如何打造出一款强大的自动辅助导航驾驶系统？来看宏景智驾是怎么做的

随着近几年自动驾驶行业的快速发展，L2级别辅助驾驶逐渐在各品牌新车上得到普及，目前，不少厂商纷纷推出自己的辅助驾驶系统，自动辅助导航驾驶也随之成为了车圈热门话题之一，像小鹏前不久就宣布升级了NGP功能，算力明显提升的XPilot 4.0系统，受到了大众广泛关注。

除了NGP，与之并驾齐驱的还有NOA以及NOP，三者都属于自动辅助驾驶功能，不同之处在于NOA没有搭载高精地图，以视觉为主，相比较而言缺乏车道级曲率、坡度和限速等信息，自动变道过程的决策控制风险更高，降低了用户体验的流畅性和安全性。NOP和NGP采用的是高精地图，可以实现指定路径下的按照导航路线自动辅助驾驶。它需要导航系统、高精地图与自动辅助驾驶系统的深度融合，根据导航路径规划，在高精地图覆盖范围内的大部分高速公路及城市高架路等路段实现自动进出匝道和切换主干道，自动调整车速、智能变换车道及超越慢车。

从终局角度看，NOP的种种功能和体验，将会是自动驾驶最接近理想化的状态。

自动辅助驾驶功能是否强大取决于什么？

目前，厂商们正在普及的、基于5G信息技术传输的L2自动驾驶技术仍然存在着无法识别静止的或低速车辆、物体的问题，再加上对于视觉识别技术、多传感器融合技术和神经网络算法等与自动驾驶强关联的技术研发正在迅速迭代。自动辅助驾驶功能的研发，亟需采用由“仿真平台架构”为核心的可视化工具链方案，来解决研发测试过程中出现的各种问题。

因为相对于路测，仿真平台所需要的经费更少，不需要路测和人力的介入；第二点就是面临风险更低，不会对实际中的任何车辆产生影响；第三点基于数据驱动的算法迭代会更快，新的算法可以直接在仿真平台上评估，大大提高了研发效率，其重要性可想而之。像小鹏、蔚来、特斯拉，这些公司都有各自专属的科研团队去开发辅助驾驶系统，行业内的其他不少新势力公司对此同样重视，宏景智驾就是其中之一。

宏景智驾NOP的三大开发平台，让迭代更快更安全

对于开发自动辅助驾驶，以宏景智驾为代表的诸多科技公司，有着独到的见解。通过不断的研究积累，形成了由三大平台构成的仿真及可视化工具链，来加持NOP的功能开发。

首先是数据闭环应用平台。通过泛化、回灌路测数据，积累大量数据，再结合虚拟引擎技术、地图重构工具，重现NOP数字化应用场景，以确保仿真结果的足够可靠。基于这些场景，拓展测试场景的覆盖率，支撑算法验证，加速算法迭代。为此，宏景提供了一套数据云服务平台的解决方案。

云平台会根据用户的标签信息，数据会自动进行切片和分类。再进行初步的数据分析和处理后，需要人工处理的部分会推送消息到客户端，待人工验证完成后会自动生成测试分析报告。同时关键信息还会同步到手机端，用户可以直观了解当日测试情况，大大简化了测试分析和性能评估流程，并且提高了测试效率和解放了生产力。

其次是高精地图和定位检验平台。可以分成两块理解，一方面，校验不同图商高精地图的数据差异和准确性，准确提供多维度的信息，有助于自动驾驶车辆实施正确的指令。另一方面，对比高精定位设备，以验证车载定位模块的精度，避免传感器测量误差甚至失效的情况出现。宏景智驾针对以上情况推出了一套3D可视化数据测试平台。

该平台可以通过定位的真值对比系统，直观的了解两套定位设备的各项数值偏差，而且这套工具链还搭配语音识别+标签的功能，全功能都可语音操作，测试司机即可兼职测试工程师，节约了大量的人力成本和时间成本。

最后是虚拟场景仿真测试平台。宏景智驾研发团队通过重构匹配的高精地图，自动/手动构建测试场景，提供周围环境信息，再结合第三方地图API，输出车辆导航信息，在虚拟环境中模拟算法需要的所有信息，生成静态路网、创建Corner Case，从覆盖度方面，可实现贴近中国实际的交通流模型以及实车场景的泛化，极大地降低了虚拟测试场景库建立的时间与人力成本，通过大批量的仿真测试验证，极大提高了代码稳定性，加速软件迭代开发，保障实车测试安全。

如下视频展示了在复杂场景下的NOP功能仿真。主车起始于辅道，进入上匝道。主路上存在多个他车障碍物，并且他车队列存在堵车交通流状态，彼此跟车空间不足以满足主车汇入条件。此时主车将根据感知信息，地图信息以及NOP逻辑，暂缓变道流程，在匝道范围内减速，直至他车队列通过后，加速并汇入主路。

除此之外，宏景智驾在NOP功能上对车辆预测性能量管理，采用了收集前方道路的坡度、限速、曲率信息以及导航的实际路况信息，动态规划前方几公里的目标车速曲线，以达到最优的整车油耗，并即将实现中国首个在燃油车上搭载NOP功能的应用落地。

在NOP功能的研发上，对于宏景智驾这类新势力企业来说，还需要时间和大量的数据积累来使算法变得更加成熟，相信只要坚持脚踏实地的发展，未来一定会取得一番成绩，让我们拭目以待。