在测试了装备有两部激光雷达的小鹏P5后，我们找到了答案。
最近一两年，在智能电动车新老自主品牌的发布会上，激光雷达频频出现，比如极狐、蔚来、小鹏、沙龙、SAIC智记等其中一些装备了一两部激光雷达，一些甚至装备了三四部激光雷达。
一瞬间，新车没有激光雷达，我甚至不好意思说自己是智能电动车。
但一个关键问题是，激光雷达能带来多大的改善？
近年来，特斯拉、蔚来、小鹏以及传统车企的车辆在启动L2时，都出现过驾驶员面对前方静止不动的异常车时没有及时接管的事故，频频引发外界对量产自动驾驶技术的质疑。
实际上，激光雷达的引入是为了解决目前视觉+毫米波雷达的传感器架构的缺陷，避免静止异形车、近距离堵车等现有技术难以解决的场景碰撞事故，为城市L2的实现奠定基础。
小鹏P5是国内第一款可以买到的搭载激光雷达的量产车，价格也是最便宜的。最近，小鹏向P5车主推送了新的软件更新，其L2自动驾驶算法引入了激光雷达的感知结果，可以实现更好的性能。
▲小鹏P5
事情也很快体验到了这个版本的软件，测试P5在静止车辆、静止物体、道路施工、近距离堵车、特殊车道线五种场景下的实际表现，了解激光雷达的真实情况。
第一，静止车辆识别准确，但不能及时制止。
东西向体验是600P的车型，也就是顶配车型，配备了两台DJI激光雷达，同时也升级到了最新的软件版本，有ACC自适应巡航增强版和LCC道路定心辅助增强版。
本次测试行程超过300公里，覆盖高速、高速公路、城市道路等多种场景。ACC和LCC大部分时间开启，在高精地图覆盖的高速路段，车辆会自动转换为NGP pilot副驾。
▲小鹏P5的ACC/LCC功能中增加了激光雷达传感器。
在具体功能上，使用激光雷达的小鹏P5应该可以更从容的处理交通堵塞、静止车辆识别、静止物体识别、施工场景识别等问题。所以车辆和东西也做了这些项目的检测。
之前的事故大多是因为前方有静止物体而导致的，所以激光雷达登车很大程度上是为了处理这个问题，所以成为车辆和事物最重要的测试项目之一。
▲2021年1月(上)和2020年12月(下)ES8连续发生两起事故。
目前主流的视觉感知系统中，除了摄像头，车企还会采用多部毫米波雷达，毫米波雷达主要依靠多普勒效应感知运动目标。多普勒效应的特点是动态最容易感知，动态很难感知，静态极难感知。
激光雷达理论上可以提高这种场景下辅助驾驶的安全性。
与相机不同，激光雷达不需要对前方的物体进行分类和识别。它只需要通过反射的点云信息确认前方有障碍物，然后系统就可以对此进行规避。同时，激光雷达传感器具有更远的识别距离和更低的延迟，可以提高车辆在面对异常障碍物时的行驶安全性。
所以车东西也测试了这个项目，因为高速公路上静止的车辆是小概率事件。于是，Che Thing把这个测试转移到了无人驾驶的道路上。这条路修建时间不长，还没有完全通车，所以路两边停着一些货车。
▲小鹏P5在识别出静止车辆后提醒驾驶员超车。
汽车选择的车道前面刚好有一辆货车，然后ACC和LCC同时开启，保证车辆在辅助驾驶系统下行驶。
出发没多久，小鹏P5就认出了前方静止的车辆，车辆仪表盘清晰显示前方有车。
然而此时，小鹏P5并没有明显减速，而是在汽车页面上提醒司机接管，同时安全带开始收紧提醒司机。在车和物没有主动接管的情况下，车自动退出LCC，但仍保持ACC状态。
▲小鹏P5退出ACC，手动干预后停止。
随着距离的接近，车辆在ACC中减速，但并没有完全停下来。直到距离很近的时候才停下来，然后车接手停了下来。
另外，在一条城市道路上，前面有一辆车停在路边，车尾出现在主干道上。东西向车辆驾驶的小鹏P5同时开启了ACC和LCC，车辆识别到了这一幕，但仍然保持直线行驶，保持匀速行驶。直到非常接近前方，车辆也没有给出任何减速或者变道的指示。最后，车辆不得不主动干预，避免了潜在的碰撞。
▲小鹏P5在辅助驾驶状态下对前方障碍物没有反应。
根据这个测试，小鹏P5确实可以识别静止的车辆，但不是减速，而是将控制权转让给驾驶员，还是有一定风险的。
在这次测试中，我没有遇到L2系统目前最怕的场景:-静止的异形车。所以我不知道P5的加强版L2在这种情况下的表现。
在Ideal L9的发布会上，Ideal还专门发布了一段视频，展示车辆在夜间可以避开一辆处于侧翻状态的车辆。小鹏P5在车头配备了两个激光雷达，理论上应该可以实现类似的功能。
二是施工路段可以提前察觉，车辆无法避让。
除了静止不动的车辆，施工现场也是副驾难以应对的场景之一。官方视频显示，小鹏P5升级后，可以主动发现前方施工场景，然后自动变道避开施工场景。
▲提前识别施工现场时，车辆会主动避让。
那么表现如何呢？车阳也有幸测试了这一幕。
从实际体验来看，很明显小鹏P5基本可以识别前方的施工场景。
▲小鹏P5可以发现远处的施工现场。
但是在体验过程中遇到的两次施工场景，车辆都没能很好的避让，最后还是需要人工接管才能避让。
第一次是在高速跟车过程中。当时，由东向西行驶的小鹏P5打开了NGP驾驶员，副驾驶员正在跟随前面的车辆。前方道路突然出现施工，前方车辆主动避让。
在前车变道后，小鹏P5也在第一时间发现了施工现场。然而，由于距离非常近，并且侧车道上有许多车辆，车辆也选择退出NGP飞行员助理驾驶，让司机接管。
还好发现及时，车子接手后顺利过了马路。
另一次，当NGP驾驶员辅助驾驶在夜间开启时，车辆也能及时识别前方的施工现场。这次路上车辆不多，车辆自己变道一次，就选择在施工车道旁边的车道继续前行。
这时，车辆认出了路边的圆锥体，这也显示在车-机界面上。然而，随着车辆向前行驶，一些锥状物开始越过车道线，甚至侵占了当前车道。然而，小鹏P5没有意识到这种情况，仍然处于NGP驾驶员辅助驾驶模式。
在意识到车辆可能无法识别这一场景后，车辆主动接管车辆，并通过了这一路段，否则车辆右侧很可能会刮到圆锥体。
从这两个案例来看，小鹏P5对圆锥锥体的识别还算准确，很早就能识别出来，但是处理策略不够稳定。这两种情况都是人类驾驶员接手避让，仍然存在碰撞风险，达不到宣传视频中的效果。
该测试的结果与之前静止车辆的检测结果相似。所有车辆很早就发现了前方封闭路段。如果发现较早的车辆可以在一定程度上避免，如果发现较晚，车辆会主动退出辅助驾驶，让驾驶员接手。
总的来说，小鹏P5对这一场景的处理仍不完美，碰撞的风险无法完全避免。
三、拥堵场景升级明显可以主动减速避让前车。
目前，几乎所有量产车的L2自动驾驶系统都是视觉+毫米波雷达的传感器架构。除了特斯拉，大部分在售的量产车都没有引入BEV算法，所以对侧边车辆的感知很弱——两台摄像机同时出现一辆车很难感知。
所以目前L2系统也很怕侧面近距离切入近距离卡壳的场景，经常反应迟钝，反应迟钝或者反应过度。
近距离切入也是业内的一大难题。在没有BEV算法的情况下，在车头两侧或车身两侧引入激光雷达后，可以增加一个传感器的感知结果，更容易感知和跟踪侧面前方的交通堵塞情况。
那么，引入激光雷达感知结果后，小鹏P5的增强L2如何应对堵车场景？
拿到车后，车把它开到高速上，第一时间打开ACC和LCC，保证车处于自动前进状态。在高速公路上，所有车道的车辆都保持一定的速度，非常适合测试堵车场景。
▲小鹏P5在辅助驾驶状态下会主动减速以避开前方的堵车。
在测试过程中，车辆从侧车道切入该车道。从车辆的仪表盘来看，小鹏P5基本能认出这些车辆，并且会根据距离做一些相应的调整。如果前方距离仍然较大，车辆将保持原来的速度。如果车距比较小，车辆会有一定的自动减速。
但是这些场景对于基于视觉的驾驶辅助系统来说并不难，从这一点上我们看不到激光雷达对于驾驶辅助系统的提升。但是后来一个场景改变了对车和物的看法。
▲小鹏P5在辅助驾驶状态下会主动减速以避开前方的堵车。
当时，汽车一直在NGP飞行员的协助下行驶在中间车道上，速度始终低于最高限速。然后，一辆重型卡车从左侧车道超车。超车后，在拉开距离前，对方不打转向灯就开始向右侧车道变道。车尾还没完全超车，车头就已经回到了现在的车道上。
如果东西向行驶的小鹏P5在这条车道上仍然保持原来的速度，很有可能会发生碰撞。幸运的是，小鹏P5及时发现了前车的变道意图，及时减速，避免了潜在的碰撞。
从车和物的实际体验来看，在激光雷达的加持下，小鹏P5在一定程度上提高了对堵车的反应，可以避免潜在事故的发生。
▲小鹏P5在辅助驾驶状态下可以更好的应对前方车辆的变道。
一位自动驾驶感知工程师告诉车，堵车的时候，下一辆车一般会和本车平行移动一定时间。
此时视觉辅助驾驶方案只能通过侧摄像头识别，而侧摄像头只能记录侧车的局部情况，无法猜测旁边障碍物的形状。只有当车辆完全出现在侧面前方，并且前视摄像头也参与其中时，才能识别出完整的车身，这就导致了识别和决策之间的时间差。
▲小鹏P5在辅助驾驶状态下可以很好的识别周围的车辆。
如果此时下一辆车被堵，很大概率会导致该车无法被识别，造成事故。
如果激光雷达的位置布置得当，可以覆盖车辆前侧180度范围。例如，小鹏P5使用两个激光雷达，基本上可以完全覆盖车辆的前侧。在这种情况下，只要下一辆车的车头与本车交叉，激光雷达就能识别并做出反应，从而减少碰撞事故的发生。
▲小鹏P5前置激光雷达
也就是说，这两个激光雷达的加入确实提升了小鹏P5的辅助驾驶能力，车辆在应对堵车场景时会表现得更加自如，从而为驾乘者带来更安全的体验。
第四，无车道线仍能正常前行，跟随车通过红绿灯。
在测试过程中，车东西发现小鹏P5使用了激光雷达的增强版L2来应对无车道的道路。在一段没有明确车道线的城市道路上开启ACC和LCC后，车辆始终能够在最右侧车道稳定行驶，并会主动减速避让前方电瓶车和行人。即使在没有车道线的路口，也能顺利通过。
▲小鹏P5启动辅助驾驶，行驶在无车道道路上。
这种改善主要是由于激光雷达的加入。
某新车公司的自动驾驶工程师告诉车东熙，在视觉方案中，要用摄像头检测路口另一侧的车道线，但检测结果不一定准确。为了保证安全，工程师在开发设计时会降低阈值，设计保守，导致车辆无法很好地通过没有车道线的路口。
▲小鹏P5在驾驶辅助后自动通过红绿灯路口。
激光雷达通过激光反射形成点云，使得检测路口另一侧车道线更加准确。在此基础上，工程师可以更自由地设计，可以保证车辆更好地通过无车道线。
▲小鹏P5在辅助驾驶状态下通过无车道线。
另外，激光雷达的加入可以更好的识别前方车辆的位置和姿态，可以直接跟随车辆通过路口。
得益于对车道线的准确感知，车辆在通过曲率较大的弯道时表现非常出色，在一些转弯较大的匝道上也能正常行驶。
▲小鹏P5在辅助驾驶状态下通过曲率较大的弯道。
根据本次测试，加入激光雷达后，小鹏P5对车道线的识别能力有了很大的提升，在处理大曲率弯道时更加自如，没有了之前优柔寡断的感觉；同时，应对无车道道路的能力得到了提升，甚至可以通过红绿灯跟车。
但从车和物的实际体验来看，小鹏P5目前还不能识别红绿灯，人类司机在红绿灯路口需要高度警惕。
五、小物体的“识别”不全面无法避免三角形。
如果说小鹏P5在之前的测试中表现尚可，那么静止物体的测试相对来说是不成功的。
NGP驾驶员辅助驾驶高速测试时，前方一辆车抛锚停在最左侧车道，导致整条道路拥堵，车辆几乎停不下来。
当时，我不知道交通堵塞的原因，但我开着小鹏P5在最左边的车道上。之后车辆减速驶向事故区域。前方车辆看到三角后，向右变道，离开车道。
然而，小鹏P5没有认出它前面的三角形，保持了原来的速度。直到离三角非常近的时候它才反应过来，然后车和东西主动介入避开三角。
▲小鹏P5未能识别三角形。
从这个角度来看，即使在小鹏P5加入激光雷达后，这些小型静止物体的识别能力也没有得到明显提高。如果没有人工主动干预，很有可能会继续前行，撞到前面的肇事车。
上述工程师表示，摄像头主要是对物体进行拍照，然后逐帧对数据库进行分析对比，确定前方障碍物的类型。大部分模型都可以识别，但是一些物体不规则的推车，比如有树的推车，还有一些静止的物体是无法识别的。
无法识别意味着无法做出正确的判断，会导致事故的发生。
激光雷达不需要对障碍物进行分类识别。仅通过激光反射的点云就可以确定前方有障碍物。那么在车辆决策过程中，避开这些障碍就足够了。
▲激光雷达点云影像
因此，在使用激光雷达后，小鹏P5完全有能力发现前方的三角形，并发出减速或变道的指令。然而，这个结果并没有出现在测试中。
目前，我们不知道小鹏的工程师是否没有使用激光雷达来探测和避免小物体，或者他们是否做了一种算法但没有准确识别它。
结论:虽有改善，但不明显。
经过300多公里的体验，车东发现，小鹏P5引入激光雷达后，其L2系统确实有一定程度的提升，有些场景比如加塞有明显的改善。但是对静止车辆和物体的识别并没有提高，甚至没有主动停车。从效果上看，没有发生质的变化。
即使在测试中，完成前期学习和考试后，也没有出现在地下室成功启动记忆停车的尴尬场景。
然而，由于所涉及场景的复杂性，有一些场景我们还没有测试。
但总的来说，按照lidar+摄像头+毫米波雷达的传感器配置，这个方案的潜力显然是很高的，在很多场景下都能发挥更好的作用，尤其是后面要推出的城市NGP。不过考虑到这是Xpeng Motors首次将lidar引入量产车，后续应该会有更多变化，届时我们会继续测试验证。