2021年02月10日 | 激光雷达会取代摄像头，成为汽车的“眼睛”吗？

或许，没必要被特斯拉的“嘴犟”带跑偏。

2021年，被认为是激光雷达的量产元年。道理很简单，因为有一批搭载激光雷达的量产车型将于今年上市。

长城汽车WEY品牌摩卡车型，将会搭载全固态激光雷达，预计于今年3月正式上市。

小鹏汽车早在P7鹏翼版上市时，已经宣布将在2021年推出的第三款量产车型上搭载激光雷达。

蔚来第一款轿车ET7也要搭载激光雷达，上汽智己汽车同样会为激光雷达预留接口，包括宝马、戴姆勒、沃尔沃等跨国车企均有在2021年搭载激光雷达的计划。

相比之下，特斯拉反而格格不入。马斯克一度将激光雷达比喻为“正常人拄拐杖”，实为多此一举。

当然，在成本优先的考量下，马斯克将激光雷达踩在脚下，完全可以理解。并不排除当激光雷达的成本降低之后，特斯拉也会选择激光雷达的辅助方案。

在商言商，以最优的成本解决难题，这才是特斯拉习惯抓取的主要矛盾点。

这其实也印证了激光雷达量产上市的两个先决条件：1、技术要成熟；2、成本要合理。

不过，截止当下，马斯克仍然“憎恶着”激光雷达。于是，在驶向L3级以上的自动驾驶路线中，出现了“两派之争”。

第一派是以特斯拉为首，几乎也是唯一的“视觉派”，坚持认为摄像头足以解决感知难题。

另一派则以诸多新造车为主的激光雷达派，坚持认为搭载激光雷达，增加安全冗余非常有必要，要将自动驾驶单纯依靠视觉的“弱感知”，推向“强感知”。

两派之争，其实就是“感知之争”，究竟谁来做汽车的“眼睛”。

视觉感知存在怎样的上限？

视觉派的感知逻辑，接近于人眼的感知逻辑，通过摄像头拍摄画面，识别路况。

但很显然，摄像头拍摄到的画面，其实是2D图像，需要借助算法，解决“拍到的东西是什么”的问题。

用比较专业的术语来形容，即需要对图像进行分割、物体分类，进行目标跟踪、模型标定，以实现对障碍物的识别与匹配。

最显著的优势在于可获取的信息丰富，颜色、纹路皆可保留。在实际场景中，车道线、指示牌、红绿灯等均是其识别强项，并可以对物体做出清晰分类。

但视觉方案对样本数据的依赖度比较高，需要用大量的数据进行训练，不断优化，不断学习。

就好像幼儿园的小朋友，你每教给他一点新东西，他才能记得这个新东西，下次遇到了就可以认出来，慢慢地升到小学、初中，再往上一步步成熟。

而且，由于摄像头拍到的是2D图像，可真实场景却应是3D数据，那么，就需要借助图像处理算法和高算力芯片完成转换。但算法转换存在一定的误差，导致视觉方案的空间测距并不一定准确。

补充的解决方案是采用双目或多目摄像头，即利用摄像头的视角差，还原3D数据，类似于我们双眼对环境空间的感知需求。

但相关技术仍需要进一步提高，因为单目摄像头的算法误差，有可能在多目摄像头上加倍放大，与实际距离反而偏差更大。

视觉方案还需要跨过另一个难题。摄像头对光线环境的依赖度也比较高，在光线较差及天气恶劣的环境中，感知能力将大打折扣。

既然摄像头存在诸多劣势，但为何特斯拉那么笃定纯视觉路线？

原因之一是成本低，单目摄像头的成本在150-600元之间，而更为复杂的三目摄像头成本也能控制在1000元以内。以成本优先的特斯拉，摄像头绝对是第一选择。

另外一个原因在于，特斯拉对自家的算法非常有自信，可以在“易得的摄像头、难得的算法”中，塑造相当高的技术壁垒。

更为关键的是，特斯拉在产品设计之初，已经构建起了一整套数据采集与学习循环方式。

在公共道路上行驶的每一辆特斯拉，皆是一个“数据收集器”。每辆车可以通过车载摄像头对周围路况进行全方位的数据收集，再上传到特斯拉的云端，最终组成庞大而真实的数据池。

另外，特斯拉自研芯片，自研算法，硬件与软件可以做到同步优化。相比于不具备芯片自研能力的车企，特斯拉对于芯片计算能力的发掘，以及算法的再优化，皆有更大的潜力。

而且，学习循环需要一个“闭环”，这个闭环需要“影子模式”加以补齐。特斯拉可以在持续搜集路况信息与用户驾驶行为的基础上，与自身的决策做对比。

当发现用户实际的驾驶行为与系统判断不一致时，该场景将会被传回云端，进行算法修正。不断循环，不断提高算法决策的准确度。

激光雷达不可或缺吗？

视觉派最担心什么？边角案例（corner case）的出现。不同的地方，可能遇到的corner case完全不同。

比如，中美两地的交通状况迥异，路边指示牌、红绿灯样式、包括一些车道线和行驶规则也不相同。之前根据美国路况进行的算法优化，来到中国市场可能就“水土不服”了。

而且，即使在中国市场，南与北、东与西的区域交通环境也有不同。诸如，在一些县级道路上，可能遇到慢行的低速电动车，拉树苗的载货车。这对数据的丰富度，以及本土化适应能力，均提出了更高的要求。

激光雷达属于强感知，原理很好理解，通过发射激光，计算反射回来的时间，可以测算出障碍物的距离、速度，构建出一个立体空间的3D模型。在非常先进的激光雷达技术中，甚至可以分析出材料成分，用来识别车道线亦不在话下。

Waymo自动驾驶汽车搭载激光雷达

由于可以准确测距，当引入激光雷达之后，可以降低视觉方案中的算法分析难度。即使遇到一些边角案例，也可以完成避障，其实是为安全再增加“一把锁”。

激光雷达点云图

还有另外一个疑问，同样是雷达，已经较为普及的毫米波雷达为什么不行？

最大的问题是，毫米波雷达的测距精度不够。在高速公路上，毫米波雷达对静态物体的检测很难实现，包括体积比较小的物体，同样无能为力。

而且，毫米波雷达缺乏纵向空间的探测能力，无法得到一个立体测距空间，除非4D高分辨毫米波雷达技术有所突破。

毫米波雷达示意

纵观国内诸多车企的自动驾驶方案，选择Mobileye Q4芯片者居多。Mobileye目前仍主要依靠“摄像头+毫米波雷达”的感知方式。

纵使将来引入激光雷达，在很长一段时间内，也不会抛弃摄像头。而且，激光雷达也不是万能的，在大雨等恶劣天气下，去除噪声也是一个难题。

激光雷达、摄像头、毫米波雷达，三者之间应该是一个大融合的关系。激光雷达增强感知，也就增强了安全冗余，其实是对视觉感知的一种补充。

摄像头与激光雷达融合过程示意

目前，摆在激光雷达面前的，有三座大山，“成本、体积、车规级”，而成本是最尖锐的矛盾。2020年，是激光雷达的量产元年，也是因为成本降低了。

正如华为曾经透露的，短期内开发出100线的产品，并在未来将成本降至200美元，甚至100美元。

大疆也曾在去年8月宣布可以量产千元级别的车规级激光雷达，旗下产品Horizon和Tele-15的价格分别为6499和9000元。

那个动辄几万、几十万元的激光雷达高价时代，或许真的一去不复返了。

技术融合，终将是大趋势

行业剧变，新的十年才刚刚开始，电动化、智能化提及的频次越来越多。当经济越发达，人口面临老龄化的时候，整个社会对于自动化的需求也将与日俱增。而汽车自动驾驶将是一个重要板块。

但是，自动驾驶务必遵循两个原则：一是安全优，二是体验佳。消费者对于自动驾驶的评价也会非常直接，至少汽车自动驾驶应该要比人开得更好，更安全。

往更深的层次想想，摄像头、激光雷达之争，其实只是单车层面的自动驾驶技术，未来还会有单车之外更多元的智能化技术融入其中，比如高精地图、高精定位、V2X，更讲究车路协同，是整个大交通的协调统一。

“完全体”的自动驾驶，绝不是单一行业，或者单一技术就可以全面覆盖的。多元融合，一个更美好的汽车未来，俨然呼啸而至。