自动驾驶大战，激光雷达并非关键，单车智能和车路协同谁才是王道

前不久，特斯拉宣布北美新款的 Model 3、Model Y 车型的自动驾驶系统将会彻底放弃雷达技术，转而使用摄像头来实现纯视觉自动驾驶。

消息一出，不出意料地引起了轩然大波。原因很简单，如今整个智能汽车市场都将激光雷达视为实现真正自动驾驶技术必不可少的核心元器件，但是身为自动驾驶领头羊的特斯拉竟然与业界认知背道而驰，难免会让人有些不理解。

但在汽车自动驾驶领域已经耕耘多年的特斯拉，肯定也并非是一拍脑袋做出的这个决定，所以究竟是什么原因促使特斯拉选择彻底放弃雷达技术，仅采用摄像头作为自动驾驶功能的核心元器件，自动驾驶技术的方向又会走向何方？

摄像头VS激光雷达：不同路线，各有所长

在谈及摄像头纯视觉识别方案与激光雷达方案之争前，我们首先应该了解一下当前配备自动驾驶功能的汽车采用的是什么硬件方案。

目前以理想、蔚来在售的、配备自动驾驶技术的主流车型都采用了「摄像头+雷达」融合解决方案，以摄像头为主，雷达测距为辅。经过了几年的更新迭代，该方案是目前最成熟、可靠，且成本相对降低的主流方案。

近期声量较大的激光雷达方案是基于该融合方案进行升级，将可以实现更高阶的空间测距功能的激光雷达为方案核心，辅以摄像头进行物体识别，通过空间感知做到高阶自动驾驶水平。今年四月上市的小鹏 P5就是全球首款搭载激光雷达方案的车型。

特斯拉最近宣布将会彻底放弃雷达技术，仅仅使用摄像头进行视觉识别和测距的方案则是走的视觉感知路线实现自动驾驶，目前仅有特斯拉一家公司选择该路线研发自动驾驶功能。

显而易见的是关于纯摄像头方案与激光雷达方案的争论，实际上是视觉感知路线与空间感知路线的争论。那么特斯拉为什么要选择与小鹏、蔚来等一众智能汽车厂商都不同的纯视觉感知路线呢？

特斯拉一直以来的经营理念就是通过降低优势型产品的生产成本，实现大面积地占领市场，再通过高额的市场占有率拿到低价的元器件，然后重复进行降低成本的操作。选择彻底放弃雷达技术的原因很简单，单纯使用摄像头进行识别的视觉感知方案成本非常低。特斯拉现在所采用的单目摄像头价格仅为150~600元，单车装配8个摄像头最高也只不过4800元。

因此特斯拉可以通过纯视觉识别方案大幅缩减制造成本，进而降低整车售价，以低价迅速抢占市场，形成规模护城河。

当然这与特斯拉 CEO 马斯克对推崇「第一性原理」的极度推崇也是分不开的。他认为既然人能够凭借眼睛观察并根据行车情况驾驶，因此只要让摄像头能够通过观察周围环境收集路况信息，那么就可以实现和人类驾驶一样的效果，不需要额外采用价格高昂的雷达技术。

的确，虽然激光雷达的方案则在空间测距方面有明显优势，能够通过非常短的激光反射时间实现极为精准的厘米级测距，自动驾驶系统对路况的判断更准确，但是高昂的成本却令其难以普及到每个消费者。

两条技术路线虽然在实现方式上有很大的差别，但是也能明显地看出两者并非是替代关系，均是自动驾驶技术正在发展的方向，国内智能汽车三巨头蔚来、小鹏和理想瞄准的激光雷达路线，相比特斯拉采用的摄像头纯视觉路线在更准确、个例意外情况有临时应变能力的同时，也面临着成本居高不下的痛。

小鹏汽车官网就明确表示，国内做得最好的64线激光雷达成本高达80000美元，如此高的成本注定与主流汽车无缘，况且 L2+ 级别自动驾驶就需要线束在100以上的激光雷达、

那么，车企是否可以通过降低激光雷达方案的摄像头能力研发目标，或者单纯和特斯拉一样采用纯视觉的自动驾驶方案来实现成本的降低呢？

单一路线不可靠，车路协同是正道

尽管激光雷达方案、摄像头纯视觉方案两者都是相当不错的自动驾驶技术路线，但是通过降低激光雷达方案的摄像头能力研发水平来实现激光雷达技术的迅速普及，或者采用纯视觉感知路线都是不可行的。

首先是激光雷达的点云成像应对极端路况的能力仍存在巨大问题。激光雷达在遭遇高反物体、强光照射时的工作表现会明显下降，有几率会引起自动驾驶系统出现误判，造成交通事故，因此通过降低摄像头识别水平，实现低成本的激光雷达方案并不是一个安全、可靠的自动驾驶解决方案。

至于只靠摄像头的纯视觉解决方案则会有更大的危险性。纯视觉方案靠的是靠系统对摄像头收集到的影响进行识别、分析学习后，在第二次经过相同路况时能够实现稳妥的自动驾驶效果。

然而需要注意的是系统积累的行车状况不能完全覆盖每一位用户在真实行车中的所有突发情况，所以纯视觉感知路线在应对偶现路况方面表现不佳，且特斯拉的纯视觉自动驾驶下需要一直开启远光灯，与社会夜间会车习惯有着明显的不兼容。

所以在特斯拉公布不久后将会取消 Model 3和 Model Y 车型上的雷达系统之后，包括《消费者报告》这样的许多测评机构也通过下调了特斯拉车型的安全评级的方式，表达对当下特斯拉直接采用纯视觉方案的不信任，这足以说明纯视觉自动驾驶解决方案并非是一个靠谱的选择。

由此显而易见，自动驾驶技术在未来很长一段时间都会处于摄像头、雷达融合解决方案状态中，纯视觉感知路线以及空间感知方案在技术、成本方面都不能做到很好地平衡。

不过在这期间，智能汽车还有一条捷径可以快速提高自动驾驶水平。

2019年，我国提出了「车路协同」的交通建设方针，与单车智能不同，车路协同是在其基础之上，赋能更强悍的路况信息获取能力。不仅仅是通过单一车辆的摄像头、雷达来获取信息，路边行人、建筑设施和交通指示灯等等设备都可以与汽车的自动驾驶系统互联，从而为汽车传输实时路况信息，从而让其拥有跨空间的信息收集能力。

通过拥有即将行驶道路的空间信息，自动驾驶系统不但可以提前预判道路信息情况，并且可以通过车车互联实现信息共享，从而可以以车为单位，以道路区域为地图，实现大范围的交通规划能力，不仅会对城市交通状况有明显的改善，更能显著提升自动驾驶的安全性能。

此前百度已经在长沙落地了首个车路协同项目——RobotTaxi 打车服务，随后与长沙在内的五个城市也达成了智能交通项目的合作，不过也由于实际应用中，路况信息的收集与传输延迟仍存在较大的困难，所以百度 CEO 李彦宏也坦言至少需要15年才能实现车路协同在我国的全面普及。

总体来讲，当前阶段的自动驾驶技术无论采用视觉感知方案，还是空间感知方案都不是一个最优选，因为它们都无法做到自动驾驶技术与成本最好的平衡，两者搭配使用或许才算是最好的选择。