--关注回复“40429”--
↓↓领取《汽车驾驶自动化分级》（GB/T 40429-2021）↓↓
近日，对于目前国内对于自动驾驶的解决方案路线之争，比如激光雷达和视觉方案。华为终端BG CEO、华为智能汽车解决方案BU CEO余承东对于自动驾驶发表了自己的看法，他认为现在自动驾驶还使用高精地图，但未来发展不应该依赖高精地图、车路协同。
“有车路协同、高精地图协同更好，没有我们也能做好。未来不能过分依赖于高精地图、车路协同，自动驾驶和智能驾驶的能力就上不去。”余承东指出，就像人类驾驶员，很多时候其实也并没这样的一个能力支撑，另外目前中国的道路环境还存在较大的不确定性，很多地方几乎每年都有局部或者整体的翻修，本身也给车路协同等技术方案带来了较大的挑战。虽然高精地图可以提高自动驾驶的上限，但其本身的绘制难度和成本极高，而且需要及时更新维护，加上国内道路交通状况比国外更为复杂，所以使用高精地图并不见得完全一定就是好事。无独有偶，特斯拉的自动驾驶方案同样没有使用高精地图，而且它更为激进，彻底放弃了各种雷达模块，转而使用纯视觉方案，一边行驶，一边扫描和重构外部环境，但也达到了较高的水准。特斯拉的成功经验可以说给其他车企打了个样：自动驾驶，不一定非得用高精地图，甚至连雷达都不需要。激光雷达感知技术是以激光雷达为主导，毫米波雷达、超声波传感器及摄像头作为辅助。激光雷达感知环境的工作原理，是通过激光雷达发射激光束，测量激光在发射及收回过程其中的时间差、相位差，来确定车与物体之间的相对距离，实现环境实时感知及避障功能。视觉感知是以摄像头为主导的方案，摄像头成本相较激光雷达优势极大。摄像头的价格在几十美元左右，而激光雷达在几百美元，是其数倍。再者摄像头技术逐渐成熟，高分辨率、高帧率成像技术使得感知的环境信息更为丰富，但摄像头在黑暗环境中感知受限，精度及安全性有所下降。与激光雷达相比，视觉感知的弱点较为明显：摄像头依赖光线条件，感知方式精度较低，对算法、算力的依赖程度和要求极高，而数据的获取及算法迭代壁垒高。 性能方面激光雷达明显胜出，特斯拉花费巨大的成本在算力和算法上，投入不小，头铁一直挺身坚持视觉感知路线，到底是有哪些角度的考量呢？在马斯克看来，“纯视觉感知才是通往真实世界 AI 的道路”，而这也是他解决问题奉行的底层思路——第一性原理，即回归事物最基本的条件，将其拆分成各要素进行结构分析，从而找到实现目标的最优路径。在驾驶车辆的过程中，我们是通过眼睛收集路况信息辅以大脑处理的方式进行，那自动驾驶按理说也能通过视觉感知辅以算法处理的方式进行安全驾驶。特斯拉想要做的就是模仿人类视觉获取信息的能力来实现自动驾驶。既然视觉摄像头的感知方式精度较低，那么就依靠特斯拉独有的数据优势和构建算力、算法的能力来抹平这个缺陷。转载自电动知家，文中观点仅供分享交流，不代表本公众号立场，如涉及版权等问题，请您告知，我们将及时处理。
-- END --
