾驶功能适配一个新场景的开发，需要上万帧甚至数十万帧不等的真实路测采集和标注的真值数据支持。同时，随着智能驾驶应用场景支持需求逐渐增加，路测真值数据需求更是指数级增长，将达到PB级别，堪称“大数据”。

实际情况下，短短7天的路测场景数据，仅仅是标注也需要好几个标注员，连续工作几个月才能完成。而且如果采用传统人工逐帧标注方法，标注结果中对障碍物形状大小判断所造成的误差完全不可控。

所以，仅仅在标注一项上，传统测评方法的成本、效率和精度，在面对智能驾驶多场景大数据的测评项目时，根本无力招架。

（传统人工标注，效率低、误差大、成本高）

可你知道，按照汽车行业V模型的开发流程，测试与开发是齐头并进的，开发过程中的每个关键点，都要经过完整的测评验证。也就是说，只有实现验证又快又准，产品开发才能快速推进。

这也是测评验证必须讲究效率和质量的原因。

既然感知系统是人工智能系统，测评同样面对“大数据”，也需要用人工智能解决测评难题。

超出人工千倍的标注效率 真值数据可靠且丰富

那么，如何用人工智能解决测评难题？

在激光雷达感知技术领域深耕十余年的速腾聚创给出的答案是：RS-Reference真值生成和测评解决方案。

据介绍，RS-Reference包含两部分，真值生成系统与感知测评系统。

为保证真实数据质量，RS-Reference充分应用人工智能技术，真值生成系统采用多传感器融合采集系统+高性能离线AI感知软件，前者辅助收集原始数据采集，后者智能运算输出真值数据。

RS-Reference高标准设计从原始数据采集系统开始着手，它采用128线激光雷达、补盲专用激光雷达、远距毫米波雷达、工业摄像头、光纤IMU，高精度定位RTK等多传感器融合方案，有效保证原始数据的冗余性和准确性。

（RS-Reference原始数据采集传感器方案）

RS-Reference核心的高性能离线AI感知软件，融合了RoboSense十多年的点云感知专利技术积累，以及前沿高性能人工智能算法技术，采用离线处理机制对障碍物进行全生命周期跟踪检测，感知性能优异。

当搭载传感器融合方案的测试车完成数据采集，真值生成软件将对数据进行自动化标注，以超出人工标注上千倍的效率，产出真值信息。

得益于先进的高性能离线AI感知软件，真值信息精准可靠且类型丰富，既包括障碍物的速度、位置、大小、类别和ID等动态信息，也包括车道线、道路边界、道路曲率等静态信息。

（离线AI标注技术，标注效率高、精度高，真值信息丰富）

全链条测评工具，加速开发验证循环迭代

RS-Reference的感知测评系统部分可提供定制化的测评和完整的工具链，以满足不同客户的需求。

其丰富的软件功能包括数据管理、数据可视化、人工校验、感知KPI报告生成等等。同时，提供针对摄像头、激光雷达、毫米波雷达等传感器的测评工具，并支持定制化传感器测评，满足车企、tier1等不同型号传感器测评需求。

（路口场景，已完成标注的真值可视化）

RS-Reference的测试验证程序还覆盖到数据清洗、数据对齐、数据关联、真值匹配等，深入到程序优化、调整的循环验证的过程，大幅提高车载感知系统软件的开发效率。

通过RS-Reference获得测评分析报告，工程师将针对感知系统存在的不足，进行升级迭代，然后再次测评，以此循环，直至得到一个最为满意的感知方案。

（汽车行业项目研发设计与测试验证并行的开发模式）

赋能产业链上下游 真值测评系统大有可为

站在产业链上下游协同发展的角度看，智能化的真值测评系统，可以深度适应车企、ADAS方案商、第三方测评机构等不同企业痛点需求，实现开发效率或业务价值提升。

对车企而言，由于Coner case的稀缺性，自动驾驶汽车需要累计几亿甚至几千亿公里的测试里程才能有效验证。

通过RS-Reference真值系统，车企、ADAS厂商在项目开发落地前期就能尽可能地跑通场景库数据，高效完成自动驾驶系统的优化，提升自动驾驶系统的安全性能。

同时，车企也可以通过RS-Reference测评验证供应商的传感器或感知系统方案，快速完成供应商筛选工作。

对于ADAS方案商而言，不但可以用RS-Reference提高摄像头或毫米波雷达感知方案的开发效率，更是可以将RS-Reference作为第三方工具测评，客观验证自家感知方案的性能表现，从而赢得更多车企客户的认可和订单。

对于第三方测试机构而言，可以直接基于RS-Reference提供对感知系统的测评服务。

（搭载RS-Reference的测试车辆）

据了解，速腾聚创这套RS-Reference系统已推出4年多，已经服务全球数十家OEM和Tier 1客户的大量测试车队。

基于丰富的经验积累，速腾聚创与国汽（北京）智能网联汽车研究院有限公司、北京华为数字技术有限公司和襄阳达安汽车检测中心有限公司联合牵头制定《智能网联汽车激光雷达感知测评要求及方法》，提出了一套完善的测评要求、方法以及指标体系，为激光雷达前装车载感知系统测试作出规范与指引。

可以预见，智能化真值测评系统的广泛应用，不仅将成为行业的共识，成为守护智能驾驶安全的重要保障，也将成为人类和人工智能紧密合作的典范。