自動駕駛貨車前的激光雷達

　　從理論上來説，或許視覺技術與激光雷達相互結合才是完美的方案，但最終它們的博弈走向何方，只能交給時間。

文/徐長卿 編輯/樂艷娜

　　據不完全統計，截至2022年1月，全球已有至少17家汽車製造商宣布將推出20款配備激光雷達的新車，在中國市場，也有10多款車型開始裝載本土製造的激光雷達。

　　而3年前，美國特斯拉公司首席執行官埃隆·馬斯克就已提出，“依靠激光雷達的人註定要失敗”。直到今天，特斯拉不僅放棄使用雷達傳感器，還高調宣布推出依賴攝像頭的“特斯拉視覺”系統。

　　那麼，激光雷達真的是未來自動駕駛車型的必選項嗎？

新技術的誕生

　　1917年，愛因斯坦提出了“光與物質互相作用”技術理論，大意是物質的原子中，有不同數量的電子分佈在不同的能級上，高能級上的電子受到某種光子的激發，會從高能級躍遷到低能級上，這時將會輻射出與激發它的光性質相同的光，在某種狀態下，能出現一個弱光激發出一個強光的現象。這就是激光的理論來源。但直到1960年，美國科學家梅曼發明了世界上第一台可操作的波長為0.6943微米的紅寶石激光器，這才揭開了激光應用的序幕，激光雷達便是最早的實用案例之一。

　　激光雷達是使用激光器作為發射光源、採用光電探測技術手段的主動遙感設備。早期激光雷達主要用於太空探測、氣象監測等非民用方面，還曾跟隨美國阿波羅15號飛船完成了月面測繪。後來，激光雷達的應用擴展到軍事、醫療、通訊、工業、航空等各領域，但從成熟程度以及增速上看，汽車領域最為突出。

　　從原理上講，激光雷達通過激光測定傳感器發射器與目標物體之間的傳播距離，分析目標物體表面的反射能量大小，反射波譜的幅度、頻率和相位等信息，輸出點雲，從而呈現出目標物精確的三維結構信息，因此系統就可以對周邊環境3D建模，從而有利於智能駕駛系統對車輛精確定位，避免與周圍物體發生碰撞。

　　2005年，美國音響公司威力登發明了實時環繞式激光雷達系統，自此開創了自動駕駛的新紀元。兩年後，他們生産出首&&用3D動態掃描激光雷達，激光雷達的商業化落地進程由此起步。

　　傳統汽車裝載的毫米波雷達、超聲波雷達等，都只能滿足L2級自動駕駛（在系統所規定的運行條件下，車輛本身能夠控制汽車的轉向和加減速運動）要求。當越來越多的汽車品牌開始布局L3級（汽車自動系統既能完成某些駕駛任務，也能在某些情況下監控駕駛環境，但駕駛員必須準備好重新取得駕駛控制權）及以上級別時，對於車身周圍環境信息的準確探測、識別、傳輸、分析要求越來越高，激光雷達的重要性開始逐漸凸顯。

　　採用激光雷達的自動駕駛廠商一般選擇在車頂配置 64 線激光雷達，用於障礙物和移動車輛檢測，同時在車身四週環繞成本相對較低的低線束激光雷達或毫米波雷達進行視野補充。由於它是一項高精度和完整的技術，因此被大多數人認為是自動駕駛汽車的關鍵部件。

馬斯克為什麼説“不”

　　這裡的“大多數人”並不包括馬斯克，他推崇的“純視覺方案”是通過攝像頭、毫米波雷達捕捉周邊環境信息，再通過算法進行分析抉擇。他認為，“汽車上的純視覺方案，尤其是使用顯式光子計算時，比雷達+視覺的組合要好很多。後者有太多的不確定性——當雷達和視覺感知不一致時，不清楚該相信哪個。”

　　特斯拉不僅堅持不用激光雷達，還在2021年5月北美上市的特斯拉 Model 3、Model Y 車型上取消毫米波雷達，改為採用完全由攝影鏡頭偵測的特斯拉純視覺技術，作為自動駕駛輔助系統的基礎。

　　此外，由於特斯拉擁有軟硬體算法完全自主的掌握與開發能力，馬斯克堅信特斯拉FSD（完全自動駕駛）算法升級的速度會比激光雷達降價的速度更快。

　　還有一個沒有被説出來的原因是，特斯拉已經在視覺算法方面投入巨大，如果安裝激光雷達，其硬體改裝很難做到向前兼容，甚至計算&&都需要額外進行設計改裝，以適應激光雷達的佈置、線纜連接和數據處理。要放棄之前如此大的積累，轉身去做另一條路線，投入産出比可謂“得不償失”。

　　不過，馬斯克並不孤單。2022年4月7日，豐田汽車旗下子公司“編織星球”（Woven Planet）就對外&&，要在其輔助駕駛和更高階的自動駕駛項目中，採用單一視覺方案開發自動駕駛，即在不使用激光雷達等昂貴傳感器的情況下，通過成本相對較低的攝像頭采集數據，推進自動駕駛技術。

各有優劣

　　以特斯拉為代表的“視覺方案派”和以大多數汽車廠商為代表的“激光雷達派”，雙方對壘的根源在於理念的不同。前者希望使用盡可能少的傳感器來降低汽車成本，比如特斯拉整車共使用12個超聲波傳感器、1個毫米波雷達和8個感知攝像頭，在整車的感知範圍布局上幾乎沒有重疊。馬斯克認為，這種方法有助於降低自動駕駛的成本，並使輔助駕駛功能更快地實現商業化。而後者則出於安全考慮，通過採用多種傳感器的組合來確保冗余性，確保當某一種類型的傳感器出現故障或無法在特定情況下運行時，始終會有一個備用傳感器正常工作。

　　這兩派可謂各有優劣。“視覺方案派”所需的硬體成熟度較高，且成本低，但毫米波雷達探測角度較小，遠距離探測能力也不足，不僅需要優異的算法來彌補缺點，成像質量受到環境亮度影響也較大，尤其是在雨雪、沙塵等天氣等惡劣環境下，完成感知任務的難度會大幅提升。比如特斯拉汽車曾把白色的大貨車識別成雲朵，直接撞上去；把二維的人體投影當成真人，主動剎車等。

　　最重要的是，不管攝像頭的清晰度有多高，哪怕特斯拉引入了3D鳥瞰預測圖，視覺方案獲得的信息終究還是2D圖像。 比如，跨層泊車場景全是靜止障礙物，地形又複雜，需要地形建模，相比激光雷達，無法3D建模的純視覺方案的劣勢就更明顯。

　　激光雷達收發的是激光，具有精度高、範圍大、抗干擾能力強的特性，但在惡劣天氣的條件下表現一般，缺乏對環境的顏色和紋理信息的辨別，並且在大範圍安裝後，激光雷達有無法判斷脈衝光是否為自己發出的串擾風險，直接導致其判斷不出物體的形狀。

　　更大的缺點正如馬斯克所指出的那樣，是價格昂貴。隨着量産，激光雷達單機已從最開始的上千美元下降為 400～500 美元，並逐步趨於穩定，在 3～5 年內預期降幅不大，相比高清攝像頭幾十甚至十幾美元的價格還是高出許多。因此，激光雷達方案縱使能進一步提高自動駕駛的安全性，可出於成本考慮，大規模普及可能尚需時日。

　　激光雷達要量産裝車，需要同時滿足性能、體積、成本、安全等多個要素，任何一方面都不能有太明顯的短板。但現實是，現在的激光雷達很難同時兼顧，無論是在應用端還是在産業端，都還不夠成熟。從理論上來説，或許視覺技術與激光雷達相互結合才是完美的方案，但最終它們的博弈走向何方，只能交給時間。

來源：2022年6月15日出版的《環球》雜誌 第12期

《環球》雜誌授權使用，如需轉載，請與本刊&&。

更多內容敬請關注《環球》雜誌官方微博、微信：“環球雜誌”。