算法|特斯拉依旧头铁坚持视觉路线，激光雷达会笑到最后吗？雷达|自动驾驶|算法

文章插图
文丨脑极体
近日，马斯克在特斯拉的AI日上大秀肌肉，人形机器人、超级计算机 Dojo的亮相，纯视觉路线工作原理的展示，无不透露着其技术信心。在一众厂商都选择激光雷达方案作为视觉感知路线时，特斯拉依然坚持纯视觉路线并且旗帜拉得更高往深处走了。
我们知道自动驾驶的底层原理是感知、决策、执行三个步骤的结合，感知层运用视觉传感器获得周围路况信息，通过车身的设备端及云端处理数据并获得执行命令，使得汽车获得自动驾驶的能力。三个基本步骤中感知作为首要步骤，对后续的决策和执行起着先决作用。在感知层面上市场中目前有两种技术路线：视觉感知与激光雷达感知。

文章插图
激光雷达派认为，摄像头做主导的视觉感知精度不够，如果自动驾驶要发展到L3级别以上，就应当采用激光雷达。视觉感知派认为，摄像头感知的环境信息数据丰富，并且可以对物体进行分类后续方便标注，最关键的是成本低廉，这些是激光雷达做不到的。
无论是从技术还是成本角度分析，两种方案核心差异在于是否需要激光雷达的辅助，才有可能实现高级别自动驾驶。到底孰优孰劣，两派争论不休。那么，两种技术路线究竟谁能笑到最后？
激光雷达vs视觉感知性能比拼激光雷达感知技术是以激光雷达为主导，毫米波雷达、超声波传感器及摄像头作为辅助。激光雷达感知环境的工作原理，是通过激光雷达发射激光束，测量激光在发射及收回过程其中的时间差、相位差，来确定车与物体之间的相对距离，实现环境实时感知及避障功能。

文章插图
激光雷达具有较长的探测距离与较高的精准度，抗干扰能力强，可以主动检测周围多物体环境，获取周围环境点云构建3D环境模型。即使夜间光线不好，也不会影响探测效果。虽然激光雷达不怕暗光但是对于天气敏感，雨雪、沙尘、大雾天气等影响激光雷达识别效果。激光雷达融合高精地图方案可有效弥补视觉方案环境依赖度高、算力需求大的缺陷，其性能优势使得大多车厂将激光雷达列为面向L3级及以上级别自动驾驶不可或缺的感知器件。
视觉感知是以摄像头为主导的方案，摄像头成本相较激光雷达优势极大。摄像头的价格在几十美元左右，而激光雷达在几百美元，是其数倍。再者摄像头技术逐渐成熟，高分辨率、高帧率成像技术使得感知的环境信息更为丰富，但摄像头在黑暗环境中感知受限，精度及安全性有所下降。
例如特斯拉最为诟病的幽灵刹车故障，就是在一些隧道和大桥阴影处，因为摄像头的结构原因，算法将突然出现的阴影当做障碍物导致车辆会突然自动减速，造成安全隐患。视觉方案中比较硬件性能，摄像头功能被秒成渣渣。得益于软件算法的加成，视觉方案才能依靠强大的算法保证图像处理、决策执行的功能正常进行。
与激光雷达相比，视觉感知的弱点较为明显：摄像头依赖光线条件，感知方式精度较低，对算法、算力的依赖程度和要求极高，而数据的获取及算法迭代壁垒高。性能方面激光雷达明显胜出，特斯拉花费巨大的成本在算力和算法上，投入不小，头铁一直挺身坚持视觉感知路线，到底是有哪些角度的考量呢？
特斯拉专注纯视觉路线逻辑在马斯克看来，“纯视觉感知才是通往真实世界 AI 的道路”，而这也是他解决问题奉行
的底层思路——第一性原理，即回归事物最基本的条件，将其拆分成各要素进行结构分析，从而找到实现目标的最优路径。