MAXIEYE发布NOM系统，三大版本搞定「点对点」智能驾驶

2022 年刚拉开帷幕，一家名为 MAXIEYE 的公司便发布了NOM领航辅助系统。

速度很快。

要知道，目前国内能够推出领航辅助的玩家少之又少，仅有蔚小理和长城汽车等几家在量产车上搭载了领航辅助系统，也就是大家常常听到的 NOP、NGP、NOA、NOH。

「NOM」的加入，让领航辅助这条赛道更加热闹。

而且，与蔚小理开发的系统仅供自家使用、长城汽车的 NOH 来自其关联自动驾驶公司毫末智行不同，MAXIEYE是作为一家中立的第三方供应商，希望将 NOM 提供给所有整车厂。

这会考验系统的功能实现、算法和成本等多个层面，是真正放到市场中厮杀的竞争。

那么，MAXIEYE 的 NOM 到底是什么，与市面上的产品有何不同，越来越多的玩家涉足领航辅助，自动驾驶这道难关真的会被渐进式玩家攻破吗？

几天前，我们和 MAXIEYE CEO 周圣砚、MAXIEYE CTO 郭恩庆进行了一次沟通，发现这家做感知起家的智能驾驶方案的初创公司，在感知方案、路径规划上都有着独特的设计。

01、拆解 NOM：软硬解耦，高性价比

NOM 全称 Navigate on MAXIPILOT，有三个版本：

· 基础版 NOM-Basic，基于 5R1V 的硬件配置，实现 360 度传感器融合，接入高精地图导航定位技术，可自主完成高速场景下的智能路径规划，实现自动进出匝道、切换主干道、根据道路限速和工况环境自动调整车速、自动变换车道、自动超车、大车安全避让等功能。

· 高配版 NOM-Premium，基于 5R5V 的传感器配置及更大算力平台，实现高度集成的行泊一体智能化方案。

· 增强版 NOM-Enhanced，基于 5R11VnL 的传感器配置，通过视觉和激光雷达等更多传感器冗余设置，拓展「点对点」自动驾驶系统边界，实现 L3 等高阶智能驾驶功能，可支持城市道路导航自动驾驶。

推出三个版本是为了满足不同主机厂的需求。

三个版本的不同点是：在行车方面，与 5R1V 相比，5R5V的传感器配置有环视摄像头做补充，可增强 TJA 等场景的感知能力，体验感更好、在拥堵环境行驶的接管率更低。

此外，5R5V 的配置也使整个系统增加了泊车功能，由于额外采用前视远距离的摄像头去实现定位，泊车的时候车速可以更快。

带有激光雷达的5R11VnL 方案，可以对过道、护栏、路沿等信息进行采集，提供一个类似「立体墙」的信息，无论地面上有没有车道线，都可以沿着激光雷达反馈的信息顺着「立体墙」顺利通过。

而这三个方案的共同特点是，由于算法和底层硬件实现了解耦，NOM 系统对于毫米波雷达、摄像头、芯片选型等具有很强的兼容性。

比如，NOM 既可以选择配置 200 万像素摄像头，也可以选择配置 800 万像素摄像头。

两种摄像头可以实现的功能是一样的，均是辅助车辆完成自动换道和自动进出匝道。

而 200 万像素的摄像头，其成本低、性价比高，但因为它看不了那么远，所以在换道、超车的时候，应对车流的决策会相对比较保守。

NOM 对于芯片的选择没有硬性的要求，只要等效算力水平足够即可。

· 基础版 5R1V 需要 10 Tops 算力；

· 5R5V 需要 30 Tops 的算力；

· 5R11V 需要 100 Tops 的算力。

由于对感知硬件不挑剔，再加上可以适配更多的芯片平台，让 NOM的灵活性非常高，且成本很有竞争力。

周圣砚告诉汽车之心，只要提供等效算力的芯片，无论国内外芯片，NOM 都可以支持。

「我们目前的 NOM 量产方案不会强依赖于激光雷达，主要依赖『毫米波+视觉摄像头』。几百块钱的毫米波雷达，几百块钱的摄像头，再加上一套域控制器，整个 NOM 的方案成本控制在数千元左右。」

问题来了，当这套NOM 系统上路运行时，能够与市面上的领航辅助系统进行对抗吗？

02、上高速，NOM 到底强在哪里？

高速场景下，领航辅助大概需要应对以下场景，自动跟车、自动变道、自动进出匝道。

这里面，「领航辅助中，20% 的算法策略用于 80% 的 L2 场景应对，而剩下 80% 的算法策略要用于自动换道或超车、自动进出匝道等场景处理。」郭恩庆说，各家的领航辅助基本上都可以实现这些功能，真正的差异化还要在用户体验的细节上下功夫。

MAXIEYE 的 NOM 系统的特别在于对感知部分做了增强，并且从感知底层去找功能体验突破的可能性，这与这家公司的感知出身有密切关系。

MAXIEYE 成立于 2016 年，主打前向单目视觉传感器 IFVS 系列产品，并且已完成多代产品的迭代。

截至目前，MAXIEYE 的产品在商用车前装市场出货量突破数十万套，并于去年 7月获得国内乘用车企的L2 量产项目定点。

过去的技术研发积累，再加上在感知产品上的打磨，以及从感知规划控制的闭环、量产经验，一定程度上形成了马太效应。

尤其是，MAXIEYE 已经设计了数据触发与回传机制，让 NOM的开发进度明显加快。

而且，感知起家的 MAXIEYE，在涉足 NOM 系统研发时继续增强了感知的能力。

以目前领航辅助驾驶常遇见的问题为例，通常情况下，在遇到高精地图丢失的情况时，现有的领航辅助系统会短暂退出或者对系统进行降级，车辆也会出现降速，甚至还会出现车身摇晃等问题。

MAXIEYE 的解决方法是，在做视觉检测时，生成局部的拓扑图。

「比如在进匝道的时候，车道线往往是分开的，我们的方案不仅会告诉你这是一根线，还会检测到这根线前面会有一个分岔点，基于这个点又衍生出来一根线，这样即便在短时间内定位出现不太清晰的地方，但只要能够大概（把车辆）送到这个位置，我们利用地图给的局部最优解，系统就可以匹配到顺着这个分岔点过去大概是对的，包括分岔点、车道线拓扑结构这些都是自己做的尝试。」郭恩庆表示。

在有高精度地图的情况下，使用高精地图进行简单、确定性更高的换道、进出匝道，当遇到高精度地图的定位不准时，MAXIEYE 会将高精度地图或者导航地图生成的拓扑，与感知生成的拓扑进行比对，当短时间丢失定位的时候，可以用感知的能力去实现换道、进出匝道的能力。

使得 NOM 系统可以部分和高精地图进行解耦，感知与高精度地图互为冗余，这是 MAXIEYE NOM 方案的一个特点。

这意味着，NOM 的底层思路与特斯拉的 NOA 有些类似，前向视觉感知为主，再配合其他感知硬件、高精度地图进行融合感知。

除了增强感知，NOM 还采用了融合路径规划 FPP（Fused Path Planning）技术。

郭恩庆解释，「因为地图丢失的时候，大部分是在车遮挡比较厉害或有高架桥的地方，因此我们用了车流信息，另外还利用了导航地图信息、围栏信息、路沿信息。人开车就是这样，在没有车道线的地方，你看到这个地方，你不一定要顺着线走，但你依然可以弯过去，因为你跟着车流就可以过去。」

除了常规的自动换道和自动进出匝道，NOM 还针对各家普遍遇到的问题进行了完善。

比如，地图定位不准问题。当地图定位横向偏差超过 30 厘米时，如果按照地图行驶，会发现车辆不是在车道里走。

针对这一问题，MAXIEYE 的做法是，对比地图和车道线检测的趋势，如果趋势相同，那大概车道线是没有错的。

以实际道路检测的车道线作为车辆控制的依据，最终提升了用户对领航辅助系统的使用体验。

在应对中国特色的加塞 cut in 路况上，NOM 也进行了大量测试和优化，郭恩庆称，「比如在高速上的 cut in，如果不出现恶意别车的 cut in，我们基本都可以处理。」

03、量产在即，领航辅助风起