谁才是汽车的眼睛？童济仁汽车评论丨李梦晨2021年

文章图片
童济仁汽车评论丨李梦晨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。

文章图片
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。

文章图片
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。

文章图片
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。

文章图片
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。

文章图片
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。

文章图片
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。