一边是特斯拉放弃毫米波雷达,选择纯视觉感知路线,另一边是中国厂商却加紧激光雷达的布局,走多传感器融合路线 ,我来为大家科普一下关于特斯拉自动驾驶技术第二阵营?下面希望有你要的答案,我们一起来看看吧!

特斯拉自动驾驶技术第二阵营(特斯拉自动驾驶走纯视觉路线)

特斯拉自动驾驶技术第二阵营

一边是特斯拉放弃毫米波雷达,选择纯视觉感知路线,另一边是中国厂商却加紧激光雷达的布局,走多传感器融合路线。

“任何依靠激光雷达(开发自动驾驶)的企业注定完蛋。这些昂贵的传感器毫无必要,就像是长了个昂贵的阑尾。”早在2019年的Autonomy Day大会上,特斯拉CEO马斯克就公开质疑过激光雷达的实用性。

但一批国内厂商却持有不同的声音,目前,无论蔚来、小鹏、理想、威马、智己等新势力,还是长城、一汽等传统主机厂,纷纷在新车型上搭载激光雷达,形成摄像头、毫米波雷达、激光雷达等多传感器融合的系统,和特斯拉走上一条完全不同的道路。

“汽车真的需要激光雷达吗?如果我们只靠人眼开车,每10万人中就有18人死于交通事故,当时速到达70公里以上时,死亡率攀升到98%,这是不能被接受的,因此我们要想办法超越人的极限,激光雷达,本质是对人眼的视觉运力提升和控制力提升。”激光雷达生产厂商北醒科技CEO李远在第20届中国汽车供应链大会上如是说。

自动驾驶的感知系统路线之争,逐渐由纯粹的学术理论问题演变为现实的供应链格局问题。

特斯拉:从毫米波雷达到纯视觉感知

特斯拉并非从一开始就走纯视觉路线,其在售车型也曾标配毫米波雷达。

但去年5月,特斯拉在发布FSD(full self-driving完全自动驾驶) Beta v9版本时,取消了在美国和加拿大市场销售的Model 3和Model Y两款车型上所搭载的毫米波雷达,配上8颗120万像素摄像头组成的“Tesla Visiom”视觉系统。今年2月,特斯拉又取消Model S和Model X两款车型的上的毫米波雷达,意味着特斯拉在售的全系产品已全部放弃毫米波雷达,仅依靠摄像头实现感知。

在无人驾驶发展初期,由于摄像头只能提供二维数据,无法识别物体距离信息,需要其他感知系统进行辅助。

毫米波本质上是电磁波,其主流频段集中在24GHz(用于15-30米中短距离感知)和77GHz(用于100-200米长距离感知)。相比于激光雷达,毫米波雷达存在精度低、可见范围短的缺陷,其对金属高反射物体易形成误判,造成车辆急刹。由于毫米波雷达较低的分辨率,决定了它无法成为车辆主传感器提供数据。

而主传感器摄像头使用场景也有限制,和人眼类似,摄像头受天气、强弱光影响较大。但在智能化程度上远不及人眼。据峰瑞资本合伙人杨永成介绍,车载自动驾驶摄像头基本都是固定焦距、固定FOV、固定光圈、固定位置安装的,完全不具备人眼的自动化和灵活性。

杨永成表示,车头前方就配有远、中、近距离的视觉成像模式,除了成本方面考量,要实现人眼通用化设计,必然使用大量电机、机械运动、控制部件。而汽车使用场景复杂,包括高低温、震动、运动等,要求摄像头无故障运行时间长。

特斯拉撞上白色货车

由于视觉感知存在漏洞,特斯拉曾发生过两起安全事故。在辅助驾驶模式下,特斯拉均未能准确识别前方侧翻白色货车,导致车辆并未减速造车人员伤亡。调查结果显示,车辆将白色的货车识别为天空和云,因此未做出避让或减速反应。

随着FSD系统的迭代,特斯拉对毫米波雷达的依赖程度降低。为了进一步削减成本,特斯拉放弃毫米波雷达,选择使用“Tesla Vision”视觉系统,通过不同位置布局的摄像头实现三维图像感知。

特斯拉的底气来自大量的机器学习。其实,道路上行驶的每一辆特斯拉都可以看作是其测试车辆,车辆配有的摄像头不断抓取道路信息,再回传至中心服务器。通过神经网络对原始图像进行处理,将目标物体的边界“抠”出来,最后对数据进行比对和纠正,完成机器的图像的识别。

这个过程就像教小朋友识图,告诉机器该物体是人、车还是路牌等信息(专业术语为监督学习,Supervised Learning)。

同时,特斯拉还推出“影子模式”,让车辆的自动驾驶系统出于开启状态,传感器探测车辆行驶道路周围的数据。驾驶操作仍由人来完成,机器不参与驾驶。但在人的驾驶过程中,机器会学习人的驾驶操作,从而达到对自动驾驶系统的优化。

经过大量的机器学习,特斯拉对毫米波雷达的依赖度降低,最终取消毫米波波雷达。但在实际驾驶过程中,仍伴随安全隐患。在去年年底发布的特斯拉FSD Beta 10.9测试版本中,有车主遭遇“幽灵刹车”,道路正常情况下,车辆异常减速甚至刹车。特斯拉进行紧急修复,根据更新日志显示,“通过改进对能见度尽头的物体的速度估计,减少了交叉物体的错误减速”,“通过更好地建模合并点和位于可见性边缘的重影对象,改进合并控制的平滑度”。

依靠单一传感器,感知系统的判断逻辑更难,但凭借先发优势以及大量数据抓取,特斯拉的神经网络不断优化,其视觉感知技术也的确走在智能汽车前列。

国内主机厂为何走“多传感器融合”路线

和特斯拉技术路线所不同的是,国产主机厂多倾向选择摄像头、毫米波雷达和激光雷达多传感器融合的感知路线,在车顶部或者前脸位置装上激光雷达。

以国内激光雷达厂商速腾聚创为例,合作的主机厂既有小鹏、威马、智己等造车新势力,也有比亚迪、路特斯、极氪、广汽埃安、一汽红旗等传统主机厂,共计有50款合作车型。

包括国内无人驾驶巨头百度也发展激光雷达路线,旗下汽车品牌集度汽车日前发布的概念车型也悄然配上激光雷达。而早期,百度是视觉感知路线的拥护者,依靠高精地图 摄像头 算法搭建感知系统,并进行大量路测。

主机厂纷纷增配激光雷达,目的是弥补“摄像头 毫米波雷达”在感知领域的局限性。理想汽车CEO李想曾表示,“摄像头 毫米波雷达的组合像青蛙的眼睛,对于动态物体判断还好,对于非标准的静态物体几乎无能。”

激光雷达的使用,能规避部分边际案例(例如上述侧翻白色卡车),减小对机器学习的依赖。

相比于摄像头,激光雷达是主动光源,不受强光、弱光影响。自动驾驶广泛使用的激光雷达产品属于车载三维激光雷达,其工作原理是利用激光束探测目标,直接测量物体的距离方位、深度信息、反射率等,获得数据并生成精确的数字高程模型。

速腾聚创激光雷达在小鹏P5上感知效果

同时,摄像头在进行图像处理时,会保留物体丰富的纹理色彩,进行精细化识别。而激光雷达则是进行点云处理,在计算量上小于摄像头。过多占用芯片算力又会引发对自动驾驶系统鲁棒性的思考。所谓鲁棒性,指计算机软件在输入错误、磁盘故障、网络过载或有意攻击情况下,能否不死机、不崩溃,能否保持系统的稳定。

速腾聚创相关人士介绍称,除了对周边物体距离测量,激光雷达还具备精准定位的能力,对GPS定位系统进行补充。比如遇到高楼林立或者过隧道等信号稳定性较差的场景,难以满足车辆自动驾驶安全性需求。激光雷达配合AI感知系统,对周围障碍物进行识别,对路边沿进行检测,进行高精度定位。

但在激光雷达发展早期,激光雷达价格高、体积大、还易产生机械故障,商业化进程并不顺利。以美国Velodyne公司产品为例,64线机械激光雷达售价约8万美元,32线机械激光雷达售价约2万美元。

随着速腾聚创、禾赛科技、北醒科技等国内激光雷达厂商的涌入,机械式激光雷达转向固态、半固态,体积也相应缩小,符合车规级标准,最重要的一点是价格大幅下降,具备商业化价值。

速腾聚创方面向观察者网透露,目前大规模车规量产项目基本在500-1000美元之间,根据不同客户的定制需求和量的需求来具体协商价格。

据前瞻产业研究院预测,我国车载激光雷达行业市场规模在2026年有望超过430亿元,发展空间大。

激光雷达专利数对比

在李远看来,激光雷达市场更像是被催熟的。在视觉专利技术方面,日本 美国的专利数占全球专利数的近8成,中国只有7.59%。而在激光雷达专利数上,中国专利数占比达到15.91%,约为美国专利数的一半。视觉感知领域中国已经落后了,催熟下一代传感器,实现技术领先。“特斯拉在视觉感知已经做得不错,与其跟随,不如做下一代传感器有先发优势。”