激光雷達or視覺感知，誰能頂峰相見？
本文經自動駕駛之心公眾號授權轉載，轉載請聯系出處。
自動駕駛繞不開的一個話題那就是激光雷達和攝像頭到底哪個更出色，這個問題一直在行業內爭論不休，兩大派系各執一詞，都能講出一大堆的理由為什么用此非彼，其實要想明白為什么會有這個爭論，我們就要先了解這兩大技術路線背后的原理是什么，各自有哪些優勢和不足。
自動駕駛將汽車的駕駛能力及駕駛責任逐步由人轉移到汽車，其主要包括感知、決策和執行三大核心環節。
其中，感知環節相當于人的眼睛和耳朵，主要通過車載攝像頭、激光雷達、毫米波達等各類車載傳感器在行車過程中完成對環境及車輛的感知、搜集周圍環境數據并將其傳輸到決策層；決策環節相當于人的大腦，主要通過操作系統、芯片與計算平臺等對接收到的數據進行實時處理并輸出相應的操作與指令任務；執行端則相當于人的四肢，將接收到的操作指令執行到動力供給、方向控制、車燈控制等車輛終端部分。
本次我們將著重說說感知層，因為感知作為智能駕駛的先決條件，其探測精度、廣度與速度直接影響自動駕駛的行駛安全。并且感知層獲取的數據將直接影響決策層的判斷與執行層的操作，可見在自動駕駛中的地位至關重要。
01 激光雷達vs視覺感知，自動駕駛兩大派系正面交鋒
自動駕駛領域兩個派系的劃分——純視覺感知派、激光雷達派。
視覺派認為人類既然可以通過視覺信息+大腦處理，成為一個合格的駕駛者。那么攝像頭+深度學習神經網絡+計算機硬件，也可以達到類似的效果。
近期代表企業特斯拉推出基于純視覺方案的FSD Beta，徹底放棄毫米波雷達。百度發布L4級別純視覺方案Apollo lite，同樣踏上了自動駕駛的南坡之路。
激光雷達派則是以Waymo為代表的Robotaxi企業，使用機械式激光雷達、毫米波雷達、超聲波雷達以及多路攝像頭完成L4級別的商業量產落地。
純視覺自動駕駛方案從產品分析，目前特斯拉的產品還處于L2的階段，從今年第一季度的財報上看純視覺自動駕駛方案是這樣解釋：目前道路交通系統是基于人類視覺感知神經網絡，8個攝像頭覆蓋360°，比人類感知范圍更大更安全；對現實道路的技術還有待突破，自動駕駛不會很快成為主流。
再看Apollo lite，2020年底百度發布高階智能駕駛解決方案ANP（Apollo Navigation Pilot），宣稱可以支持高速、城市環線、城市道路使用，搭載10路攝像頭、具備360°環視感知，探測距離達240米，應用30+深度學習網絡，單卡GPU，算力小于30TOPs。從L4應用降維至L2+級領航輔助駕駛，依靠10相機感知系統，實現不依賴高線數機械式激光雷達的端到端閉環自動駕駛。
激光雷達是一種用于精準獲取物體三維位置信息的傳感器，本質上是激光探測和測距，其原理是通過發射與接收激光來探測與目標物之間的距離，再根據目標物表面的反射能量大小、反射波譜幅度、頻率和相位等信息，精確繪制出目標物的三維結構信息。而憑借著在目標輪廓測量、角度測量、光照穩定性和通用障礙物檢出等方面所具有的極佳性能，激光雷達正在成為L4級及以上自動駕駛的核心配置。
3D激光雷達在無人駕駛車輛的定位、路徑規劃、決策、感知等方面有著重要的作用。2022-2025年之間預計絕大部分的主機廠會量產上激光雷達，從國際上看，沃爾沃和Luminar宣布量產，國內蔚來選擇圖達通的激光雷達作為ET7的標配；小鵬P5搭載了大疆旗下覽沃的激光雷達；理想也與禾賽科技展開了下一代車型的合作。由此看來，激光雷達仍然是絕大多數企業走上自動駕駛的必經之路。
從技術特點的角度來看：
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。但圖像傳感器是一種被動式傳感器，其本身并不發光，成像質量受到環境亮度影響較大，在惡劣環境下完成感知任務的難度會大幅提升。
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。但是，激光雷達獲取的數據稀疏無序、難以直接利用，且激光單色的特性讓其無法獲取顏色和紋理信息，雖然對于周邊環境測距描繪的能力突出，但卻因為缺點太致命，所以必須搭配其它傳感器互補使用。
從商業量產的角度來看：
目前激光雷達感知能力是略強于純視覺的，很多主機廠商和一級供應商為加速量產落地，難免會通過過多使用激光雷達來回避視覺識別算法、芯片、定位建圖等問題。
馬斯克不止一次提過依賴激光雷達的公司都可能無任何出路，或許是跟激光雷達成本過高有關。
華為在年初宣布成功研發首款96線中長距車規級高性能激光雷達，具備全場景150米的測距能力，擁有120°*25°大視野，可以滿足對城區、高速等場景的人、車測距要求。同時水平、垂直線束均勻分布，不存在拼接、抖動等情況，形成穩定的點云對后端感知算法也非常友好，滿足遠距離小障礙物、近距離加塞、近端突出物、隧道、十字路口無保護左拐、地庫等復雜路況和獨特場景，更符合中國當下復雜的路況環境。
價格號稱從原本的2000美金一套降到200美金左右。特斯拉近期也做了對激光雷達的檢測，不知純視覺派會不會因價格優勢的出現做出改變。
02 激光雷達與視覺感知的優劣對比，既對立又互補
到目前為止，小鵬、蔚來、理想、極狐、長城、智己、上汽R、Lucid、沃爾沃和廣汽都已經明確將量產搭載激光雷達的車型，而首款搭載激光雷達的量產車小鵬P5也已經正式上市。
激光雷達的優勢在于精度較高，探測距離遠，可以在一些極端天氣下和夜間做到比攝像頭更高的精準度，防止車輛的誤判，提升安全的冗余度。但目前仍存在成本較高、難以量產等問題。
目前激光雷達分為三類分別是機械式、混合固態式以及純固態式。
這三類有各自的優缺點，例如機械式發展最成熟，掃描速度快可以360度全方位探測，但是由于其體積較大很難裝車量產，造價也是一個大難題；混合固態成本低，適合大規模量產但是視野有限，360度就不行了；純固態將是未來發展趨勢，有OPA光學相控陣和Flash兩種技術路線，但同樣等待技術的進一步突破才能實現量產。目前來看混合固態中的MEMS路線將會是激光雷達發展的主流也是最容易實現前裝量產的。
機械式、半固態式、固態式激光雷達特點
視覺方案所獲數據與人眼感知的真實世界更為相似，有輕硬件、重軟件的特性。由于攝像頭的價格低廉，因此視覺方案成本優勢明顯且更易通過車規測試。此外，攝像頭所獲的圖像數據與人眼感知的真實世界更為相似，形態上最接近人類駕駛，高分辨率、高幀率的成像技術也使得感知到的環境信息更為豐富。
然而，攝像頭在黑暗環境中感知受限，精度及安全性有所下降。且由于視覺方案在硬件要求降低的背景下，其對軟件的要求明顯提高，即需要依靠強大的算法才能保證圖像處理、命令下達以及處理的效率。
在ADAS階段，決策權仍在在駕駛員手中，其對汽車的軟件算法要求相對較低，以Mobileye為代表的視覺方案被多數整車廠采用。
然而，隨著智能駕駛邁向L3及以上，自動駕駛平臺將接替人的大腦進行駕駛決策，對算法和AI的能力要求明顯提升，目前僅特斯拉、百度、Mobileye等具備軟件和算法基因的廠商完全采用或兼顧視覺方案。純視覺解決方案多以黑盒方案為主，且L3及以上自動駕駛升級難度大，傳統整車廠搭載意愿不強。
特斯拉憑借“影子模式”與超強算法構筑自動駕駛迭代閉環，其他車企難以復制。特斯拉對汽車的定義是極簡化、科技化，其一直在汽車上做減法，對車輛線束長度、零部件數量、生產制造工序都進行大幅下調。在感知方案的選擇上，特斯拉貫徹成本更優的視覺方案，在Model3上采用12個超聲波雷達、8個攝像頭和1個前置雷達收集周邊信息，通過其強大的融合算法迅速構建車輛周邊的3D模型，在汽車行駛中做出快速決策。
由于2D圖像對物體的左后角的檢測（車長的判斷）存在一定盲區，車輛尾部的傾斜與向上收窄的設計加劇了對整體寬度的低估，因此，視覺方案的關鍵便是通過算法根本上解決視覺信息的準確處理，將攝像頭捕捉到的2D平面圖像轉換成精確的3D模型。特斯拉在自動駕駛領域的全棧自研以及其在“模式識別模型”領域的領先地位（即數據規模龐大、數據覆蓋多樣及數據場景真實）成為其貫徹視覺融合方案的護城河。
攝像頭捕捉的2D圖像難以判斷車長
此外，特斯拉的“影子模式”可有效控制算法訓練成本，這一模式下數據搜集系統如實時跟隨駕駛員的“影子”，始終觀察外部環境與駕駛員的動作。若在某個特定場景中駕駛員的操作與“影子”的預判不符，則此次數據會傳輸到特斯拉的服務器中，對算法進行修正性訓練，在下次同場景時予以更正。
百度、Mobileye采用前裝用視覺、Robotaxi用激光雷達的雙線并行策略，優化其感知效果。在前裝領域，全球AI算法領先企業百度于2020年12月推出名為ANP的“輕傳感器、輕算量、強感知”視覺方案。在成本不敏感的Robotaxi領域，百度選擇擁抱激光雷達，與激光雷達公司禾賽科技一起定制激光雷達，不僅提升了感知力和可靠性，成本也大幅下降。
另一方面，以純視覺傳感器方案聞名的Mobileye，通過7個長距攝像頭和4個泊車攝像頭打造了自己的視覺方案。其中，前置攝像頭處于主要感知位，具備120度、800萬像素性能，前、后則共布置4個角攝像頭，側后視鏡、前后保險杠提供190度的廣角攝像頭。這些感知攝像頭與數據處理端的2個EyeQ5芯片組成了Mobileye的純視覺系統方案，支持汽車安全地行駛在錯綜復雜的城市環境中。
與此同時，公司亦宣布旗下Robotaxi將與著名激光雷達廠商Luminar合作，通過激光雷達、雷達與攝像頭的配置綜合提升其無人駕駛的感知精確程度，提高車輛行駛安全性與可靠性。可見激光雷達與視覺攝像頭在現階段還沒有完全分出高下，多傳感器冗余在目前來說是各家廠商比較保守的發展路線。
03 激光雷達價格不斷下探，純視覺派還要堅持多久？
曾經激光雷達的成本是非常高的，一套激光雷達設備一度最高能達到7.5萬美金，讓以馬斯克為代表的純視覺派萬萬沒想到的是，激光雷達的成本比想象中降得更快。
近年來，隨著激光雷達從機械式向固態式發展的趨勢，激光雷達實現了快速的成本降低。其中OPA式的固態激光雷達在量產后有希望降到200美元以下。激光雷達成本的迅速下降更得益于中國相關產業鏈的成熟與完善，將成本迅速降低。特別是中游激光雷達已經有不少國產廠商如禾賽科技、大疆、華為、速騰聚創、鐳神智能等。
激光雷達成本下降非常關鍵
之所以目前大部分車廠采用激光雷達方案，一個重要原因是此方案能夠實現較快落地，并可通過多傳感器配合實現安全冗余。尤其在短期內，純視覺方案基于深度學習的算法尚未達到全路況覆蓋情況下、安全性仍存疑，激光雷達方案安全性更高。
而我們回顧馬斯克以往的所有有別于常人的舉動，無論是SpaceX回收火箭，還是采用消費級元器件，又或是只用攝像頭，其本質都是一點：降成本。
另外，純視覺方案需要車廠掌握海量用戶數據、并自己建立軟件開發部門，算法開發難度極高，最早押寶的特斯拉可以擁有領先優勢，形成技術壁壘。如果競爭對手都用純視覺方案，那么只能一直跟在特斯拉的屁股后面追趕。
只是，馬斯克唯一沒有預料到的就是激光雷達的成本降得這么快，而競爭對手的量產車這么快就上市了。
馬斯克曾經詳細解釋過他對雷達和攝像頭的看法：在雷達波長下，現實世界看起來像一個奇怪的幽靈世界。除了金屬，幾乎所有東西都是半透明的。當雷達和視覺感知不一致時，你采信哪一個？視覺具有更高的精度，因此投入兩倍的精力改善視覺比押注兩種傳感器的融合更明智。傳感器的本質是比特流。攝像頭比特/秒的信息量要比雷達和激光雷達高幾個數量級。雷達必須有意義地增加比特流的信號/噪聲，以使其值得集成。隨著視覺處理能力的提高，攝像頭的性能將會遠遠甩開當下的雷達。因此，當視覺與雷達不一致時，馬斯克認為應該相信攝像頭。
但馬斯克聰明的是他也為自己留了后路，2021年1月1日前后，國外網友在硅谷拍到了一些不太多見的特斯拉車型，有Model S，有Model Y，也有Model X。均搭載了360度 覆蓋的激光雷達感知系統。據一位前特斯拉工程師的說法，特斯拉采購Luminar的激光雷達由來已久，在攝像頭做深度感知的時候，特斯拉會用激光雷達輸出的點云數據做人工標注進行比對。
盡管馬斯克多次表態，特斯拉從技術路徑層面，不會搭載激光雷達。但行業里一直有一種相當高聲量的意見認為，特斯拉不用激光雷達，無非是成本沒有達到商業化的臨界點。我們或許不用太把馬斯克說過的話放在心上，畢竟他除了“鋼鐵俠、火星人”的標簽之外，更多是一個成功的商人和營銷大師。
04 寫在最后
說一千道一萬，汽車駕駛，安全可靠才是一切技術的前提，從現今的技術水平來說，采用安全冗余的傳感器方案，不失為一種更為靠譜的方法，也能更能讓用戶安心、放心。不管是純視覺方案還是雷達的方案，其實都各有優劣，很難用一種傳感器打遍天下。
因此業界的普遍思路是：在一輛能夠實現L2及以上功能的車上需要搭載多種傳感器，進行大量的冗余設計，才能確保產品的安全可靠。目前公認的是，智能駕駛等級越高搭載傳感器越多。
根據車型配置信息的相關統計，智能駕駛在L2需要9-19個傳感器，包括超聲波雷達、長距離及短距離雷達和環視攝像頭，發展到L3預計需要搭載19-27個，可能需要激光雷達、高精度導航定位等。在目前在售的新勢力汽車產品中，均配備了大量攝像頭、毫米波雷達、超聲波雷達等傳感器。
因此，對于這兩大派系來說也許未來真的會在頂峰相見，也沒準會一直長期共存下去，畢竟安全是自動駕駛發展的基石與底線，在保證安全的情況下，各種技術路線之間的交融與淘汰都會讓安全這件事的概率更接近100%，所以我們期待著視覺算法能進一步突破，變的更貼近人眼的水平；激光雷達產業更加蓬勃發展，讓價格不斷下探，更能符合前裝量產的要求，讓我們共同見證各家技術一起進步為自動駕駛的終極目標添磚加瓦吧。
