阿维塔11 AEB碰撞测试体验 不愧是“遥遥领先”

去年因为交通事故伤亡的人有250万人，所以车企在不遗余力的提升车辆主被动安全性能。从主动刹车、主动避让，再到激光雷达的加入，都在进一步提高主动安全的成功率，但即便有激光雷达的加入也只是可以提高探测精度和范围，对没有学习过的物体大概率还是束手无策，所以阿维塔的GAEB系统来了，今天我们就一起来感受一下有什么不同。

今天我们进行体验的车型为阿维塔11，这台车搭载了华为的智驾系统，整台车采用了3颗激光雷达、6颗毫米波雷达、12颗超声波雷达及13个摄像头，再加上GOD网络组成了一台非常强大的系统，之前看过我节目的朋友也知道阿维塔的智驾到底有多激进。

今天的测试项目很简单，就是看GAEB系统在面对各种物体及各种车速时能否刹停。首先今天的道具包括限宽门、纸箱、毛绒玩具和树桩，速度上我们会40公里/小时向上进行叠加直至无法完全刹停。

经过体验之后之后阿维塔11这套GAEB系统在70公里/小时甚至80公里/小时的情况下都可以将车辆进行刹停，而时速来到90公里/小时以后也可以进行很大程度上的缓解，另外这套系统时速越高时整体的制动效果会更轻柔，速度越低制动力会越强，所以接下来我们就来看看这套系统为什么能做到遥遥领先。

传统的AEB所能识别的障碍物可定义为“白名单”障碍物。基于对道路上可能出现的物体进行大量的AI网络训练，从而使车载雷达及视觉设备能够识别并准确判断出障碍物的类型，例如汽车、行人及自行车等，而华为ADS于业界首创了GOD网络，华为把GOD网络技术应用融入到AEB功能中，可以帮助车辆识别“白名单”以外的异形障碍物：如土堆，躺着的行人、侧翻车辆、掉落的大纸箱、落石、倒地大树等；并在车辆产生碰撞风险前及时采取自动紧急制动，避免事故发生或是降低事故损失。

GAEB功能可以有效识别异形障碍物的关键因素是GOD占据栅格网络算法；该算法基于“占据栅格网络(occupancy network)”，由于几何是物体存在的基本属性，很容易泛化模型，占据栅格网络能够很好地应用于异形障碍物的泛化。利用该算法，华为ADS系统能够精确构建3D场景，感知系统便可以把摄像头看到的、雷达感知到的所有训练过、没有训练学习过的东西通通识别出来，这样就可以更大程度地还原、理解真实的世界，从而大幅度提升智能驾驶的安全性。不管占用对象的类型是否能够被准确判断，即“我不认识你，但我知道你阻挡我。”

另一点是这套系统对激光雷达+毫米波雷达+视觉数据多传感器融合，激光雷达的探测范围很远，通过发射激光束探测目标的位置、速度，并将接收到的从目标反射回来的信号与发射信号进行比较，从而获得目标的距离、方位、速度等相关信息；再基于软件算法组合起来，系统就可以得到线、面、体等各种相关参数，以此建立3D点云图，绘制出环境地图。激光雷达与视觉感知依赖训练形成白名单的工作逻辑不同。白名单需要对系统进行大量AI训练，激光雷达+GOD网络能够直接感知深度信息，无需训练。激光雷达提高了系统对细小障碍物高精度的感知能力，不仅分辨率高，且不受光线影响，夜间、逆光环境也能准确识别障碍物。

总结：体验之后确实不得不服这套系统的实力，本次体验的GAEB系统确实可以在很大程度上避免事故的发生，大大的提升行车安全性。但有一句俗话叫十次事故九次快，要像真正的避免交通事故的发生，我们也不能只靠主机厂的努力，日常行车时我们也应该提高注意力，尽量避免事故发生。