华为
华为规划那边的端到端，这段时间看得多了就渐渐没感觉了。不过由于
华为软硬一体的能力，我对其传感器的端到端特别感兴趣。端到端是涉及两头的，我们不能只着眼于后面的pnc端，传感器这边能否进一步延伸也很关键。我老是在网上夸赞激光雷达，可我也很明白它存在的不足，像雨雾尘水花造成的噪点、镜像点、高反膨胀、鬼影等问题。以前是依靠点云分割网络来处理这些问题的，在这个过程中我常常感慨，要是能像
特斯拉获取图像raw信息那样得到激光雷达的原始信息，误检漏检的情况肯定会大大减少。实际上，激光光斑照到雨雾尘这类微小物体时，尽管会有回波，但仍有部分激光未被阻挡而继续前行，直至击中真正的障碍物才产生最后一次回波。并且，即便都是回波，雨雾尘的波形与真正障碍物的波形也存在差异。这就意味着，凭借多次回波的波形信息，我们可以区分出雨雾尘和真正的障碍物。同样，镜像点、鬼影也会产生多次回波，我时常想，要是能获取多次回波的波形数据，或许这些问题就都能解决了。如今激光雷达的点频相当高，若让厂商发出完整波形，带宽难以承受，所以得提取些特征供后续神经网络处理。但具体提取何种特征，通常凭人主观想象效果往往不佳，还是要让神经网络端到端学习才能有较好效果。之后可将底层部分特征提取置于激光雷达端侧进行压缩，压缩后再发出，以此减轻带宽压力。遗憾的是，激光雷达的制造，成本高昂且研发周期漫长，我们没有能力自主研发。若与供应商合作，首先供应商能否通过特殊方式提供原始数据就是个难题，更别提配合修改端侧FPGA代码，将需频繁改动的神经网络结构和参数写入了。因此，若想让激光雷达的潜力得到最大程度的发挥，就必须自研或者和激光雷达供应商深入合作。国内的智驾
公司里，只有
华为和
大疆具备这种能力，这或许就是智驾四小龙华大地魔中
华为和
大疆能排在前两位的原因。
禾赛也推出了端侧AI引擎，可由于无法获取后面的主干网络，该引擎在端侧只能输出结果而非特征，无法享受到端到端全局优化带来的益处。
