cq9电子·(中国)官方网站

       当然，特斯拉选择走这条路是因为 Elon Musk 打了小算盘：激光雷达现在价格较贵，产能也不够，但 Musk 却想直接让现售车辆未来通过软件升级实现全自动驾驶。

       這些公司信心十足，是因爲在解決計算機視覺問題上，機器學習的應用，尤其是卷積神經網絡最近有了長足的進步。人工智能，特別是模式匹配和計算機視覺技術突破不斷。

       此外，對新創公司來說，這是個巨大的賭注。類似谷歌這樣的大公司，都在醉心于激光雷達的研究，因此它們放松了其他解決方案，而這給新創公司留了巨大的發展空間。

       當然，這些公司可能最終一無所有，但一旦成功，就能賺的盆滿缽滿，而風投公司最愛投資這類公司。

      对于这三项关键技术，如今的趋势已经非常明显：

       1. 随着时间的推进，激光雷达的价格会逐渐走低，性能会逐渐增强。最终，高端版本几百美元就能搞定，而低端版则更加便宜;

       2. 计算机视觉技术会不断进化，最终可靠性达到使用要求。同时，与其搭配使用的高性能处理器和电源需要都会不断走低;

       3. 雷达的价格会降至两位数(美元)，用于分析雷达数据的软件也会越来越聪明。

       除此之外，一些新技術未來的走向也不好預測，比如遠程長波紅外激光雷達、新型雷達或能直接把光子當無線電波處理的激光雷達替代品。

       當然，即使新技術能按照預測的趨勢發展，未來的贏家也一定是那些可以把多項技術相結合的公司，現在的問題是這些技術到底怎樣結合才更有效。

       現有的激光雷達有個問題，那就是它分辨率有些低，探測距離不夠遠且售價昂貴。當然，計算機視覺問題也不少，當下它還不夠可靠，需要外部照明輔助，而且對計算機能力要求較高(意味著貴)。雷達的問題也是分辨率較低，甚至還不如激光雷達。

       下面，我們就來介紹幾種有效的技術結合方案：

       方案一：高端激光雷達爲主，計算機視覺爲輔

       受大多数团队青睐的 32 线或 64 线激光雷达在探测道路障碍的能力上非�？煽浚�只要在探测范围内，它们几乎不可能出错。不过，一旦距离稍远，它们就很有可能分不清障碍物到底是什么。

       如将皮卡错看成普通汽车，将 3 位行人看成 2 位，同时它也无法识别面部表情和肢体语言。最重要的是，这家伙是“色盲”，它看不出红绿灯信号。

       如果有了計算機視覺的輔助，情況就不一樣了。激光雷達可以將障礙物的圖片从背景中“抠”出来，随后计算机视觉很容易就能分清它到底是什么，而且计算机视觉无需 100% 可靠，它只负责提升最终效果就行。

       如果自動駕駛汽車只需遵從“不要撞到路上的東西”這樣簡單的命令，激光雷達就完全夠用，但這樣的設定下自動駕駛汽車會頻繁刹車，影響乘坐舒適度。

       方案二：低端雷達＋更可靠的計算機視覺

       眼下，只拥有 4 组扫描线的激光雷达价格相对较低廉。不过，这样的配置探测能力一般，对于位置较高、较低或较小的物体有时会无能为力。

       因此，现在的问题是，如今计算机视觉系统能填补这个窟窿吗?答案是不太好解决。毕竟计算机视觉系统需要外部照明辅助，灯光打在车辆正前方还好，如果弄个 360 度照明，就会让驾驶员分心，而且还会影响其他车辆的行车安全，但如果不这样做，又无法获得 360 度的完整视野。

       有人提出可以用紅外線燈來解決，這樣就不會讓駕駛員分心了，但這種解決方案也有個問題，那就是它的熱功率不夠高。

       低端激光雷達確實能解決一些非常危險的漏報問題，但它有可能帶來更多副作用(即錯報導致的無端刹車)。在自動駕駛車輛行駛中，漏報完全不能接受，但錯報如果太多，也會影響用戶的乘坐體驗。

       這種方案成本較爲低廉，不過需要用到較爲先進的計算機視覺技術，而這種水平的計算機視覺現有技術還無法實現，但想實現這樣的技術並不是不可能。

       其他方案

       特斯拉一直在研究如何用雷达来协助车载摄像头。雷达探测车辆前方的移动物体很有一手，许多新型号的産品对静止物体探测效果也不错，同时其分辨率也有提高。借助神经网络等新技术，车辆就能实时分辨周围物体到底是什么了。

       雷達對車輛的探測效果很好，但探測行人卻很弱。不過，如果將雙目視覺與計算機視覺搭配使用，探測能力就能大幅提高。

       當然，如果只跑高速公路，只需提高雷達的探測距離和對高速物體的辨識能力就信，畢竟路上不會出現行人。

       到底誰會最終獲勝？

       無論誰獲勝，未來最終決定自動駕駛汽車走向何方的是成本問題，而現在，安全則是第一要務。只要能比競爭對手更安全，花多少錢都行，降低成本的事以後可以徐徐圖之。這也是大多數團隊都選擇方案一的原因。

       不过，有时自动驾驶团队和媒体很容易犯一个错误，那就是做一个演示很简单，只靠激光雷达或计算机视觉就能顺利完成，但要想彻底消除那 1% 的不安全因素，你需要花掉整个研发过程 99% 的时间。

       即使如谷歌這樣經驗豐富，行駛裏程無人能力的團隊，也不敢肯定的說自己的自動駕駛汽車車百分之百安全。也許隨著技術進步，隨便一個團隊就能讓自動駕駛汽車在路上玩個“大撒把”，但要記�。�演示行駛並不代表成功。