自驾车传感器2派各有利弊:激光雷达vs雷达

 

利用可见光脉冲反射精确量测物体距离的激光雷达(LiDAR) ,结合雷达与摄影机被视为达到完全自驾程度的最佳发展路径。持反对意见的特斯拉则主张,只要计算机视觉技术够好,激光雷达其实是多余的装置,毕竟人类光靠眼睛就能开车。

观点的不同,相应的解决方案自然不同。未来也没有采用激光雷达计划的特斯拉主要透过8个摄影镜头(前置3个、侧边各2个及后置1个),以及前置雷达与部分超音波传感器负责近距离侦测;其他厂商则倾向增加1或多个激光雷达,甚至加上夜视镜头来提升安全性。

特斯拉的方法成本较低,但需要更多数据处理能力。对于想要尽快推出自驾车的厂商而言,对安全性的考量高于成本,因此选择采用激光雷达加摄影机的选项。

可靠性(reliability)是其中关键,摄影机只能借由感知物体相对大小猜测距离,且必须适应不断变化的光线,不像激光雷达无论白天黑夜都可以确切量测距离。

计算机视觉技术过去几年虽有重大突破,但仍不够完善。特斯拉认为人类单靠双眼就能驾车,因此相信计算机视觉绝对可以达到这样的能力,其CEO埃隆·马斯克认为一旦计算机视觉问题获得解决,激光雷达就没有存在的价值。然而问题在于这一天何时到来?其他厂商选择激光雷达,是因为激光雷达降价的速度会比计算机视觉技术突破更快实现。

近期有一篇康奈尔大学发表的论文提出了可以将30米内的目标检测准确率提高至70%的方法,显示计算机视觉系统正在挑战激光雷达的可靠度及正确距离量测等核心价值。不过激光雷达在 100~300米范围的深度准确率接近100%,这对高速公路行车很重要,30米即使对市区行车来说也不太够。

总结来看,马斯克认为超强且接近完美的计算机视觉可以达到安全驾驶的目标,让激光雷达无用武之地。其他人则认为结合激光雷达的可靠性与够好的计算机视觉技术就可实现驾驶安全。

即使特斯拉无法用硬件解决完全自驾的问题,至少还可以凭借自身在电子动力传动与高科技汽车设计方面的优势维持其电动车业务。未搭载激光雷达的电动车依旧可以在停车场自动停车、应付交通壅塞的路况,透过更好的先进驾驶辅助系统降低撞车的可能性。

至于激光雷达支持者也会像解析摄影机和雷达数据一般利用神经网络处理激光雷达数据,而且因为激光雷达的分辨率较低,这些神经网络的架构会比较简单、速度也快。

今日热点

频道热点

小编推荐