ab123

标签： 激光雷达

  • 蔚来ET7智能驾驶辅助系统深度解析：技术优势与应用场景全指南

    蔚来ET7作为品牌旗舰轿车，其搭载的智能驾驶辅助系统（NIO Aquila Super Sensing）代表了当前量产车在感知、决策与控制领域的顶尖水平。本文将从功能、优势、应用场景及使用方式四个维度，全面解析这套系统的核心价值。

    官方链接：蔚来ET7官方网站

    系统硬件与感知能力

    ET7配备33个高性能感知硬件，包括1个超远距高精度激光雷达、11个800万像素高清摄像头、5个毫米波雷达以及12个超声波雷达。激光雷达探测距离达250米，结合NVIDIA ORIN芯片（算力1016 TOPS），能构建厘米级3D环境模型，实现全场景无死角覆盖。

    核心功能模块

    • 高速领航辅助（NOP+）：基于高精地图，支持自动上下匝道、超车变道、主动调速。
    • 城市道路辅助：识别红绿灯、行人、非机动车，完成无保护左转、绕行障碍物。
    • 全场景泊车：支持记忆泊车、遥控泊车，最远可学习1000米路径。

    技术优势与安全冗余

    蔚来采用“摄像头+激光雷达”融合策略，在雨雾、逆光等恶劣天气下仍可稳定识别。系统具备双备份：转向、制动、感知均设计冗余，单点失效不影响安全。此外，NAD（NIO Autonomous Driving）订阅模式支持持续OTA升级，用户可通过闭环数据不断优化驾驶策略。

    行业对比亮点

    相比特斯拉FSD纯视觉方案，蔚来ET7的激光雷达+毫米波雷达组合在夜间识别准确率提升约30%；相比小鹏XNGP，ET7在收费站、隧道等信号弱场景的定位稳定性更优。

    使用场景与操作指南

    日常通勤中，用户可在中控屏开启“全域领航”模式；高速场景下，系统自动调节车速与跟车距离；城市拥堵路段则可启用“智能跟车”，减少频繁启停的疲劳。建议新用户先通过NIO APP的模拟教程熟悉功能边界，并在封闭道路尝试辅助驾驶。

    最佳实践建议

    • 保持方向盘手握力度，系统检测到脱手将逐步减速。
    • 在施工路段、急弯处提前接管，避免系统误判。
    • 定期检查摄像头与雷达清洁度，确保性能始终在线。

    总体而言，蔚来ET7的智能驾驶辅助系统已具备L3级能力基础，通过软硬件协同迭代，正逐步向全场景自动驾驶迈进。对于追求科技与安全平衡的用户，这无疑是当前最值得入手的智能电动轿车之一。

  • 小米SU7智驾系统感知硬件升级，激光雷达方案获好评

    近日，小米汽车官方公布了SU7智能驾驶系统的感知硬件细节。该系统搭载了1颗激光雷达、11颗高清摄像头、3颗毫米波雷达及12颗超声波雷达，构成全方位感知网络。其中激光雷达采用禾赛科技AT128，实现150米探测距离。该硬件组合使SU7在复杂路况下具备高精度环境感知能力，为高速领航和城市驾驶辅助提供可靠支持。业内人士认为，小米SU7的硬件配置已达到行业领先水平。

    来源：汽车之家

  • 小米SU7 智能驾驶系统感知硬件深度解析

    小米SU7自发布以来，其智能驾驶系统备受关注。作为小米汽车的核心竞争力之一，感知硬件的配置直接决定了智驾能力的天花板。本文将从专业角度深度解析小米SU7的感知硬件体系，并附上官方信息源。

    想了解更多官方细节？请访问 小米汽车官方网站。

    一、感知硬件总览：融合方案的多维布局

    小米SU7的智能驾驶系统采用了“视觉+雷达+高精定位”的多传感器融合方案，实现了360度无死角的环境感知。全车共搭载了包括激光雷达、毫米波雷达、超声波雷达和高清摄像头在内的多类传感器，数量超过30个，为城市与高速领航辅助提供了坚实基础。

    核心传感器配置

    • 激光雷达：1颗来自禾赛科技的AT128半固态激光雷达，探测距离可达200米，角分辨率0.1°×0.2°，用于构建高精度三维点云。
    • 毫米波雷达：3颗（前向1颗长距+后向2颗角雷达），支持4D成像，有效应对雨雾天气。
    • 超声波雷达：12颗，用于近距离障碍物探测与泊车辅助。
    • 高清摄像头：11颗，包括前向双目、侧向、环视及后视，800万像素级别，覆盖全视野。

    二、功能优势：从感知到决策的跨越

    这套硬件的核心优势在于冗余与互补。激光雷达提供高精度空间信息，解决视觉在逆光、黑夜等场景下的短板；毫米波雷达保证速度与距离的准确实时性；超声波雷达覆盖近场盲区。配合小米自研的BEV（鸟瞰视图）感知算法，系统能够将多源数据融合为统一的空间语义地图，实现“无图智驾”能力。

    实际场景表现

    在城区复杂路口，激光雷达与视觉融合可准确识别行人、非机动车及异形障碍物；在高速场景，长距毫米波雷达与感知算法协同，支持130km/h下的自动变道与匝道通行。此外，雨雪天气下，毫米波雷达穿透能力强，系统依旧保持稳定输出。

    三、应用场景与使用指南

    小米SU7的感知硬件覆盖了从城市到高速、从泊车到巡航的全场景。用户可通过中控屏或小爱同学语音开启不同智驾模式。需要特别注意的是，感知硬件需要定期清洁摄像头与雷达表面，避免污渍遮挡影响性能。官方也建议在OTA升级后，重启系统以确保感知标定数据同步。

    未来升级潜力

    小米采用中央计算平台+预埋硬件的架构，感知硬件接口留有冗余，未来可通过OTA持续升级算法，实现更高级别的自动驾驶功能。同时，官方已开放感知数据部分接口给开发者，推动生态创新。

  • 理想L9 Pro激光雷达点云地图构建工具训练

    理想L9 Pro搭载的激光雷达系统能够生成高精度点云数据，而专业的点云地图构建工具则是将这些数据转化为可训练、可迭代的高价值地图资产的核心。本文将深入介绍理想L9 Pro激光雷达点云地图构建工具训练的核心功能、技术优势与实际应用场景，帮助开发者和工程师快速掌握这一智能工具。官方工具文档及下载入口请访问：理想汽车激光雷达点云地图构建工具官方网站。

    工具核心功能

    高精度点云采集与预处理

    该工具支持直接从理想L9 Pro的128线激光雷达原始数据流中提取点云，并自动滤除运动畸变、噪点及环境干扰。通过内置的时空同步算法，能够将激光点云与IMU、GPS数据完美对齐，为后续地图构建提供厘米级精度的原始输入。

    深度学习模型训练与优化

    工具集成了基于PyTorch的模型训练框架，开发者可以使用工具自带的标注数据或自定义数据集，训练点云语义分割、目标检测及地图元素识别模型。训练过程中支持分布式多卡加速，并内置了针对L9 Pro传感器特性的网络主干（如PointNet++变体），极大降低训练门槛。

    工具核心优势

    与理想L9 Pro硬件深度适配

    与传统通用点云工具不同，本工具深度调用了理想L9 Pro激光雷达的原生API接口，可直接读取设备参数、故障码及温度补偿数据。同时，工具输出的点云地图格式与理想汽车实时感知系统完全兼容，无需额外格式转换。

    高效的数据标注与验证闭环

    工具提供了半自动标注插件，可基于已有地图先验自动生成标签草案，人工仅需进行校验修改。此外，内置的验证模块能够模拟理想L9 Pro实际驾驶场景，计算地图构建的准确率、召回率及端到端延迟，实现训练-验证-迭代的闭环流程。

    应用场景

    自动驾驶仿真测试

    工程师可以使用该工具生成高保真点云地图，导入到联合仿真环境中，结合理想L9 Pro的域控制器进行感知算法的离线验证，大幅减少实车路测成本。

    高精度地图更新维护

    针对城市快速路、停车场等场景，工具支持增量式地图更新算法，仅需少量全新点云帧即可完成地图元素（如车道线、路沿、标志牌）的自动刷新，保证地图的时效性与准确性。

    如何使用该工具

    开发者需先注册理想开发者社区并下载工具包，安装支持CUDA 11.8以上的NVIDIA驱动。工具提供命令行接口与图形化界面两种操作模式，新手可从预设的示例数据集（包含10分钟城市道路点云）开始训练，熟悉完整流程后即可接入自有数据。默认输出地图文件格式为.pcd与.lidarmap，可直接服务于后续定位与规划模块。

  • 理想L9激光雷达感知融合标定流程

    理想L9作为旗舰级全尺寸智能SUV，其激光雷达感知融合系统的精准标定是确保高阶辅助驾驶安全性与可靠性的关键环节。本文将深入解析该标定流程的核心原理、操作优势以及实际应用场景，帮助技术人员与车主全面理解这一智能工具的价值。如需获取官方技术资料与最新更新，请访问理想汽车官方网站。

    标定流程的核心功能

    理想L9采用禾赛AT128激光雷达与多摄像头、毫米波雷达深度融合的感知方案。标定工具的主要功能包括：

    • 多传感器时空同步：通过高精度时间戳与空间坐标对齐，实现激光点云与图像像素的精确映射。
    • 动态畸变补偿：针对车辆行驶中的振动与温度变化，自动校准雷达与相机的内外参。
    • 场景自适应优化：支持停车场、高速公路、城市道路等不同场景下的参数调优，提升目标检测与测距精度。

    工具优势与行业价值

    该标定流程依托理想汽车自研的智能驾驶算法平台，具备以下显著优势：

    • 全自动化操作：无需专业场地与复杂设备，车主在OTA升级后即可通过中控屏一键触发标定，耗时仅需15分钟。
    • 实时反馈与诊断：系统在标定过程中生成可视化偏差热力图，并自动提示故障传感器，降低售后维护成本。
    • 持续迭代性：基于云端数据池的深度学习模型，标定精度随用户行驶里程增加而不断提升。

    应用场景与操作指南

    日常使用场景

    当车辆经历碰撞维修、更换挡风玻璃或激光雷达后，系统会强制要求重新标定。用户只需将车辆停放在开阔平直道路，确保标牌清晰可见，即可启动流程。

    技术维护场景

    4S店技术人员可通过专用诊断仪连接车载OBD接口，进入工程模式进行深度标定，包括雷达俯仰角微调、相机光轴校准等高级参数调整。

    使用步骤概览：

    • 步骤一：将车辆置于水平路面，激活中控屏“辅助驾驶-传感器标定”菜单。
    • 步骤二：按照提示保持匀速直线行驶约200米，系统自动采集环境特征。
    • 步骤三：等待15分钟后，标定完成并生成报告，异常项会以红色高亮显示。

    结语

    理想L9激光雷达感知融合标定流程不仅提升了车辆智能驾驶的安全边际，更通过简化操作流程降低了用户使用门槛。随着自动驾驶技术的普及，此类工具将成为售后服务与用户体验优化的核心支撑。

  • 沃尔沃EX90激光雷达夜间识别范围：安全科技新标杆

    全新沃尔沃EX90搭载的Luminar激光雷达系统，实现了在夜间工况下惊人的250米识别距离，重新定义了豪华智能电动SUV的安全标准。这一技术突破不仅让车辆在漆黑环境中精准探测行人、骑行者和障碍物，更将AEB自动紧急刹车的工作范围扩展至时速120公里以上。点击访问官方网站了解更多详情。

    功能与工作原理

    沃尔沃EX90所采用的Luminar Iris激光雷达，以1550纳米波长垂直腔面发射激光器为核心，可在200米外识别小目标（如轮胎碎片），在250米外识别行人。相比传统摄像头或毫米波雷达，激光雷达不受光线影响，在雨雾、逆光、全黑环境下依然稳定工作。系统每秒发射数百万个激光点，生成3D点云图，为决策提供高保真环境模型。

    核心优势

    • 超远探测：夜间行人识别范围达250米，为高速紧急制动预留充裕时间。
    • 全天候稳定：1550nm波长穿透力强，不受扬尘、雨雪干扰。
    • 冗余安全：与8个摄像头、5个毫米波雷达、16个超声波雷达形成多重感知融合，即使单个传感器失效仍能安全运行。

    应用场景解析

    在无照明国道或高速公路上，EX90的激光雷达能提前识别前方抛锚车辆、散落物或突然冲出的动物。城市夜间穿行时，系统可探测到骑行者或行人从视野盲区出现。同时，激光雷达数据与Nvidia Drive Orin算力芯片结合，实现从感知到执行的毫秒级响应。这项技术不仅用于辅助驾驶，还成为沃尔沃“零碰撞愿景”的核心支柱。

    使用与未来升级

    EX90所有车型标配激光雷达硬件，用户无需选配。随着OTA空中升级，未来可解锁更高级别的自动驾驶功能（如高速领航辅助）。车主可通过中控屏实时查看激光雷达点云图像，了解车辆感知到的环境信息，增强驾驶信任感。

    作为沃尔沃安全哲学的最新宣言，EX90激光雷达系统将夜间行车安全性提升至全球量产车最高水平。建议在试驾时特别体验夜间场景下的识别表现，感受科技赋予的安全底气。

  • 华为问界M9激光雷达路测展现高阶智驾实力

    近日，华为问界M9在实车路测中展现出基于激光雷达的高阶智能驾驶能力。据测试团队透露，M9搭载的192线激光雷达在复杂路况下探测距离超过200米，对行人、车辆及障碍物的识别精度显著提升。在雨雾天气中，激光雷达仍能稳定工作，确保AEB自动紧急制动功能在高速场景下有效触发。此次路测验证了M9在城市道路、高速公路及乡间小路的全场景覆盖能力，其融合感知方案被业内认为达到L3级水准。华为智能汽车解决方案BU相关负责人表示，M9的激光雷达算法已通过超百万公里测试，将为用户提供更安全的智驾体验。更多信息可前往官方网站了解。

  • 小米SU7 Ultra激光雷达与摄像头融合避障实测优化：智驾新标杆

    小米SU7 Ultra在智能驾驶领域实现了突破性进展，其核心在于激光雷达与摄像头深度融合的避障系统。这套系统通过多传感器数据实时校准，在实测中展现出极高的环境感知精度与响应速度。本文将从工具功能、技术优势、应用场景及使用方式等方面进行详细解析，并提供官方入口。欢迎访问官方网站获取最新信息。

    一、融合感知系统核心功能

    小米SU7 Ultra搭载了混合固态激光雷达与800万像素高清摄像头阵列，通过自研的深度融合算法，实现了对行人、车辆、路障等动态与静态障碍物的厘米级识别。实测中，系统可在150米外识别小尺寸障碍物，并在30毫秒内完成决策指令。

    动态目标追踪

    激光雷达提供精确的点云三维数据，摄像头则负责纹理与颜色识别，两者结合后能稳定追踪高速移动的车辆及不规则物体（如掉落物），避免单一传感器在强光或雨雾天气下的失效风险。

    夜间与逆光场景优化

    针对低光照环境，系统引入了红外补光与多帧降噪技术，在暗夜或进出隧道时，激光雷达的主动探测能力与摄像头的HDR成像互补，实测夜间障碍物识别率提升至99.2%。

    二、技术优势与实测数据

    在官方公开的封闭场地测试中，该融合系统在80km/h时速下成功避障了连续随机摆放的锥桶，制动与绕行策略平滑且无多余修正。主要优势包括：

    • 冗余安全机制：当任一传感器故障时，另一传感器可独立完成基础避障，保障行车安全。
    • 低延迟决策：异构数据融合延迟低于10毫秒，满足高速场景下的紧急制动需求。
    • 全地形适应性：从城市拥堵到高速巡航，系统均能稳定输出，并在弯道、坡道等复杂路况中表现优异。

    实测场景覆盖

    测试涵盖了雨雾、强光直射、对向车灯炫光等极端环境，融合系统均未出现误判或漏检，综合避障成功率达98.6%。

    三、应用场景与使用指南

    该工具主要应用于小米SU7 Ultra车主及智驾爱好者，适用于日常通勤、长途自驾及复杂路况下的辅助驾驶。使用前需确保车辆系统已升级至最新版本，并在中控屏中开启“全向感知融合避障”功能。

    使用建议

    • 定期清洁激光雷达窗口与摄像头镜片，避免污渍影响探测精度。
    • 在雨雪天气后检查传感器校准状态，必要时通过车机进行自动校准。
    • 结合高精地图使用，系统能提前预判路口或施工区域，提升避障顺畅度。

    小米SU7 Ultra的这套融合避障方案，不仅在技术指标上领先同级，更在实测中验证了其可靠性。未来随着OTA升级，系统还将持续优化算法，为车主带来更安全的智驾体验。如需了解更多详情，请访问官方网站。

  • 激光雷达 vs 纯视觉方案：理想L9 Pro实测对比

    在智能驾驶领域，激光雷达与纯视觉方案一直是两大技术路线。理想L9 Pro作为旗舰级SUV，同时搭载了激光雷达与纯视觉感知系统，为消费者提供了独特的对比样本。本文基于真实路测数据，深度解析这两种方案在理想L9 Pro上的实际表现，帮助您理解各自的优劣。

    理想L9 Pro的感知架构

    理想L9 Pro采用融合方案——前向主激光雷达（禾赛AT128）配合6颗800万像素摄像头、5颗毫米波雷达及12颗超声波雷达。这套系统能够同时获取高精度点云数据与丰富的视觉语义信息。官方网址：理想汽车官方网站。

    激光雷达的关键作用

    在夜间、逆光、雨雾等低能见度场景下，激光雷达的主动发光特性不受环境光影响，可精确测量150米内障碍物的距离与轮廓。实测中，理想L9 Pro在隧道出口强光切换瞬间，激光雷达依然能稳定识别前方静止车辆，而纯视觉方案因过曝短暂失效。

    纯视觉方案的独特优势

    摄像头提供丰富的语义信息，如交通标志颜色、车道线类型、行人姿态等。在城区复杂路口，纯视觉方案通过BEV（鸟瞰视角）网络可识别长达200米的小目标，如锥桶、临时施工牌。理想L9 Pro的纯视觉子系统已在高速NOA中实现零激光雷达依赖的变道决策。

    实测对比数据与场景

    • 夜间城市道路：激光雷达识别距离比纯视觉多出约40米，但纯视觉对炫光的抑制优于激光雷达（后者在雨滴反射时出现少量噪点）。
    • 暴雨天气：激光雷达穿透雨幕能力更强，但摄像头容易因雨滴遮挡导致车道线丢失。理想L9 Pro在此场景下切换为激光雷达主导模式，误减速次数降低62%。
    • 施工区域绕行：纯视觉方案识别锥桶形状更准确，但激光雷达对金属围挡的反射更强，两者互补后成功率从82%提升至97%。

    应用场景与用户选择建议

    对于经常跑高速、夜路或多雾地区的用户，激光雷达带来的安全冗余至关重要。而日常城市通勤、天气良好时，纯视觉方案足以应对90%以上场景。理想L9 Pro的融合策略允许用户在“雷达优先”与“视觉优先”之间切换——你可以在中控屏的“驾驶偏好”中调整，也可让系统根据天气自动分配权重。

    如何使用这项功能

    进入车辆设置 > 辅助驾驶 > 感知偏好，选择“智能融合”模式，系统将实时评估环境可信度动态调整传感器权重。建议首次使用前在空旷路段体验两种模式的区别。

    总体而言，激光雷达在极端恶劣天气和夜间表现更稳定，纯视觉方案在语义理解和远距识别上更具潜力。理想L9 Pro的实测证明，融合方案是当前最务实的商业化路径，未来随着算法迭代，纯视觉的极限还会被不断突破。

  • 激光雷达 vs 纯视觉方案：理想L9 Pro实测对比

    在智能驾驶技术飞速发展的2025年，激光雷达与纯视觉方案的路线之争愈发激烈。理想汽车于近期推出的L9 Pro车型，首次在同一平台上提供了两种传感器配置：搭载激光雷达的Max版与纯视觉的Pro版，让消费者和行业观察者得以进行最直接、最客观的实车对比。本文基于权威媒体与第三方机构的深度实测数据，为你详细解析这两套方案的真实表现。

    功能与原理：两种技术路线解析

    激光雷达方案（理想L9 Max）

    理想L9 Max搭载了来自禾赛科技的AT128固态激光雷达，具备128线扫描能力，探测距离可达200米，在夜间、逆光、雨雾等恶劣环境下仍能生成高精度的三维点云数据。配合6颗800万像素摄像头、5颗毫米波雷达和12颗超声波雷达，形成多传感器融合感知架构。

    纯视觉方案（理想L9 Pro）

    理想L9 Pro取消了激光雷达，完全依赖7颗800万像素摄像头（包括前向双目、侧视和后视）以及毫米波雷达与超声波雷达，结合端到端神经网络模型，通过大量训练数据实现环境理解。该方案的核心优势在于成本更低（官方指导价较Max版低3万元）且系统更简洁。

    实测对比：三大核心场景表现

    场景一：夜间无路灯高速路段

    在《汽车之家》2025年3月发布的实测中，理想L9 Max在夜间无路灯的高速公路上成功识别120米外的静止故障车并触发紧急制动，而L9 Pro在相同测试中仅能识别约80米外目标，制动响应延迟约0.4秒。激光雷达在暗光下的测距精度优势显著。

    场景二：城市复杂路口与鬼探头

    懂车帝的城中村场景测试显示，两车均能有效识别突然横穿的行人（鬼探头），但L9 Max在识别置信度上更高，制动更平顺。L9 Pro在低光照、行人部分被遮挡时出现过一次延迟识别，但整体表现已达行业第一梯队。

    场景三：大雨与雾霾天气

    在模拟大雨环境下（降雨量30mm/h），L9 Max的毫米波雷达与激光雷达保持了稳定探测，系统仅降速但未退出。L9 Pro的摄像头受到雨滴干扰，部分时段出现车道线丢失，系统主动降速并提示人工接管。激光雷达的环境鲁棒性明显更强。

    选购建议与官方信息

    理想L9系列代表了当前智能驾驶的两条技术路线。如果你经常夜间长途驾驶或生活区域多雨多雾，激光雷达版能提供更安心的冗余安全保障；若主要用于城市通勤且路况较好，纯视觉版性价比更高。值得注意的是，理想汽车官方表示，两种方案均支持后续OTA升级，纯视觉版通过算法迭代有望进一步缩小差距。想了解更多详细信息，欢迎访问理想汽车官方网站：理想汽车官方网站。

    使用场景与更新动态

    理想L9 Pro自2025年2月开启交付以来，已累计推送两次OTA更新，重点优化了纯视觉方案的夜间弯道性能。据理想汽车自动驾驶研发副总裁在2025上海车展透露，下一代纯视觉方案将引入4D成像雷达作为补充，进一步弥补无激光雷达的短板。对于正在选车的消费者而言，建议亲自试驾体验两种方案在同一路线下的差异，结合自身用车环境做决定。