你探我老巢，我取你洞穴，冒犯各自的边界，将成为这些企业们未来多年的常规动作。
”
作者 | 卢洁萍
编辑 | 伍文靓
“雷视融合”，这个以往一直存在却没有被放大意义的技术名词，如今开始备受关注。
一方面，诸如宇视这样的视频物联企业，在今年开始将“雷视融合”提高到公司战略的高度，而另一方面，速腾聚创也向AI掘金志透露，接下来将积极布局路端的雷视融合产品，同时另一边，还有智能驾驶企业希迪智驾、科技公司百度、阿里、腾讯等，也手拿雷视融合相关方案，在路端摆阵以待。
“雷视融合”不算是什么解题新路径，在各领域擅长使用该技巧的玩家也并不少见，新鲜的在于几大本不大相干的功夫门派，这次终于要在同一十字路口相遇、混战了。
互联网企业、公路行业技术产品供应商、视频物联企业、车规级雷达供应商、智能驾驶企业......五股势力都在拿着同一本名为“雷视一体”的剑宗修炼，当然细看会发现，各家的起步时间并不同，招式也各异。
一个更具诱惑力的胡萝卜还在于，呼吁已久的车路协同，很有可能因此，就被撕开一个口子，从而摆脱单点智能，开始真正打“聪明的车”+“智慧的路”的配合战了。
但问题则在于，为什么是现在？为什么是他们？当“雷视一体”方案被迁移至交通领域，是否真的行得通？最后谁又会胜出？
1
五股势力
在自动驾驶行业，普遍被认可的是，多传感器融合是未来自动驾驶感知方向的主要发展趋势。
同样的故事走向，如今在智慧交通领域又重演一遍。
感应线圈、截面雷达、地磁钉等是主要的传统车辆检测器，但通病在于，它们仅能获得某一截面或瞬时的车辆所在车道和车速信息。
新一代的智能化车辆检测器双雄，则是AI摄像头和正向交通毫米波雷达，它们可以获得所有车道全局的实时数据，也可以获得每一辆车精确的位置和矢量化数据。
但AI摄像头和交通毫米波雷达也有各自的硬伤，比如摄像头在恶劣环境下会误报、漏报，而毫米波雷达虽能在恶劣环境下适用，但却无法看到清晰的图像，也无法识别出车辆的车牌、车型、车标和车身颜色等信息。
因此将摄像头和雷达相融合，优势互补，各取所长而成的雷视一体产品，就成了近一年交通感知方案中的黑马挑战者。
其中具有代表性的一派，就是诸如海康、大华、宇视这样的视频物联企业。
它们原本就长于视频技术，在To G的交通领域更是耕耘多年，近几年纷纷转型，开始以视频为核心，融合进雷达、大数据、人工智能等技术，在交通领域做整体的场景解决方案。
比如宇视就在今年打出了“雷视融合”的Slogan，并发布了雷视一体机产品和相关的解决方案。
宇视雷视产品线总监刘圣宁对AI掘金志表示，在视频AI方面，最先落地的就是交通路侧领域，比如在城市交通治理中，基于卡口及电子警察的非现场执法系统有效地降低了违章驾驶行为，而针对出入口、路侧停车、车位反寻与诱导等静态交通治理，视频AI基础有效的提升了服务效率。
“交通强国战略以及十四五规划，强调了在交通基础设施建设基础上，进一步提升交通信息化、智能化水平，围绕秩序、效率、安全三要素构建整体交通网络，足够密度的全天候、高精度、多维度的感知路侧设备成为建设的关键要素，尤其是雷达与视频的融合，近一年已越来越多地被应用到智慧交通路侧领域。”
另一派则是速腾聚创、Ouster、万集科技这样的车规级激光雷达供应商，他们正以雷达传感器为刀，切割出智能驾驶、智慧交通等细分市常
速腾聚创就对AI掘金志表示，随着行业对高精度感知的需求越来越高，激光雷达在智慧交通领域的应用规模也随之加速增长。
速腾聚创最早在2018年开始提供激光雷达和摄像头融合的产品，目前它的雷视融合路端项目，已经在广州、深圳、浙江等多个省市的道路落地。
除此之外，推出雷视融合方案的，还有百度、希迪智驾、华为这样的智能驾驶企业，早早瞄准了智慧城市的腾讯、阿里巴巴当然也没有缺席。
可以这么总结，目前以雷视融合为指针，在智慧交通战场打磨产品或方案的，主要有5股势力，分别为视频物联企业、路侧毫米波雷达供应商、智能驾驶相关企业、车规级激光雷达供应商和互联网企业。
他们有的在交通领域深扎根基，有的精于雷达传感器，有的则侧路抢道，从汽车领域一路杀来。
2
各有杀手锏
不同门派各自的发家技术不同，杀招当然也会各有侧重。
布莱恩 阿瑟在其《技术的本质》一书中提到，技术（所有的技术）都是某种组合，这意味着任何具体技术都是由当下的部件、集成件或系统组件构建或组合而成，同时，技术的每个组件自身也是微缩的技术。
简单来说，就是新技术产生于已有技术的组合，由已有技术进化而来而所谓“雷视融合”，要做的也是做好雷达和视频的融合，这其中的雷达，有毫米波雷达，也有激光雷达。
毫米波雷达主要利用其发射波长为毫米波的电磁波，来实现对目标的探测识别，经过目标反射回来的电磁波，通过公式计算，就可以得出被探测目标相对于雷达位置的距离和相对速度。
目前大多数毫米波雷达输出信息为点云，是不含高度的二维信息，摄像机获取的图像也同样是二维信息。
而为了实现毫米波雷达和视频的融合检测，需要将2个坐标空间进行转换，比如将毫米波雷达点云由雷达坐标系，转换到摄像机获取的图像坐标系下。
这就需要将二者的底层数据进行融合，这一方面可以达到更好的检测精度，另一方面也能保证关键数据的时间一致性。
刘圣宁表示，前端融合、一体化交付将是雷视融合的主要形式，比如：
1、在特征层可利用雷达为视频提供更加准确的特征区域信息，也可利用视频识别来弥补雷达的多径效应；
2、在数据层通过大量的数据与场景化的算法，来同步进行雷达和视频的AI模型训练，适应不同的业务需求。
激光雷达则通过对外部环境进行扫描，利用点云构建出三维空间地图。
根据速腾聚创的介绍，在传感器硬件层面，激光雷达和摄像头融合主要是进行时间和空间的标定，也就是将激光雷达三维点云和摄像头二维彩色图像进行空间匹配和时间同步。
“车端和路端都是如此，区别主要在于部署位置和数量不同。与此同时，相比车端，路端还有多基站融合，即要对某一段道路上多个基站的感知结果进行融合。”
主打的技术路线不同，因此也就导致了不同企业间，雷视一体机实际应用效果的差异。
比如烟台市自2020年开始，就先后与华为、百度、科达三家公司合作，进行全息路口/智慧路口应用测试，并曾对比了三家企业雷视融合方案的实际应用情况。
根据介绍，在华为的全息路口，通过对雷达数据和视频数据的融合，可以初步实现对道路交通全要素的高精度实时采集，真实还原行人、非机动车和车辆的行驶轨迹。
帮助交通事故快处快赔，通过AI算法对行驶轨迹进行精准判断、对事故的自动识别预警，减少二次事故和拥堵的发生、配合智慧灯控后台系统实现信号控制的优化......这些都是能在华为全息路口实现的功能。
再比如科达的智慧路口，从功能侧看，就着重两方面的应用：
一是多种视频融合方式的呈现，像科达会提供高点视频和地面视频的融合，从而实现高点画面上的动态AR标签；
二则是强调利用实时车辆位置信息在交通信号控制中产生价值，例如科达会通过将车辆实时位置导入交通仿真，去做路网运行短时预测，从而对交通信号方案进行优化。
烟台市公安局交通警察支队科技科副科长孙振兴表示，整体来看，华为的全息路口通过采集全量数据，强调轨迹热力图在交通安全上的应用；百度倾向于车路协同方向，比较重视与互联网数据的融合应用；科达则偏向于可视化和实时信号优化。
杀手锏不一，实际上客户关注的指标也不尽相同。
“价格、检测精度、施工难易程度这些都是用户关注的指标，但不同的客户根据实际应用场景，关注的侧重点不同，不能一概而论。”速腾聚创对AI掘金志表示，比如有的客户还会关注解决方案的功能性，有的会更加看重感知信息的整体性，有的则会更加看重感知信息的应用能力。
3
暧昧的边界：斗争由来已久
很多时候，为了生存，如今战场的界线早已暧昧模糊。
在智慧城市的大趋势下，视频物联企业跨界杀入智能驾驶领域，智能驾驶企业迈入交通赛道，而家大业大的互联网企业在各细分相通领域，四路出击的动作，更是早已见怪不怪。
比如海康威视的汽车电子业务就是聚焦于智能驾驶领域，路径则是以视频传感器为核心，结合雷达、AI、感知数据分析与处理等技术，试图成为以视频技术为核心的车辆安全和智能化产品供应商。
在这方面，早在2016年年中，海康就成立了海康汽车技术，并在当年10月迅速对外展示了行车记录仪、智能后视镜、车载监控相机及相关配件。
此外，海康还投资了威视汽车科技，在2017年年中成立了海康汽车软件，并在2018年年初上线了高级驾驶辅助系统、自动泊车APA+。
值得注意的是，海康还投资了毫米波雷达创企森思泰克，后者由雷达专家秦屹创立，目前已是红旗、一汽、韩国现代等车企的供应商。
除此之外，海康关于雷达传感器的研发项目也在热火朝天建设中，相当看重。
今年3月，海康总投资8.5亿元的科技园项目在石家庄开工，根据计划，海康将在该科技园中建设专业毫米波及激光雷达实验室20余个，生产及科研设备投入预估2.4亿元，研发高品质雷达产品超过50种，涵盖无人驾驶、车载安全、智能交通领域。
据了解，该项目投产后，海康石家庄科技园将成为国内规模最大、产品市场占有率最高的商用雷达研发和生产基地之一。
而从成果来看，海康汽车的进展飞快，资料显示，2020年度，海康基于视觉和超声波雷达融合的全自动泊车产品，已获得多个车厂的新项目定点。
在2020 年，海康汽车电子的客户包括上汽乘用车、吉利汽车、长安汽车、长城汽车等，全年累计新量产项目 50 余个，新增项目 60 余个，涉及车型 40 余款。
事实上，由于对基于云边端的系统整合、交通大数据及物联网应用的整体整合、推出以视频技术为核心的感知方案得心应手，因此，对智能驾驶领域信心满满的视频物联企业除了海康，还有大华股份、商汤、奥比中光、虹软、旷视、格灵深瞳、的卢深视等一系列玩家。
他们在智能驾驶领域陆续集结，从舱里到舱外，从零部件到整车，从硬件到软件，均有所涉猎、各有所长，俨然对智能驾驶赛道内的原有玩家，形成了围堵追赶之势。
像从大华股份孵化出的零跑汽车，此前就推出了3款量产车型，根据零跑汽车官方数据，截至2021年8月31日，2021年零跑汽车累计订单已达35662台。同时，据外媒报道，当前零跑汽车还计划赴港IPO，集资最少10亿美元。
你探我老巢，我取你洞穴，冒犯各自的边界，将成为这些企业们未来多年的常规动作。
4
穿越大江大河
云谲波诡，群贤毕至，当各方角色于同一路口会合，就是风云战常竞争于同一片领土上，众人挥刀开路，而队伍刚刚拔寨开赴，究竟是百家争鸣还是造出几大英雄互斗，尚不得而知。
当然最先受益的，则是整个车路协同领域的发展，毕竟“聪明的车”+“智慧的路”的协同配合，构成了车路协同的最基础主体，而雷视融合路侧感知系统，则可同时支持车路协同和自动驾驶的高速应用，实现互相配合。
速腾聚创就对AI掘金志表示，在大量、丰富、准确的实时信息加持下，在单车智能和路侧智能的协同下，智慧交通将能实现从单车智能向智能网联的全局式跨越，向“聪明的车”+“智慧的路”的全局智能网联交通构想迈进。
这从近两年各地政府的招标项目要求变化中，可发现蛛丝马迹。
比如濮阳市政府采购中心在今年7月发布的智慧交通项目交通信号控制系统项目，除了会采购126套联网自适应信号机外，同时还会采购120套雷视一体机。
从对雷视一体机的要求看，该项目明确要求产品以雷达监测为主，视频为辅，像素不低于400万像素，应不小于1500线，做到可将雷达目标位置和速度信息与视频图像叠加。
在功能方面，则需实现对车流量、车道速度、车头间距、车头时距、车道时间占有率、车道空间占用率、排队长度、交通状态和车辆类型等信息的感知、统计，并能识别出通畅、缓慢及拥堵等交通状态。
一个具体的应用例子就是“绿波带”。
所谓绿波带，指的是通过计算车辆通过某一路段的时间，再对各个路口的红绿灯信号进行协调，以使车辆在行驶时能连续获得一路绿灯的技术，这就需要交通后端系统掌握道路上近期的机动车流量变化，以及实时的车辆交通数据。
大华股份智慧交通算法总工梅雨曾对雷峰网表示，双向绿波的一个优化痛点是排队长度难以确定，排队会阻碍绿波带中的车辆，如果不考虑排队的影响，绿波会失效。“常说的绿初协调、绿中协调、绿末协调，就是针对于排队问题进行的经验化处理。”
而可远距离采集车流量、排队长度、车头时距等交通信息，则是雷视融合产品的最大特点和优势。
“当前的车路协同技术需要路侧提供一定范围内的交通信息，便于车辆或驾驶员提前决策，雷视融合方案能够为车辆提供全天候、高精度、超视距、车道级的交通信息，有效提升通行安全及行车效率。即便是单车智能的自动驾驶，在有路侧感知系统的加持下也会更具安全性。”刘圣宁如此认为。
不过目前各玩家在路端的雷视融合之路并不平坦。
影响雷视融合的因素主要包括传感器技术水平、产品稳定性和数据采集的精准性等，而目前这些因素都有待进一步的提升。
就像慧尔视总经理姜荣军此前在接受采访时所说的那样，雷视一体机在进行像素级的融合时，雷达数据与视频数据会出现同步问题，两者本身对数据的处理方式不同，会造成二者数据之间具有一定的延时性。
另外还有传感器采集数据的取舍和平衡问题，当采集数据出现问题，应该选择和相信哪种方式下的数据信息，这就需要根据实际的场景来完善数据处理的算法等。
海口交警支队科技科科长陈冬则表示，雷达视频检测数据可以代替道路上的检测器，但无法代替互联网浮动车数据，如何进行两个数据的更好融合，仍是一个问题。
除此之外，雷视一体机如何与路口原有的检测设备相互利用、如何能进一步降低成本、如何提高对静止目标的探测能力、如何降低产品安装调试和后期运维复杂度等等，都是尚待解决的问题。
战事初度，仍有大江大河待跨。
5
孰胜孰负？
对此，不同派系各有看家本领。
刘圣宁指出，比如互联网企业拥有海量级的C端客户入口、基于大数据与云计算的中台能力及业务层能力比较强，但其硬件产品及整体方案仍需要通过生态来完善，而海康、大华、宇视则在前端数据采集分析、融合计算存储、场景化工程化等方面具有较强优势。
事实上，在当下一些城市的交通信号优化服务项目的招标要求中，很多都会提到要利用滴滴、高德、百度、智慧交管大脑等平台，对交通运行情况进行监测、预测，从而及时发现并解决交通拥堵问题。
还是拿绿波带举例，像百度早就在2018年已经向地方交警提供了其浮动车轨迹数据，可协助交警打造信号实时监测评估平台，进而实现绿波带的优化。
另外就雷达而言，百度、阿里都是速腾聚创的客户。
在车路协同激光雷达路侧感知系统领域，诸如速腾聚创等车规级雷达供应商的优势，则主要体现在其拥有高性能的激光雷达硬件、技术积累深厚的点云感知软件和全国各地的大量应用案例这三方面。
宇视、大华等企业，则是在路端的算法上积累功底深厚，对于绿波优化，这些视频物联企业是早已入局，对系统和算法打磨已久。
事实上，关于路端感知方案基础功能的实现并不难，真正难的，是企业对客户习惯的了解和对复杂生态的建设，那些经年累月攒下的应用场景的算法、文档，并不是一时一刻就能够浇筑出来的。
风物长宜放眼量，当然目前关于雷视融合的系统性解决方案产品，仍处于试点的不断发展过程中，如何满足更多的智慧交通应用场景，仍需进一步深挖需求。
比如前述提到的雷视一体机如何进一步降低成本问题，就有业内人士对AI掘金志表示，设备成本受产业链和应用规模影响，目前雷视一体机的高成本，主要是由于产品应用刚起步，尚不具有规模效应，“随着用户认可度的提升，行业厂商的大力投入，产品成本或将会快速达到用户的预期”。
而在雷视一体机的安装部署工程方面，视频已经非常成熟，雷达也较为成熟，因此厂商在设计雷视一体机时，就需要重点考虑融合设备的易安装调试性等因素。
6
总结
实际上，关于雷视融合技术在车路协同领域的作用，还有很长一段路要走，发展到某一阶段，或许又会出现多雷达融合、激光与视频融合等新融合技术。
不过正如刘圣宁所言，就像人脸识别技术在这几年所获得了大量成功应用，基于ReID的技术如今很大程度上提升了治安管理效率，“如果时间倒推几年，这些成果是难以预见的”。
风起于青萍之末，不同派系之间过招的宝剑，如今正在各毫支末节处撞击，发出清脆的震颤声。
END
