特斯拉坚持的视觉算法,最终会成为自动驾驶的未来吗?


特斯拉坚持的视觉算法,最终会成为自动驾驶的未来吗?


文章图片


特斯拉坚持的视觉算法,最终会成为自动驾驶的未来吗?


现在新能源汽车赛道的比拼越来越激烈 , 而自动驾驶将会成为制胜的关键技术 。
自动驾驶究竟是什么?
简单来说 , 自动驾驶就是对大量交通数据进行运算 , 最终得到最优的行车路线和速度 。 其中最关键的技术难点在于获取数据 。 一般汽车会通过传感器将复杂的交通数据全部捕获 , 然后再将道路信息反馈到汽车的“大脑”做出决策 。 而自动驾驶传感器解决方案长期以来存在两种技术路径 , 雷达与视觉算法 。
一边是以特斯拉为代表的“视觉算法路线” , 其主要借助摄像头 , 对周边物体建立模型 , 同时把数据添加至神经网络进行纯视觉计算 , 在自动驾驶中承担“识别”的作用 。

 优点在于成本偏低 , 特斯拉“三目摄像头”的环视解决方案成本在千元以内 , 并且规模效应会进一步降低成本;但缺点也很明显 , 在算法不成熟之前 , 很容易因为算法的错误识别出现安全事故 。 比如最典型的案例就是之前发生的“特斯拉无法识别白色卡车”事件 , 直接撞了上去 , 重点还不止一次 , 在美国也曾发生过两次 , 那段时间白色大货车成了特斯拉挥之不去的噩梦 。

 原因在于特斯拉摄像头收集的画面是2D的 , 实际道路却是3D的 , 摄像头很难解决人眼所能见的特殊情况 , 增加了行车安全风险 。 理论上 , “视觉算法派”只适合L3之前的自动驾驶 , 需要人工干预 , 在车辆自主权更高的L4或L5级自动驾驶上 , 会出现有心而无力的情况 。
【特斯拉坚持的视觉算法,最终会成为自动驾驶的未来吗?】还有一派主张使用激光雷达作为感知硬件 , 像小鹏、华为、理想、蔚来等车企 。 激光雷达 , 是通过对被测物体发射激光光束 , 并接收该激光光束的反射波 , 记录该时间差 , 来确定被测物体与测试点的距离的雷达系统 。 而且激光雷达在扫描视野时 , 显示图像没有色彩和细节 , 但是轮廓非常的清晰的 , 受极端天气或是外部明亮度的影响较弱 , 安全性要优于使用摄像头的视觉算法 。
缺点可能就成本较高 , 不过量产车装载就会便宜很多 , 而且现在有些车企开始一味的比拼激光雷达数量也没必要 。 就像一口不能吃成大胖子 , 激光雷达虽然作用强 , 但是目前大多数汽车装一两颗就够了 , 因为感知硬件不仅有激光雷达 。
比如小鹏P5 , 车上总共装了32个传感器 , 当中包含13个高清摄像头、5个毫米波雷达、12个超声波传感器和2个车规级激光雷达(装下前包围左右两侧) 。 目前成熟的自动驾驶技术 , 都是采用多种传感器来提升系统识别功能 , 这样不仅兼顾了成本造价 , 还更具安全性 。

 从目前的市场环境来看 , 增加激光雷达做安全冗余的方案必将成为主流 , 甚至是车企的必选方案 。 小鹏的CE0何小鹏就表示过 , 宁愿硬件、软件冗余 , 也要做出一个“负责任”的高级别自动辅助驾驶来 。

    推荐阅读