芯耀
258
大家好，這里是《遠川討論》欄目的第一期。
長期以來，在自動駕駛領域，到底是純視覺技術主導未來，還是視覺+激光雷達混合技術才能走的更遠，關于這個話題的討論一直未曾停歇。
作為自動駕駛領域最具代表性的企業(yè)，特斯拉對純視覺方案的偏愛不必多說，甚至就連馬斯克也多次公開炮轟“車輛上的雷達方案是極其愚蠢的，任何使用激光雷達方案的人或者企業(yè)最后都將失敗，他們大費周章的使用這些昂貴的傳感器本身就是一個麻煩。”
而不久前的世界人工智能大會上，華為ADS智能駕駛產(chǎn)品線總裁兼首席架構(gòu)師蘇箐則公開指責“特斯拉這幾年下來，它的事故率還是挺高的，而且是從殺第一個人到最近殺的人，它的事故類型非常像。”華為的量產(chǎn)激光雷達，也即將于今年的年末交貨。
那么到底哪種方案才是主流？最近，就“5年內(nèi)自動駕駛路線PK：激光雷達VS純視覺”話題，我們征集了上百份來自專業(yè)讀者的思考。
在這上百份問卷中，有四分之三的人，更看好激光雷達+視覺融合的方案會成為未來的主流。融合方案帶來的多維度拓展空間、純視覺方案的安全性與瓶頸、激光雷達成本的下降，是他們關心的問題核心。
其中，一位昵稱“歐陽龍?zhí)?rdquo;的朋友他的觀點非常具有代表性，“純視覺的上限是人眼，激光雷達混合的上限是全天候條件通吃的鷹眼，高下立判。”
同時，也有四分之一的人，堅定的看好純視覺方案的廣闊前景。這里面，有人是一線做算法融合碰壁的工程師，有人是生物與機械領域的跨行專家，也有人單純是馬斯克的粉絲，他們更關心短期內(nèi)的成本問題、激光雷達的數(shù)據(jù)限制、視覺技術本身的跨越式發(fā)展。
一位昵稱：“跟著馬斯克有錢賺”的朋友說“對錯并不并不重要，特斯拉主導了市場，那么主流市場，乃至整個產(chǎn)業(yè)鏈的潮水與資本，都將順著馬斯克指向的地方流去。”
好吧，無論潮水是否流向馬斯克，但至少馬斯克已經(jīng)讓賺到了錢，這也是一個不錯的收獲。
以下，是來自“遠川討論——5年內(nèi)自動駕駛路線PK：激光雷達VS純視覺”討論的精華摘編:
@尾號7520
我們可以看到特斯拉的視覺算法在道路行駛中可以識別紅綠燈與障礙物，這說明技術上是可以達到預期效果的。
另外，從成本的考慮上，激光雷達增加了成本，也給消費者增加了潛在的維修成本。
同時，激光雷達與視覺的混合技術，不僅在算法上提高了難度，也增加了計算量級。
基于未來五年的新能源市場，在自動駕駛路線上，主流會偏向于在低成本控制上挖掘計算算法潛能的純視覺算法
@尾號6168
激光雷達混合視覺的方案，短期內(nèi)主要受到硬件成本及數(shù)據(jù)限制，很難大規(guī)模應用。
@尾號0662
純視覺方案，更貼近人類現(xiàn)有的駕駛環(huán)境，其數(shù)據(jù)特征點也會明顯多于激光雷達。
@Lain瞳
純視覺計算，企業(yè)可以持續(xù)根據(jù)算法和數(shù)據(jù)量的優(yōu)勢去迭代算法，成本和專項研發(fā)也會更垂直。如果有企業(yè)選擇對外開放技術，那么也只需要開放正常的API。云計算相關的內(nèi)容，還是在自己的平臺上運行。甚至，純視覺方案，還可以結(jié)合5G真正可以實現(xiàn)SaaS化。
@尾號4181
多傳感器耦合或許比想象中更加難以實現(xiàn)，而純視覺方案在快遞迭代的單車算力和深度學習算法下，實現(xiàn)路徑更加清晰。
@尾號3688
對于人工智能，數(shù)據(jù)量很重要，特斯拉有大量駕駛數(shù)據(jù)，5年內(nèi)更看好。
@跟著馬斯克有錢賺
對錯并不并不重要，特斯拉主導了市場，那么主流市場，乃至整個產(chǎn)業(yè)鏈的潮水與資本，都將順著馬斯克指向的地方流去。
@9674
1. 純視覺在弱光環(huán)境和強光環(huán)境會非?？简?a class="article-link" target="_blank" href="/baike/482292.html">攝像頭傳感器的HDR性能，現(xiàn)有技術是否能達到0ppm是個問題。
2. 攝像頭分辨率和承載的圖像信息成正比，圖像信息越多，對信號傳輸的帶寬要求就越高。對AP的實時處理能力要求就越高。算力可以堆運算單元，但是圖像傳輸不是單純堆硬件就能妥善解決的。目前市面上主流的方案一個是TI一個是Maxim，但是帶寬都有上限。是否能滿足未來自動駕駛的帶寬需求，現(xiàn)在還不知道。至于車載以太網(wǎng)？先有量產(chǎn)車了再說吧。
當然雷達激光雷達也有問題，一來成本高，二來在雨雪等極端天氣下可靠性也成疑問。并且若沒有視覺輔助，雷達激光方案萬萬不可能實現(xiàn)路標識別，車道保持等輔助功能。
而且，當路上車輛多了之后激光技術發(fā)射的主動光會不會對別的車輛產(chǎn)生影響。這個我也不知道。
如果非得選一個，我還是選激光雷達混合。
@某不具名朋友
視覺方案最接近人類的判斷方式，沒見過和聽過哪個人是靠耳朵開車的。但是汽車加上激光雷達混合技術后可以超越人類的視覺，判斷會更精準。
@歐陽龍?zhí)?/strong>
純視覺的上限是人眼，激光雷達混合的上限是全天候條件通吃的鷹眼，高下立判。
特斯拉完全是出于成本的角度選擇了純視覺。目前國內(nèi)車路協(xié)同已經(jīng)布局，未來有希望成為自動駕駛主流，而車路協(xié)同涉及到信息安全，難以支持純特斯拉視覺方案。
@尾號7136
汽車屬于對安全性要求很高的產(chǎn)品，純視覺肯定有犯錯的時候，人工智能那是人訓練出來的，既然這樣，還是基于人的思維來的，人都有可能犯錯，基于人的思維犯錯的倍率就更大。長遠來看，可能車路協(xié)同才是最安全的方式，道路的基礎設施與車輛的安全系統(tǒng)互相交互，更準確及時的應對當下的路況，到時候是什么樣的方式，要看技術的發(fā)展。
@某不具名朋友
產(chǎn)業(yè)外的人太高估了AI及視覺識別的能力。
@尾號k123
高階自動駕駛（L4級以上），激光雷達混合的方案比純視覺方案，能處理更加復雜的狀況。之前特斯拉是受制于成本的壓力，所以是硬著頭皮一路純視覺，為的是快速占領市場。后續(xù)隨著激光雷達成本的不斷下探，該方案會越來越有競爭力的了，拭目以待。
@黑木
自動駕駛未來的發(fā)展方向不是單車智能化而是車路協(xié)同。從這個緯度上講，無論激光雷達還是純視覺，都有缺陷。短期在算法不能解決自動駕駛等長尾場景的時候，激光雷達更有潛力，未來還是會回歸到車路協(xié)同階段。
@尾號0426
視覺算力跟不上，特斯拉選它的原因是便宜，隨著激光雷達成本下降，視覺沒有優(yōu)勢。
@Crackeryin
再次強調(diào)，特斯拉的不是自動駕駛，是駕駛輔助。要實現(xiàn)真正L4以上的自動駕駛能力，必須有傳感器維度上的冗余和功能性互補。自動駕駛不是為了讓機器和人的駕駛水平相等，而是為了讓機器的駕駛水平遠超人類。除非V2X和V2V技術發(fā)展發(fā)生質(zhì)變，未來五年，除攝像頭以外的傳感器維度是實現(xiàn)L4及以上級別自動駕駛的必要條件。
@Blackcat
本人小白啊，視覺方案需要很高級的軟件實現(xiàn)，特斯拉有自己的算法，國內(nèi)廠商在算法上于國內(nèi)的差距還是比較大的，而激光雷達加上高精度地圖的配合，在算法上的要求會低一些，更適合國內(nèi)的情況。
@5381
純視覺，ru kiding me?想象一下沒有倒車雷達的老爺車
@北陸
1. 水平，私以為只有少數(shù)公司有底氣只用視覺；2. 安全因素，汽車的安全需求還是非常高，即便是做冗余也是需要的。隨著激光雷達成本降低，相似價格有安全冗余更容易獲得消費者青睞。同時針對自動駕駛的定點攻擊（比如一些試圖騙過自動駕駛的障礙）會加劇安全冗余的需求。
@尾號1595
汽車屬于重型機械，安全排在第一位，比續(xù)航、成本、智能、舒適都更重要；純視覺在天氣不好，光線較差，攝像頭積灰或者水滴遮擋時，安全性存疑；百度自動駕駛號稱做到純視覺L4，感覺也很難讓人信服，特斯拉就是前車之鑒，出了安全事故，就是眾矢之的。作為普通人，直觀感覺激光雷達會更給人安全感。
@pop
激光的問題在于貴，雷達的問題在于干擾系數(shù)太大，用雷達波進行初篩，激光進行確認，將結(jié)果輸出給人眼識別，可以極大解決成本及誤判問題
@尾號8335
激光是立體的處理方案，受天氣等外在因素影響較少，輔以視覺算法加持，可提供全方位探測。有了量產(chǎn)規(guī)模后，成本也會進一步降低。視覺對算法要求太高，三五年后當芯片不再卡脖子，才可能形成主流。
@尾號7085
1. 看成本，純視覺方案（RGB攝像頭）顯著低于激光雷達混合方案；
2. 看技術，純視覺方案因為系統(tǒng)冗余更少，因此技術壁壘會更高；
3. 看使用場景，據(jù)猜測，高精地圖方案所需的地圖數(shù)據(jù)，是特斯拉較難獲取的（中國大陸市場）。
上述原因，或許是特斯拉做出選擇的原因。
支持激光雷達方案的原因：
1. 冗余意味在不同環(huán)境和場景下的適應性，這就是安全，是第一要素；
2. 國內(nèi)的3D視覺技術力量在快速崛起，相信我們的工程師紅利足夠支撐起自動駕駛行業(yè)的技術需求。"
總結(jié)來說，純視覺肯定是最接近于人類辨別事物的方式，也最接近人類開車的方法。但是現(xiàn)在CV技術真的可以等同于人眼+人腦嗎？更近一步，當前的交通規(guī)則，與實際路況之間也存在著理想與現(xiàn)實的差距:比如城市里面隨意竄出的外賣電動車、大霧等特殊情況。所以，至少在目前，純視覺技術，距離人眼背后的整套體系，仍有差距。
但是，必須強調(diào)的是，視覺技術不等于人眼的同時，當前的自動駕駛也不是完全自動駕駛，很多時候都是限定場景的自動駕駛（高速道路、部分城市道路等）。
相應的，視覺方案肯定是相對成本很低，但是長期數(shù)據(jù)處理壁壘很高的方案。在數(shù)據(jù)量、復雜數(shù)據(jù)還不夠的當前，同時裝上一個激光雷達是當前特斯拉之外，大多車企的主流趨勢。
激光雷達的優(yōu)點就是可以快速3D建模，比較精準的還原路況信息，這是計算機可以快速識別、快速處理、快速應對的方案。缺點就是當前成本高，但是在中國制造業(yè)的加持下，混合固態(tài)激光雷達是會快速降本的，今年以來，小鵬汽車、理想汽車都將搭載激光雷達。一旦大規(guī)模上量，成本降低是很快的。
對應的產(chǎn)業(yè)鏈格局上：更多的整車廠愿意接受激光雷達+視覺融合的路線；而純視覺路線的核心數(shù)據(jù)在牢牢的掌握在一些互聯(lián)網(wǎng)企業(yè)的手中。
不同路線選擇的背后，不僅是一個技術難題，甚至也不是一家企業(yè)的問題，而是一個產(chǎn)業(yè)鏈共同努力的結(jié)果。
