智駕｜一文看懂兩大核心技術(shù)解析 BEV算法與城市NOA 原創(chuàng)
BEV（Bird's Eye View）算法和城市 NOA（Navigate on Autopilot）系統(tǒng)是智能駕駛領(lǐng)域的重要概念和技術(shù)。
1. BEV算法（鳥瞰圖感知算法）
（1）什么是BEV？
BEV（Bird's Eye View，鳥瞰圖）是一種將不同傳感器采集到的三維環(huán)境信息轉(zhuǎn)換到鳥瞰圖視角下的二維平面環(huán)境信息的算法， 是一種自動(dòng)駕駛環(huán)境感知方法，通過將多攝像頭、雷達(dá)等傳感器的數(shù)據(jù)統(tǒng)一映射到俯視的2D/3D空間，形成車輛周圍環(huán)境的“上帝視角”表達(dá)。簡(jiǎn)單來說，就是把車輛周圍復(fù)雜的三維場(chǎng)景轉(zhuǎn)化為從空中俯瞰的二維平面視圖，讓車輛更直觀地感知周圍環(huán)境，就像我們從高處俯瞰地面一樣。
工作原理：通常基于深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)（CNN）。首先對(duì)輸入的圖像、點(diǎn)云等數(shù)據(jù)進(jìn)行特征提取，得到數(shù)據(jù)中不同區(qū)域的特征向量。然后利用變換矩陣將三維空間中的點(diǎn)映射到鳥瞰圖視角下的二維平面上，實(shí)現(xiàn)不同視角下的特征對(duì)齊。最后對(duì)變換后的特征進(jìn)行融合，并利用卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)鳥瞰圖視角下的特征表示，從而實(shí)現(xiàn)對(duì)車輛周圍環(huán)境的準(zhǔn)確感知。
核心優(yōu)勢(shì)：能夠提供車輛周圍環(huán)境的全局視角，使車輛更直觀地感知周圍物體的相對(duì)位置、距離和運(yùn)動(dòng)狀態(tài)等信息，提高車輛在復(fù)雜環(huán)境下的感知精度和安全性，還減少了傳感器硬件的限制，降低了成本。
（2）BEV的核心作用
- 多傳感器融合：將前視、側(cè)視、后視攝像頭的2D圖像轉(zhuǎn)換為統(tǒng)一的3D鳥瞰圖，消除視角差異。
- 更精準(zhǔn)的感知：相比傳統(tǒng)逐幀圖像分析，BEV能直接輸出車輛、行人、車道線的3D位置和運(yùn)動(dòng)趨勢(shì)。
- 端到端自動(dòng)駕駛：BEV + Transformer（如特斯拉Occupancy Networks）可直接輸出可行駛區(qū)域和障礙物信息，替代傳統(tǒng)感知-融合-預(yù)測(cè)的復(fù)雜流程。
（3）典型BEV算法
算法/模型 | 特點(diǎn) | 應(yīng)用廠商 |
LSS（Lift-Splat-Shoot） | 將2D圖像特征“抬升”到3D空間，再投影到BEV | 早期BEV方案（如Waymo） |
BEVFormer | 基于Transformer的時(shí)空融合BEV感知 | 華為、小鵬 |
Occupancy Networks | 3D體素化表達(dá)，識(shí)別未知障礙物 | 特斯拉FSD |
2. 城市NOA（城市導(dǎo)航輔助駕駛）
（1）什么是NOA？
NOA（Navigate on Autopilot） 即導(dǎo)航輔助駕駛，車輛可按照導(dǎo)航路線自動(dòng)完成變道、超車、進(jìn)出匝道等操作。城市 NOA 系統(tǒng)是一種在城市道路環(huán)境下實(shí)現(xiàn)自動(dòng)導(dǎo)航駕駛的功能系統(tǒng)。它允許車輛在城市道路場(chǎng)景下，自動(dòng)執(zhí)行包括自動(dòng)變道、自動(dòng)超車、自動(dòng)轉(zhuǎn)彎、自動(dòng)通過路口等在內(nèi)的更復(fù)雜的導(dǎo)航輔助駕駛操作。
工作原理：依賴于高精度地圖、高精度定位、環(huán)境感知、規(guī)劃決策和車輛控制等多個(gè)子系統(tǒng)。高精度地圖提供城市道路的詳細(xì)信息，如車道線、交通標(biāo)志、信號(hào)燈等；高精度定位確定車輛在地圖上的位置；環(huán)境感知系統(tǒng)利用傳感器感知周圍環(huán)境；規(guī)劃決策系統(tǒng)根據(jù)地圖、定位和感知信息，規(guī)劃車輛的行駛路徑和決策，如變道、超車等；車輛控制系統(tǒng)則執(zhí)行具體的駕駛操作，控制車輛的加速、制動(dòng)和轉(zhuǎn)向等。
核心優(yōu)勢(shì)：有效緩解城市道路擁堵問題，通過自動(dòng)規(guī)劃行駛路徑和優(yōu)化駕駛行為，提高城市交通的整體效率。還能提高駕駛安全性，系統(tǒng)能夠更快速、準(zhǔn)確地感知周圍環(huán)境并做出反應(yīng)，降低交通事故發(fā)生的風(fēng)險(xiǎn)，同時(shí)為駕駛員提供更便捷、舒適的駕駛體驗(yàn)，減輕駕駛疲勞。
- 高速NOA：已普及（如特斯拉NOA、小鵬NGP），場(chǎng)景相對(duì)簡(jiǎn)單。
- 城市NOA：在復(fù)雜城市道路實(shí)現(xiàn)自動(dòng)駕駛，是當(dāng)前技術(shù)攻堅(jiān)重點(diǎn)。
（2）城市NOA的挑戰(zhàn)
挑戰(zhàn) | 具體難點(diǎn) |
場(chǎng)景復(fù)雜度 | 行人、電動(dòng)車、施工區(qū)、無保護(hù)左轉(zhuǎn)等動(dòng)態(tài)障礙物 |
高精地圖依賴 | 部分方案需厘米級(jí)地圖，但鮮度維護(hù)成本高 |
規(guī)控難度 | 需預(yù)測(cè)他車意圖，博弈式?jīng)Q策（如加塞處理） |
（3）技術(shù)實(shí)現(xiàn)方案
- 純視覺派（特斯拉FSD）：依賴BEV + Occupancy Networks，不依賴高精地圖，通過AI實(shí)時(shí)構(gòu)建道路結(jié)構(gòu)。
- 多傳感器融合派（華為ADS、小鵬XNGP）：結(jié)合激光雷達(dá)、BEV感知和高精地圖，提升冗余安全性。
（4）國(guó)內(nèi)城市NOA落地進(jìn)展
廠商 | 方案特點(diǎn) | 落地情況 |
華為ADS 2.0 | 激光雷達(dá) + BEV + 云端協(xié)同，支持無圖模式 | 2023年覆蓋上海、深圳等城市 |
小鵬XNGP | XNet BEV感知 + 輕量化高精地圖 | 2024年目標(biāo)全國(guó)200城 |
理想AD Max | 依賴高精地圖，BEV+Occupancy輔助 | 北京、上海等核心城市 |
3. BEV與城市NOA的關(guān)系
BEV是城市NOA的感知基礎(chǔ)：
- 城市道路的復(fù)雜交互需要BEV提供的統(tǒng)一空間理解能力。
- 例如：無保護(hù)左轉(zhuǎn)時(shí)，BEV可同時(shí)感知對(duì)向車、行人、紅綠燈狀態(tài)。
NOA是BEV的典型應(yīng)用場(chǎng)景：
- BEV輸出的道路結(jié)構(gòu)、障礙物信息直接用于NOA的路徑規(guī)劃和決策。
- BEV + Transformer + 大模型正在替代傳統(tǒng)感知架構(gòu)（如Mobileye EyeQ4的規(guī)則式算法）。
- 特斯拉FSD V12已實(shí)現(xiàn)BEV→Occupancy→控制的端到端自動(dòng)駕駛。
未來發(fā)展方向
- BEV算法：? 更高精度的4D動(dòng)態(tài)建模（+時(shí)間維度）? 與Occupancy Networks結(jié)合，識(shí)別未知障礙物（如跌落貨物）
- 城市NOA：? 2024-2025年：“去高精地圖”（輕地圖/無圖方案）成為主流? 結(jié)合車路協(xié)同（V2X）提升復(fù)雜路口通過能力
總而言之，BEV算法是智能駕駛的“眼睛”，提供上帝視角的環(huán)境感知；城市NOA是智能駕駛的“手腳”，在復(fù)雜城區(qū)實(shí)現(xiàn)自動(dòng)導(dǎo)航；二者結(jié)合，正推動(dòng)L2+級(jí)自動(dòng)駕駛向全場(chǎng)景無人駕駛（L4） 演進(jìn)。當(dāng)前，特斯拉、華為、小鵬等廠商的競(jìng)爭(zhēng)核心，本質(zhì)上是BEV+NOA技術(shù)棧的成熟度之爭(zhēng)。隨著算法迭代和硬件算力提升，城市NOA的普及已進(jìn)入倒計(jì)時(shí)。
本文轉(zhuǎn)載自??數(shù)字化助推器?? 作者：天涯咫尺TGH
