自動駕駛的激光雷達和純計算機視覺對比分析

激光雷達流派和純計算機視覺流派一直在自動駕駛技術中的感知層解決方案上喋喋不休。激光雷達派認為純視覺算法在數據形式和精度上的不足；純視覺流派則認為激光雷達不必要且過于昂貴。本文將對激光雷達、攝像頭以及毫米波雷達等主流傳感器、各自動駕駛公司的解決方案以及傳感器市場格局作介紹。

特斯拉CEO馬斯克近日在“自動駕駛日”推出了全自動駕駛計算機”（full self-driving computer），即之前所說的Autopilot硬件3.0。

與上一代由英偉達芯片驅動的Autopilot相比，新硬件每秒幀數處理能力提高了21倍，且相比Autopilot 2.5版本，每輛車的硬件成本降低約20%。

與其他自動駕駛公司不同的是，特斯拉的Autopilot一直是感知層中視覺主導方案的擁簇，另一種方案的主導則是激光雷達（Lidar），代表是除特斯拉外的絕大多數公司。

實際上，激光雷達流派和純計算機視覺流派一直在自動駕駛技術中的感知層解決方案上喋喋不休。一個被激光雷達派接受的觀點是，考慮到純視覺算法在數據形式和精度上的不足，L3 級以上的自動駕駛乘用車必須要采用激光雷達。

特斯拉FSD的發布意味著其純視覺方案也可更進一步，甚至有可能率先達到“機器開車人輔助”甚至“機器開車”的L3、L4級別自動駕駛。

那這兩大流派究竟爭得是什么呢？首先需要說明自動駕駛技術的基本原理。

自動駕駛技術基本原理是：感知層的各類硬件傳感器捕捉車輛的位置信息以及外部環境信息。決策層的大腦基于感知層輸入的信息進行環境建模，形成對全局的理解并作出決策判斷，發出車輛執行的信號指令。最后執行層將決策層的信號轉換為汽車的動作行為。

也就是說，上述的激光雷達方案和純視覺方案都是自動駕駛車輛對外界環境感知的一種方式，但感知的主導不同。視覺主導方案以攝像頭為主導，配合毫米波雷達、超聲波雷達、低成本激光雷達；激光雷達主導方案以激光雷達為主導，配合毫米波雷達、超聲波傳感器、攝像頭。也有人認為還有第三種方案，即兩者都是主導。

需要注意的是，特斯拉在視覺主導方案中顯得更為極端，它甚至完全棄用了激光雷達。馬斯克甚至揚言，“傻子才用激光雷達，現在誰要還是靠激光雷達，那就要完蛋（doomed），注定完蛋！”

激光雷達和攝像頭的技術原理

激光雷達顧名思義，其工作原理是利用激光進行探測和測距技術，通常位于汽車頂部，可以360度監測。在其內部，每一組組件都包含一個發射單元與接收單元。

探測距離的原理是基于光返回的時間，激光二極管發出脈沖光，脈沖光照射到目標物后反射一部分光回來，在二極管附近安裝一個光子探測器，它可以探測出返回來的信號，通過計算發射和探測的時間差就可以計算出目標物的距離。

脈沖距離測量系統一旦被激活就能收集到大量的點云。如果點云中有目標物，目標物就會在點云中呈現出一個陰影。通過這個陰影可以測量出目標物的距離和大小。通過點云可以生成周圍環境的三維模型。點云密度越高，圖像越清晰。

總體而言，我們可以認為激光雷達最重要的兩個屬性是測距和精度。與攝像頭不同的是，它是“主動視覺”。激光雷達可以主動探測周圍環境，即使在夜間仍能準確地檢測障礙物。因為激光光束更加聚攏，所以比毫米波雷達擁有更高的探測精度。

相比之下，攝像頭的工作原理很容易理解，就像人眼那樣，物體反射的光通過鏡片在傳感器上成像。它沒有激光雷達那用強大的測距能力，且受環境光照的影響很大；但攝像頭有一個極大的優勢，在于人眼就能看懂攝像頭拍攝的內容，使其非常適用于物體分類。

特斯拉人工智能和自動駕駛視覺總監 Andrej Karpathy就表示，世界是為視覺識別而構建的，激光雷達很難分辨塑料袋和輪胎的區別?！澳撤N意義上，Lidar(激光雷達） 是一個捷徑。它回避了對自動駕駛非常重要的視覺識別基本問題，給人一種虛假的技術進步了的感覺”。

此外，較為主流的傳感器還包括雷達（Radar），又可分為毫米波雷達和超聲波雷達。前者的特點是探測距離最遠，可超200米，同時不受天氣情況和夜間影響，其幾乎是自動駕駛系統的標配；后者的探測距離最小，負責3米以內的近距離監測，用于盲區探測，變道、泊車輔助等。

兩大流派究竟爭的是什么？

激光雷達、攝像頭、雷達等不同傳感器側重點不盡相同。實際上，早期的自動駕駛公司感知以激光雷達為中心，如今大多以多傳感器融合為主，也有少數公司以計算機視覺為主。

我們以當前自動駕駛水平最高的Waymo為例，其搭載了攝像頭、毫米波雷達、激光雷達、音頻探測系統等傳感器。

Waymo的視覺系統由幾組高分辨率的相機組成，設計用于在長距離、日光和低光照條件下工作；毫米波雷達則使用波長來感知物體和運動，能夠在白天、黑夜、雨雪天氣中有效工作；激光雷達則用于360度的測距。

然而，只有特斯拉完全不使用激光雷達。相對于激光雷達的超強的探測能力，首先需要說明其一個顯著缺點，即成本，據中信建投報告，Lidar成本高于2萬，而攝像頭最多僅2000，雷達則更便宜。這與現階段Lidar技術還不夠成熟有關，也導致設備影響整車的外型。

不過，近日外媒報道稱蘋果正與至少四家公司談判，希望能夠尋找到比當前更小、更便宜、更容易批量生產的自動駕駛汽車的下一代Lidar傳感器；也有知情人士表示蘋果可能正在自主研發Lidar傳感器。

特斯拉CEO馬斯克則曾解釋過棄用激光雷達的技術原因，在與視覺相結合上，馬斯克認為一些公司會用錯誤的波長來做主動質子發生系統，他稱4mm的波長是合適的，而400 nm - 700 nm 的范圍內的主動質子發生器很愚蠢。

這是馬斯克與當前整個行業的分歧。但進一步而言，以攝像頭作為傳感器的主導實際上得到了行業的認可。在所有傳感器中，攝像頭擁有最豐富的線性密度，其數據量遠超其他類型的傳感器?；趫D像信息密度最高的優勢，使得它處于整個感知融合的中心地位。

問題在于，現有的無人駕駛公司認為，視覺潛力巨大，激光雷達也許有一天會退出歷史舞臺，但今天的計算機視覺和 AI 發展發展成熟度絕無可能獨立完成感知。而馬斯克則認為激光雷達的加入會讓技術路線誤入歧途，所有人的終極目標都是攝像頭實現感知。

特斯拉與其純視覺流派

如上所述，特斯拉不使用激光雷達的底氣在哪里呢？

首先需要說明其自動駕駛系統的配置。特斯拉Autopilot的感知工作主要依賴3個前置攝像頭、2個側方前視攝像頭、2個側方后視攝像頭、1個后視攝像頭、12個超聲波傳感器、1個毫米波前置雷達。

車輛可以通過這8個攝像頭360度檢測周圍環境，雷達則負責探測前方障礙物的距離及行進速度，且不受天氣影響；這幾乎在功能上取代了激光雷達傳感器，同時降低了自動化系統的成本。

更為重要的是特斯拉的神經網絡圖像識別算法，基于其自研的計算機芯片以及大量配套的軟件算法。實際上，特斯拉的每一位司機其實都參與到了神經網絡的訓練中，每一個新手都將為特斯拉的自動駕駛系統喂入新的數據。

MIT 按照特斯拉公布的交付量、特斯拉汽車平均行駛里程和 AP 啟動狀態下行駛里程計算，到 2019 年，特斯拉累計路測數據已經達到 4.8 億英里，到 2020 年（估算）將突破 15 億英里。按照 Elon 的說法，特斯拉路測數據占全行業總路測數據的 99%。

Andrej Karpathy指出，特斯拉的 AI 軟件能夠處理來自視覺傳感器收集到的車道線、交通、行人等信息，將這些信號與已知的物體進行匹配再最終作出決策。

同時，在數據的標注上，特斯拉也正在嘗試本地自動化標注提高識別率。只有出現攝像頭完全無法理解或引起混亂的圖像，才會上傳到云端，由工程師進行標注，導入神經網絡進行訓練，直到神經網絡掌握對該場景的識別。

此外，全球各地不同國家有著完全不同的路況、交規、暴雨、冰雹、大霧、甚至洪水、火災、火山等罕見的長尾場景。每一次 AP 啟用狀態下的人為介入接管，系統都會記錄下該場景的信息和數據，并自行學習人類的決策和駕駛行為。

傳感器的市場空間

最后需要說明當前產業中攝像頭、激光雷達、雷達的市場格局。

攝像頭方面，車載攝像頭的壁壘主要在于模組封裝和客戶壁壘，目前來看，國際上松下、索尼等占據了較大的市場份額，但是總體的競爭格局并不是很集中，除了松下占據了20%的市場份額以外，其后的8名主要競爭對手市場份額相互差距都不大，國內舜宇光學、歐菲光、德賽西威等已開始全面進入車載攝像頭模組封裝制造中。

當前外資供應商占據主流地位，未來，隨著自主供應商技術不斷成熟，規模日漸擴大，憑借著快速響應和性價比的傳統優勢，將有望開啟對外資供應商的替代。

毫米波雷達方面，全球市場基本被以博世為首的外資汽車零部件巨頭壟斷，其中博世以77GHz毫米波雷達為主。

據OFweek的統計數據顯示，目前中國24GHz車載雷達市場主要由法雷奧、海拉和博世等主導，合計出貨量占比高達60%以上。中國77GHz車載雷達主要由大陸集團、博世和德爾福等主導，合計出貨量占比高達80%以上。綜合來看，中國市場當前仍在外資寡頭的壟斷之下。

國內的毫米波雷達市場當前被大陸、德爾福、博世等國外零部件巨頭壟斷，并且也在不斷推出更新更好的產品。安信證券稱，當單品性能和價格不足以和國外供應商拉開差距，打包做解決方案是比較好的突圍路徑，包括整個系統有多少冗余，提供定制化服務。

激光雷達雖然在汽車領域是還不夠成熟的技術，但在軍事、氣象等領域早有廣泛應用，然而需求并不大。隨著當前對L3級別自動駕駛的需求，激光雷達或開始滲透進消費領域。

對激光雷達廠商而言，需要追求的廠商追求仍是在保證基本性能的情況下，盡可能降低成本。只有這樣才能真正進入消費級市場。

編輯：黃飛

?