“无人驾驶在不同的场景中需要做不同的技术选型，”陈默说，由于矿区车辆行驶速度慢且多粉尘，图森的矿车就选择配备了两台16线的激光雷达加上10个摄像头。

　　为了降低成本的同时又提高无人车的安全性能，图森会在固定路段使用配备激光雷达的地图车采集信息，信息标记后直接存入车体本地，无人车行驶时则使用毫米波雷达，将实际行驶中的环境数据和车体本地中采集到的数据进行校验对比，当发现二者存在错误时则会作出相应的决策机制。从感知到决策，会经过六七种结果的对比。

　　▲图森美国团队小车

　　“我们不相信任何一种算法或者单一的硬件，只有经过六七种算法的层层确认才会做出最终的决策，这样才能保证出错的几率是最小的。”

　　另外，除了高昂的价格，激光雷达的检测范围只有120米左右，而卡车由于载重大速度快，刹车距离一般都会超过100米，因此在卡车上使用激光雷达并不是最优选择。

　　一般来说，一辆配备激光雷达的无人车一小时能够产生1T的数据，为了降低技术难度和成本，图森的无人车在行驶中使用雷达产生的数据远远小于1T且只有当车辆行驶到集散地时才会回传异常数据，省去了行驶中数据回传的成本。

　　对于车辆产生的数据，atv，图森建立了全国最大的数据库，并通过众包的方式对其进行标注以形成有效数据。

　　今年6月，图森将在曹妃甸模拟煤矿的卡车货运进行自动驾驶路测。 陈默说，预计到今年底就能看到图森无人驾驶的车队在高速公路上行驶，“我们希望能够做到两个人来控制五辆车，进一步降低成本。”

无人车的“降维”公式

　　在传统的货运行业，司机经常面临疲劳驾驶、情绪波动等问题，如果对行驶环境判断不准确还会频繁刹车提高油耗。通过无人驾驶，可以避免不必要的急刹车，省掉7%的油耗；在司机成本方面，一般国内司机年薪在12万左右，国外在6到8万美金，通过无人驾驶可以帮助运输公司节省一半的用人成本。

　　如果无人驾驶是未来趋势，但要想快速实现商业化，除了压低成本，业务上也要降低拓展的难度。

　　对于快速商业化，陈默打算将外部的销售需求转化为单一为一个股东服务的需求。具体而言，由于国内的运输公司和运输线路都很多，图森将在证明无人车确实可以帮助运输公司降低成本后，让其中一家承运人成为股东，这样既能帮其降低成本，也能令股东享受股权价值的提升。而对于图森来说，这样既拿到了足够的业务，也省去了营销推广的成本。

　　据陈默介绍，图森将在国内更侧重于矿区自卸车的业务，在国外则侧重于公路货运。

　　目前图森的团队在中美两地办公，国内80人，j2直播，美国约40人，8个合伙人中有6个负责技术。

　　联合创始人、CTO侯晓迪是加州理工计算与神经系统博士，带领美国加州圣地亚哥的核心算法团队；

　　首席科学家王乃岩是香港科技大学博士，带领国内的算法团队；

　　COO郝佳男是南洋理工大学博士，曾是淡马锡国家实验室研究员，主要负责无人车的集成和高性能计算。

　　去年9月，图森研发的计算机视觉与深度学习算法在全球最知名、最权威的自动驾驶算法评测数据集KITTI和Cityscapes上共打破10项世界纪录。其中，KITTI数据集中，目标检测三个单项、目标追踪两个单项、道路分割四个单项，共计九个单项全部排名第一；在Cityscapes评测数据集两套标准下均获得世界第一。

　　“屠榜不是目的，图森现在要做的就是给客户证明，我们是有能力做到大规模商业化，而且是真的可以为用户节省成本的。”