從技術層面看，讓機器學會和人類一樣深度思考，來代替人類駕駛車輛的視覺算法無疑是非常先進與智能的。但在目前的條件之下，加入激光雷達，也明顯是更具安全保障的方案。

即使在5年之前，很多人都或許還覺得自動駕駛是一項距離我們生活很遠的高精尖技術。不過，科技的發展日新月異，現在自動駕駛技術作為“人工智能”最快落地的領域和場景之一，已經沒有人再去質疑它的可能性。畢竟像L2級的自動駕駛，都已經大面積地應用到了10萬級的新車上了。哪家車企現在如果推出的新車不帶L2級的自動駕駛，恐怕都不好意思拿出手。而更高階的L3、L4、L5級的自動駕駛技術，也不遙遠，比如在2020年，奧迪、廣汽、長安等廠家，紛紛推出自己的“首款L3”量產車，威馬汽車聯手百度落地了號稱L4級別自動駕駛車型，特斯拉創始人馬斯克也表示，有信心完成L5級自動駕駛基本功能。

在業內人士看來，2020年是汽車主機廠從L2級別自動駕駛進階到L3級別自動駕駛的一年，而今年，則是真正意義上的自動駕駛元年。這是因為，L2、L3級別的自動駕駛技術，仍需要駕駛員監控駕駛環境而隨時接管操作車輛，以便隨應對可能出現的人工智能應對不了的情況。而L4和L5級別的自動駕駛技術則可以稱為完全自動駕駛技術，這兩者的區別就是一個是特定場景，一個是所有場景。

自動駕駛注定是一個對人們生活產生重大影響，且會在未來改變世界的技術。不過在這個技術蓬勃發展的當下，卻有兩個旗幟鮮明的技術流派：一派堅決反對激光雷達，認為視覺算法足以實現L4、L5級自動駕駛；另一派則認為視覺算法安全冗余不夠，完全可靠的自動駕駛，必須加上激光雷達。前者的代表企業是特斯拉，后者的代表則是谷歌Waymo、Uber、小鵬汽車、蔚來等眾多廠家。

那么這兩種技術流派，誰會是未來的自動駕駛的發展方向？

首先我們先來看下特斯拉主張的視覺算法技術。視覺算法自動駕駛的整體構想其實很簡單，就是模擬人的行為。他們認為，既然人可以靠一雙眼睛開車，那么車應該也可以像人一樣，通過攝像頭來看清周圍環境，實現自動駕駛。人能識別交通情況，駕駛汽車，是通過學習達到的，那么特斯拉也可以通過算法，開發出智能的“大腦”來學習。

特斯拉的自動駕駛大腦系統是如何學習的？它會先通過特斯拉上的攝像頭，給周圍的交通參與者建立模型，同時把相片數據添加到神經網絡的訓練集里，讓人工告訴它這是什么。這樣，形成一定規模之后，“大腦”就會有自己判斷的能力，比如什么是車、什么是自行車、什么是人，它們距離我有多遠，運動的方向和速度是多少……這種學習，不僅限于特斯拉自己的內部測試，還有其大量的車主在實際駕駛場景中的數據積累。

特斯拉全球有上百萬車主，這些車主在駕駛過程中，如果遇到車輛無法自動處理的情況時，會主動進行干預，介入駕駛過程，而此時就會觸發一次快照，這是一段由多個攝像頭、毫米波雷達、GPS等多個傳感器組合得到的視頻剪輯，和相關的后臺數據。特斯拉的人員會對此進行復核，看看特斯拉的做法和人類的做法有什么區別，找出差距，然后讓系統自動改進，也就是標注的工作。

但是在特斯拉看來，人工標注的速度太慢了，他們要做的是，讓機器來干這個事。需要訓練防加塞功能？只要預測cut-in（加塞）的運動軌跡，再和真實數據進行比對就好了。需要訓練行人碰撞預警？只要預測行人的運動軌跡，再和真實數據進行比對就好了。即使機器錯了，也不怕，只有不斷的試錯，“大腦”才會知道什么是正確的行為。

通過全球海量的特斯拉車主駕駛數據，進行神經網絡計算機訓練，從而不斷覆蓋更多的工況與場景，讓特斯拉的駕駛能力高于人類，正是特斯拉視覺算法的核心競爭力。

但是如同人的眼睛有誤判的情況一樣，視覺算法也有其顯著的弊端，那就是從2D平面圖像推斷精確的3D立體實景，是非常困難的。比如特斯拉汽車曾把白色的大貨車識別成云朵，直接撞上去；把二維的人體投影當成真人，主動剎車；把廣告牌上的STOP標志，當車路標，主動剎車等等。所以近年來，國內有關特斯拉自動駕駛導致的交通事故屢見報端。在國外也同樣如此，2020年1月份，美國國家公路交通安全管理局（NHTSA）收到一份請愿書，其中包含127起特斯拉車輛“意外加速”事故的投訴，涉及123輛車和110起撞車事故，52人受傷。后來連特斯拉自己也對自動駕駛的表述，從“自動駕駛”更迭到“輔助駕駛”再到“自動輔助駕駛”。

正是看到了視覺算法的弊端，越來越多的汽車廠商選擇了視覺算法+激光雷達的方案。在他們看來，有了激光雷達的加入，自動駕駛的安全冗余將會大幅提高。激光雷達工作時，會主動向四周散射激光，隨后根據激光返回的飛行時間來判斷周邊是否有障礙物，以及障礙物的位置甚至體積并生成點云圖。這項技術在探測物體方面非常精確，甚至可以達到毫米。有了激光雷達的幫助，自動駕駛的汽車將避免大量的數據運算，很多看不到的障礙物以及情況不明時，激光雷達一碰，就能掌握情況。這不僅比普通視覺算法反應更快，而且即使在極端惡劣天氣下，也還會運行自如。

所以理論上來說，視覺技術與激光雷達相互結合才是完美的方案，因為視覺方案中的圖像傳感器能以高幀率、高分辨率獲取周圍復雜的環境信息，且價格便宜，而激光雷達是一種主動式傳感器，通過發射脈沖激光并探測目標的散射光特性獲取目標的深度信息，具有精度高、范圍大、抗干擾能力強的特性。業內公司也普遍認為，完全自動的駕駛技術，應該是激光雷達、雷達、攝像頭、超聲波、熱成像等傳感器一個都不能少。

但是對于采用激光雷達的自動駕駛，特斯拉一直持強烈的反對態度，馬斯克更是屢次詆毀，比如：“激光雷達很差勁，他們會拋棄激光雷達，記住我的話，這是我的預測”“激光雷達昂貴、丑陋、沒有必要”“用激光雷達是愚蠢的...... 任何依賴激光雷達的人都注定要失敗”“激光雷達就像人身上長了一堆闌尾，闌尾本身的存在基本是無意義的，如果長了一堆的話，那就太可笑了。任何依賴激光雷達的公司都可能無疾而終”。

馬斯克一直是位不走尋常路的企業家，而且憑借總能干成人們認為的不可思議之事，令其在全球擁有大批“信眾”。所以馬斯克對激光雷達的反對，也在市場上引來了一批對激光雷達的批駁者。

事實上，這一點確實不夠客觀。激光雷達的好處是顯而易見的。而特斯拉之所以反對激光雷達，在業內人士看來，其實是出于成本方面的考慮。

根據掃描模塊是否會運動，激光雷達通常可分為機械式激光雷達、混合固態雷達和純固態激光雷達。機械式激光雷達技術研發早、相對成熟，但機械旋轉部件行車環境不穩定，符合車規級的量產難度極高，而且價格極高。我們看到的頭頂一個大陀螺式的自動駕駛汽車，通常采用的就是機械式激光雷達。一套可以實現L4級駕駛的機械式激光雷達，其價格動輒以數萬美元計算。混合固態雷達的微鏡振動幅度小、成本低，更適合大規模應用，但因其視野有限、無法實現360度水平掃描，需要搭載多個，換算下來整車成本也并不低。純固態雷達在技術上有絕對優勢，掃描速度快、精度高、可控性好、體積小，被公認為是未來激光雷達的發展趨勢，但目前純固態激光雷達的方案并不成熟。

所以不管采用哪種激光雷達，可預見的是，成本都不低。這對一心要把電動車造得越來越便宜的特斯拉而言，顯然不是一個很好的選擇。另外，特斯拉造車的理念就是越簡單越好，比如其大幅減少了車輛的線束長度、大幅減少車身零部件數量、大幅壓縮生產制造工序……越簡單成本越低售價也就越便宜，而價格便宜，用戶才會多。但加入激光雷達勢必會帶來電氣系統的復雜以及計算系統本身的運算復雜外加價格上升，這明顯也不符合特斯拉的造車理念。

但是激光雷達行業發展，也非常快。去年11月廣州車展前，華為方面透露其計劃生產的激光雷達體積非常小，最重要的是價格非常低，目標成本是做到200美元甚至100美元（約合人民幣1300元、650元）。據說華為激光雷達已經成為了主機廠搶購的爆品。北汽新能源副總經理、ARCFOX BU總裁于立國去年末就表示，其與華為聯合打造的ARCFOX極狐最新款產品HBT，搭載了3顆96線華為激光雷達。蔚來1月9日發布的旗下首款轎車ET7，也配備了激光雷達，供應商為蔚來和蔚來資本投資的Innovusion公司。小鵬汽車也宣布，其與大疆孵化的Livox覽沃科技達成合作，將在2021年推出的全新量產車型上使用其生產的小鵬定制版車規級激光雷達。豐田2021年的旗艦車型“LEGEND”，據悉也將使用5顆激光雷達……種種跡象表明，過去天價的激光雷達將在今年迎來大規模的列裝。

當然強人馬斯克對此似乎并不在意，前幾個月馬斯克宣布，全部重寫FSD（全自動駕駛）代碼，按照他的描述，這是質的飛躍，并且會很快實現全自動駕駛。

視覺算法和激光雷達，誰會成為自動駕駛技術的未來？從技術層面看，讓機器學會和人類一樣深度思考，來代替人類駕駛車輛的視覺算法無疑是非常先進與智能的。但在目前的條件之下，加入激光雷達，也明顯是更具安全保障的方案。未來是激光雷達憑借安全優勢贏得市場，還是視覺算法憑借更低的成本優勢，贏得市場，目前尚難定論。不過隨著汽車電動化、智能化、網聯化的高速發展，兩種技術路線的優劣也會在未來幾年分出高下。

原文標題：激光雷達與視覺算法，誰能贏得自動駕駛的未來？

文章出處：【微信公眾號：礪石商業評論】歡迎添加關注！文章轉載請注明出處。

責任編輯：haq