自动驾驶|自动驾驶还有多远③纯视觉还是激光雷达方案？车企顾虑在哪人脸识别|信通院|评估|工信部

在刚刚过去的2021世界新能源汽车大会，特斯拉CEO埃隆·马斯克说，特斯拉相信自动辅助驾驶可以完全通过视觉神经网络来实现，因为人就是生物意义上的视觉神经网络驾驶的，所以计算机也一定可以。
长久以来，马斯克一直是纯视觉算法的坚定拥护者。他认为，人工智能通过摄像头看清路况和场景，无需激光雷达这样昂贵的硬件设备。
反对者认为，摄像头的成像是二维图形，然而现实世界是立体的，这样的识别系统势必带来偏差。
此事甚至还曾引发马斯克与何小鹏在社交媒体上隔空互怼。
自动驾驶算法工程师刘奕对澎湃新闻采访人员表示，“简单来说，自动驾驶由感知、决策和执行三部分组成。感知是一切的基础，不同的感知方式意味着背后不同的算法逻辑，所以不难理解为何业内会对传感器的使用有如此多的争议。”
纯视觉路线：难在算法
自动驾驶车辆想要识别周围环境，就需要通过各种传感器获取大量的环境信息，包括自身状态、其他交通参与者、道路状况、交通标志等等。
目前被广泛使用的传感器主要包括：激光雷达、摄像头、毫米波雷达、超声波雷达等。其中最重要、也是争议焦点的就是激光雷达和摄像头。
特斯拉一直坚持走视觉感知路线，利用人工智能和深度学习来构建神经网络。也就是说，摄像头是特斯拉辅助驾驶系统中最主要的“眼睛”。
以Model 3为例，据中信证券的调研报告，Model 3车身共配了8个摄像头、1个毫米波雷达、12个超声波传感器，视野角度360度，依靠特斯拉的算法来判断周围的状况，为Autopilot自动驾驶系统提供环境信息。
车载摄像头成像清晰，成本低，但探测距离短，对环境光照要求较高，识别稳定性欠佳。
【自动驾驶|自动驾驶还有多远③纯视觉还是激光雷达方案？车企顾虑在哪】毫米波雷达通过测量回波的时间差算出距离，其优势有探测性能稳定、作用距离长、可穿透烟、雾等，具有全天候、全天时的特点。但受分辨率限制，毫米波雷达难以分辨近距离物体，尤其是对行人的识别能力很差。今年5月起，特斯拉在北美市场交付的Model 3和Model Y已不再配备毫米波雷达。
超声波雷达通俗地讲，就是我们日常使用的倒车雷达。其造价最为便宜，所以被大量应用到车上。但探测距离较短，一般仅有几米。
“从传感器配备就可以看出来，特斯拉对于视觉算法的坚持。优势是成本低廉，但是摄像头也有不少缺陷，需要依靠背后强大的算法，把摄像头捕捉到的二维平面图形转换为精准的三维模型。”刘奕说，“可以理解为一个赛车手开一辆低配置的车辆，车子开得好靠的是大脑而不是硬件。而这位赛车手的大脑，是靠海量特斯拉车主的实际驾驶行为训练出来的，这是其他企业目前无法赶超的优势。”
特斯拉完善视觉算法的一大优势，就是通过真实驾驶数据，进行神经网络训练，从而不断覆盖各类场景，无限接近人类驾驶员的判断方式。
以特斯拉的“影子模式”为例，在这一模式下，系统就像驾驶员的“影子”，实时对比外部环境和驾驶员的操作。若在某个场景中，驾驶员的操作与系统自身的预判不符，则此次数据会被传输到服务器中，用以对算法进行修正训练。
业内不少观点认为，特斯拉的视觉算法已经形成护城河，后来者难以模仿。这一方面来自于特斯拉全栈自研自动驾驶硬件的高算力，另一方面是特斯拉绝对领先的数据规模、数据种类和场景真实性。
在国内自动驾驶企业中，仅有百度的Apollo Lite是纯视觉L4级城市道路自动驾驶解决方案。目前，Apollo Lite的自主泊车产品AVP和领航辅助驾驶产品ANP已实现L2级辅助驾驶商用，并与威马汽车实现了深度合作。