2021年，自動駕駛正處在發(fā)展拐點(diǎn)，激光雷達(dá)和攝像頭的自動駕駛感知路線之爭，似乎正在明晰。

造車無疑是時(shí)下最熱風(fēng)口，科技巨頭爭相入場，阿里聯(lián)姻上汽，百度牽手吉利，蘋果虎視眈眈，小米念念不忘，至于那些入局早的“新勢力”，特斯拉勢頭正盛，蔚來、理想、小鵬風(fēng)光正好。

汽車行業(yè)的這輪智能電動化變革中，造車新勢力能否顛覆傳統(tǒng)車企，成敗關(guān)鍵，不在電動化，而在自動駕駛。

一方面，對于傳統(tǒng)車企，電機(jī)和電池不會成為其大象轉(zhuǎn)身的桎梏，但軟件之殤，卻無法回避；

另一方面，自動駕駛必將掀起技術(shù)和市場的革命，IHS Markit就預(yù)測，2030年，僅中國地區(qū)的自動駕駛出行服務(wù)收入規(guī)模就有望突破萬億。

在自動駕駛的發(fā)展之路上，L3級別是分水嶺。

實(shí)現(xiàn)L3級自動駕駛，意味著車輛控制由駕駛員主導(dǎo)轉(zhuǎn)向車輛自身主導(dǎo)，而在自動駕駛駛向L3級別以上的途中，感知路線之爭愈演愈烈。

▎自動駕駛的感知路線之爭：

自動駕駛系統(tǒng)分為三個層級：感知層、決策層和執(zhí)行層。

感知層收集周圍的環(huán)境信息并做出預(yù)處理；決策層類似于人類的大腦，會基于感知層獲取的信息，做出任務(wù)規(guī)劃、行為決策和動作規(guī)劃；執(zhí)行層負(fù)責(zé)精準(zhǔn)地執(zhí)行決策層規(guī)劃好的動作。

這其中，環(huán)境感知，就是汽車怎樣“看清”這個世界，是全面實(shí)現(xiàn)自動駕駛的關(guān)鍵一環(huán)。

目前，環(huán)境感知存在兩個技術(shù)路線分歧，其一就是攝像頭和激光雷達(dá)的分歧：攝像頭+毫米波雷達(dá)的融合方案 VS 激光雷達(dá)+攝像頭+毫米波雷達(dá)的融合方案。

2021年被認(rèn)為是激光雷達(dá)的量產(chǎn)元年，伴隨著技術(shù)成熟和成本下降，激光雷達(dá)前裝量產(chǎn)成為可能，各大廠商也紛紛發(fā)布了自己的激光雷達(dá)量產(chǎn)車型。

蔚來發(fā)布的旗艦轎車ET7將搭載圖達(dá)通的1550nm激光雷達(dá)；WEY品牌的旗艦車型摩卡將會搭載全固態(tài)激光雷達(dá)；小鵬汽車宣布在2021年推出的新車上使用定制版的車規(guī)級激光雷達(dá)；智己汽車為激光雷達(dá)預(yù)留接口；寶馬、奔馳、沃爾沃等傳統(tǒng)車企也均有激光雷達(dá)搭載計(jì)劃。

但與此同時(shí)，自動駕駛領(lǐng)域執(zhí)牛耳者特斯拉卻依然對激光雷達(dá)無動于衷，仍在堅(jiān)持?jǐn)z像頭感知路線，馬斯克更是視覺派的堅(jiān)定擁護(hù)者，在2019年的redialAutonomy Day上曾表示“傻瓜才用激光雷達(dá)”。

駛向L3級以上的自動駕駛的路上，激光雷達(dá)與攝像頭的感知路線之爭，熱鬧非凡。

識別二維碼，加入激光雷達(dá)交流群

▎攝像頭視覺感知方案的瓶頸：

2020年以來，無論傳統(tǒng)車企還是造車新勢力，都基本認(rèn)定了激光雷達(dá)感知方案，只有特斯拉還在堅(jiān)持?jǐn)z像頭純視覺方案。

攝像頭方案最符合馬斯克的理念：以第一性原理指導(dǎo)創(chuàng)新，既然人可以靠雙眼觀察周圍環(huán)境開車，那么自動駕駛系統(tǒng)也可以用同樣的邏輯靠攝像頭做到。

目前，自動駕駛系統(tǒng)能識別的攝像頭信息都是2D畫面信息，或者說進(jìn)行了標(biāo)注的2.5D信息。投入巨量資源重寫了算法的Autopilot配合Dojo超計(jì)算機(jī)，將會有識別4D視頻信息的能力，但那是后話了，這里先按下不表。

想要識別出這些2D信息，必然依賴于算法邏輯，確切地講就是人工智能中的圖像識別，通過深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)對場景進(jìn)行像素分割、物體分類、模型標(biāo)定和目標(biāo)跟蹤，實(shí)現(xiàn)對障礙物的識別。

視覺感知的優(yōu)勢在于分辨率高，可獲取物體顏色、表面特征等信息，實(shí)際場景中的車道線、紅綠燈、指示牌等都可清晰辨識。

但是，深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的完善，需要大量的數(shù)據(jù)積累作支撐，以最簡單的MNIST手寫數(shù)字識別為例。

對人類而言，識別下面圖片上的數(shù)字非常容易，但對計(jì)算機(jī)而言，每個數(shù)字所在的小區(qū)域都是一個不同的數(shù)字矩陣。

對人類而言，識別下面圖片上的數(shù)字非常容易，但對計(jì)算機(jī)而言，每個數(shù)字所在的小區(qū)域都是一個不同的數(shù)字矩陣。

深度學(xué)習(xí)看起來很美，但自動駕駛的尷尬之處在于，其行駛數(shù)據(jù)主要來自常規(guī)環(huán)境，可是車輛駕駛是充滿偶然性的，比如行人或動物突然出現(xiàn)在行駛路線上，道路指示牌被部分遮擋，或者遇到暴雨和強(qiáng)逆光等極端場景。

沒有相關(guān)場景下足夠的數(shù)據(jù)積累和與之對應(yīng)的深度學(xué)習(xí)，人工智能難免變成人工智障，自動駕駛也就無從談起，就拿自動駕駛領(lǐng)域獨(dú)步青云的特斯拉來講。

特斯拉在產(chǎn)品設(shè)計(jì)之初就構(gòu)建起一整套自監(jiān)督數(shù)據(jù)采集與學(xué)習(xí)的閉環(huán)框架。路上的每一輛特斯拉都在通過攝像頭收集各種行駛場景數(shù)據(jù)，并上傳到特斯拉云端，構(gòu)成真實(shí)而龐大的數(shù)據(jù)池。

基于收集到的行駛數(shù)據(jù)，特斯拉會通過“影子模式”不斷優(yōu)化算法，最后對每一輛特斯拉的FSD自動駕駛進(jìn)行OTA升級。此外，特斯拉自研芯片和算法、打通軟硬、實(shí)現(xiàn)閉環(huán)，可以更好地優(yōu)化算法、挖掘芯片計(jì)算能力。

但饒是如此，特斯拉依然會有側(cè)翻貨車識別的噩夢，因?yàn)樘厮估脑贫耍瑳]有路遇側(cè)翻貨車的相似場景數(shù)據(jù)。

正是這些小概率的極端場景，成為自動駕駛最難攻克的山頭。登頂之路上，往往最后的5%，需要95%的努力，但有時(shí)，也可以另辟蹊徑。

▎激光雷達(dá)成為行業(yè)熱點(diǎn)：

激光雷達(dá)，LiDAR，英文全稱Laser Detecting and Ranging，通過激光束進(jìn)行探測和測距，由激光發(fā)射器、光學(xué)接收器、和信息處理系統(tǒng)三部分組成。

以Velodyne的64線激光雷達(dá)為例，該激光雷達(dá)每秒可向外界發(fā)射數(shù)百萬個激光脈沖，并通過內(nèi)部旋轉(zhuǎn)裝置對周圍環(huán)境進(jìn)行旋轉(zhuǎn)掃描，每一次掃描都可獲得巨量的空間信息（x，y，z）點(diǎn)，這些空間信息點(diǎn)的集合就被稱為點(diǎn)云數(shù)據(jù)，由點(diǎn)云數(shù)據(jù)構(gòu)成的三維圖也就稱為點(diǎn)云圖。

測距距離遠(yuǎn)，速度分辨率高，能創(chuàng)建出目標(biāo)清晰的3D圖像，是激光雷達(dá)最大的優(yōu)勢。

高度的可靠性和精確性，使激光雷達(dá)成為自動駕駛環(huán)境感知中最重要的傳感器，但激光雷達(dá)也有其劣勢：

• 在開闊地帶，激光雷達(dá)會因?yàn)槿狈μ卣鼽c(diǎn)，存在電云稀疏甚至缺失的特點(diǎn)；

• 面對不規(guī)則表面物體，激光雷達(dá)也不易分辨出其特征

相比于依靠攝像頭的純視覺感知方案，激光雷達(dá)與攝像頭融合，可以帶來信息獲取能力的提升，算法要求的降低，行駛安全的多重保障。攝像頭的高分辨率和激光雷達(dá)的精準(zhǔn)測距，互為補(bǔ)充。

激光雷達(dá)身上有三座大山：成本、體積、車規(guī)級。這其中，尤以成本問題最核心，要知道，最早Google無人車上頭頂?shù)哪菈K激光雷達(dá)，成本高達(dá)7.5萬美元。

近年來，隨著關(guān)鍵技術(shù)的突破和光電半導(dǎo)體成本的下降，激光雷達(dá)的體積和價(jià)格都在不斷降低，量產(chǎn)友好的車規(guī)級前裝激光車?yán)走_(dá)不斷涌現(xiàn)。

華為就發(fā)布了96線雷達(dá)，號稱把激光雷達(dá)價(jià)格壓縮到200美元，而且有可能進(jìn)一步成降低到100美元；Luminar即將量產(chǎn)的300線1550nm波長激光雷達(dá)，軟硬件打包價(jià)格不超過1000美元。

在激光雷達(dá)這條賽道上，還有Velodyne、Quanergy、博世、大陸、大疆、法雷奧、速騰聚創(chuàng)、禾賽科技等生產(chǎn)制造商，其中法雷奧是目前唯一一個實(shí)現(xiàn)車規(guī)級量產(chǎn)的。

▎激光雷達(dá)和攝像頭之爭的下半場：

早些年，攝像頭方案的成本更具優(yōu)勢，得到了行業(yè)的偏愛，取得了規(guī)模化推廣發(fā)展，常規(guī)場景的感知技術(shù)相對成熟。

但激光雷達(dá)作為一種視覺感知的技術(shù)補(bǔ)充，如果具備了技術(shù)成熟和成本合理兩個先決條件，不應(yīng)被排斥。

首先，自動駕駛激光雷達(dá)的技術(shù)路線要清晰，因?yàn)榧す饫走_(dá)的分類繁多：

• 按結(jié)構(gòu)，可分為機(jī)械式、混合固態(tài)和純固態(tài)。其中，非機(jī)械式按掃描方式，又可分為：MEMS、相控陣以及微透鏡陣列；

• 按線束，可分為16線、32線、64線、96線以及300線；

• 按波長，可分為905nm波長和1550nm波長。

激光雷達(dá)的體積變化趨勢

其次，成本可控至關(guān)重要。全球科技創(chuàng)新產(chǎn)業(yè)專家王煜全對激光雷達(dá)產(chǎn)業(yè)就有一針見血的評價(jià)：“激光雷達(dá)即將進(jìn)入成熟期，比拼的就是成本優(yōu)勢、規(guī)模優(yōu)勢。”

成本優(yōu)勢帶來規(guī)模優(yōu)勢，規(guī)模效應(yīng)促進(jìn)技術(shù)成熟，技術(shù)成熟反過來進(jìn)一步推動成本降低，形成良性循環(huán)。

在眾多形式的激光雷達(dá)中：固態(tài)激光雷達(dá)成本友好，但技術(shù)還有待成熟；300線可以達(dá)到圖像級識別精度，但成本也更高；1550nm對人眼健康更友好，但由于使用光纖傳感器，成本也更高。

未來，激光雷達(dá)賽道的勝出者，一定是平衡好性能和成本，提供規(guī)模化量產(chǎn)最佳解決方案的廠商。

在行業(yè)友商一邊倒地?fù)肀Ъす饫走_(dá)時(shí)，馬斯克還在堅(jiān)持“純視覺感知+強(qiáng)算法”的路線，還在排斥激光雷達(dá)，也許是因?yàn)槠涞谝恍栽淼膭?chuàng)新理念，也許是因?yàn)樘厮估袌鐾茝V的發(fā)展戰(zhàn)略，可能特斯拉認(rèn)為激光雷達(dá)的成本還不夠低。

但是，當(dāng)激光雷達(dá)被規(guī)模化量產(chǎn)炸成白菜價(jià)后，特斯拉會繼續(xù)無視激光雷達(dá)對自動駕駛的提升么？會放任友商肆意追趕其自動駕駛核心競爭力么？馬斯克是會堅(jiān)持創(chuàng)新理念和發(fā)展戰(zhàn)略，還是真香呢？

-end-

活動推薦：邀請函：第二屆毫米波雷達(dá)暨車標(biāo)工藝技術(shù)高峰論壇（9月17日 上海）

原文始發(fā)于微信公眾號（智能汽車俱樂部）：詳解激光雷達(dá)與攝像頭的自動駕駛感知路線之爭