车企在不遗余力地提升车辆主被动安全性能，因为去年因交通事故伤亡的人数达到了250万人。从主动刹车、主动避让再到激光雷达的加入，这些措施都在进一步提高主动安全的成功率，但即便有激光雷达的加入也只是可以提高探测精度和范围，对于没有学习过的物体大概率还是束手无策。因此，阿维塔的GAEB系统应运而生。今天我们将一起来体验一下这个系统，这次测试的车型是阿维塔11，这台车搭载了华为的智驾系统，采用了3颗激光雷达、6颗毫米波雷达、12颗超声波雷达和13个摄像头，再加上GOD网络组成了一台非常强大的系统。相信看过我节目的朋友都知道阿维塔的智驾到底有多激进。
今天的测试项目很简单，就是看GAEB系统在面对各种物体及各种车速时能否刹停。今天的测试项目包括限宽门、纸箱、毛绒玩具和树桩。我们将以每个物体为单位进行测试，测试时速将会从40公里/小时开始逐渐增加，直到车辆无法完全刹停。经过体验后，我们发现，阿维塔11这套GAEB系统在70公里/小时甚至80公里/小时的情况下都可以将车辆进行刹停，而当时速达到90公里/小时时，这套系统也可以进行很大程度上的缓解。此外，当车速越高时，整体的制动效果会更轻柔，而速度越低，则制动力会越强。接下来，我们将探究这套系统的工作原理，以及它与传统的AEB有哪些不同之处。
传统的AEB可识别的障碍物被定义为“白名单”障碍物。通过对道路上可能出现的物体进行大量的AI网络训练，车载雷达及视觉设备能够识别并准确判断出障碍物的类型，例如汽车、行人及自行车等。华为ADS于业界首创了GOD网络技术，将其应用到AEB功能中。GOD网络技术可以帮助车辆识别“白名单”之外的异形障碍物，如土堆、躺着的行人、侧翻车辆、掉落的大纸箱、落石、倒地大树等。当车辆面临碰撞风险时，GAEB系统会及时采取自动紧急制动，避免事故发生或降低事故损失。与传统的AEB相比，GAEB的主要不同之处在于其具有识别“白名单”之外的异形障碍物的能力。
这使得GAEB系统能够更好地识别路上的危险因素，从而进一步提高主动安全性能。此外，当车速越高时，GAEB系统的制动效果会更加轻柔，这意味着即使在高速公路上，驾驶员仍然可以信任这套系统。而当速度较低时，GAEB系统的制动力则会更加强劲，这能够更好地保证驾驶员的安全。总之，阿维塔11这套GAEB系统是一项非常出色的技术，可以为驾驶员提供更加安全的行车体验。GAEB系统的能力不仅局限于传统的AEB技术，还具有识别“白名单”之外的异形障碍物的能力。因此，GAEB系统能够更好地识别路上的危险因素，从而提高主动安全性能。
在高速公路上，GAEB系统的制动效果会更加轻柔，而在速度较低时，制动力则会更加强劲，为驾驶员提供更加全面的安全保障。华为ADS系统的GAEB功能凭借着GOD占据栅格网络算法的高效识别能力，成功解决了智能驾驶面临的一个关键问题——识别异形障碍物。这个算法基于占据栅格网络，通过对物体的几何属性进行泛化模型，轻松应用于异形障碍物的泛化识别中。利用GAEB功能，华为ADS系统能够精确构建3D场景，感知系统可以将摄像头和雷达所感知到的所有训练过和未训练过的对象识别出来，从而实现对真实世界的还原和理解。这极大地提升了智能驾驶的安全性。
即使无法准确识别占用对象的类型，该系统也能够判断其是否会阻碍行车，从而实现避让。另外，GAEB功能还采用了激光雷达+毫米波雷达+视觉数据多传感器融合的技术，其中激光雷达具有探测范围远、分辨率高、不受光线影响的优势，能够通过探测目标的位置、速度，从而获得目标的距离、方位、速度等相关信息，再通过软件算法组合，建立3D点云图，绘制出环境地图。与视觉感知不同，激光雷达不需要大量的AI训练，能够直接感知深度信息。这些优势使得GAEB功能在识别细小障碍物时具备高精度感知能力，即使在夜间和逆光环境下也能够准确识别障碍物。
总的来说，GAEB功能的实力令人印象深刻，它可以在很大程度上避免交通事故的发生，大大提升行车安全性。然而，正如一句俗话所说，“十次事故九次快”，为了真正避免交通事故的发生，不仅要依靠主机厂的努力，我们还应该在日常行车中提高注意力，尽可能地避免事故的发生。
全部评论 （0）