「导航辅助驾驶」一直是一家车企辅助驾驶能力的代表，步入 2022 年我们可以看到越来越多车型都开始搭载激光雷达、大算力芯片、高像素摄像头。

这些高规格的硬件背后衍生出了「全栈自研」和「供应商方案」2 个思路，到底哪条路好，在网上讨论的也很火，今天我们体验到了一款采用全栈自研方案的车型。

今年成都车展上飞凡汽车首次公布了 RISING PILOT 全融合高阶智驾系统，这套方案比较有特点的地方就是首创了全融合算法。

在此之前，行业内主要有「前融合」和「后融合」两种传感器融合方式。

前融合指的是先将所有传感器数据整合到一起，然后输出一个感知结果，用于系统决策，而后融合指的是，每个传感器都输出一个结果，给到系统决策。

前者的优势是结果一致性高，便于系统决策，劣势则是对算力要求高，且需要较强的融合算法。

后者的优势是，对算力要求相对较低，而且每个传感器各司其职，只用给出自己的感知结果，劣势在于一旦 A 传感器和 B 传感器输出的结果有差异，系统很难判断到底听谁的。

前融合可以说是现在行业的大趋势，而飞凡汽车的全融合，则是先输出一个「前融合」的结果，再根据不同传感器的特性和「后融合」的结果进行比对。

值得展开说说的是飞凡 R7 上用的这 2 颗 4D 毫米波雷达，相比传统的毫米波，点云密度更高，同时具备高度信息，算是弥补了传统毫米波的缺点。

更重要的是，飞凡汽车提到了一个词「增强版远距离点云角雷达」。

传统的角雷达也有点云数据，但是供应商并不会开放给车企，而飞凡汽车是可以拿到这些角雷达点云数据的，所以飞凡汽车会将这 6 颗毫米波雷达的点云数据输入到同一个神经网络中训练，可以输出一个基于毫米波雷达感知的 Free Space，并且会基于已知的点云数据构建出周围车辆的位置信息。

众所周知，相比视觉和激光雷达，毫米波雷达更大的功率在雨雪沙尘天气具备更强穿透能力，同时因为毫米波的特性，可以直接获得每个点云对应物体的速度信息，但是劣势毫米波在探测时候的噪声问题，这个核心还是看点云的处理能力。

能通过一种传感器实现自动驾驶肯定是好事，但是在视觉不是绝对 NB 的情况下，借用合适的传感器进行补足也不见得是一件坏事儿，现在的新车大规模上激光雷达就是通过这个传感器简单粗暴地去补充视觉测距能力弱和异性物体的训练问题。

另外在发布会上飞凡汽车还公布了一个信息：10 月车辆交付的时候，会同时交付基于全融合算法的导航辅助驾驶功能，我们也抢先实测了飞凡 R7 的导航辅助驾驶。

在本期视频中你将看到：

• 这台车的硬件规格如何？
• 它辅助驾驶的匝道能力如何？
• 它辅助驾驶的变道策略如何？
• 飞凡 R7 如何利用这么多的传感器？
• 全栈自研的算法有什么亮点？
• 我们如何看到飞凡的速度？

感谢观看！

撰文：六三
编辑：六三

这些也值得读