特斯拉自動駕駛走純視覺路線，國內車廠為何不跟？
特斯拉自動駕駛走純視覺路線，國內車廠為何不跟？
一邊是特斯拉放棄毫米波雷達，選擇純視覺感知路線，另一邊是中國廠商卻加緊激光雷達的布局，走多傳感器融合路線。
“任何依靠激光雷達（開發自動駕駛）的企業注定完蛋。這些昂貴的傳感器毫無必要，就像是長了個昂貴的闌尾。”早在2019年的Autonomy Day大會上，特斯拉CEO馬斯克就公開質疑過激光雷達的實用性。
但一批國內廠商卻持有不同的聲音，目前，無論蔚來、小鵬、理想、威馬、智己等新勢力，還是長城、一汽等傳統主機廠，紛紛在新車型上搭載激光雷達，形成攝像頭、毫米波雷達、激光雷達等多傳感器融合的系統，和特斯拉走上一條完全不同的道路。
“汽車真的需要激光雷達嗎？如果我們只靠人眼開車，每10萬人中就有18人死于交通事故，當時速到達70公里以上時，死亡率攀升到98%，這是不能被接受的，因此我們要想辦法超越人的極限，激光雷達，本質是對人眼的視覺運力提升和控制力提升。”激光雷達生產廠商北醒科技CEO李遠在第20屆中國汽車供應鏈大會上如是說。
自動駕駛的感知系統路線之爭，逐漸由純粹的學術理論問題演變為現實的供應鏈格局問題。
特斯拉：從毫米波雷達到純視覺感知
特斯拉并非從一開始就走純視覺路線，其在售車型也曾標配毫米波雷達。
但去年5月，特斯拉在發布FSD（full self-driving完全自動駕駛） Beta v9版本時，取消了在美國和加拿大市場銷售的Model 3和Model Y兩款車型上所搭載的毫米波雷達，配上8顆120萬像素攝像頭組成的“Tesla Visiom”視覺系統。今年2月，特斯拉又取消Model S和Model X兩款車型的上的毫米波雷達，意味著特斯拉在售的全系產品已全部放棄毫米波雷達，僅依靠攝像頭實現感知。
在無人駕駛發展初期，由于攝像頭只能提供二維數據，無法識別物體距離信息，需要其他感知系統進行輔助。
毫米波本質上是電磁波，其主流頻段集中在24GHz（用于15-30米中短距離感知）和77GHz（用于100-200米長距離感知）。相比于激光雷達，毫米波雷達存在精度低、可見范圍短的缺陷，其對金屬高反射物體易形成誤判，造成車輛急剎。由于毫米波雷達較低的分辨率，決定了它無法成為車輛主傳感器提供數據。
而主傳感器攝像頭使用場景也有限制，和人眼類似，攝像頭受天氣、強弱光影響較大。但在智能化程度上遠不及人眼。據峰瑞資本合伙人楊永成介紹，車載自動駕駛攝像頭基本都是固定焦距、固定FOV、固定光圈、固定位置安裝的，完全不具備人眼的自動化和靈活性。
楊永成表示，車頭前方就配有遠、中、近距離的視覺成像模式，除了成本方面考量，要實現人眼通用化設計，必然使用大量電機、機械運動、控制部件。而汽車使用場景復雜，包括高低溫、震動、運動等，要求攝像頭無故障運行時間長。
特斯拉撞上白色貨車
由于視覺感知存在漏洞，特斯拉曾發生過兩起安全事故。在輔助駕駛模式下，特斯拉均未能準確識別前方側翻白色貨車，導致車輛并未減速造車人員傷亡。調查結果顯示，車輛將白色的貨車識別為天空和云，因此未做出避讓或減速反應。
隨著FSD系統的迭代，特斯拉對毫米波雷達的依賴程度降低。為了進一步削減成本，特斯拉放棄毫米波雷達，選擇使用“Tesla Vision”視覺系統，通過不同位置布局的攝像頭實現三維圖像感知。
特斯拉的底氣來自大量的機器學習。其實，道路上行駛的每一輛特斯拉都可以看作是其測試車輛，車輛配有的攝像頭不斷抓取道路信息，再回傳至中心服務器。通過神經網絡對原始圖像進行處理，將目標物體的邊界“摳”出來，最后對數據進行比對和糾正，完成機器的圖像的識別。
這個過程就像教小朋友識圖，告訴機器該物體是人、車還是路牌等信息（專業術語為監督學習，Supervised Learning）。
同時，特斯拉還推出“影子模式”，讓車輛的自動駕駛系統出于開啟狀態，傳感器探測車輛行駛道路周圍的數據。駕駛操作仍由人來完成，機器不參與駕駛。但在人的駕駛過程中，機器會學習人的駕駛操作，從而達到對自動駕駛系統的優化。
經過大量的機器學習，特斯拉對毫米波雷達的依賴度降低，最終取消毫米波波雷達。但在實際駕駛過程中，仍伴隨安全隱患。在去年年底發布的特斯拉FSD Beta 10.9測試版本中，有車主遭遇“幽靈剎車”，道路正常情況下，車輛異常減速甚至剎車。特斯拉進行緊急修復，根據更新日志顯示，“通過改進對能見度盡頭的物體的速度估計，減少了交叉物體的錯誤減速”，“通過更好地建模合并點和位于可見性邊緣的重影對象，改進合并控制的平滑度”。
依靠單一傳感器，感知系統的判斷邏輯更難，但憑借先發優勢以及大量數據抓取，特斯拉的神經網絡不斷優化，其視覺感知技術也的確走在智能汽車前列。
國內主機廠為何走“多傳感器融合”路線
和特斯拉技術路線所不同的是，國產主機廠多傾向選擇攝像頭、毫米波雷達和激光雷達多傳感器融合的感知路線，在車頂部或者前臉位置裝上激光雷達。
以國內激光雷達廠商速騰聚創為例，合作的主機廠既有小鵬、威馬、智己等造車新勢力，也有比亞迪、路特斯、極氪、廣汽埃安、一汽紅旗等傳統主機廠，共計有50款合作車型。
包括國內無人駕駛巨頭百度也發展激光雷達路線，旗下汽車品牌集度汽車日前發布的概念車型也悄然配上激光雷達。而早期，百度是視覺感知路線的擁護者，依靠高精地圖+攝像頭+算法搭建感知系統，并進行大量路測。
主機廠紛紛增配激光雷達，目的是彌補“攝像頭+毫米波雷達”在感知領域的局限性。理想汽車CEO李想曾表示，“攝像頭+毫米波雷達的組合像青蛙的眼睛，對于動態物體判斷還好，對于非標準的靜態物體幾乎無能。”
激光雷達的使用，能規避部分邊際案例（例如上述側翻白色卡車），減小對機器學習的依賴。
相比于攝像頭，激光雷達是主動光源，不受強光、弱光影響。自動駕駛廣泛使用的激光雷達產品屬于車載三維激光雷達，其工作原理是利用激光束探測目標，直接測量物體的距離方位、深度信息、反射率等，獲得數據并生成精確的數字高程模型。
速騰聚創激光雷達在小鵬P5上感知效果
同時，攝像頭在進行圖像處理時，會保留物體豐富的紋理色彩，進行精細化識別。而激光雷達則是進行點云處理，在計算量上小于攝像頭。過多占用芯片算力又會引發對自動駕駛系統魯棒性的思考。所謂魯棒性，指計算機軟件在輸入錯誤、磁盤故障、網絡過載或有意攻擊情況下，能否不死機、不崩潰，能否保持系統的穩定。
速騰聚創相關人士介紹稱，除了對周邊物體距離測量，激光雷達還具備精準定位的能力，對GPS定位系統進行補充。比如遇到高樓林立或者過隧道等信號穩定性較差的場景，難以滿足車輛自動駕駛安全性需求。激光雷達配合AI感知系統，對周圍障礙物進行識別，對路邊沿進行檢測，進行高精度定位。
但在激光雷達發展早期，激光雷達價格高、體積大、還易產生機械故障，商業化進程并不順利。以美國Velodyne公司產品為例，64線機械激光雷達售價約8萬美元，32線機械激光雷達售價約2萬美元。
隨著速騰聚創、禾賽科技、北醒科技等國內激光雷達廠商的涌入，機械式激光雷達轉向固態、半固態，體積也相應縮小，符合車規級標準，最重要的一點是價格大幅下降，具備商業化價值。
速騰聚創方面向觀察者網透露，目前大規模車規量產項目基本在500-1000美元之間，根據不同客戶的定制需求和量的需求來具體協商價格。
據前瞻產業研究院預測，我國車載激光雷達行業市場規模在2026年有望超過430億元，發展空間大。
激光雷達專利數對比
在李遠看來，激光雷達市場更像是被催熟的。在視覺專利技術方面，日本+美國的專利數占全球專利數的近8成，中國只有7.59%。而在激光雷達專利數上，中國專利數占比達到15.91%，約為美國專利數的一半。視覺感知領域中國已經落后了，催熟下一代傳感器，實現技術領先。“特斯拉在視覺感知已經做得不錯，與其跟隨，不如做下一代傳感器有先發優勢。”
相關文章
發表評論
暫時沒有評論，來搶沙發吧~