激光雷達vs純計算機視覺 自動駕駛的兩大流派

激光雷達流派和純計算機視覺流派一直在自動駕駛技術(shù)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(shù)據(jù)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?cè)铡蓖瞥隽巳詣玉{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(qū)動的Autopilot相比，新硬件每秒幀數(shù)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(dǎo)方案的擁簇，另一種方案的主導(dǎo)則是激光雷達（Lidar），代表是除特斯拉外的絕大多數(shù)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(shù)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(shù)據(jù)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(fā)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?fàn)幍檬鞘裁茨?？首先需要說明自動駕駛技術(shù)的基本原理。

自動駕駛技術(shù)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(huán)境信息。決策層的大腦基于感知層輸入的信息進行環(huán)境建模，形成對全局的理解并作出決策判斷，發(fā)出車輛執(zhí)行的信號指令。最后執(zhí)行層將決策層的信號轉(zhuǎn)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(huán)境感知的一種方式，但感知的主導(dǎo)不同。視覺主導(dǎo)方案以攝像頭為主導(dǎo)，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(dǎo)方案以激光雷達為主導(dǎo)，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(dǎo)。

需要注意的是，特斯拉在視覺主導(dǎo)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(xiàn)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(shù)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(shù)，通常位于汽車頂部，可以360度監(jiān)測。在其內(nèi)部，每一組組件都包含一個發(fā)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(fā)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(fā)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(tǒng)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(xiàn)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(huán)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(huán)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(huán)境光照的影響很大；但攝像頭有一個極大的優(yōu)勢，在于人眼就能看懂?dāng)z像頭拍攝的內(nèi)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(jiān) Andrej Karpathy就表示，世界是為視覺識別而構(gòu)建的，激光雷達很難分辨塑料袋和輪胎的區(qū)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(shù)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(tǒng)的標配；后者的探測距離最小，負責(zé)3米以內(nèi)的近距離監(jiān)測，用于盲區(qū)探測，變道、泊車輔助等。

兩大流派究竟?fàn)幍氖鞘裁矗?/p>

激光雷達、攝像頭、雷達等不同傳感器側(cè)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(shù)公司以計算機視覺為主。

我們以當(dāng)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(tǒng)等傳感器。

Waymo的視覺系統(tǒng)由幾組高分辨率的相機組成，設(shè)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(jù)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(xiàn)階段Lidar技術(shù)還不夠成熟有關(guān)，也導(dǎo)致設(shè)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?qū)ふ业奖犬?dāng)前更小、更便宜、更容易批量生產(chǎn)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(fā)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(shù)原因，在與視覺相結(jié)合上，馬斯克認為一些公司會用錯誤的波長來做主動質(zhì)子發(fā)生系統(tǒng)，他稱4mm的波長是合適的，而400 nm - 700 nm 的范圍內(nèi)的主動質(zhì)子發(fā)生器很愚蠢。

這是馬斯克與當(dāng)前整個行業(yè)的分歧。但進一步而言，以攝像頭作為傳感器的主導(dǎo)實際上得到了行業(yè)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(shù)據(jù)量遠超其他類型的傳感器?；趫D像信息密度最高的優(yōu)勢，使得它處于整個感知融合的中心地位。

問題在于，現(xiàn)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(fā)展發(fā)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(shù)路線誤入歧途，所有人的終極目標都是攝像頭實現(xiàn)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(tǒng)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(cè)方前視攝像頭、2個側(cè)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(huán)境，雷達則負責(zé)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(tǒng)的成本。

更為重要的是特斯拉的神經(jīng)網(wǎng)絡(luò)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(jīng)網(wǎng)絡(luò)的訓(xùn)練中，每一個新手都將為特斯拉的自動駕駛系統(tǒng)喂入新的數(shù)據(jù)。

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(tài)下行駛里程計算，到 2019 年，特斯拉累計路測數(shù)據(jù)已經(jīng)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(shù)據(jù)占全行業(yè)總路測數(shù)據(jù)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(shù)據(jù)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(xiàn)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(dǎo)入神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，直到神經(jīng)網(wǎng)絡(luò)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(guī)、暴雨、冰雹、大霧、甚至洪水、火災(zāi)、火山等罕見的長尾場景。每一次 AP 啟用狀態(tài)下的人為介入接管，系統(tǒng)都會記錄下該場景的信息和數(shù)據(jù)，并自行學(xué)習(xí)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(dāng)前產(chǎn)業(yè)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(jù)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(jù)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(nèi)舜宇光學(xué)、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(dāng)前外資供應(yīng)商占據(jù)主流地位，未來，隨著自主供應(yīng)商技術(shù)不斷成熟，規(guī)模日漸擴大，憑借著快速響應(yīng)和性價比的傳統(tǒng)優(yōu)勢，將有望開啟對外資供應(yīng)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(jù)OFweek的統(tǒng)計數(shù)據(jù)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(dǎo)，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(dǎo)，合計出貨量占比高達80%以上。綜合來看，中國市場當(dāng)前仍在外資寡頭的壟斷之下。

國內(nèi)的毫米波雷達市場當(dāng)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(chǎn)品。安信證券稱，當(dāng)單品性能和價格不足以和國外供應(yīng)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(tǒng)有多少冗余，提供定制化服務(wù)。

激光雷達雖然在汽車領(lǐng)域是還不夠成熟的技術(shù)，但在軍事、氣象等領(lǐng)域早有廣泛應(yīng)用，然而需求并不大。隨著當(dāng)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(lǐng)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。