2018年10月，图像级激光雷达系统开发商Innovusion宣布获得由蔚来资本、斯道资本，和F-Prime Capital领投约3000万美元的A轮融资。
2018年11月，Innovusion的激光雷达系统Innovusion Cheetah（猎豹）也正式面向全球客户开放订购。作为全球首款图像级激光雷达系统，猎豹支持L3级及以上（特定运行条件下全自动）自动驾驶解决方案。具体而言，该产品能够探测200米以外的物体，并生成高密度点云（300 线）。
2019年1月，Innovusion成立中国子公司图达通智能科技（苏州）有限公司。
2019第四届ADAS与自动驾驶论坛于3月21-22日在上海召开，论坛由CCIA智能网联专委会与佐思产研主办，地平线、纵目科技、中科慧眼、中电昆辰、富兰光学、创景科技等单位支持。
Innovusion 创始人兼CEO鲍君威在论坛上发表了题为“图像级激光雷达构建自动驾驶的可靠感知系统”的演讲。以下是演讲全文。
先介绍一下L1到L5自动驾驶分类和对感知控制的要求。在L4以下的场景对控制要求不是很高，但对L5是一个跳跃，要处理各种复杂场景。对于感知，从L3开始因为有至少十几秒的驾驶员不专心开车的时间，就需要驾驶系统能够完全可靠地取代人的感知。根据统计数据，人类感知系统一百万小时左右会有1起死亡事故，感知误差率是十的负十次方以下。如果切换到自动驾驶系统，需要比人类的感知好十倍以上，至少达到是的负十一次方，这样的误差率还需要冗余，各个传感器比如摄像头，激光雷达，毫米波雷达都需要撑起自己达到这样可靠感知的重任。
来看两个比较典型的场景。第一是城镇道路低速行驶的场景，能有效感知到50米以内范围的大人、小孩、各种障碍物等。这里小孩作为一个代表，激光雷达本身的原理非常简单，像激光笔一样打到边上屏幕上，发过去再回来。但是自动驾驶难就难在要在自然的场景下，在自然光的条件下，有时候还有阳光，各种雨雾天气情况下打这个激光笔的光点，而且光电会打到各种不同特性的物体表面。如果打在会场后面，大家可以看到光点大很多了。如果在外面阳光下，用这个激光笔打的光点几乎是看不到的。在自然环境下保守估计有5%-10%的几率激光雷达系统会接收不到从物体返回的信号。
比如在50米以外，一米高的小孩要十个点以上（才能有效感知），需要激光雷达的传感器分辨率至少达到0.2度左右。另外高速路上的行驶，大家公认比较保守的停车、刹车距离大约是150米左右，这么远距离以外，汽车比人更不可控制，也许有一些车本身擦得很亮，颜色非常深，这时候一个车上需要有15-20个点左右。同样推算，激光雷达的分辨率也需要0.2度左右。一个驾驶场景考虑到纵向有坡度等不同变化条件下，大家可能希望有大约20-30度左右的视角。30除以0.2度，所以大家希望激光雷达达到的线数是150线左右，这是L4级自动驾驶的最低线数。
L3级呢？如果希望感知系统能够更可靠的辅助人类驾驶员，达到安全状态的话，它的要求也是很高的。如果对于驾驶员要求特别敏感，可以将LIDAR的要求放得特别低，所以这有很大的变化范围。
现在传感器是在什么状态呢？比较关键的超声传感器是几米的测量距离。毫米波雷达做得好的，长距离可以达到一两百米，甚至更远，近距离几十米，但线数是非常低的。目前市场上出现了很多低线的激光雷达，譬如8,、16、32、64线的，最近出来128线的，在这个范围内还是和毫米波雷达一样，做得好的能达到250米，做得不好的三四十米，但是都达不到L4级自动驾驶的要求。 还有的激光雷达像相机一样，分辨率非常高，达到百万像素，但是测量距离非常近。
如果大家想达到L4级该怎么办呢？堆叠多个激光雷达，达到及格线，大约0.2度，或者150线。Innovusion希望用一枚激光雷达可以达到300线，而且可以达到两百米以上的测定距离。核心就是们希望用激光雷达提供一个可以信赖的眼睛，具有高分辨率和长距离特征。
下图是Innovusion激光雷达的点云。看过了低分配的激光雷达，大家觉得激光雷达就是一条一条的，中间很多漏洞。下图可以看出分辨率可能不如高清视频高，但也达到了300线，相当于二三十年以前老电视的分辨率了。如果看仔细些，几乎各个车辆可以看清楚，行人、建筑物也知道是在什么地方。
（视频播放）这是速度快的场景，限速80公里，所以车、车道线、两边的分割线、电线在80-100米可以显示出来，由此体现出激光雷达超高的分辨率。可以看到车道线的分割线可以远到100米左右，路面上的点大约70米左右。每个点都是实时产生的，精确到几厘米的点。
再来看测得比较远的距离，下图图像距离大约是280米，很多车在200米以内可以很好探测到。大家看到这三辆车，离了这么远的距离，车本身的形状已经不能特别清楚得显示出来，每车车尾可以看到六七个到十个点左右，三辆车分别在277米、246米、225米距离处。
自动驾驶的要求不能因为看到一个点、两个点就认为是物体了。Innovusion的LIDAR可以看到250米以外车尾的七八个点，就让系统有足够的时间做规划控制，即使是对重卡来说，开到100公里的速度也是可以控制的。
下面是典型的感知系统演示1.0、2.0版本。2.0让大家把数据拿过来做训练感知，由于激光雷达探测距离、密度局限，最多探测50米以内的物体，50-100米之外，可能能做一些事情，但是点云密度不大。
下一步是感知系统评测的3.0版本。自动驾驶不能挑场景，只探测比较大的物体。开车的时候需要看什么呢？希望看到任何一个在路上的，可能对车辆、轮胎产生危险的物体，典型物体是什么呢？比如一块砖，20厘米高。激光雷达多少米可以看清这个物体呢？人一般是50-100米看清。激光雷达能不能看清？
这里模拟了一个场景（视频播放），在一个路上开车，100-120米之间有物体出现了，这是放的障碍物，慢慢离得越来越近，基本大小20厘米高。探测点在100米以外基本是三到四个点以上。这不是常见的场景，但是一定要确认不能出事，不能到30米才探测到。
如果激光雷达可以探测到100-120米之间的障碍物，对高速行驶的车就是一个很好的保护。Innovusion希望把目前的要求定义在100到120米之间，想象一下在高速公路上，汽车时速120公里左右，在100-120米左右看到三四个点，通过这样的算法，可以积累三到五帧的数据。此时车可以减速，无需急刹车，等大约六七十米左右可以判断是不是对行驶产生危险的物体。速度相对比较慢时，如果真遇到这样的场景，即可急刹车。
那么在这个场景中，100-120米之间看到的障碍物是什么样呢？这个橘黄色像电池一样的东西高20厘米， 这个砖宽40厘米，桔红色的盒子也是同样大小。80-120米之间的人，对比摄像头的影像，汽车可以判断出来，人在比较远的地方可以看得非常清楚。这种复杂场景下，大家看到的是图像级的三维实时场景。
在场景复杂、繁忙的停车场、交通路口，大家不能完全探测到场景里面所有的物体，好多传感器比如激光雷达密度不够，普通摄像头探测可靠性不足，并且需要大量计算资源。我们这里把激光雷达架在车上，看看监控复杂场景的情况。大家可以看到120米范围内的行人、车辆、甚至骑车的小孩儿都可以清清楚楚地从高密度三维点云图探测到，并有足够时间跟踪及使用AI系统做行为预测。 如果把高清激光雷达挂在路边作为V2X车路协同的传感器，会给整个自动驾驶系统提供可靠的另一路冗余。
对于高清激光雷达的高质量数据，我们训练一百帧左右的数据，就可以探测100-120米左右路面的车和物体。另外因为数据点很密，很容易和摄像头做像素级的融合。这样的结合知道这个车的尾灯在什么地方，可以实时跟着尾灯像素，就知道这个车要不要刹车。
Innovusion的激光雷达很容易和摄像头做传感器的融合。如果有了图像级的激光雷达，自动驾驶就会有跨越式的发展。
