2022 年剛拉開帷幕，一家名為 MAXIEYE 的公司便發布了NOM領航輔助系統。

速度很快。

要知道，目前國內能夠推出領航輔助的玩家少之又少，僅有蔚小理和長城汽車等幾家在量產車上搭載了領航輔助系統，也就是大家常常聽到的 NOP、NGP、NOA、NOH。

「NOM」的加入，讓領航輔助這條賽道更加熱鬧。

而且，與蔚小理開發的系統僅供自家使用、長城汽車的 NOH 來自其關聯自動駕駛公司毫末智行不同，MAXIEYE是作為一家中立的第三方供應商，希望將 NOM 提供給所有整車廠。

這會考驗系統的功能實現、算法和成本等多個層面，是真正放到市場中廝殺的競爭。

那么，MAXIEYE 的 NOM 到底是什么，與市面上的產品有何不同，越來越多的玩家涉足領航輔助，自動駕駛這道難關真的會被漸進式玩家攻破嗎？

幾天前，我們和 MAXIEYE CEO 周圣硯、MAXIEYE CTO 郭恩慶進行了一次溝通，發現這家做感知起家的智能駕駛方案的初創公司，在感知方案、路徑規劃上都有著獨特的設計。

01、拆解 NOM：軟硬解耦，高性價比

NOM 全稱 Navigate on MAXIPILOT，有三個版本：

· 基礎版 NOM-Basic，基于 5R1V 的硬件配置，實現 360 度傳感器融合，接入高精地圖導航定位技術，可自主完成高速場景下的智能路徑規劃，實現自動進出匝道、切換主干道、根據道路限速和工況環境自動調整車速、自動變換車道、自動超車、大車安全避讓等功能。

· 高配版 NOM-Premium，基于 5R5V 的傳感器配置及更大算力平臺，實現高度集成的行泊一體智能化方案。

· 增強版 NOM-Enhanced，基于 5R11VnL 的傳感器配置，通過視覺和激光雷達等更多傳感器冗余設置，拓展「點對點」自動駕駛系統邊界，實現 L3 等高階智能駕駛功能，可支持城市道路導航自動駕駛。

推出三個版本是為了滿足不同主機廠的需求。

三個版本的不同點是：在行車方面，與 5R1V 相比，5R5V的傳感器配置有環視攝像頭做補充，可增強 TJA 等場景的感知能力，體驗感更好、在擁堵環境行駛的接管率更低。

此外，5R5V 的配置也使整個系統增加了泊車功能，由于額外采用前視遠距離的攝像頭去實現定位，泊車的時候車速可以更快。

帶有激光雷達的5R11VnL 方案，可以對過道、護欄、路沿等信息進行采集，提供一個類似「立體墻」的信息，無論地面上有沒有車道線，都可以沿著激光雷達反饋的信息順著「立體墻」順利通過。

而這三個方案的共同特點是，由于算法和底層硬件實現了解耦，NOM 系統對于毫米波雷達、攝像頭、芯片選型等具有很強的兼容性。

比如，NOM 既可以選擇配置 200 萬像素攝像頭，也可以選擇配置 800 萬像素攝像頭。

兩種攝像頭可以實現的功能是一樣的，均是輔助車輛完成自動換道和自動進出匝道。

而 200 萬像素的攝像頭，其成本低、性價比高，但因為它看不了那么遠，所以在換道、超車的時候，應對車流的決策會相對比較保守。

NOM 對于芯片的選擇沒有硬性的要求，只要等效算力水平足夠即可。

· 基礎版 5R1V 需要 10 Tops 算力；

· 5R5V 需要 30 Tops 的算力；

· 5R11V 需要 100 Tops 的算力。

由于對感知硬件不挑剔，再加上可以適配更多的芯片平臺，讓 NOM的靈活性非常高，且成本很有競爭力。

周圣硯告訴汽車之心，只要提供等效算力的芯片，無論國內外芯片，NOM 都可以支持。

「我們目前的 NOM 量產方案不會強依賴于激光雷達，主要依賴『毫米波+視覺攝像頭』。幾百塊錢的毫米波雷達，幾百塊錢的攝像頭，再加上一套域控制器，整個 NOM 的方案成本控制在數千元左右。」

問題來了，當這套NOM 系統上路運行時，能夠與市面上的領航輔助系統進行對抗嗎？

02、上高速，NOM 到底強在哪里？

高速場景下，領航輔助大概需要應對以下場景，自動跟車、自動變道、自動進出匝道。

這里面，「領航輔助中，20% 的算法策略用于 80% 的 L2 場景應對，而剩下 80% 的算法策略要用于自動換道或超車、自動進出匝道等場景處理。」郭恩慶說，各家的領航輔助基本上都可以實現這些功能，真正的差異化還要在用戶體驗的細節上下功夫。

MAXIEYE 的 NOM 系統的特別在于對感知部分做了增強，并且從感知底層去找功能體驗突破的可能性，這與這家公司的感知出身有密切關系。

MAXIEYE 成立于 2016 年，主打前向單目視覺傳感器 IFVS 系列產品，并且已完成多代產品的迭代。

截至目前，MAXIEYE 的產品在商用車前裝市場出貨量突破數十萬套，并于去年 7月獲得國內乘用車企的L2 量產項目定點。

過去的技術研發積累，再加上在感知產品上的打磨，以及從感知規劃控制的閉環、量產經驗，一定程度上形成了馬太效應。

尤其是，MAXIEYE 已經設計了數據觸發與回傳機制，讓 NOM的開發進度明顯加快。

而且，感知起家的 MAXIEYE，在涉足 NOM 系統研發時繼續增強了感知的能力。

以目前領航輔助駕駛常遇見的問題為例，通常情況下，在遇到高精地圖丟失的情況時，現有的領航輔助系統會短暫退出或者對系統進行降級，車輛也會出現降速，甚至還會出現車身搖晃等問題。

MAXIEYE 的解決方法是，在做視覺檢測時，生成局部的拓撲圖。

「比如在進匝道的時候，車道線往往是分開的，我們的方案不僅會告訴你這是一根線，還會檢測到這根線前面會有一個分岔點，基于這個點又衍生出來一根線，這樣即便在短時間內定位出現不太清晰的地方，但只要能夠大概（把車輛）送到這個位置，我們利用地圖給的局部最優解，系統就可以匹配到順著這個分岔點過去大概是對的，包括分岔點、車道線拓撲結構這些都是自己做的嘗試。」郭恩慶表示。

在有高精度地圖的情況下，使用高精地圖進行簡單、確定性更高的換道、進出匝道，當遇到高精度地圖的定位不準時，MAXIEYE 會將高精度地圖或者導航地圖生成的拓撲，與感知生成的拓撲進行比對，當短時間丟失定位的時候，可以用感知的能力去實現換道、進出匝道的能力。

使得 NOM 系統可以部分和高精地圖進行解耦，感知與高精度地圖互為冗余，這是 MAXIEYE NOM 方案的一個特點。

這意味著，NOM 的底層思路與特斯拉的 NOA 有些類似，前向視覺感知為主，再配合其他感知硬件、高精度地圖進行融合感知。

除了增強感知，NOM 還采用了融合路徑規劃 FPP（Fused Path Planning）技術。

郭恩慶解釋，「因為地圖丟失的時候，大部分是在車遮擋比較厲害或有高架橋的地方，因此我們用了車流信息，另外還利用了導航地圖信息、圍欄信息、路沿信息。人開車就是這樣，在沒有車道線的地方，你看到這個地方，你不一定要順著線走，但你依然可以彎過去，因為你跟著車流就可以過去。」

除了常規的自動換道和自動進出匝道，NOM 還針對各家普遍遇到的問題進行了完善。

比如，地圖定位不準問題。當地圖定位橫向偏差超過 30 厘米時，如果按照地圖行駛，會發現車輛不是在車道里走。

針對這一問題，MAXIEYE 的做法是，對比地圖和車道線檢測的趨勢，如果趨勢相同，那大概車道線是沒有錯的。

以實際道路檢測的車道線作為車輛控制的依據，最終提升了用戶對領航輔助系統的使用體驗。

在應對中國特色的加塞 cut in 路況上，NOM 也進行了大量測試和優化，郭恩慶稱，「比如在高速上的 cut in，如果不出現惡意別車的 cut in，我們基本都可以處理。」

03、量產在即，領航輔助風起

系統有了，功能實現也不錯。問題是，這套系統會對主機廠產生吸引力嗎？

截至目前，蔚小理在領航輔助上采用全棧自研路線，其他主機廠也已經開始內部組建自動駕駛的團隊，大有全棧自研路線一統天下的意思。

這種背景下，MAXIEYE 這樣的第三方發布的 NOM 的方案，如何對主機廠產生吸引力？

郭恩慶認為，首先，不是每家主機廠都堅持全棧自研，會采取部分自研，部分找合作伙伴做共同推進。

此外，隨著產業鏈的成熟健全，更多玩家會選擇采用第三方的方案。「主機廠可能作為一個協調系統，從整車和數據安全等方面與供應商合作推進。」郭恩慶說。

據了解，5R1V 方案在今年 8 月就可以面向乘用車客戶規模化量產，5R5V 方案在今年年底實現量產，5R11V 方案預計在 2023 年 6 月量產。

這樣的節奏，基本上與頭部車企對于高級別自動駕駛的量產上車節奏一致。

整體上，MAXIEYE 從之前的商用車向乘用車，從低階向高階智能駕駛轉變的過程，再次驗證了自動駕駛漸進式的生命力。

周圣硯說，「實現自動駕駛是數據累計的過程，現在沒有任何一個車廠會標配高階自動駕駛系統，第一，這個系統沒有足夠的數據不敢上；第二，搭載高階自動駕駛系統的車輛并不能符合所有用戶的需求，最終出路就是從 L2 到 L3，慢慢把數據積累上來。」

在這個過程中，L2 可以解決大部分的縱向行駛的場景，并且可以對車輛跟隨、cut in 中遇到的 corner case 的數據進行反饋。

雖然這些數據在更高階方案中不一定能用得了，但能知道這些 corner case、知道需要什么傳感器，就可以逐漸地優化系統配置與算法來進行應對。

言下之意，數據規模與豐富程度，是漸進式玩家有機會勝過跨越式玩家的關鍵。

可以預見的是，各家主機廠、供應商將爭相涌入領航輔助賽道。據汽車之心了解，今年還會有部分造車新勢力發布領航輔助系統。

MAXIEYE 攜 NOM 早早進入戰局之后，后面的競爭將會更加激烈。而作為普通車主用戶，也將在會接下來的幾年里，因為不同領航輔助駕駛系統的繁榮，獲得更好的駕乘體驗。

返回第一電動網首頁 >