在中国物流运输结构中，干线公路货运占绝对主导地位，但市场整体处于高度分散状态，致使物流市场处于无序竞争的状态，最终导致超载、疲劳驾驶等现象普遍存在，造成严峻的安全隐患。随着干线物流市场暴露的问题日渐如初，通过自动驾驶技术可有效避免由于疲劳驾驶或车辆监测盲区而导致的安全问题，同时也可解决由于人员成本增加而导致物流企业成本高等问题。

2020年，国家智能网联汽车创新中心发布的《智能网联汽车技术路线图2.0》中要求货运车辆到2035年前后实现完全自动驾驶，到2035年后能够实现高速公路自动驾驶。因此，干线物流自动驾驶市场商业价值前景广阔、技术落地应用势在必行。

2023年度，无锡物联网创新中心有限公司从货运市场现状出发、积极响应国家政策，面向物流业务的车-路-云闭环生态，基于线控电动重卡打造面向干线物流的自动驾驶系统。https://mp.weixin.qq.com/s/gJ1rV5pBlD8FQn33_8AbVw

与普通乘用车自动驾驶技术要求及特点不同，重卡自动驾驶对感知算法识别距离要求更高、车体更宽、盲区更大、制动距离更长，对横向感知识别精度、感知算法的融合和处理效率均要求更高。为此，无锡物联网创新中心有限公司基于在感知算法和物联网中台领域上的经验积累，积极发挥相关技术优势，车端重点在感知硬件精准配置和融合算法模型两大技术攻坚克难，云端面向物流公司打造自动驾驶云服务平台，为物流企业赋能。

感知硬件精准配置

在感知硬件精准配置方面，设计多目标多变量多约束耦合的传感器规划模型。针对重卡自动驾驶对高安全冗余、低应用成本、高检测识别率等性能要求，经深度仿真调研论证，方案实测、长期长距离实地场景测试，我司基于在视觉测距技术方面的积累和视觉感知方面的技术优势，自主研发可以适配干线物流重卡自动驾驶的专用感知硬件配置方案。该配置方案可在保障远近距离识别精度，确保环车全局监控、无盲区覆盖，降低系统复杂度的同时，控制整体方案部署成本。经过孪生仿真验证及算法检测分析，基于建议涉及成本、安装、维护、数据带宽等性能的奖励与惩罚机制，提出了基于多目标多变量多约束耦合的传感器规划模型，实现动态规划最优传感器视场、距离、冗余安全50%的、应用传感器内参与外参的联合优化技术，设计最佳传感器融合布局方案。具体而言，采用雷达和摄像头混合组合方案，并在全车特定位置配备3颗激光雷达（1颗主激光雷达，2颗补盲激光雷达）以及11颗车载监控摄像头（近距离识别使用广角摄像头），确保卡车360度视角和盲区覆盖，并通过多类型设备识别冗余提升识别安全等级，同时降低感知系统复杂度。

融合算法模型

在融合算法模型方面，突破性构建多模多视角前融合感知框架，提出基于语义信息的多维数据BEV特征级融合算法，全方位提升识别精度和识别速度。该框架模型对不同类型传感器包括多个不同线束的激光雷达、多个不同分辨率和视场角的摄像头的原始感知数据输入，设计并实现了BEV（鸟瞰）视角下融合不同数据源的前融合框架。在该框架基于视觉几何方法，将多模多源传感器数据统一配准投影到BEV视角下，将不同数据源的BEV抽象特征图进行帧同步和深度融合，最后通过优化深度网络计算框架输出感知识别结果。BEV前融合框架相较于感知后目标级融合方法，在多数量多类型的感知设备并存冗余安全的原则下融合执行多项感知任务和场景上具备更强和更稳定的性能，同时避免由于多模多维感知设备在感知后融合框架下的累积误差导致的融合时空基准不统一、识别率降低、识别精度降低问题，有效地解决卡车自动驾驶系统中在感知识别领域面临的问题。

自动驾驶云服务平台

自动驾驶云服务平台面向物流公司自动化运输任务，提供车辆/车队管理、车辆调度、运营监控、路径规划、地图服务等业务功能，同时采集自动驾驶电动重卡在运行过程中产生的状态信息，便于系统运维人员对运行数据进行分析，便于对持续优化自动驾驶系统，后续通过OTA远程升级的方式对自动驾驶电动重卡批量升级。