深度丨智能驾驶的“两面派”竞争：激光雷达VS视觉算法

当下，汽车行业开始迈入智能化、网联化的新时代，作为定义汽车智能网联进程的核心维度，自动驾驶技术已然成为衡量进程的关键指标，这对汽车感知系统就提出了更高的要求。

智能驾驶的两面派分立

近期，华为在上海车展展示了一项接近L4级别的无人驾驶技术，同时华为也宣称要将96线激光雷达的成本降低到200美金以内。

而目前，以特斯拉、百度Apollo为代表的视觉算法派坚持认为激光雷达是成本高，技术发展慢的产物，并不如视觉算法的价值高。

但华为、小鹏这样的公司则认为，激光雷达是比视觉算法更好的技术。

视觉系vs雷达系的工作原理

汽车感知系统当下主要分为视觉系与雷达系，视觉系以摄像头为主要传感器、搭配毫米波雷达等低成本传感器、以图像识别模式为核心流程，对算法和芯片的依赖程度较高；

而雷达系以激光雷达为核心元件、在原有视觉算法方案的基础上增加激光雷达的使用，探测距离更远、角度分辨率更优、受环境光影响更小。

视觉算法方案的图像传感器可以获得高分辨率的复杂环境信息，且成本较低，但是不管摄像头的清晰度有多高，获得的信息终究是2D图像，且在远距离、强光等环境下表现不足。

激光雷达方案则是直接对环境进行3D建模，将周围环境分析得更加清晰，精度高，范围大，抗干扰能力强，但是目前成本很高。

因此，激光雷达方案纵使能进一步提高自动驾驶的安全性，但出于成本的考量，可能面临普及还需要一段时间。

相比之下，以摄像头主导的视觉自动驾驶方案就很容易理解了，它主要以摄像头为探测核心，配合毫米波雷达、超声波雷达以及低成本的激光雷达的协助。

摄像头可以像人眼一样，通过物体放射的光在传感器上成像。和激光雷达计算出来的复杂数据不同，摄像头捕获到的图像基本上就是我们人眼能够直接看得懂的内容，非常适合用于识别物体，并将它们分类。

视觉算法除了拥有强大的“视觉”能力之外，更强大之处在于算法。

然而，视觉算法也属于估计型自动驾驶，即便它拥有再强的运算能力，也会受到硬件的限制。

其测距能力远不如激光雷达和毫米波雷达那样强大。并且视觉算法受光照影响很大，在极端天气或者光线不好的情况下会存在误判的可能。

系统需求决定技术选择

不同应用场景下对感知系统的要求不同，技术的选择也会有差别。

以未来3-5年的时间点来看，激光雷达成本将会大幅降低，但依然会有一定的成本。

这意味着同一个车型可以选择不同等级的自动辅助驾驶系统，车型的价格也不同，消费者可以根据自己的需求选装激光雷达。

未来几年带有激光雷达的方案会成为主流，但从装载车型的绝对数量上来看，带激光雷达的方案还是一个相对小众的选择。

从这个意义来说，像华为、大疆这种既做全套解决方案，又做激光雷达零部件的厂家，能更好地发挥有限性能激光雷达的潜力，在未来的行业中有更具优势。

在目前的技术环境下，激光雷达和视觉算法并不应该是相互对立的关系，也没有激光雷达的解决方案一定比视觉算法解决方案更好这样的说法。

激光雷达和视觉算法应该是相辅相成的关系，激光雷达可以大幅提升视觉算法的精度，降低视觉处理对于超高精度算法的依赖，但目前高成本制约了更多的激光雷达出现在整车上；

而视觉算法在未来的自动驾驶领域依然是主流的核心技术之一，它的应用广泛性暂时是激光雷达这样的产品无法替代的。

两种流派谁是未来的发展方向

特斯拉汽车曾把白色的大货车识别成云朵，直接撞上去；把二维的人体投影，当成真人，主动刹车等。所以近年来，国内有关特斯拉自动驾驶导致的交通事故屡见报端。

正是看到了视觉算法的弊端，越来越多的汽车厂商选择了视觉算法+激光雷达的方案。在他们看来，有了激光雷达的加入，自动驾驶的安全冗余将会大幅提高。

激光雷达工作时，会主动向四周散射激光，随后根据激光返回的飞行时间来判断周边是否有障碍物，以及障碍物的位置甚至体积并生成点云图，这项技术在探测物体方面非常精确，甚至可以达到毫米。

有了激光雷达的帮助，自动驾驶的汽车将避免大量的数据运算，很多看不到的障碍物以及情况不明时，激光雷达一碰，就能掌握情况。

这不仅比普通视觉算法反应更快，而且即使在极端恶劣天气下，也还会运行自如。

所以理论上来说，视觉技术与激光雷达相互结合才是完美的方案。

只不过美好理想的背后，往往是骨感的现实，两种方案成功互补的难度依然较大。

基于此背景，当下自动驾驶领域分为了立场鲜明的两派——视觉派和激光雷达派，显然马斯克坚定不移地“站队”前一派。

结尾：

未来是激光雷达凭借安全优势赢得市场，还是视觉算法凭借更低的成本优势，赢得市场，目前尚难定论。

不过随着汽车电动化、智能化、网联化的高速发展，两种技术路线的优劣也会在未来几年分出高下。

部分资料参考：腾讯科技：《华为的激光雷达会是未来吗？》