不同传感器组合方案mAP(平均精准度)分数 原图定位 城市工况复杂,激光雷达成推动城市 NOA 落地的关键感知设备。与高速 NOA 相比,城市NOA 面临的工况复杂得多,可能会面临人车不分流、道路标识不清晰、鬼探头等多种不确定性挑战。在夜晚场景中,还要面临光线不足带来能见度降低的问题,造成行车危险的 corner case 数量急剧上升。因此,从高速 NOA 拓展至城市 NOA 的所需要的技术难度大幅增长,对车辆的感知能力也提出了更高的要求,具备强感知能力的激光雷达成为推动城市 NOA 功能落地的关键感知设备。自动驾驶汽车中搭载激光雷达,一方面可以实现对长尾场景的覆盖,解决城市 NOA 场景中面临工况复杂的问题。例如在面临夜间行驶视野差、进入隧道光线突变等情况会对摄像头带来挑战,但是对于主动发光的激光雷达来说,外界光线变化并不会影响其感知成像能力,激光雷达能够辅助汽车做出稳定的行驶决策。另一方面,激光雷达的搭载可以降低感知算法的开发难度,使高阶智能驾驶功能更易实现。感知算法的一个重要任务是进行语义目标检测跟踪,其中,衡量评价目标检测有一个重要指标是“平均精准度”(mAP),用以评估感知算法对目标位置、尺寸、姿态的检测水平。根据行业权威数据集 Nuscenes 感知算法评测显示,“激光雷达+摄像头”的组合方案 mAP(平均精准度)分数相比纯视觉算法的数值平均从 57%提升至 73%,增加了 16 个百分点。