當下，汽車行業開始邁入智能化、網聯化的新時代，作為定義汽車智能網聯進程的核心維度，自動駕駛技術已然成為衡量進程的關鍵指標，這對汽車感知系統就提出了更高的要求。

　　智能駕駛的兩面派分立

　　近期，華為在上海車展展示了一項接近L4級別的無人駕駛技術，同時華為也宣稱要將96線激光雷達的成本降低到200美金以內。

　　而目前，以特斯拉、百度Apollo為代表的視覺算法派堅持認為激光雷達是成本高，技術發展慢的產物，并不如視覺算法的價值高。

　　但華為、小鵬這樣的公司則認為，激光雷達是比視覺算法更好的技術。

　　視覺系vs雷達系的工作原理

　　汽車感知系統當下主要分為視覺系與雷達系，視覺系以攝像頭為主要傳感器、搭配毫米波雷達等低成本傳感器、以圖像識別模式為核心流程，對算法和芯片的依賴程度較高；

　　而雷達系以激光雷達為核心元件、在原有視覺算法方案的基礎上增加激光雷達的使用，探測距離更遠、角度分辨率更優、受環境光影響更小。

　　視覺算法方案的圖像傳感器可以獲得高分辨率的復雜環境信息，且成本較低，但是不管攝像頭的清晰度有多高，獲得的信息終究是2D圖像，且在遠距離、強光等環境下表現不足。

　　激光雷達方案則是直接對環境進行3D建模，將周圍環境分析得更加清晰，精度高，范圍大，抗干擾能力強，但是目前成本很高。

　　因此，激光雷達方案縱使能進一步提高自動駕駛的安全性，但出于成本的考量，可能面臨普及還需要一段時間。

　　相比之下，以攝像頭主導的視覺自動駕駛方案就很容易理解了，它主要以攝像頭為探測核心，配合毫米波雷達、超聲波雷達以及低成本的激光雷達的協助。

　　攝像頭可以像人眼一樣，通過物體放射的光在傳感器上成像。和激光雷達計算出來的復雜數據不同，攝像頭捕獲到的圖像基本上就是我們人眼能夠直接看得懂的內容，非常適合用于識別物體，并將它們分類。

　　視覺算法除了擁有強大的“視覺”能力之外，更強大之處在于算法。

　　然而，視覺算法也屬于估計型自動駕駛，即便它擁有再強的運算能力，也會受到硬件的限制。

　　其測距能力遠不如激光雷達和毫米波雷達那樣強大。并且視覺算法受光照影響很大，在極端天氣或者光線不好的情況下會存在誤判的可能。

　　系統需求決定技術選擇

　　不同應用場景下對感知系統的要求不同，技術的選擇也會有差別。

　　以未來3-5年的時間點來看，激光雷達成本將會大幅降低，但依然會有一定的成本。

　　這意味著同一個車型可以選擇不同等級的自動輔助駕駛系統，車型的價格也不同，消費者可以根據自己的需求選裝激光雷達。

　　未來幾年帶有激光雷達的方案會成為主流，但從裝載車型的絕對數量上來看，帶激光雷達的方案還是一個相對小眾的選擇。

　　從這個意義來說，像華為、大疆這種既做全套解決方案，又做激光雷達零部件的廠家，能更好地發揮有限性能激光雷達的潛力，在未來的行業中有更具優勢。

　　在目前的技術環境下，激光雷達和視覺算法并不應該是相互對立的關系，也沒有激光雷達的解決方案一定比視覺算法解決方案更好這樣的說法。

　　激光雷達和視覺算法應該是相輔相成的關系，激光雷達可以大幅提升視覺算法的精度，降低視覺處理對于超高精度算法的依賴，但目前高成本制約了更多的激光雷達出現在整車上；

　　而視覺算法在未來的自動駕駛領域依然是主流的核心技術之一，它的應用廣泛性暫時是激光雷達這樣的產品無法替代的。

　　兩種流派誰是未來的發展方向

　　特斯拉汽車曾把白色的大貨車識別成云朵，直接撞上去；把二維的人體投影，當成真人，主動剎車等。所以近年來，國內有關特斯拉自動駕駛導致的交通事故屢見報端。

　　正是看到了視覺算法的弊端，越來越多的汽車廠商選擇了視覺算法+激光雷達的方案。在他們看來，有了激光雷達的加入，自動駕駛的安全冗余將會大幅提高。

　　激光雷達工作時，會主動向四周散射激光，隨后根據激光返回的飛行時間來判斷周邊是否有障礙物，以及障礙物的位置甚至體積并生成點云圖，這項技術在探測物體方面非常精確，甚至可以達到毫米。

　　有了激光雷達的幫助，自動駕駛的汽車將避免大量的數據運算，很多看不到的障礙物以及情況不明時，激光雷達一碰，就能掌握情況。

　　這不僅比普通視覺算法反應更快，而且即使在極端惡劣天氣下，也還會運行自如。

　　所以理論上來說，視覺技術與激光雷達相互結合才是完美的方案。

　　只不過美好理想的背后，往往是骨感的現實，兩種方案成功互補的難度依然較大。

　　基于此背景，當下自動駕駛領域分為了立場鮮明的兩派——視覺派和激光雷達派，顯然馬斯克堅定不移地“站隊”前一派。

　　結尾：

　　未來是激光雷達憑借安全優勢贏得市場，還是視覺算法憑借更低的成本優勢，贏得市場，目前尚難定論。

　　不過隨著汽車電動化、智能化、網聯化的高速發展，兩種技術路線的優劣也會在未來幾年分出高下。

　　部分資料參考：騰訊科技：《華為的激光雷達會是未來嗎？》