自動駕駛感知系統路線之爭：純視覺or鐳射雷達

在國家政策和市場的積極引導下，自動駕駛技術逐漸在礦山、港口等特定場景實現規模化商業運營。

與有人駕駛汽車方式類似，自動駕駛核心系統由三部分構成：感知系統、決策系統與執行系統。

其中感知系統類似於駕駛員的“眼睛”與“耳朵”，通過各種感測器對駕駛過程中的路況資訊進行捕獲，以解決自動駕駛最為關鍵的“行車安全”問題，因此感知系統也是自動駕駛的重要基礎與先決條件。

目前，自動駕駛感知技術大致存在兩種路徑：一種是以機器視覺為核心，毫米波雷達+攝像頭解決方案，典型代表企業特斯拉、Mobileye、百度Apollo等，另一種則是以高精地圖+鐳射雷達為核心的感測器路線，代表企業為Waymo、華為等。

兩種技術實現方式各有千秋，分別代表著對實現自動駕駛的不同探索路徑。

一.機器視覺路徑

機器視覺路徑的核心是毫米波雷達+攝像頭，其主要藉助攝像頭對周邊物體建立模型，並把資料新增至神經網路進行純視覺計算，在自動駕駛中承擔“識別”作用。

作為機器視覺路徑的堅定擁躉，特斯拉一直堅持走視覺感知路線，從Autopilot到現在的FSD，其車型一直堅持使用多個攝像頭，並利用人工智慧和深度學習來構建神經網路。

換言之，攝像頭是特斯拉輔助駕駛系統中最重要的“眼睛”。

以Model 3車型為例，其車身共配了8個攝像頭、1個毫米波雷達與12個超聲波感測器，視野覆蓋360度，依靠特斯拉的演算法來判斷周圍的狀況，為Autopilot自動駕駛系統提供環境資訊，整體俯檢視視場覆蓋如下：

三目攝像機的具體配置如下：

FOV35度，最遠距離250米;FOV50度，最遠檢測距離150米;FOV120度，最遠檢測距離60米。三目攝像機以及其他位置攝像機的組合為特斯拉Autopilot提供了全向的環境感知能力，較好地解決了感知範圍與感知精度的問題。

憑藉這套純視覺感知系統，特斯拉的智慧輔助駕駛視覺方案將不再依賴高精地圖，車輛在行駛過程中，系統會自動繪製地圖來幫助車輛實現自動駕駛，這意味著特斯拉將免去價格昂貴的硬體成本(如鐳射雷達)，但也意味著需要海量、不同種類和場景真實性的駕駛資料以進行神經網路訓練，從而不斷覆蓋各類場景，最終無限接近人類駕駛員的判斷方式，這對資料處理能力提出了更高的要求。

由於“純視覺”自動駕駛方案不涉及3D鐳射點雲資料處理，因此影像語義分割便成為最重要的一項核心技術。

影像語義分割在自動駕駛系統中主要用於行車路線和街道的識別與理解，是視覺自動駕駛方案的技術基石。

藉助遍佈全球的大量真實行車資料，特斯拉感知系統將採集到的影像資料按照不同的含義、屬性等進行語義分割，進而對駕駛模型不斷訓練與調優，以期覆蓋全部應用場景，實現真正的自動駕駛。

二.高精地圖+鐳射雷達

這套感知系統的核心為“高精地圖+鐳射雷達”，其主要藉助鐳射雷達向四周散射鐳射，基於反饋判斷周邊是否存在障礙物並生成點雲圖，在自動駕駛中承擔“感知”作用。

在某些自動駕駛企業方案中，通常還會加入V2X，以豐富完善此套感知系統。

以Waymo感知系統為例，其使用了攝像頭、鐳射雷達的組合。大部分感知工作是由4個鐳射雷達完成：

而華為則在其自動駕駛系統中搭載了100線車規級的鐳射雷達，除此之外也安裝了微波雷達、RYYB感測器和視覺分析系統來達到更好的行車環境識別效果。

相較於攝像頭感知方式，鐳射雷達擁有更高的可靠性和精確性。由於特斯拉的視覺演算法已經形成護城河，擁有絕對領先的資料規模與場景真實性，行業後入局者很難尋求彎道超車機會，因此很多自動駕駛企業選擇以高精地圖+鐳射雷達作為核心感知系統。

但鐳射雷達也存在先天缺陷，那就是“貴”。以鐳射雷達行業內知名企業Velodyne 公司為例，旗下的HDL-64E售價在接近10萬美金左右。

不過隨著生產工藝的進步，鐳射雷達的成本已顯著下降。華為已將自研的鐳射雷達成本控制在200美元之內，並計劃在未來兩年將成本進一步降低至100美元，這為鐳射雷達的大規模普及打下了堅實的基礎。

三.資料智慧成為自動駕駛核心

事實上，無論是純視覺方式，亦或是“鐳射雷達+高精地圖”方式，都代表著不同行業探索者對自動駕駛實現路徑的嘗試，並無技術優劣之分，更多是在感測器類別選擇上的不同。

Waymo鐳射雷達方案，其環境相容性更好，而特斯拉則擁有海量真實路況資料，演算法優勢更明顯，但感測器類別的不同並不足以構建深度技術壁壘，多感測器融合有可能成為未來自動駕駛感知系統的重要發展趨勢。

這樣的背景下，真實路況資料的獲取量與演算法效能決定的AI模型訓練將成為自動駕駛領域的競爭關鍵，這不僅需要大規模的真實路況資料，也需要對資料進行規模化的標註、模擬與驗證，資料智慧正成為自動駕駛的核心。

作為行業領先的人工智慧資料服務企業，曼孚科技始終致力於為自動駕駛企業提供高質量、場景化訓練資料集。

無論是在純視覺感知系統中的影像語義分割，或是在鐳射雷達+高精地圖感知系統中的3D點雲資料處理，憑藉SEED資料服務平臺所具備的資料處理、專案管理和資料安全管控等能力，資料標註效率平均可提升10倍以上，AI輔助下，資料精準度可達99.99%級別，直擊自動駕駛企業資料需求痛點。

憑藉從戰略到技術落地的一站式通用AI解決方案,全面覆蓋資料層至演算法層,從源頭端解決AI應用場景持續擴充對於多源異構資料的海量需求，助力自動駕駛技術在更多場景下實現落地應用。