自动驾驶的未来，是激光雷达还是视觉识别？_

有一天，局长开着一台Model 3去喝茶，朋友见到我的车，第一时间就问：“敢不敢在高速路上用自动驾驶啊”，局长毫不犹豫的说：“不敢”，然后发了以下这幅图给他看。

文章图片
这是在台湾嘉义的一起事故，一辆 Model 3 在高速公路上撞上了一辆侧翻的大货车。
司机当时开着Autopilot，时速在110km/h，当司机留意到货车，想要接管刹车时，已经太迟了，所幸没有造成人员伤亡。
朋友看了之后很惊讶，“Autopilot不是很牛的吗？怎么就撞上去了呢？”

文章图片
是很牛啊，可它并不完美！
事后经分析指出，由于大货车是白色，有比较强烈的阳光反射，影响了这辆特斯拉Model 3的摄像头识别。
除此之外，调查显示特斯拉Model 3的视觉算法训练数据存在局限性。一般自动驾驶的视觉训练逻辑只能识别到车辆后部、侧面和头部，显然特斯拉的工程师没有想到有一天系统需要识别货车车箱的顶部。

文章图片
简单来说就是这台车“走漏眼”了。
没错，现在的汽车都有“眼睛”！

文章图片
今天，我们就来聊一下汽车的两种眼睛，激光雷达（Lidar）与计算机视觉识别（computer vision）。
首先我们来看看特斯拉跟激光雷达还有计算机视觉识别的轶闻。
在特斯拉CEO马斯克眼中，激光雷达是一种落后的东西，他在2019年4月曾经说过：“激光雷达和高精度地图都是自动驾驶中错误的解决方案, 只会减慢自动驾驶商业化的速度。如果你只是在限制区域行驶, 那也不能叫做自动驾驶。”

文章图片
计算机视觉系统的工作原理看上去很简单，仅需要用摄像头跟毫米波雷达对周边的视觉信息进行收集，然后再对收集到的信息进行深度学习处理，将这些信号与已知的物体进行匹配再最终作出决策。
然而，这一切都要借助强大的硬件作为支撑。
比如特斯拉所使用的车机系统，号称“全球最先进的自动驾驶计算机”，其所使用的芯片有60亿个晶体管，每秒钟可以处理2,300帧图像，并以100瓦的功耗输出144 TOPS的算力。

文章图片
按照这种思路，拥有摄像头+毫米波雷达+数据+神经网络，就能对车辆进行很好的训练。
同时有数以十万计的车主为特斯拉数据库提供大量数据支持，凭借这样的数据量可以覆盖绝大部分的道路，这也成为了特斯拉挑战激光雷达的资本。

文章图片
而尽管马斯克在多个公众场合表示特斯拉不会使用激光雷达和高精地图。

文章图片
但近日就有博主 @Greta Musk 在推特上连续爆料，称特斯拉的 FSD 存在「作弊」情况，指出其实特斯拉是有使用激光雷达和高精地图系统的。

文章图片
“FSD Beta测试版很明显使用了预先加载的高清地图，看左边的那个路口，已经预先显示了。”