激光雷达VS摄像头 特斯拉是如何选择的？

　　纵观如今国内乃至全球新能源汽车的销量，特斯拉Model 3无疑是头号领头羊，随着近期国内Model 3的又一波降价，可以预见其销量还会持续攀升。而许多车主购买Model 3的重要原因之一便是看中了特斯拉领先其他车辆的自动驾驶技术。

　　根据车辆自动驾驶技术感知层的解决方案，我们可以将市面上的自动驾驶汽车分为“纯视觉计算”与“激光雷达”两大派系。随着自动驾驶技术的发展，这两大派系之间的争论也愈演愈烈，而特斯拉的掌舵人马斯克也在公共场合数次diss对手。那么特斯拉是属于哪一派系，其自动驾驶技术有什么弊端又是如何解决的呢？

　　其实自动驾驶技术并不难理解，其整个工作过程可以简单类比人类分为“感知”、“思考”、“做出反应”三个步骤，只不过对于机器而言，整个过程中，当属“感知”最为复杂，只有正确无误的识别出车辆周围复杂的环境，才能为后续计算机的正确“思考”与“做出反应”打下基础。

　　目前关于自动驾驶技术感知层面的解决方案有两种，一种是由摄像头主导、配合毫米波雷达等低成本元件组成，也就是纯视觉计算。另一种是由激光雷达主导，配合摄像头、毫米波雷达等元件组成。而两大派系争论的焦点便是需不需要使用激光雷达。

　　激光雷达与摄像头在技术上有何区别？

　　激光雷达是使用激光进行探测和测距，通过元件投射出大量的光线，再依照光线折射返回的数量与时间测算物体的大小与距离。此种雷达投射出的光线越多，呈现出的图像也就越精确，相应的价格也就越高。

　　相比之下，摄像头的工作原理便非常简单，仅需要收集外界反射的光线便能呈现出外界环境画面。不过摄像头所呈现的图像为2D，不具备激光雷达强大的测距能力，且受外界光线的影响极大，但好处就是比较容易将物体分类，且价格便宜。二者的价格之差甚至超过了10倍。

　　特斯拉是如何选择的？

　　特斯拉的Autopilot系统传感器包含了全车8个摄像头、12个超声波传感器、1个毫米波前置雷达。很显然，特斯拉舍弃了激光雷达的方案，选择站在纯视觉计算的队列。

　　坦白来说，通过2D图像精确推算3D立体实景图像是非常难的，而特斯拉能够做到即便只有2D图像也能精确还原物体3D实景的核心秘籍便是技巧、记忆以及经验。

　　事实上，在特斯拉的Autopilot系统中内置了一个深度神经网络，通过海量车主的驾驶数据，进行神经网络训练，从而不断覆盖更多工况与场景，达到视觉算法无限接近于人类判断的目的。也就是说，特斯拉车主在只要驾驶车辆，便会参与到特斯拉神经网络的训练中。

　　参照特斯拉的全球交付量、平均行驶里程和Autopilot开启状态下行驶里程计算，到2019年，特斯拉累计路测数据已经达到约合7.7亿公里，同时据估算，在2020年这一数据将突破22亿公里。

　　值得一提的是，特斯拉在2019年的4月份推出了“影子模式”，该模式的存在能够让车辆在开启传感器探测道路的情况下，不参与车辆驾驶控制仅收集信息。通过分析车主控制行为，如果与系统“预想”的一致，则该行为数据不会被上报，而如果车主行为与“预测”的不一致，那么此次的数据就会被上传到特斯拉的服务器中，对算法进行修正训练，在收集到足够的样本且充足训练后，下发到特斯拉所有车辆中，完成自动驾驶系统的一次升级。

　　在整个过程中，驾驶员不会有任何感知，但特斯拉已经完成了“模式识别-算法学习-反馈-升级-应用”的整个流程。正是通过巨量有价值信息的训练，特斯拉能够做到即便在视觉计算有缺陷的情况下，也可以实现超高的决策正确率。

　　自动驾驶感知层有没有更好的解决方案？

　　如果我们细品激光雷达与摄像头的优缺点后，我们不难发现，二者都有自己擅长的领域，且恰好互补，所以目前除特斯拉外，大部分自动驾驶厂商都会选择激光雷达与摄像头相互结合的解决方案。

　　以Waymo公司（现为Google母公司Alphabet旗下子公司）的自动驾驶网约车车辆为例，其搭载了激光雷达、摄像头、毫米波雷达等多种设备，已经被许可在美国亚利桑那州凤凰城区域面向大众开放无人驾驶叫车服务。该公司也被视为全球自动驾驶技术最顶尖的公司。

　　对于市场来说，自动驾驶技术感知层到底使用了那种解决方案并不重要，重要的是在保证安全性的前提下，价格要足够诱人。相信随着技术的发展，特斯拉这类依靠视觉计算的底层算法会越来越复杂与强大，误识别的情况也会相应减少。同时，技术的发展也会推动激光雷达的升级，毫无疑问成本也将会持续下降。只不过，到底是视觉计算变强大的速度更快还是激光雷达成本下降的速度更快，我们不得而知。