主讲嘉宾1：余贵珍博士，踏歌智行创始人&CEO。北京航空航天大学教授、博士生导师、国家“万人计划”科技创新领军人才。参与《中国制造2025的重点领域技术路线图》《新一代人工智能发展规划》撰写，荣获国家科学技术进步奖、中国智能交通协会科学技术奖。现担任中国汽车工程学会汽车信息安全工作委员会副秘书长，中国智能交通协会车辆专业委员会委员，中国人工智能学会智能驾驶分委会副秘书长。承担国家和省部级课题20余项，授权发明专利100余项，发表学术论文80余篇(SCI检索>50多篇)。
主讲嘉宾2：向为博士，北云科技创始人&CEO。国防科技大学博士学历、军队科技进步奖获得者，湖湘青年英才、湘江新区双创领军人才、高层次创新创业人才、北斗天衡智库专家。曾负责多项北斗一号、北斗二号国防重点工程型号项目建设，承担国家和省部级项目20余项，专注于智能网联汽车行业，并带领团队研制出高精度定位芯片、板卡及组合导航系统等产品，在国际著名期刊和会议上发表多篇论文，授权国家发明专利30多项。
余贵珍：封闭区域无人运输关键技术及应用
【余贵珍】：大家好，我的题目没有写自动驾驶，更多的是写无人运输，后面我会解释这个。我今天分享分四个方面：封闭区域机遇、无人运输系统、关键技术介绍、示范及应用。
现在大家抛弃了L3进入了L4，朋友圈里看到了各种的言论，特别是疫情期间朋友圈看得更多了。
十一部委印发《智能汽车创新发展战略》，算是中国印发最重要的文件，大家感觉到汽车的空间，自动驾驶的春天、无人驾驶的春天来了。
| 封闭区域机遇：没有法律障碍、运行环境可控、经济效益显著
Google、百度多投入了大量的资金在研发方面，政策也为后面的无人驾驶、智能驾驶打下了很好的基础。我们看到前面投入了很多，公共道路上真的要用户使用还是有些路要走的，道路法的路权是不允许无人驾驶的车辆跑的，要改变的话需要通过人大立法。
当前的道路是为有人驾驶服务，并不是为无人驾驶服务的，车智能化、无人化了，道路是不是智能?如果道路不智能的话，用人的判断来要求车，复杂环境下肯定无法满足无人驾驶的要求。
另外是产业的商业模式还没形成，真的给你无人驾驶，高速公路上120公里的行驶，可能有一半甚至大部分人认为不太敢坐、不太想把生命交给机器，我觉得无人化在公共道路上，真要做还是有时间、还是有很多路要走的，是不是无人化的技术落地就难了?在特定区域内无人驾驶有很多机遇，并且国外已经有量产的。
举个例子，比如说矿区的运输、物流园区短距离的接驳、码头、工程、清扫、农业耕种方面，这方面在国外已经有成功经验，很多创业公司已经挤入这个赛道。
共同的特点都是自家的院子、特定的区域，所以没有法律的障碍，另外环境基本是可控的，可以不让人进入这个环境，甚至把道路的标志弄得更清楚。像矿区、码头可能是24小时运行的，机器替人的价值很高，经济效益很显著。特定区域没有法律限制，运行可控、经济效益显著，这个有落地的基本条件。
我自己也在矿区创业、产业化开发很多年，我更希望拿我的经验、实践过的东西和大家分享。露天矿为什么可以无人运输?它是封闭的，他的车是8米宽，只能在矿里走，线路是相对固定，低速是30公里以内，基本上点对点运输，适合于无人运输落地。机器替人的经济价值，没有人，生产更加稳定，不会因为疫情受到招不到人的影响，这是矿区适合的方面。
可以落地的话是不是矿区有需要?我觉得新技术在一个环境中真正能解决痛点的话才有可能更好的落地，矿区的痛点，大量的矿区在内蒙高寒地区，90年代的司机已经很少，都是50岁以上的司机，招年轻人越来越难。
一般一个车有四个司机左右，如果把所有的成本都算进去的话大概是80到100万的成本，像国外更吓人，大概100到160万美金的成本，因为车辆大，车大、盲区大、24小时运输，容易发生疲劳，也经常发生一些事故。
露天矿特定区域适合落地，有痛点，有四个司机，说明24小时高频运输的，机器替人有经济价值，踏歌选择这个场景进行落地，给客户带来更好的经济价值。
国外的情况怎么样?卡特彼勒和小松、别拉斯推出无人驾驶矿车10年，在澳洲、加拿大、巴西等300辆无人驾驶矿车投入运营。无人驾驶和有人驾驶相比，总成本会降低15%，每年多工作500小时。
中国还没听说过矿里有大批量的无人驾驶，我觉得中国有自己的特点，大型的矿车、矿卡里，除了大型矿车，像卡特彼勒和小松，中国还有小的自卸车和矿体车，国外的要搬过来有点难度。
中国的人工成本低，国外是中国的十几倍，矿区的开采工艺和道路环境不一样。很简单的道理，我们合作的几个矿里，露天矿的道路，盘旋的道路宽度是18米到22米、23米，国外的基本上30多米，两台车如果在这儿运行的话，误差一两米根本不是问题，在中国就不行，技术特点也不一样，中国还要满足有人和无人开的环境下，要实现无人驾驶运输。
中国要把无人驾驶应用起来要了解中国的特点，满足开发自主可控的矿山无人系统，也是摆在中国创业者和相关研发人员面前最重要的话题。
刚才提到智能车的国家发展政策支持是2月份的，3月份发改委又发布了《关于加快煤矿智能化发展指导意见》，其中里面有几条是关于露天矿智能化的时间节点，里面都有。
没想到国家这么快出台智能化甚至无人化，出了这么多政策，对创业者来说是很好的福音。从时间节点上我也觉得是到了，特别是矿区的无人运输。
| 无人运输系统：车载终端产品、云控平台产品、工程部署与落地应用
无人驾驶我们先看看是什么样的东西，我刚才提到为什么不叫无人驾驶，更多是讲是无人运输，矿物要装上去、要运、要卸，不仅仅是简单的走，一般的无人驾驶代替的是司机，仅仅是这一块，无人运输不仅仅是这一块，我们的系统里包括几个部分：
一是矿卡的无人化，像感知、决策、执行是通用的技术。
二是除了矿卡的无人以外，因为要装，要和挖机、电铲联系起来，挖机和无人车怎么通讯，怎么通过一个设备，准确说是辅助作业车的终端，要指挥这个车停靠正确的位置进行装，装完以后要车走，有辅助作业车的终端，挖车、电铲、推土机。
在运输的过程中，一定要知道准确状态。平台要通过通用性解决车辆的实时状态，监控问题，主要是监控车辆是否是正确的或是好的状态，有什么问题我该怎么处理。
第二个是调度，车和场怎么配合?走哪条路，还有地图的制作和遥控报表，车载终端的产品和云平台的产品，主要用在矿里的业务运行，通常的运输业务和外面的作业是不一样的。
一般一台挖机对应四台或是几台无人驾驶的车辆，在卸端又有推土机协助作业，一般来说典型的是一台挖机把土装到无人驾驶的车辆，另外一台车是空载，一台挖机对四台无人驾驶的车辆还有一台推土机，调度的难度还是对平台要求比较高的。车载终端产品和云端平台产品都是为矿里的典型作业编组服务。
最主要的是车的无人驾驶，这也是我们大家关心的，车的无人驾驶和公共道路上的无人驾驶是不是一样?总体是一样的，从环境感知、规划决策和控制执行这三个层次来说肯定是一样的，但是要细追究，比如说感知就不太一样。
公共道路没有车道线，只有两个路牙子，还有坑坑洼洼、上坡、下坡，如果用通常上的道路摄像头、毫米波雷达、激光雷达做感知不能完全通用。
感知的激光雷达上，不是简单的往前线打，可能还要斜线往下，除了站位要考虑两边是不是安全区域，识别道路上有没有大的石头，矿车在运行的过程中有大量装和卸的点，有大量的倒车动作，后面也要装相关的雷达、毫米波和激光雷达，来检测后面的障碍物还有没有深坑，它是不太一样的。
这是踏歌公司做的，总体的控制里，硬件里除了传感器、通信，核心的主要是主控制盒和一个车辆的智行器，主要感知、控制决策在里面完成。
线控底盘，改造是跟北方股份(600262,股吧)一起做的，北方股份在大型的矿卡占有很大的市场，他主要是做线控底盘改造，我们做无人化和后面的运营平台部分。辅助作业车载终端，如果有人开车的车，防撞系统、调度系统，电铲作业，有一个电铲作业终端，还有推土机和挖机的作业终端。
这是矿区的作业平台，里面有四台车，后面对调度的技术会详细的介绍，最主要的是介绍一下矿区的无人系统究竟是什么样的，哪些部分组成的。
|关键技术：感知、控制、协同、调度、优化
给矿区的无人运输系统核心的关键技术有哪些?首先我们介绍技术之前，知道矿里有哪些技术挑战。
感知方面的挑战，它是24小时作业，晚上的光线不太好，并且北方的温度有零下四十多度，传感器、车载终端是很少的，可以满足矿区，并且是非结构化的道路，道路特征并不明显，车辆的体积大、盲区多，做这样的感知技术是有跟公共道路不太一样的。
挑战主要是车型大，踩一下刹车一秒钟才能有反应，并且它是重载上坡，转弯甚至有180度，它是200吨以上的矿卡要上陡坡的话，马上上坡、马上下坡，难度还是很大的。
刚才提到协同作业，车跟场、车跟推土机，车与车十字路口、单行道的协同。
另外调度，不是一台车，四台车分成一个编组还好，十个编组、二十个编组甚至几百个编组在里面，要把这个调度起来，可能系统对性能的考验能力还是很大的。
矿里面是24小时作业，高可靠性的，车载运行高可靠性，网络连接和定位的高可靠性、平台运行高可靠性。
这些需要一步一步来解决，不是所有的都能满足，如果不允许，半年一年没有经过两吨一下的测试，很难说高可靠性。
这些技术挑战里我们总结出来核心的技术，在感知方面是非结构化道路、路面的检测和感知，来解决刚才说的晚上灯光、沙尘和前向、后向感知的不同。
特种车辆的无人驾驶、轨迹跟踪和精准停靠。轨迹跟踪的精准才有在窄的道上两个车行驶，实现精准停靠才能实现车与场的紧密配合。
矿里运用大量的V2X技术，车路协同的车场配合、车车的配合，无人编组作业的智能调度技术和基于大数据技术的能耗，当车辆大批量运行，车辆的驾驶员会找出最好的驾驶员，能耗和效率一定最高，需要大数据支撑。
有四个例子，比如说轨迹跟踪、车辆控制，如果单纯从公共道路上车辆模型和算法来做肯定是不行的，我们怎么办?我们采集大量的车辆人工驾驶数据，把这个数据学习人是怎么驾驶，有些有经验的驾驶员常年在这上面，有很多好的经验，数据采集下来学习他的模式，上坡、下坡，快到上坡怎么控制车，数据采集上来以后，形成驾驶的控制模型，用于车辆的控制。
装和卸的一端，特别是装的，挖机和电铲会随着矿物质的减少不断的移动，车也需要跟着挖机移动，如果不移动的话光让挖机移动效率会更低，装一台车二十分钟甚至半个小时，当你这个车可以精准停靠的时候会很快的不需要挖机移动，只需要摆臂就可以了，效率很高。
动态的装载实际上在国外的卡特彼勒和小松交流过，他们没完成解决这个问题，我们花一年实现动态的装载、动态路径的规划，可以实现精准的停靠，方向角度三度以内，比原来人工开的精度还要高。
V2X实现车场的配合，刚才是装卸的配合，另外会车里有些单行道，会让空载的让重载的先走，空载尽可能停下来，重载停下来的能耗高而且也不安全，矿井有很多的十字路口，路口路权的协同都要基于V2X，我们通过这一年多在矿里的运行，发现在矿里V2X是重要的技术，技术运用有利于装、运、卸整个环节。
平台智能调动，我们这里有多个场区，车怎么匹配?还有一些单行道，左边都是单行道，还有双行道。车如果要进入单行道，肯定要通知对面的车不能进入，涉及到路权分配的问题，车和场每天都要去匹配，哪个场在哪个挖点，走哪条路，到哪个卸点卸，整个过程都是要调度匹配的，如果十几台车还好办，一百台车怎么办?需要平衡调度的技术。
| 示范及应用：金属矿、露天煤矿、煤矿土石方
我跟大家再分享一下我们在白云鄂博的案例，宝钢的白云鄂博已经有四台车运行一年，整个矿有两个电铲，今年要把17台车都要运行起来，整个项目是踏歌和北方股份一起做，这是金属矿无人运输的案例。
国家电投霍林河跟北方股份合作，215台主动防撞，如果装了防撞系统，不会再出现这样的事故。2台的矿卡已经在这里运行。今年霍林河有10台无人驾驶新车会投入运行。
我们在鄂尔多斯和中环协力合作200台车左右，今年、明年上半年会运行起来，2到3个矿会用到这个，这个主要是煤矿的土石方运输，核心技术基本相似，包括整个平台都是相似的，只是用于不同的行业。
向为：无人驾驶中的定位传感器核心器件
【向为】：首先感谢主持人，刚才余老师带来的演讲非常精彩，让我对矿车无人驾驶的细节了解得很多。各位朋友大家好，我是湖南北云科技有限公司的CEO向为，感谢邓老师和天风力合的邀请，非常荣幸参加这场研讨会。
几天前，北斗三号的倒数第二颗卫星发射完毕，预计北斗三号会在今年5月全部建成，并提供全球服务，标志着北斗系统将与GPS在智能网联汽车中发挥重要作用。
我和团队之前就是在国防科大参与北斗卫星导航系统的建设，现在专注于在智能网联汽车中提供高精度定位，团队主要成员，因为北斗系统的建设获得多项军队科技进步一等奖，2013年成立公司，2019年成功完成了多元融合、高精度定位芯片的自主研发与批量生产，能够为无人驾驶提供经济、可靠的高精度定位。
当前的产品已经在全国大部分的驾考场地得到了应用，这些图都是各个地方的驾考场地的实拍图片，为驾考提供稳定的高精度定位，现在考驾照的学员大部分会接触我们的产品，这些考场也给我们提供了海量的场景和数据，促进相关算法的改进和训练，提升产品品质，为下一步产品在更广阔的智能驾驶相关车载运用中打下基础。
| 定位原理与应用
接下来我简要介绍一下无人驾驶使用的定位技术，首先是GNSS定位，全球卫星导航系统的简称，包括GPS、北斗、Galileo、GLONASS等多个导航系统。
卫星导航主要利用卫星的位置和卫星到我们的距离，计算出准确的位置，卫星的位置是直接通过星历播发的，距离是通过信号飞行的时间和光速计算得来的，卫星信号需通过大气层才能传递到车上的高精度天线和车上的接收机上。
大气层有各种各样的不确定性，包括电离层、对流层，导致飞行信号有一定的延时，导致定位不准确，我们需要在附近有基准站校准这个误差，通过互联网播发给无人驾驶汽车，才能达到十厘米以内的定位精度。
遍布全国的基准站的网络是提供高精度定位的基础设施，我们要实现高精度的定位，必须要在几十公里的范围内有一个基准站，国内这个设施已经相对完善，比如国内的电信运营商、中国移动前不久完成对全国建站的招标工作，准备与5G信号一起提供这项服务，为全国范围内的无人驾驶打下良好的基础。
GNSS卫星定位有它的局限性，上面列出的三种情况，会导致距离的误差，比如本来不应该收不到的信号，通过窗户反射出来收到了会带来误差。
信号遮挡，比如说隧道里面，会导致卫星导航接受不到信号无法进行定位，因此需要惯性定位的辅助。
我们一般会将卫星定位和惯性导航相结合，优势互补，为无人驾驶在各种各样的情况下提供稳定的定位。
以上说的是绝对定位，极端的情况下，光靠惯性导航和卫星导航的组合也无法满足无人驾驶的要求，这个时候就需要用到激光雷达定位，激光雷达是通过点云进行建图、匹配，激光雷达可以获得每个扫描点的距离信息，有比较好的稳健性。
除此之外还有视觉定位。现在简要分析一下自动驾驶对定位精度的要求，每辆车都有自己的安全空间，超出之后可能发生事故。
安全空间可以分为垂向、纵向和横向，车辆有转弯，我计算空间，会进一步提高它的要求。车辆姿态估计，如果有偏差，方形中的车辆上下摆动一下，对精度的要求会更高。
经过层层的限制和计算，这个表列出常用车型的定位要求，乘用车要求0.29米的定位精度，不要认为这个精度很低，现在很多手机广告也宣称可以达到这个精度，普通人可能会被广告迷惑陷入到广告宣传的误区，认为这个精度很容易。
事实上这个定位精度，我们这个指标一定要结合使用环境、可靠性来讲。很多宣传中的高精度手机一般只能在空旷的足球场达到，只要稍微有树木遮挡、路牌遮挡就会导致定位精度大幅下降，甚至发散到几十米。
| 前沿技术水平与实测效果
下面看一下前沿的传感器，百度阿波罗推荐的，这也是自动驾驶主流的选择，我们把这款系统与国产的X1，也是我们研发的对标产品进行了详细的测试，给大家直观展示一下定位精度在车载环境下的各种表现。
这是我们测试中的实物连接图，我们选择八个典型驾驶场景，看一下它的定位表现，先介绍两个指标概念，衡量精度的，第一个是可用性，测试时间段内，定位误差能够满足自动驾驶时段的百分比。CEP95指标，在95%的概率以内可以满足的误差指标。
左上角的表，在开阔环境下国外对标的E1，X1-3和X1-6是采用了不同的惯导模块，都可以提供百分之百的可用性，定位精度都在10厘米以内，这是误差的曲线图。开车时不可能只有开阔的环境，经常会穿过林荫道、高楼和隧道，我们还要在其他的环境下都要测一测。
这个图的误差达到0.5到0.9米，经过我们的详细测试，树荫遮挡比较浓密的情况下，X1组合导航能达到98%的可用性，相比国外的产品也有一定的进步。
除了常见的遮挡产品还有一种干扰场景，大家现在租车或是大货车，很多管制，很多司机为了保证隐私，会买一些GPS干扰仪，这个时候只能依靠纯粹的惯导，我们这种情况先进行了测试，干扰开始后，开始的一小段时间可以保证精度，随着时间的推移精度无法保持。
这是停车场的测试，停车场也是常见场景，大家可以看误差图，由于进入的时间过长，所以精度是逐渐下降的，组合导航只能在前期维持定位精度，几分钟之后，惯性导航的误差会越来越大，国产的在两到三米。
我们有原始的测试数据可以分析，高架桥是城市场景中经常遇到的状况，天空遮挡非常严重，这个情况是非常考验组合导航的技术水平，因为需要紧耦合，把底层的信号处理，RTK解算和惯性导航组合起来才能做好，达到和国际先进水平相当。
这是国际主流的，主要是组合导航的定位方式，我们自己的产品和国外的产品指标已经相当了，之前在我们调研的过程中，自动驾驶企业还是有几个痛点的。
激光雷达的价格比较贵，大家都知道最近降价比较厉害，而进口的组合导航的价格也太高，一套车才十多万，或是套底盘，怎么可能买几万甚至十几万的组合导航小模块?更不用说未来用在量产车型上。
我们这款产品自研芯片、自研算法，成本可控，可以为自动驾驶批量提供服务，提供基础性的模块，X1产品是最具性价比的导航系统。
| 发展趋势
最后谈谈定位核心传感器器件的发展趋势，这是GSA的市场报告，每年大概有4000万套普通的车载导航系统，随着智能化的程度越来越高，未来每年4000万套的导航会换成高精度的导航系统，前提是组合导航的价格足够低，我们是有信心做到的。近几年商用车上会提前的大批量应用。
这是当前组合导航所处的技术趋势位置图，大家可以看到，组合导航是标到黄色的部分，他是属于多元融合技术，相关的技术还处于发展的中期，技术壁垒比较高，市场上还缺少划时代的产品，我们正在这块努力。
下面介绍一下现在比较主流的定位方案采取的措施，采取的方案，这是百度阿波罗的架构，基本上用到我们所提的所有传感器，采用多元融合的方案。
这是特斯拉的定位解决方案，特斯拉右下角的拆解可以看到，右下角有一个小模块，是用了低精度的导航模块，没有用到激光雷达，也没有用到RTK定位。
这是另外一个智能驾考系统，是多伦科技(603528,股吧)的智能驾考系统也是我们的大股东之一，使用的就是我们的产品。
人工智能、无人驾驶在商用车上是很有前景的，乘用车普遍认为还比较漫长。驾考也是一个商机，为了追求驾考的公平公正，驾考车越来越智能化。
2012年开始大部分自动化判断以后，现在也在做一些全智能化的判断，驾考、驾培车有几十万辆的规模，如果能形成统一标准，预计会和商用车一起成为无人驾驶技术率先落地的重要领域。
除此之外，高精度定位还会用在各种商用车的定位中，这是我们的典型客户，包括无人重卡、扫地车、无人矿卡等。
介绍完应用我再说一下技术发展的趋势，无人驾驶多传感器融合是大势所趋，之前给大家展示的测试报告中，卫星导航和惯性导航的组合导航定位精度在超长隧道等极端场景下时不足以满足自动驾驶要求的，我们可以主要依赖卫星导航和惯性导航。
隧道中卫星导航不可见，我们主要依赖惯性导航，激光雷达等，还有视觉导航提供服务，现在人工智能算法不能媲美人类的智慧，传感器越多，就越能提升人工智能的可靠性和安全性。
当前很多自动驾驶和无人驾驶的厂家在传感器的选择上有一些考虑，有的不用激光雷达，有的不用组合导航等，主要是考虑成本，我预计只要芯片成熟，工艺成熟以后，这些成本大幅度下降，无人驾驶应该配备足够的传感器。相信成本下降的时间会快于人工智能完全智能化的时间。
最后提一点遐想，这是《银翼杀手》的剧照，人足不出户，利用代理人出行，随着人工智能和高精度传感器的成熟，无人驾驶中的遥控方案也可能成为一大主流应用，不完全是自动驾驶。欢迎各位朋友到长沙来我们公司，湖南北云科技有限公司坐一坐，谢谢大家。
