隨著近幾年自動駕駛行業的快速發展，L2級別輔助駕駛逐漸在各品牌新車上得到普及，目前，不少廠商紛紛推出自己的輔助駕駛系統，自動輔助導航駕駛也隨之成為了車圈熱門話題之一，像小鵬前不久就宣布升級了NGP功能，算力明顯提升的XPilot 4.0系統，受到了大眾廣泛關注。
圖片來源：網絡
除了NGP，與之并駕齊驅的還有NOA以及NOP，三者都屬于自動輔助駕駛功能，不同之處在于NOA沒有搭載高精地圖，以視覺為主，相比較而言缺乏車道級曲率、坡度和限速等信息，自動變道過程的決策控制風險更高，降低了用戶體驗的流暢性和安全性。NOP和NGP采用的是高精地圖，可以實現指定路徑下的按照導航路線自動輔助駕駛。它需要導航系統、高精地圖與自動輔助駕駛系統的深度融合，根據導航路徑規劃，在高精地圖覆蓋范圍內的大部分高速公路及城市高架路等路段實現自動進出匝道和切換主干道，自動調整車速、智能變換車道及超越慢車。
從終局角度看，NOP的種種功能和體驗，將會是自動駕駛最接近理想化的狀態。
自動輔助駕駛功能是否強大取決于什么？
目前，廠商們正在普及的、基于5G信息技術傳輸的L2自動駕駛技術仍然存在著無法識別靜止的或低速車輛、物體的問題，再加上對于視覺識別技術、多傳感器融合技術和神經網絡算法等與自動駕駛強關聯的技術研發正在迅速迭代。自動輔助駕駛功能的研發，亟需采用由“仿真平臺架構”為核心的可視化工具鏈方案，來解決研發測試過程中出現的各種問題。
因為相對于路測，仿真平臺所需要的經費更少，不需要路測和人力的介入；第二點就是面臨風險更低，不會對實際中的任何車輛產生影響；第三點基于數據驅動的算法迭代會更快，新的算法可以直接在仿真平臺上評估，大大提高了研發效率，其重要性可想而之。像小鵬、蔚來、特斯拉，這些公司都有各自專屬的科研團隊去開發輔助駕駛系統，行業內的其他不少新勢力公司對此同樣重視，宏景智駕就是其中之一。
宏景智駕NOP的三大開發平臺，讓迭代更快更安全
對于開發自動輔助駕駛，以宏景智駕為代表的諸多科技公司，有著獨到的見解。通過不斷的研究積累，形成了由三大平臺構成的仿真及可視化工具鏈，來加持NOP的功能開發。
首先是數據閉環應用平臺。通過泛化、回灌路測數據，積累大量數據，再結合虛擬引擎技術、地圖重構工具，重現NOP數字化應用場景，以確保仿真結果的足夠可靠?；谶@些場景，拓展測試場景的覆蓋率，支撐算法驗證，加速算法迭代。為此，宏景提供了一套數據云服務平臺的解決方案。
圖片來源：網絡
云平臺會根據用戶的標簽信息，數據會自動進行切片和分類。再進行初步的數據分析和處理后，需要人工處理的部分會推送消息到客戶端，待人工驗證完成后會自動生成測試分析報告。同時關鍵信息還會同步到手機端，用戶可以直觀了解當日測試情況，大大簡化了測試分析和性能評估流程，并且提高了測試效率和解放了生產力。
其次是高精地圖和定位檢驗平臺。可以分成兩塊理解，一方面，校驗不同圖商高精地圖的數據差異和準確性，準確提供多維度的信息，有助于自動駕駛車輛實施正確的指令。另一方面，對比高精定位設備，以驗證車載定位模塊的精度，避免傳感器測量誤差甚至失效的情況出現。宏景智駕針對以上情況推出了一套3D可視化數據測試平臺。
該平臺可以通過定位的真值對比系統，直觀的了解兩套定位設備的各項數值偏差，而且這套工具鏈還搭配語音識別+標簽的功能，全功能都可語音操作，測試司機即可兼職測試工程師，節約了大量的人力成本和時間成本。
最后是虛擬場景仿真測試平臺。宏景智駕研發團隊通過重構匹配的高精地圖，自動/手動構建測試場景，提供周圍環境信息，再結合第三方地圖API，輸出車輛導航信息，在虛擬環境中模擬算法需要的所有信息，生成靜態路網、創建CornerCase，從覆蓋度方面，可實現貼近中國實際的交通流模型以及實車場景的泛化，極大地降低了虛擬測試場景庫建立的時間與人力成本，通過大批量的仿真測試驗證，極大提高了代碼穩定性，加速軟件迭代開發，保障實車測試安全。
如下視頻展示了在復雜場景下的NOP功能仿真。主車起始于輔道，進入上匝道。主路上存在多個他車障礙物，并且他車隊列存在堵車交通流狀態，彼此跟車空間不足以滿足主車匯入條件。此時主車將根據感知信息，地圖信息以及NOP邏輯，暫緩變道流程，在匝道范圍內減速，直至他車隊列通過后，加速并匯入主路。
除此之外，宏景智駕在NOP功能上對車輛預測性能量管理，采用了收集前方道路的坡度、限速、曲率信息以及導航的實際路況信息，動態規劃前方幾公里的目標車速曲線，以達到最優的整車油耗，并即將實現中國首個在燃油車上搭載NOP功能的應用落地。
在NOP功能的研發上，對于宏景智駕這類新勢力企業來說，還需要時間和大量的數據積累來使算法變得更加成熟，相信只要堅持腳踏實地的發展，未來一定會取得一番成績，讓我們拭目以待。
