激光雷達和視覺算法應該是相輔相成的關(guan) 係，激光雷達可以大幅提升視覺算法的精度，降低視覺處理對於(yu) 超高精度算法的依賴，但目前高成本製約了更多的激光雷達出現在整車上；而視覺算法在未來的自動駕駛領域依然是主流的核心技術之一，它的應用廣泛性暫時是激光雷達這樣的產(chan) 品無法替代的。

近期，華為(wei) 在上海車展展示了一項接近L4級別的無人駕駛技術，引發了一連串的技術討論。

華為(wei) 的這套方案，是通過自研的激光雷達算法實現了接近L4級別的自動駕駛，同時華為(wei) 也宣稱要將96線激光雷達的成本降低到200美金以內(nei) 。

從(cong) 目前的情況看，以特斯拉、百度Apollo為(wei) 代表的視覺算法派堅持認為(wei) 激光雷達是成本高，技術發展慢的產(chan) 物，並不如視覺算法的價(jia) 值高。但華為(wei) 、小鵬這樣的公司則認為(wei) ，激光雷達是比視覺算法更好的技術。

哪一種方案最靠譜？目前激光雷達發展到了一個(ge) 怎樣的水平？希望這篇文章能給你答案。

激光雷達在全視角覆蓋和定位中的應用展示（圖片源於(yu) WAYMO）

“激光雷達”派和“視覺算法”派先進性的爭(zheng) 論，由來已久

激光雷達是和視覺算法誰才是智能駕駛的未來，這個(ge) 爭(zheng) 論由來已久。作為(wei) 電動車領域“喬(qiao) 布斯式”的人物，馬斯克曾在2019年拋出“隻有傻瓜才會(hui) 用激光雷達”的驚天言論，他可能是發動激光雷達和視覺算法口水戰的始作俑者。

但在我們(men) 展開討論這個(ge) 問題之前，首先要明確關(guan) 鍵的一點是：我們(men) 這裏討論的激光雷達，並非獨立存在的，它是由激光雷達所組成的一整套車輛周邊數據采集係統，采用激光雷達的方案並不意味著拋棄視覺算法，而是在原視覺算法方案的基礎上增加了激光雷達的應用。

例如“視覺派”特斯拉的感知係統是由1個(ge) 毫米波雷達、12個(ge) 超聲波雷達和8個(ge) 攝像頭組成。而在已公布的“激光雷達派”量產(chan) 車型中，極狐αS的感知係統由3顆激光雷達、6顆毫米波雷達、12顆超聲波雷達、13顆攝像頭以及高精地圖組成，小鵬P5的感知係統則是由2個(ge) 激光雷達，12個(ge) 超聲波傳(chuan) 感器、5個(ge) 毫米波雷達、13個(ge) 高感知攝像頭和高精地圖組成。

由此可見，“激光雷達派”不僅(jin) 增加了全新的激光雷達傳(chuan) 感器和高精地圖，而且在傳(chuan) 統的視覺傳(chuan) 感器上，數量也比“視覺派”車型多。

因此，“激光雷達”派和“視覺算法”派誰才是自動駕駛的未來這個(ge) 問題，更嚴(yan) 謹的問法應該是：僅(jin) 依靠視覺算法的方案，與(yu) 以激光雷達和視覺多傳(chuan) 感器融合的方案，各自的優(you) 勢與(yu) 劣勢是什麽(me) ？

從(cong) 現有的情況我們(men) 會(hui) 發現，僅(jin) 僅(jin) 依靠視覺算法的方案的優(you) 勢是成本較低，但它對於(yu) 算法的要求非常高，而當前的算法水平遠達不到人類要求的水平。

而以激光雷達和視覺多傳(chuan) 感器融合的方案，其優(you) 勢是可以更好地處理corner case（邊界情況），但它對算力的要求很高，而且硬件成本也並不低。

其實視覺算法的識別準確率已經很高了，隻是它對極低概率的corner case 的能力實在有限。 這是正常的情況，即便是人類依靠雙眼，有時候也會(hui) 因為(wei) 眼睛的可視範圍、眼花等問題導致交通事故的產(chan) 生。

而在原視覺係統中增加激光雷達，則可以大大減少這類corner case的概率。即便是有一天視覺算法的水平達到了人類駕駛員的水平，增加激光雷達依然可以進一步降低事故概率，要考慮的僅(jin) 僅(jin) 隻是成本收益問題 —— 如果激光雷達足夠便宜，就相當於(yu) 支出一份保險費來降低事故率。

在未來，激光雷達和視覺算法之間的市場競爭(zheng) 依舊會(hui) 存在，同時成本收益問題仍舊是需要考慮的一個(ge) 重要方麵。不同應用場景下對感知係統的要求不同，技術的選擇也會(hui) 有差別。

例如基本的L2輔助駕駛功能和2020年較為(wei) 高階的高速領航駕駛功能（特斯拉NOA、蔚來NOP、小鵬NGP），僅(jin) 依靠毫米波雷達及視覺就可以完好地運行，而在2022年大家重點關(guan) 注的城市領航駕駛功能設計中，激光雷達就成了必備品。

以未來3-5年的時間點來看，激光雷達成本將會(hui) 大幅降低，但依然會(hui) 有一定的成本，這意味著同一個(ge) 車型可以選擇不同等級的自動輔助駕駛係統，車型的價(jia) 格也不同，消費者可以根據自己的需求選裝激光雷達。

換而言之，從(cong) 目前我們(men) 定義(yi) 的最先進的自動輔助駕駛技術來看，未來幾年帶有激光雷達的方案會(hui) 成為(wei) 主流，但從(cong) 裝載車型的絕對數量上來看，帶激光雷達的方案還是一個(ge) 相對小眾(zhong) 的選擇。

對於(yu) 在技術上已經相對成熟的視覺算法，激光雷達當下的技術水平究竟如何？

特斯拉在目前電動汽車市場上的成功，從(cong) 一個(ge) 側(ce) 麵反映了在當下的市場、政策和用戶需求的前提下，視覺算法已經是一套相當成熟的解決(jue) 方案。通過攝像頭和毫米波/超聲波雷達的配合，特斯拉可以實現L2級別的ADAS（高級自動輔助駕駛）功能。但是因為(wei) 受限於(yu) 芯片算力、邏輯算法等因素，視覺算法實際上很難再進一步。

而對於(yu) 激光雷達來說，它還屬於(yu) “半上車”的狀態，之所以技術發展的如此緩慢，這與(yu) 激光雷達本身存在的曆史問題不無關(guan) 係。如果要理清這個(ge) 問題，我們(men) 先要從(cong) ADAS技術領域入手，在充分考慮其應用場景與(yu) 成本的背景下做出評判。

WAYMO自動駕駛汽車當時所搭載的機械式激光雷達（圖片源於(yu) WAYMO）

早期無人駕駛開發的車型多采用的是機械旋轉式激光雷達，可以對周圍環境進行360°的水平視場掃描，而半固態與(yu) 固態激光雷達往往隻能做到最高120°的水平視場掃描。

從(cong) 絕對指標來看，360°肯定要優(you) 於(yu) 120°，但這並不能說明機械旋轉式激光雷達的技術水平更高，因為(wei) 考慮到成本、安裝位置、可靠性與(yu) 壽命等因素，將機械旋轉式激光雷達應用到量產(chan) 車上的難度，會(hui) 遠大於(yu) 固態與(yu) 半固態激光雷達。

因此，從(cong) ADAS技術領域來關(guan) 注激光雷達的技術水平，一個(ge) 更好的角度是觀察那些實裝到量產(chan) 車上的產(chan) 品，例如采用華為(wei) 激光雷達方案的極狐αS與(yu) 采用大疆Livox方案的小鵬P5。

左：采用華為(wei) 激光雷達方案的極狐αS 右：采用大疆Livox方案的小鵬P5（圖片源於(yu) 官網）

可以肯定的是，未來幾年是激光雷達的快速提升性能、降低成本的幾年。

從(cong) ADAS技術領域來評價(jia) 激光雷達，不僅(jin) 要關(guan) 注其絕對性能的指標，更應該結合應用場景、感知係統的角度來評價(jia) ，這樣才會(hui) 更具現實意義(yi) 。

從(cong) 這個(ge) 意義(yi) 來說，像華為(wei) 、大疆這種既做全套解決(jue) 方案，又做激光雷達零部件的廠家，能更好地發揮有限性能激光雷達的潛力，在未來的行業(ye) 中有更具優(you) 勢。

除此之外，關(guan) 於(yu) 當前的ADAS技術領域，上述提及的激光雷達和攝像頭其實都屬於(yu) 感知係統的一部分，而感知係統通常還包括了毫米波雷達、超聲波雷達、高精定位係統與(yu) 高精地圖。

一套完整的ADAS除了感知係統之外，還應該包括決(jue) 策係統與(yu) 執行係統。要理解這些係統，我們(men) 可以回想一下平時咱們(men) 是怎麽(me) 開車的：

第一是眼睛的環境感知方麵：車道的位置，前方是否有車輛行駛，紅燈和綠燈的交換，這些工作都是由超廣角、快速對焦、無級調光圈、雙目即時測距、損傷(shang) 自修複的超高性能仿生攝像頭——眼睛來完成的。

更為(wei) 重要的是，此仿生攝像頭自帶極強的人工智能處理器，自動完成圖像處理(例如剔除毛細血管的遮擋、插幀補全盲點像素等)、對象識別（例如紅綠燈、車道）、軌跡預測(前方的車輛即將轉彎)等功能之後，將信息上報給“上層意識”。

另外是大腦的行為(wei) 決(jue) 策：通過環境感知的信息來判斷車輛需要執行的控製策略，例如前方車輛停止，需要緊急刹車等。還要提到的是，像“今天走不走高速”的路徑規劃也屬於(yu) 廣義(yi) 的決(jue) 策功能。

還有事手腳的控製執行：在收到大腦的決(jue) 策指令後，駕駛員的神經、四肢，以油門刹車與(yu) 方向盤作為(wei) 人車交互的兩(liang) 大媒介，與(yu) 整個(ge) 汽車係統一起承擔車輛控製的功能。所以目前來看，AD AS係統中最難、最關(guan) 鍵的還是感知係統。

成本控製，視覺算法和激光雷達最大的分水嶺

極光雷達上車難，難在成本控製。按照公開資料顯示，特斯拉目前所運用在其車型上的單目攝像頭成本在150~600元之間，更複雜的三目攝像頭成本也不過千元以內(nei) 。

覽沃科技在CES2020上發布的激光雷達產(chan) 品（圖片源於(yu) 覽沃科技官網）

激光雷達的價(jia) 格，在最近5年也呈現一個(ge) 明顯的下降趨勢，但是相比攝像頭來說，依然貴得多。去年8月，大疆旗下的覽沃科技發布了在年初CES2020上帶來的激光雷達新品的行貨版本，其中Livox Horizon激光雷達，定價(jia) 6499元，另一款長量程的Livox泰覽 Tele－15，價(jia) 格則是8999 元。而這輛產(chan) 品，在全球市場的定價(jia) 分別是999美元和1499美元。

激光雷達的成本價(jia) 格高，成為(wei) 了阻礙其“上車”的原罪。

2020年，華為(wei) 研製出了屬於(yu) 自己的96線激光雷達，其宣稱要在未來將成本降低至200美金以內(nei) ，這也是華為(wei) 尚未實現的一個(ge) 目標，而製定這個(ge) 目標的依據主要是以下5點：

(1) 量產(chan) 導致成本的降低

(2) 技術的進步促使了成本降低

(3) 針對應用場景開發特定性能的產(chan) 品以降低成本

(4) 提供更好的係統開發環境以降低主機廠的研發成本，相當於(yu) 變相降低了激光雷達成本

(5) 華為(wei) 提供整套方案，激光雷達讓出的利潤可以在整套方案中掙回來，其實也相當於(yu) 降低了成本

雖然目前的成本問題並未得到有效解決(jue) ，但如今已經有先行者開始將激光雷達正式應用到上市的汽車上。

目前明確表示已搭載激光雷達的、即將上市的車有3款：蔚來ET7、小鵬P5 、極狐αS。這些車在交付的時候，隻能說是“硬件支持L3、L4級自動駕駛”，但並不能“立刻實現L3、L4級自動駕駛”。

這麽(me) 看來，在廠家能夠真正實現L3、L4級自動駕駛之前，車上的激光雷達是不是暫時用不上了呢？其實並非如此，因為(wei) 激光雷達不僅(jin) 對L3、L4有用，也能顯著提升L2輔助駕駛的功能體(ti) 驗。

為(wei) 什麽(me) 激光雷達會(hui) 讓人更放心呢？

這要從(cong) 它的原理講起：一條激光，穿過去的時候是直的，相當於(yu) 數字掃點，理論上把所有周圍的點掃一遍之後，就能清楚地知道周圍環境是什麽(me) 樣。

激光雷達的掃描示意圖（圖片源於(yu) velodyne lidar）

與(yu) 激光雷達不同，攝像頭的采集的是像素信息，其實就和人眼看到的範圍差不多。

而與(yu) 人不同的是，人眼配備了超強的智能處理器（大腦），可以在毫不費力的情況下識別出環境中的車道、車輛、行人等，對車輛來說，像素信息隻是無意義(yi) 的海量數字，必須經過抽象、重構等複雜過程，依賴超強智能才能達到人類的識別效果。

也就是說，如果不配備激光雷達，要想通過智能算法彌補感知能力地缺陷，需要多付出10倍的努力。

再打個(ge) 比方，咱們(men) 人類駕駛員在開車的時候，偶爾也就看花眼的時候，比如將近處的物體(ti) 識別成了遠處的 —— 這就是大腦在處理像素信息的時候產(chan) 生了視錯覺。但如果給每個(ge) 像素點都標上距離信息（相當於(yu) 配備了激光雷達），那就絕不可能產(chan) 生這種視錯覺了。同時，除了上麵提到的場景之外，激光雷達對於(yu) 強光變換、彎道巡航、夜間行車、狹窄通行等場景下的L2功能體(ti) 驗提升都會(hui) 很有幫助。

因此在目前的技術環境下，激光雷達和視覺算法並不應該是相互對立的關(guan) 係，也沒有激光雷達的解決(jue) 方案一定比視覺算法解決(jue) 方案更好這樣的說法。

激光雷達和視覺算法應該是相輔相成的關(guan) 係，激光雷達可以大幅提升視覺算法的精度，降低視覺處理對於(yu) 超高精度算法的依賴，但目前高成本製約了更多的激光雷達出現在整車上；而視覺算法在未來的自動駕駛領域依然是主流的核心技術之一，它的應用廣泛性暫時是激光雷達這樣的產(chan) 品無法替代的。

對於(yu) 激光雷達來說，盡管它在目前還有比較多的問題亟待解決(jue) ，但很顯然行業(ye) 內(nei) 已經有了共識，在未來的幾年內(nei) ，L3-5的自動駕駛係統中，激光雷達將成為(wei) 必不可少的組成部分。

相對於(yu) 計算機視覺技術，激光雷達技術優(you) 點是安全性上會(hui) 更高。這也是行業(ye) 主動推動激光雷達在更高級別的自動駕駛中，成為(wei) 主流的主要動力。