ADAS、NOA、NOP、NGP、全场景智驾有什么区别?
电控知识搬运工 2025-03-27
ADAS 高级驾驶辅助系统(Advanced Driving Assistance System)是利用安装在车上的各式各样传感器(毫米波雷达激光雷达、单\双目摄像头以及卫星导航),在汽车行驶过程中随时来感应周围的环境,收集数据,进行静态、动态物体的辨识、侦测与追踪,并结合导航地图数据,进行系统的运算与分析,从而预先让驾驶者察觉到可能发生的危险,有效增加汽车驾驶的舒适性和安全性。 近年来ADAS市场增长迅速,原来这类系统局限于高端市场,而现在正在进入中端市场,与此同时,许多低技术应用在入门级乘用车领域更加常见,经过改进的新型传感器技术也在为系统部署创造新的机会与策略。图片
图片

1. ADAS(高级驾驶辅助系统,Advanced Driver Assistance System)


定义

ADAS 是通过传感器、摄像头、雷达等技术实现的辅助驾驶功能集合,旨在提升驾驶安全性和舒适性,但需驾驶员全程监控。


功能子集

  • 基础功能

    • ACC(自适应巡航控制):自动调整车速保持与前车距离。

    • LKA(车道保持辅助):自动纠正方向盘以维持车道内行驶。

    • AEB(自动紧急制动):检测碰撞风险并主动刹车。

    • BSD(盲点监测):监测盲区车辆并提醒驾驶员。

  • 进阶功能

    • TJA(交通拥堵辅助):低速下自动跟车和车道居中。

    • IPA(智能泊车辅助):自动识别车位并完成泊车。

技术架构

  • 传感器:摄像头、毫米波雷达、超声波雷达。

  • 计算平台:低算力ECU(如Mobileye EyeQ系列)。

  • 算法:基于规则的传统控制算法,依赖预编程逻辑。


图片

2. NOA(导航辅助驾驶,Navigate on Autopilot)


定义

NOA 是特斯拉推出的高阶辅助驾驶功能,可在高速公路或快速路上实现从入口到出口的自动导航驾驶,需驾驶员监督。


功能子集

  • 高速NOA

    • 自动变道超车、匝道汇入/汇出。

    • 根据导航路线切换车道。

  • 交互功能

    • 驾驶员确认变道(部分版本支持自动执行)。

    • 交通灯识别(部分城市道路延伸)。

技术架构

  • 传感器:纯视觉方案(8-12个摄像头)。

  • 计算平台:自研FSD芯片(HW3.0/HW4.0)。

  • 算法:BEV(鸟瞰图)+ Transformer神经网络,依赖高精度地图(部分场景)。


图片


3. NOP(领航辅助驾驶,Navigate on Pilot)


定义

NOP 是蔚来汽车推出的导航辅助驾驶系统,覆盖高速和部分城市快速路,允许车辆自动完成车道选择、超车和进出匝道。


功能子集

  • 高速NOP

    • 自动超车、避让慢车。

    • 匝道智能调速(根据曲率调整车速)。

  • 城市NOP(部分版本)

    • 无保护左转、复杂路口通行。

    • 施工路段临时绕行。

技术架构

  • 传感器:1颗激光雷达(如Innovusion)、多摄像头、毫米波雷达。

  • 计算平台:NVIDIA Orin-X芯片(1016 TOPS)。

  • 算法:多模态融合感知(激光雷达+视觉),高精地图依赖度较高。


图片

4. 全场景智驾(Full-scenario Autonomous Driving)


定义

覆盖城市、高速、泊车等全场景的高阶自动驾驶功能,目标是实现“端到端”自动驾驶,驾驶员仅需在系统请求时接管。


功能子集

  • 全场景覆盖

    • 城市道路:无保护左转、行人避让、加塞处理。

    • 高速公路:自动变道、超车、进出服务区。

    • 停车场:跨楼层记忆泊车、召唤功能。

  • 极端场景处理

    • 临时施工绕行、夜间逆光行驶、暴雨天气通行。

技术架构

  • 传感器:多激光雷达(如速腾聚创M1)、4D毫米波雷达、高分辨率摄像头。

  • 计算平台:高算力域控制器(如华为MDC 810,400+ TOPS)。

  • 算法:端到端AI模型(如BEV+Transformer+Occupancy Network),无图化技术。


功能区别对比

维度 ADAS NOA(特斯拉) NOP(蔚来) 全场景智驾
覆盖场景 单一场景(如车道保持) 高速/快速路 高速+部分城市快速路 城市+高速+泊车全场景
自动化等级 L2(需全程监控) L2+(需监督) L2+(需监督) L2+/L3(有限脱手)
传感器依赖 摄像头+毫米波雷达 纯视觉 激光雷达+摄像头+高精地图 多传感器融合+无图化
决策逻辑 规则驱动 数据驱动(AI模型) 多模态融合+规则辅助 端到端AI+动态场景泛化
典型代表 丰田TSS、大众Travel Assist 特斯拉FSD Beta 蔚来NOP 华为ADS 2.0、小鹏XNGP


技术架构演进路径

  1. ADAS

  • 核心:分散式ECU,功能独立(如AEB、ACC各由单独模块控制)。

  • 局限:场景碎片化,无法处理复杂交互。

  • NOA/NOP

    • 核心:集中式域控制器,多传感器融合,依赖高精地图。

    • 突破:实现路径连续规划,但仍需高精地图支持。

  • 全场景智驾

    • 核心:无图化+端到端AI,通过Occupancy Network动态建模环境。

    • 趋势:摆脱高精地图,依赖实时感知与AI泛化能力。


    总结

    • ADAS:安全辅助基石,功能独立但场景受限。

    • NOA/NOP:高阶导航辅助,依赖特定场景与地图。

    • 全场景智驾:技术终极形态,需突破长尾场景与成本瓶颈。

    行业方向:从“功能叠加”转向“场景贯通”,最终通过数据闭环与AI迭代实现完全自动驾驶。


    声明: 本文转载自其它媒体或授权刊载,目的在于信息传递,并不代表本站赞同其观点和对其真实性负责,如有新闻稿件和图片作品的内容、版权以及其它问题的,请联系我们及时删除。(联系我们,邮箱:evan.li@aspencore.com )
    0
    评论
    • 相关技术文库
    • RF
    • 射频
    • 通信
    • 无线
    下载排行榜
    更多
    评测报告
    更多
    广告