华为ADS智驾方案分析

华为

华为 ADS 硬件迭代：多传感器融合方案

• 从 ADS1.0 到 4.0 的迭代过程中，华为坚持多传感方案，通过激光雷达、毫米波雷达、摄像头等多传感器互补融合感知，达到全天候全天时的高效感知能力。

  • 摄像头作为基础图像信息传感器，起到不可或缺的作用。
  • 激光雷达可以丰富周边环境信息并生成 3D 环境图像，不受光照条件的影响。
  • 极端恶劣天气条件下，毫米波雷达（4D 毫米波雷达）可以辅助完成环境信息的采集及障碍物的探测。
  • 超声波雷达成本低、对短距感知探测强，为泊车的辅助的必备元件。

华为技术方案进程

华为 ADS1.0

ADS 1.0 采用有图智驾，与导航地图不同，高精地图包括了传统地图的道路网数据、车道网数据（车道线的位置、类型、宽度、坡度和曲率等车道信息）以及交通标志等。

有图方案存在两大缺点：

• 一是新城渗透速度慢，从政府开放城市采集名单、图商制图到车企研发适配需要 2-3 年的时间；

• 二是更新不及时，由于高精地图测绘耗时耗力，需依赖四维图新、高德等图商，高精地图的更新频率在 1-3 个月左右，无法应对道路改造等情况。

华为 ADS2.0：GOD2.0+RCR2.0

主要核心能力是识别异形障碍物。

GOD

通用障碍物检测网络（GOD）是华为智能驾驶的关键算法，英文全称为 General Obstacle Detection Network。GOD 构建在自学习数据引擎之上：该网络部署在车辆端，利用车辆传感器收集的驾驶数据，通过自学习数据引擎挖掘有价值的信息。这些数据被发送到云端进行自动标注，随后在虚拟世界中进行 4D 场景的重建，每天能够产生大量的有价值数据，华为利用上千个 NPU 和上亿公里的驾驶数据对 GOD 网络进行训练，这些专门用于训练驾驶神经网络的 NPU 使自动驾驶系统不断优化和提升。

RCR

华为 ADS3.0

1. 端到端仿生大脑设计

ADS3.0 采用“端到端”（End-to-End）的仿生神经网络架构，通过海量真实驾驶数据的训练与学习，使系统能够模仿人类驾驶决策的逻辑，实现更自然、流畅的驾驶体验。例如，在变道、加减速等场景中，系统的反应更接近人类驾驶员的直觉判断。

2. 多传感器深度融合

系统整合了激光雷达、毫米波雷达、高清摄像头等多类传感器，构建了全景信息综合感知能力。其中，激光雷达（探测距离达到 200 米）负责高精度三维建模，毫米波雷达强化恶劣天气下的感知稳定性，摄像头则通过 AI 视觉算法识别交通标志、行人及车辆动态。多源数据融合后，系统可实时生成 360 度环境模型，显著提升复杂场景的应对能力。

3. GOD 大网与 PDP 路径规划

• GOD（General Obstacle Detection）网络：升级后的 GOD 大网通过云端训练与车辆端实时学习，能够识别包括异形障碍物（如掉落货物、动物）在内的多种目标，识别精度较前代提升 30%。

• PDP（Path Decision Planning）算法：引入深度强化学习技术，系统可根据实时路况动态优化路径规划，减少对固定规则的依赖，例如在拥堵路段主动选择更高效的变道策略。

创新功能

ADS 3.0 的功能设计覆盖了从高速到城区、从驾驶到泊车的全场景需求，核心突破包括：

1. 车位到车位（Park-to-Park）智驾

系统支持从停车场入口到目标车位的全程自主导航与泊车，无需依赖高精地图。通过云端数据与实时感知的结合，车辆可自动识别车位类型（如斜列式、异形车位），并完成泊入操作。测试显示，其泊车成功率在复杂场景下可达 95% 以上。

2. 全场景智能防撞系统（CAS 3.0）

华为首创的 CAS 3.0 系统整合了 23 项主动安全功能，包括：

• eAES 边刹边让技术：在紧急制动时同步调整车身姿态，避免二次碰撞；

• 防误踩加速踏板：通过行为预判阻止因分神导致的误操作；

• 全向防碰撞：覆盖前后左右四个方向的实时监测与避障。

据统计，该系统已累计避免潜在碰撞事故超 200 万次。

3. 城区与高速双域 NCA（Navigation Cruise Assist）

区别于仅支持高速场景的中阶智驾（如 ADS SE），ADS 3.0 实现了城区 NCA 功能，可应对红绿灯识别、无保护左转、行人横穿等复杂城市路况。在实测中，系统对交通信号灯的识别准确率达 99%，且能自主完成环岛通行和 ETC 车道通过。

文章转载自公众号：自动驾驶之心

作者：高毅鹏

原文链接：https://mp.weixin.qq.com/s/znoflUrZ_RMjAHtlPdkxpw