雷鋒網(wǎng)·新智駕按：日前，海外汽車媒體Futurecar對Innoviz CEO兼聯(lián)合創(chuàng)始人Omar Keilaf進行了專訪，話題圍繞Innoviz進展、遠期規(guī)劃以及激光雷達技術路徑展開。雷鋒網(wǎng)·新智駕對專訪內(nèi)容進行了整理編譯。

在宣布最新一輪6500萬美元融資后，以色列激光雷達廠商Innoviz已經(jīng)有了領跑行業(yè)的十足野心。據(jù)Innoviz表示，為了迎接即將崛起的自動駕駛市場，公司已經(jīng)做好了車用激光雷達的量產(chǎn)和商業(yè)化準備。除此之外，Innoviz還對外公布了與德爾福和麥格納兩家汽車零部件供應商在自動駕駛技術上的合作。

日前，F(xiàn)uturecar對Innoviz CEO兼聯(lián)合創(chuàng)始人Omar Keilaf進行了獨家專訪。

Innoviz CEO Keilaf的身份其實很多面，在創(chuàng)辦Innoviz前，Keilaf曾在以色列一家名為Consumer Physics的高新技術公司領導團隊的研發(fā)和產(chǎn)品定義，并一手打造世界首個移動設備可使用的SCiO分子掃描儀，頗具未來科技感，例如，用戶只需要將掃描儀對準水果，就可以知道水果生熟程度，不需要觸摸或剝皮。此外，Keilaf還曾就職于Anobit公司，后者被蘋果收購。

在訪談中，還提到了深度學習與激光雷達技術的整合，以及為自動駕駛汽車帶來更好的駕駛決策的相關思考。

*Innoviz高管團隊：左起，研發(fā)副總裁兼聯(lián)合創(chuàng)始人Oren Buskila、首席商務官Oren Rosenzweig、CTO兼聯(lián)合創(chuàng)始人Amit Steinberg、CEO兼聯(lián)合創(chuàng)始人Omer Keilaf。

Q：請簡析一下Innoviz部署的“算法層”技術，如何使用深度學習將3D視覺轉(zhuǎn)換為關鍵的駕駛決策參考？

A：激光雷達賦予了車輛視覺感知的能力。激光雷達技術越先進，視覺感知的精準程度越高。這是自動駕駛得以實現(xiàn)的底層技術基礎。

為了提升整個自動駕駛系統(tǒng)性能，我們搭建了一個強大的底層技術，同時在我們的激光雷達技術之上，我們還集成了軟件能力以及深度學習算法層，這些能夠增強自動駕駛汽車的環(huán)境感知能力，包括檢測和識別障礙物等計算機視覺能力，也包括諸如SLAM（即時定位與地圖構(gòu)建）的車輛自定位能力，后者會應用在GPS信號消失等場景中。最終，我們加入的軟件算法層將能夠支持人工智能算法的應用，也就是讓車輛在海量數(shù)據(jù)基礎上進行駕駛決策的自學習。

Q：與傳統(tǒng)的激光雷達掃描相比，Innoviz的3D掃描技術有哪些不同？

A：激光雷達對環(huán)境進行掃描，并實時構(gòu)建車輛周圍的3D地圖信息。這是激光雷達相較于其他諸如攝像頭、毫米波雷達等傳感器方案最大的優(yōu)勢，因為它能夠獲得帶有深度的3D環(huán)境信息。所以，三維激光雷達都能獲取3D地圖，但問題在于，測量的地圖精度以及是否滿足出色的傳感器性能指標。至于與傳統(tǒng)激光雷達掃描的區(qū)別，考慮這個問題，就好比考慮我們與Velodyne機械式激光雷達的區(qū)別，因為我們采用了固態(tài)設計。

Q：您如何看待未來深度學習在自動駕駛汽車方案中的應用？

A：自動駕駛汽車將需要多種技術融合來滿足車輛復雜的自動駕駛需求，這些技術中就包括深度學習。

深度學習，是對自動駕駛汽車研發(fā)工程師而言的挑戰(zhàn)之一——基于Rule Base的方案會用代碼窮舉車輛在道路可能遇到的各種場景，并給出應對策略，但這卻并不能成為真正實際的方案，這也是深度學習發(fā)揮用武之地的地方。一個深度學習神經(jīng)網(wǎng)絡，能夠最終被應用于車輛在復雜城市道路的安全巡航，并實時針對其他車輛或行人等做出避障等決策。

Q：目前一些公司還在使用在車頂裝配旋轉(zhuǎn)式激光雷達的方案進行導航，Innoviz的固態(tài)技術有哪些主要區(qū)別？

A：在這個行業(yè)里，多數(shù)人贊同一個觀點，那就是激光雷達對于自動駕駛汽車的環(huán)境感知是十分必要的，因為激光雷達能夠提供障礙物檢測功能，也能提供攝像頭等傳感器不能測量的信息。

但問題在于，目前市面上許多激光雷達方案還不能夠交付足夠的產(chǎn)品性能，以支持Level 3-Level 5級自動駕駛，一些產(chǎn)品體積太大，也不夠?qū)嵱谩．斎凰腥硕贾赖氖?，許多現(xiàn)存方案價格仍非常高（以Velodyne HDL-64E為例，價格75000美元，約合人民幣49萬元）。

我們的激光雷達技術采用專用MEMs（微機電系統(tǒng)）系統(tǒng)和環(huán)境監(jiān)測設計，能夠交付優(yōu)質(zhì)的環(huán)境感知性能，甚至應對一些有挑戰(zhàn)的天氣環(huán)境，如強光直射、雨天以及多激光雷達相互干擾的場景等。

同時，我們的固態(tài)激光雷達進行了更小型化的設計，比其他一些解決方案更可靠和耐久。與傳統(tǒng)旋轉(zhuǎn)式掃描方式不同，固態(tài)激光雷達不包括機械轉(zhuǎn)動部件，所以能夠增強安全性和可靠性。以上是從技術角度而言，另一方面，我們在產(chǎn)品商業(yè)化落地的實現(xiàn)上，是比其他許多方案都更接近量產(chǎn)的。

Q：Innoviz推出的兩款固態(tài)激光雷達產(chǎn)品 InnovizOne 和InnovizPro 的主要區(qū)別是什么？

A：InnovizOne和InnovizPro都能夠提供高分辨率3D感知，幫助車輛對周邊環(huán)境精準掃描。

其中，InnovizOne尤其能提供寬檢測視野和長探測距離，采用緊湊式固態(tài)設計，價格在可接受范圍內(nèi)。InnovizOne是專為與自動駕駛汽車的無縫嵌入式整合而設計，能應用于Level 3-level 5級自動駕駛，計劃于2019年推向市場。

InnovizPro裝備了更加先進的激光雷達技術，可為車企、共享出行公司、自動駕駛技術公司以及Tier 1供應商等客戶提供有效的自動駕駛技術研發(fā)和測試支持。InnovizPro計劃于2018年實現(xiàn)商業(yè)化部署。

對于自動駕駛汽車的研發(fā)測試而言，InnovizPro算得上是相比于那些置于車頂?shù)摹⒈恐囟嘿F的激光雷達產(chǎn)品的另一種選擇。對于那些正在測試自家自動駕駛系統(tǒng)的企業(yè)而言，InnovizPro是更具吸引力的選擇。

Q：能否列舉一下目前與Innoviz激光雷達有合作的汽車行業(yè)伙伴？

A：我們已經(jīng)與一級零部件供應商德爾福和麥格納簽署了正式的合作協(xié)議，他們將在自己的自動駕駛系統(tǒng)中集成Innoviz的先進激光雷達技術。另外，我們也在與這個產(chǎn)業(yè)中的其他一些巨頭在合作。

Q：能否詳細講講Innoviz與德爾福的合作？德爾福將為Innoviz帶來什么？

A：我們正與德爾福和麥格納進行密切的合作，為的是給OEM廠商提供最好的解決方案，并幫助市場一起推動自動駕駛車輛的大規(guī)模商用化落地。Innoviz的專利激光雷達感知方案，將集成到德爾福和麥格納的系統(tǒng)中，為汽車制造商提供自動駕駛技術的復雜方案集。通過我們之間的合作關系，將能夠更快讓產(chǎn)品和推廣形成規(guī)?；?/p>

Q：能夠簡單解釋一下激光雷達的障礙物檢測功能是如何實現(xiàn)的？這是否需要一套專門的硬件模組，就像英偉達Drive PX2平臺那樣？

A：就像上面提到的，Innoviz也在進行一些計算機視覺技術和軟件層面的研發(fā)，后者將被集成到我們的激光雷達技術中。通過軟件和復雜算法，我們能夠使我們的產(chǎn)品同時具備3D地圖構(gòu)建以及障礙物識別和分類的能力，此外，我們的SLAM算法能夠在GPS失效時進行車輛的精準自定位。

Q：Velodyne是激光雷達領域的主要玩家之一，Innoviz與Velodyne在技術路徑等方面是如何形成差異化的？

A：Innoviz的兩款激光雷達產(chǎn)品，InnovizOne和InnovizPro都能提供高分辨率的智能3D環(huán)境感知。通過Innoviz專利級MEMs系統(tǒng)和檢測技術，能夠比市面上許多激光雷達解決方案具備更高的性能，尤其在夜晚、強光等復雜環(huán)境時。

此外，我們規(guī)避了傳統(tǒng)激光雷達的機械式設計，采用固態(tài)激光雷達方案，這使得Innoviz在激光雷達成本和可靠性上都離規(guī)?；慨a(chǎn)和商業(yè)化更近一步。

目前，汽車行業(yè)的許多玩家都在布局激光雷達技術，如另一家以色列創(chuàng)業(yè)公司Oryx，近期宣布了5000萬美元融資，并計劃為自動駕駛汽車生產(chǎn)新型激光雷達，去年，美國福特汽車和中國科技巨頭百度聯(lián)合斥資1.5億美元投資了Velodyne，加速了對自動駕駛技術的布局。

但我們也相信，隨著近期Innoviz融資落地，以及我們與國際頂尖汽車供應商企業(yè)等公司的合作，Innoviz也將迅速成長為自動駕駛領域激光雷達技術的主要玩家。

雷鋒網(wǎng)相關推薦：激光雷達公司Innoviz完成6500萬美金融資，它的中國投資人如何評價這匹黑馬

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。