激光雷达VS摄像头，自动驾驶该如何感知世界？

Google深耕，华为布局，双英“芯动”，苹果蓄势，百度亲力，特斯拉狂飙突进，新势力摩拳擦掌，传统车企不甘示弱...引无数厂商竞折腰的自动驾驶，俨然是2021最火赛道。

而这条火热赛道上，最精彩热闹的，要属激光雷达和摄像头的感知路线之争。

自动驾驶必将掀起一场技术和市场的革命，必将成为行业风口，世界各主要经济体都在着力发展，中国也不例外。

中国汽车工业协会就预测，中国将在2020至2025年间实现低速行驶和泊车场景下的自动驾驶，2025至2030年间实现更多复杂场景下的自动驾驶。

同时有预测称，2035年中国智能汽车产业规模将超过2000亿美元，中国将成为世界第一大智能汽车市场。

将关注点聚焦到自动驾驶技术层面，在刚刚过去的2020年，激光雷达是绕不过去的行业热点：一方面，激光雷达的成本一降再降，各个厂商的激光雷达量产车型相继推出；

另一方面，智能电动车标杆品牌特斯拉仍在坚持摄像头感知路线，马斯克早前也曾表示“用激光雷达的都很愚蠢”。

展望2021年，高级别自动驾驶的实现之路上，激光雷达与摄像头的分歧，依然是重头戏。今天，讲堂就来谈谈激光雷达与摄像头的感知路线之争。

要搞清自动驾驶为何会有激光雷达与摄像头的路线分歧，就要先弄清自动驾驶的基本原理。

自动驾驶是指车辆可以通过自身对周围环境条件感知、理解，并自行控制车辆行驶，高级别自动驾驶最终能达到人类驾驶员的水平，实现无人驾驶。

自动驾驶系统分为三个层级：感知层、决策层和执行层。

感知层的职能是收集周围的环境信息并做出预处理，主要包括环境感知和车辆定位。环境感知特指对环境的场景理解能力，如红绿灯、车道线、指示牌、障碍物、行人车辆等的检测和识别。定位则是自动驾驶系统基于环境感知得到的信息，定位出自身所处的环境位置。

决策层类似于人类的大脑，会基于感知层的信息，做出任务规划、行为决策和动作规划。执行层负责精准地执行决策层规划好的动作，如及时给出合适的油门、刹车、方向等信号指示，完成车辆的自动驾驶。

这其中，环境感知是实现自动驾驶的最重要一环，面临诸多挑战。目前的环境感知也存在两个技术路线分歧，其一就是摄像头+毫米波雷达的融合方案VS激光雷达+摄像头+毫米波雷达的融合方案。

2020年以来，无论传统车企还是造车新势力，都基本认定了激光雷达感知方案，只有特斯拉还在孤单影只地坚持摄像头方案。

摄像头方案最符合马斯克以第一性原理指导创新的理念，既然人可以靠双眼观察周围环境开车，那么自动驾驶系统也可靠摄像头做到同样的事。

但摄像头想要识别出2D画面信息，就必然依赖于算法逻辑，确切地讲就是人工智能中的图像识别，通过深度学习神经网络对场景进行像素分割、物体分类、模型标定和目标跟踪，实现对障碍物的识别和匹配。

视觉感知的优势在于分辨率高，可识别周围环境的颜色、表面特征等信息，实际场景中的红绿灯、车道线、指示牌等都可清晰辨识。

但是，深度学习的完善，离不开输入和输出端的大量数据。以MNIST手写数字识别简单为例。

对人来讲，识别图片上的数字非常容易，但对计算机而言，每张图片都是一个数字矩阵，计算机需要先将巨量的手写数字图像存储到数据库中，然后基于存储数据进行深度学习，最终识别出图片上的数字，甚至包括未录入数据库的相似模样数字。

自动驾驶的尴尬之处在于，其数据几乎完全来自常规环境，但车辆驾驶是充满偶然性的，比如行人或动物突然出现在行驶路线上，驾驶指示牌被部分遮挡，或者遇到暴雨和强逆光等极端场景。

没有相关场景下足够的数据积累和与之对应的深度学习，自动驾驶难免表现挣扎。即使数据积累笑傲行业、自研芯片和算法、实现软硬件闭环、有“影子模式”不断修正算法，特斯拉依然会有侧翻货车识别的噩梦。

恰恰是这些小概率的极端场景，成为自动驾驶最难攻克的山头。登顶之路，往往是最后5%%的路程，需要95%%的努力，抑或，另辟蹊径。

激光雷达，LiDAR，英文全称Laser Detecting and Ranging，通过激光束进行探测和测距，由激光发射器、光学接收器、和信息处理系统三部分组成。

以美国Velodyne的64线激光雷达为例，该激光雷达每秒可向外界发射数百万个激光脉冲，并通过内部旋转装置对周围环境进行旋转扫描，每一次扫描都可获得巨量的空间信息（x，y，z）点，这些空间信息点的集合就被称为点云数据，由点云数据构成的三维图也就称为点云图。

测距距离远，速度分辨率高，能创建出目标清晰的3D图像，这是激光雷达最大的优势。

虽然高度的可靠性和精确性，使激光雷达成为自动驾驶环境感知中最重要的传感器，但激光雷达有其劣势。在开阔地带，由于缺乏特征点，激光雷达会存在点云稀疏甚至缺失的问题；面对不规则的物体表面，激光雷达也不易分辨出其特征模式。

摄像头的高分辨率和激光雷达的精准测距，恰好互为补充。相比于依靠摄像头的纯视觉感知，激光雷达与摄像头融合，带来信息获取能力的提升，算法要求得以降低，行驶安全也多了一份保障。

成本、体积、车规级，一直是压在激光雷达身上的三座大山，其中，尤以成本问题最核心。

要知道，最早Google无人车上顶着的那块激光雷达，成本就达到7.5万美元，虽然Waymo后来将其激光雷达的成本降至7500美元，但依然是对量产车不友好的价格。

近年来，随着技术路线的革新和成熟，光电半导体成本的下降，激光雷达的价格不断被屠，量产友好的激光车雷达不断涌现。

华为在2020岁末，发布了96线雷达，号称把激光雷达价格压缩到200美元；Luminar即将量产的300线1550nm波长激光雷达，据说软硬件打包价格不超过1000美元。

而激光雷达这条军备竞赛的路上，还有Velodyne、Quanergy、博世、大陆、法雷奥、禾赛科技、速腾聚创、大疆等生产商，其中法雷奥是唯一一个实现车规级量产的。

成本甫一亲民，激光雷达量产车型就雨后春笋般涌出。WEY品牌的旗舰车型摩卡，将会搭载全固态激光雷达；蔚来发布的旗舰轿车ET7，搭载了图达通的1550nm激光雷达；小鹏汽车也宣布与大疆孵化的Livox览沃科技达成合作，在2021年推出的新车上使用定制版的车规级激光雷达。

摄像头方案以成本优势，在早些年得到厂商的偏爱，得以推广，常规场景的感知技术也相对成熟。但以一种开放的心态看，激光雷达作为一种视觉感知的有效技术补充，不应被排斥，如果技术成熟，如果成本可控。

技术日趋成熟，自动驾驶激光雷达的最优方案也会逐渐明晰：机械式、混合固态和纯固态哪个更好；MEMS、相控阵以及微透镜阵列哪个更优；905nm波长规格率先落地，还是对人眼健康更友好的1550nm波长最终商业化；图像级识别精度的300线何时大规模量产。

成本可控也至关重要。全球科技创新产业专家王煜全对激光雷达产业就有一针见血的评价：“激光雷达即将进入成熟期，比拼的就是成本优势、规模优势。”成本优势带来规模优势，规模效应会近一步促进技术成熟，技术成熟推动成本降低，产业得以良性循环。

产业在走向成熟，优胜劣汰也在加速，激光雷达这个战场，愈加激烈。至于马斯克的嘴硬，也许是因为激光雷达方案不符合和其第一性原理的创新理念，也许是激光雷达的高昂成本与特斯拉降本走量的发展战略相冲突。

但是，当规模化应用把激光雷达炸成白菜价后，特斯拉会继续无视激光雷达对自动驾驶的提升么？会放任其自动驾驶核心竞争力被友商肆意追赶么？马斯克是会坚持既定模式，还是真香呢？

本文作者为踢车帮 逝水