谁才是汽车的眼睛？( 二 ) 童济仁汽车评论丨李梦晨2021年

文章图片
另外，特斯拉自研芯片，自研算法，硬件与软件可以做到同步优化。相比于不具备芯片自研能力的车企，特斯拉对于芯片计算能力的发掘，以及算法的再优化，皆有更大的潜力。
而且，学习循环需要一个“闭环” ，这个闭环需要“影子模式”加以补齐。特斯拉可以在持续搜集路况信息与用户驾驶行为的基础上，与自身的决策做对比。
当发现用户实际的驾驶行为与系统判断不一致时，该场景将会被传回云端，进行算法修正。不断循环，不断提高算法决策的准确度。
▎激光雷达不可或缺吗？
视觉派最担心什么？边角案例（cornercase）的出现。不同的地方，可能遇到的cornercase完全不同。
比如，中美两地的交通状况迥异，路边指示牌、红绿灯样式、包括一些车道线和行驶规则也不相同。之前根据美国路况进行的算法优化，来到中国市场可能就“水土不服”了。

文章图片
而且，即使在中国市场，南与北、东与西的区域交通环境也有不同。诸如，在一些县级道路上，可能遇到慢行的低速电动车，拉树苗的载货车。这对数据的丰富度，以及本土化适应能力，均提出了更高的要求。
激光雷达属于强感知，原理很好理解，通过发射激光，计算反射回来的时间，可以测算出障碍物的距离、速度，构建出一个立体空间的3D模型。在非常先进的激光雷达技术中，甚至可以分析出材料成分，用来识别车道线亦不在话下。

文章图片
Waymo自动驾驶汽车搭载激光雷达
由于可以准确测距，当引入激光雷达之后，可以降低视觉方案中的算法分析难度。即使遇到一些边角案例，也可以完成避障，其实是为安全再增加“一把锁” 。

文章图片
激光雷达点云图
还有另外一个疑问，同样是雷达，已经较为普及的毫米波雷达为什么不行？
最大的问题是，毫米波雷达的测距精度不够。在高速公路上，毫米波雷达对静态物体的检测很难实现，包括体积比较小的物体，同样无能为力。
【谁才是汽车的眼睛？】而且，毫米波雷达缺乏纵向空间的探测能力，无法得到一个立体测距空间，除非4D高分辨毫米波雷达技术有所突破。

文章图片
毫米波雷达示意
纵观国内诸多车企的自动驾驶方案，选择MobileyeQ4芯片者居多。 Mobileye目前仍主要依靠“摄像头+毫米波雷达”的感知方式。
纵使将来引入激光雷达，在很长一段时间内，也不会抛弃摄像头。而且，激光雷达也不是万能的，在大雨等恶劣天气下，去除噪声也是一个难题。
激光雷达、摄像头、毫米波雷达，三者之间应该是一个大融合的关系。激光雷达增强感知，也就增强了安全冗余，其实是对视觉感知的一种补充。

文章图片
摄像头与激光雷达融合过程示意
目前，摆在激光雷达面前的，有三座大山， “成本、体积、车规级” ，而成本是最尖锐的矛盾。 2020年，是激光雷达的量产元年，也是因为成本降低了。
正如华为曾经透露的，短期内开发出100线的产品，并在未来将成本降至200美元，甚至100美元。
大疆也曾在去年8月宣布可以量产千元级别的车规级激光雷达，旗下产品Horizon和Tele-15的价格分别为6499和9000元。
那个动辄几万、几十万元的激光雷达高价时代，或许真的一去不复返了。

文章图片
▎技术融合，终将是大趋势
行业剧变，新的十年才刚刚开始，电动化、智能化提及的频次越来越多。当经济越发达，人口面临老龄化的时候，整个社会对于自动化的需求也将与日俱增。而汽车自动驾驶将是一个重要板块。
但是，自动驾驶务必遵循两个原则：一是安全优，二是体验佳。消费者对于自动驾驶的评价也会非常直接，至少汽车自动驾驶应该要比人开得更好，更安全。