报道来源：AutoR 智驾。

目前智能汽车行业正在实现从L2到L3的跳跃，在L1、L2阶段，也就是所谓的ADAS阶段，整车操控在驾驶员端，一旦进入L3阶段，自动驾驶状态下由车来执行控制，责任就发生了转移，现在正在经历这个变化，涉及到未来的量产项目，如何保证安全，是我们需要考虑和解决的问题，整个L3的量产需要多方的合作与共同努力，除了感知模块，还需要整个计算平台性能提升，需要线控执行控制系统的支持，高精地图的配合，法律法规的完善，其中，亮道智能会专注在感知模块这个领域。

上海车展期间，亮道智能正式发布自动驾驶环境感知系统测试验证的完整流程，并在车展对外展示服务于测试验证的3D激光雷达算法、标注修正工具、大数据管理平台、大数据分析系统。 

亮道智能“新型环境感知系统测试验证”服务于自动驾驶量产研发，该服务传承了传统汽车领域严谨的测试验证流程体系，也融合了大数据管理与分析、软件算法开发等多项新技术，服务于自动驾驶量产研发的关键阶段。 

该服务需使用完成量产设计的自动驾驶原型车，搭载确定硬件选型的环境感知系统，进入真实道路测试。 

一套感知能力优于待测系统的ReferenceSystem会同步搭载在车上采集数据，用于建立客观真值，作为待测系统感知能力评价的标尺。 

路测采集的数据将达到PB级别，需要搭建专门的测试验证私有云平台，开发专用的测试验证工具链，用于数据录入、存储、处理、分析。通过基于真实路测数据的软件在环（SiL）和硬件在环（HiL）方法，帮助客户快速完成算法迭代。 

亮道智能CEO剧学铭表示，“短时间内激光雷达不会变成一个很低成本的传感器，在车上会作为高科技感的象征。但激光雷达确实会在感知层面起到非常重要的作用，未来激光雷达覆盖的探测距离、视场角、分辨率等参数都会显著提升。同时在量产的项目中，还要考虑一个更合理、更能被量产项目接受的安装方式，例如考量是否还会把激光雷达安装在车顶。对于量产项目，在完成传感器选型之后要做的大量工作，就是对各类传感器真正的性能进行智能评测。评测不仅包括产品的硬件性能，更重要的是智能感知能力，这个新的需要将会创造一个新的市场。” 

车展现场，亮道智能用动画展示了新型自动驾驶智能化测评服务的五大步骤，包括车辆准备-数据采集-数据处理-测试验证执行-数据分析： 

第一步：搭建测试平台 

亮道智能将待测感知设备和ReferenceSystem安装至原型车，精确完成空间校准和时间同步。 

据悉，亮道智能将会选择相对待测传感器更精准的referencesystem，待测传感器一定要达到车规要求，但referencesystem使用的传感器更强调高精度，但未必需要满足车规。 

从现场看亮道智能主要选用的传感器还是激光雷达，集成了8个激光雷达，还包括reference摄像头。 

剧学铭表示，“今年下半年把这个平台的能力进一步提升，在之前1.0版本的基础上进行传感器升级，推出referencesystem2.0版本，其中包括8个高分辨率固态激光雷达，配合一个150°的前向高分辨率激光雷达，以及若干4D毫米波和12个camera组成一个能力更强的测评系统。有好的硬件搭建才具备一个做尺子的能力。同时我们需要解决该平台各类传感器的时间同步和空间标定。” 

第二步：数据采集 

根据客户需求制定采集计划，组建车队进入开放道路环境采集数据。 

图上展示的是2017年、2018年亮道智能在北京地区基于ReferenceSystem1.0平台做的数据统计。 

剧学铭称，“5000小时产生的数据是5PB-10PB，为了完成这个测评，需要专门搭建数据中心，公有云或者私有云的解决方案亮道都在做。这里我们会根据采集系统完成数据的传输、录入、存储以及数据库的搭建，然后基于搭好的数据平台，对采集来的原始数据进行自动化标注。”

第三步：数据处理

将数据录入大数据中心，通过算法处理后生成真实交通场景的客观真值（GroundTruth）。 

亮道智能利用感知算法对采集数据进行自动化的标注，用自动化标注代替人工标注，可以有效的提升我们的标注速度，加快算法迭代速度，缩短研发周期。 

图中是基于1.0平台做的数据采集展示样例，这里面没有人工的修正，全是自动化处理的结果，对于不同场景，利用激光雷达为主的一套采集系统做的场景还原。 

第四步：测试验证执行 

客户选择感兴趣场景，由测试验证工具链提取该场景下DUT的感知结果与客观真值，两者比较后得到环境感知KPI。
亮道的一个核心能力就是对于各类目标的自动化标注，在这个基础之上，亮道希望完成下一个能力提升，就是搭建自动化工具链，对于各类场景进行自动化提取。 

在大量采集的几千个小时的数据里，对于用户感兴趣的场景，比如说Cut-in的场景，通过自动化的算法把它从我们数据库自动抓取出来，对里面的行为轨迹进行记录整理，最后作出驾驶行为分析的模型。 

这个模型将有效指导最后的自动驾驶功能开发。 

第五步：数据分析 

出具大数据分析报告，通过SiL、HiL、真实路测等方法，加速完成客户算法迭代。 

可以认为，亮道智能提供的新型环境感知系统测试验证服务具备以下优势：服务于量产项目、基于真实场景，在真实交通场景中评测系统的真实水平，同时为模拟仿真提供真实的数据输入，亮道智能可以提供环境感知系统SOP前完整的测试验证服务，为测评和算法迭代提供精准可靠的客观真值，通过自主开发的自动化工具链提升测试验证效率。 

未来几年内，全球汽车行业将迎来L3及以上自动驾驶汽车量产的高发期。不同于几十、几百台的小批量生产，自动驾驶大规模量产均为上万辆级别。为保证每台自动驾驶汽车达到相同的安全质量，单个传感器、环境感知系统都要经过充分的测试验证。 

当前已经到了SOP前测试验证的关键阶段，市场对环境感知系统测试验证有迫切需求，业内还没有企业能提供针对自动驾驶环境感知的全套自动化的测试验证服务，亮道智能正在实现从0到1的突破。 

自动驾驶已经从热门话题，转变成了务实的量产项目，市场上诞生了多样化的测试验证需求。亮道智能正在和主机厂、传感器供应商紧密合作，共同推进自动驾驶研发，加快量产进程。 

结合市场和本土化需求，亮道智能在上海车展的现场展示了部分核心技术和产品，内容包括： 

1.亮道智能展示了搭载亮道智能ReferenceSystem1.0系统的数据采集平台。Referencesystem1.0是一套用于获取高精度基础事实的数据采集设备，融合了高精度激光雷达、摄像头等多种先进传感器。 

2.通过亮道智能服务于测试验证的3D激光雷达算法，研发人员可以为真实交通场景建立客观真值（GroundTruth），作为感知能力的测评参照。 

3.亮道智能的标注修正工具可用于修正自动化标注结果，用户可以在PC端查看标注结果并进行手动操作。

 
4.亮道智能将展示私有云环境下的大数据管理平台的样例。大数据管理平台基于私有云解决方案OpenStack和Ceph，为大数据分析系统提供可扩展的存储和计算能力。该平台可以提供PB级别数据管理的解决方案。 

5.现场还会提供大数据分析系统的演示，该系统采用分布式的数据库设计，可以展示不同维度的数据统计信息，支持数据挖掘和驾驶场景提取，查看数据文件等功能。 

最后，剧学铭表示，“未来的3-5年我们希望把能力进一步提升，从现在对于各种单个传感器以及感知融合系统的测评，拓展到对于高精地图的测评，结合厂端的测评、结合人的驾驶行为等的综合评价，服务于未来各类自动驾驶场景的真正落地。”