8月22日，寇子明教授及其团队老师、学生赴广汽传祺集团考察交流，我有幸随行。集团智驾系统开发部负责人徐伟高级工程师热情接待了我们，并带领我们参观了车辆总装生产线、机器人开发团队以及公司的研发的弹夹电池等内容。在参观后进行了相关的技术交流，收获丰富，启发深远：

电池管理系统监测方面：

电池的检测参数包括温度、电流、电压等传感器对电池的状态进行监测，比如温度传感器的监测包括电池整体的温度监测以及每个电池内置的温度监测两个方面，然后监测数据传输进深度学习模型后对电池的状态及使用寿命进行预测。目前，电池使用过程中的寿命衰减可以控制在生命周期中保证电池容量的80%。

智能驾驶方面：

首先，车辆的智能驾驶中涉及到的传感器包括视觉传感器、激光雷达、毫米波雷达组成。相机的组成及作用：相机的数量通常8-11个，由长焦和短焦相机组成而成，一个实现远距离小视野的观察，另一个实现近距离大视野的观察，通过多个相机视图的拼接得到BEV视图（鸟视图），另一种为4个鱼眼相机实现倒车等操作时车辆周围的视觉成像，鱼眼相机视野较大但存在较大的畸变，因此，在使用过程中要实现其畸变的消除。激光雷达的作用：激光雷达为扫描后快速得到车辆周围的点云信息，可以快速判断车辆哪个位置存在物体。微波雷达的作用：基于不同物体的反射特性不同来区分人，车辆，数目等不同的物体，在智能驾驶系统中通常用识别突然闯出的人员等，价格便宜，检测速度较快。其次，智能驾驶的过程中包括海量数据采集、目标标定、深度学习模型手动调参以及模型的部署。

目前智能驾驶已从逻辑控制转向模型控制。逻辑控制主要通过脚本编写不同工况下因该如何进行处理，需要大量人力进行建模。模型控制则通过深度学习网络模型的损失函数的调整，给出同一工况下所有操作得到的结果。视觉算法之前均为逻辑控制，通过大量的研发人员不断的deBug完善各种工况下的系统的执行过程，但此类方法存在的问题是路况问题十分复杂无法实现各种突发状况的全覆盖。目前，逻辑控制逐渐转变为现在的模型控制，通过在模型中的Loss函数训练模型在不同障碍物时的轨迹路径，进而得到最优结果，此时得到的模型在遇到类似问题时均能给出较好的规划路线。

辅助驾驶过程中道路辅助标志信息的运用。在车辆行驶过程中，道路辅助线也在智驾系统中起着十分重要的作用，首先，车辆的车道保持即是通过视觉传感器快速识别得到车辆的精确位置进而实现车辆车道的保持和调整。除此之外，车辆在行驶过程中周围车辆的快速建模主要通过不同视角下拍摄得到的车辆的位置尺寸等信息对车辆进行快速建模，然后通过得到更新视角车辆的信息对建模好的车辆进行更新。

矿卡运行过程中如何实现智能驾驶：首先要使用比轿车更多的传感器从而实现鸟视图的获取，实现附件车辆及环境的快速建图；其次，结合激光雷达实现地面道路状况的快速建模，最后结合控制器实现车辆前进、后退，转弯等的控制。该种属于特殊工况下的智能驾驶系统，特点是路况相对简单，但道路辅助信息不足。

井下车辆自动驾驶方面：

首先，考虑煤尘等对相机的干扰，考虑设计一个机构可以像眼睛一样实现相机的自动清洁；其次，针对于井下快速建图方面可以通过两种方式进行实现：1.可以通过人员背着激光雷达巡视的过程实现井下环境的快速点云构建，为井下辅助驾驶提供数据支撑；2.可以通过井下车辆上安装视觉和激光雷达传感器实现周围环境的建模与显示。

此次赴广汽传祺集团智能驾驶研发部门的考察，让我全方位见识了企业在智能网联汽车领域的前沿布局与技术实力，倍感震撼与启发。首先，车辆总装生产线，自动化设备与精密流程彰显出企业的制造硬实力；机器人开发团队的研发场景，传递出浓厚的创新氛围。后续的技术交流环节也是收获颇丰，尤其在电池管理与智能驾驶两大板块，徐伟高工的分享，极具专业深度。电池寿命预测与管理系统、智驾系统的组成与发展以及各个模块实现的功能，清晰呈现了感知层的技术逻辑。技术上从逻辑控制到模型控制转换的原因及效果对于我们做科研的过程具有重要的启发。此次考察不仅拓宽了学术视野，更让我深刻体会到企业智能驾驶系统研发的大体过程，为后续教学与科研工作提供了宝贵参考。