芯智驾──集萃产学研企名家观点，全面剖析AI芯片、第三代半导体等在汽车“大变形”时代的机会与挑战！
目前自动驾驶方案主要有两条路线，一是多传感器融合方案，被众多主机厂广泛认可并推动；二是以视觉为主的技术路线，特斯拉是该路线的坚定推动者。
近日，特斯拉多次延迟推出的纯视觉版FSD Beta V 9.0终于面世，继抛弃激光雷达后，新版本系统连毫米波雷达也放弃了，业内指出，特斯拉的纯视觉自动驾驶系统过于激进。不巧的是，FSD Beta V9.0刚推出，特斯拉就因近年发生多起自动驾驶车辆事故，于8月16日再次被美国全国高速公路交通安全委员会（NHTSA）发起调查。
而基于视觉的自动驾驶安全性与可靠性，也再次被行业发出灵魂拷问。
视觉技术短板凸显
随着深度学习等人工智能技术的成熟，视觉技术在车载领域的应用，已经从监控发展到360°环视再到目前的自动驾驶应用，并成为三大感知技术之一。与激光雷达、毫米波雷达、超声波雷达、红外等技术方案不同，视觉技术通过摄像头来感知环境并获取信息，是一种模拟人眼的仿生方案。
相比其他方案，视觉技术的优势凸显，可以直接感知场景视野范围内的人、车、物的形态、动作、色彩等信息，场景内物体一目了然，结合人工智能算法，即可提取关键信息，为自动驾驶策略提供关键数据。受到了部分自动驾驶企业的推崇，尤其是特斯拉，将视觉技术发展为自动驾驶技术的最佳乃至唯一的实现方案。
但在一位机器视觉专家看来，以视觉技术为主要手段实现自动驾驶，还有很多的路要走，从成像效果来看，他认为视觉技术还要解决四大问题。
首先是成像质量问题。视觉技术天然存在色彩偏差，无法做到百分百色彩还原；宽动态性能还达不到人眼的效果；光线变化下的重新聚焦速度有延迟，这对自动驾驶来说是不能满足需求的。
其次是低照度成像难问题。视觉成像是被动感知技术，必须有光才能成像，在夜间、地下室、隧道等照度不足的地方，摄像机成像质量很难保证，照度越低，画面质量越差。虽然目前人们推出了星光级成像技术，但对要求百分百安全的自动驾驶来说，目前的低照度成像技术无法满足要求。
三是抗干扰能力弱。视觉成像技术极易受到强光、雨、雪、雾霾等环境的干扰，如雾霾或大雾天气，摄像机成像距离大幅受限制，成像也不清晰；再如对向来车的强光干扰，画面将会出现大面积光斑。针对各种异常场景，虽然目前提供有部分技术可以一定程度降低环境干扰，但要牺牲一部分图像信息，如光学透雾，视距可得到一定程度提升，但要丢失色彩信息，而且画面效果并不能满足自动驾驶需求。
第四个则是算法问题。人工智能技术的引入，确实解决了图像识别智能化的问题，但目前的算法并不能百分百识别，如交通应用中，AI算法经常把蓝色车识别为白色车，且错识率可高达20%；又如十字路口的红绿灯，当旁边挂有灯笼时，摄像机容易识别出错；或是路边的人像广告，也会被识别为行人等；“要做到自动驾驶，目前的AI算法很难满足复杂场景的识别要求。”该机器视觉专家表示。
即便视觉技术存在不少有待突破的技术瓶颈，但我们还是看到，目前的所有自动驾驶方案中，机器视觉都是必不可少的技术之一。“相比其他感知技术，视觉技术要成熟很多，重要的是，视觉技术的上车成本很低，相比激光雷达动辄上万元，甚至十数万元的成本，摄像头硬件成本可低至几十块钱，对主机厂非常具有吸引力。”如上专家表示。
一位自动驾驶领域行业人士也证实了这一点：“目前来看，主机厂可接受的自动驾驶方案价格理想范围为2000-4000元/套，超出这一范围，很难把产品推向主机厂；而视觉技术可以大大降低成本，更易于推广。”
大感知融合仍是未来主流方向
事实上，视觉技术在自动驾驶应用中，还有一项重要的应用，即测距，主流方案有单目测距、双目测距和三目测距。在动态场景下，单目测距没有可参照标定，测距精准度差，通常只能作为360°环视或车内监控使用；三目测距又因算法复杂；市面上主要选用双目测距方案。
大疆车载一份技术文件显示，如果场景复杂、干扰因素多、成像出现困难，将会对视觉测距精度产生重要影响，而且，双目深度的误差是与距离的平方成正比，探测距离越远，误差也越大。
视觉技术虽然存在短板，但其优势也很明显，在光照良好的高速公路等驾驶场景下，通过视觉技术是可以实现一定程度的自动驾驶功能，如跟车行驶、自适应巡航控制等。一位业内人士表示：“目前的自动驾驶方案，还不能解决各种场景问题，而我们要做，并不是一开始就着手全场景应用，而是从最易于实现的场景开始，优先解决理想条件下的自动驾驶应用，然后才逐个解决黑夜、多人/多车等其他场景的应用问题。”
当然，基于视觉技术的自动驾驶方案，需要有强大的算法和算力支撑；而国内的自动驾驶解决方案提供商，还在不断匹配各种算力方案。如上业内人士在介绍其基于视觉技术的自动驾驶方案时表示，为了获得更好的效果，演示时采用英伟达的高算力芯片；但实际的上车方案，可能会选择性价比更高的平台。该人士同时指出，高算力平台方案意味着高成本，为了实现软硬件的最佳匹配，他们一直在不断地调试、优化方案。而特斯拉坚定采用视觉技术路线，与其强大的算法和自研的自动驾驶芯片分不开。
不过，单纯的视觉方案，并不被业界主流观点所认可，自从特斯拉推出纯视觉版自动驾驶系统FSD Beta V9.0后，业内人士质疑之声更加强烈，因为在雨雪、雾霾等恶劣条件下，基于视觉技术的自动驾驶功能将大幅受限，放弃成本不高但可解决干扰问题的毫米波雷达，被认为是一种得不偿失的激进选择。
实际上，包括卡内基梅隆大学电气与计算机工程教授Phil Koopman等业内人士认为，特斯拉基于视觉的自动驾驶技术只能达到L2级标准，仍严重依赖于驾驶员操控。在业内激烈的质疑声中，特斯拉近期确认，FSD目前启用的功能并不能让汽车实现自动驾驶，仍需要驾驶员高度干预，即便汽车自主控制情况下，驾驶员也要做好随时接管汽车的准备。
当然，视觉技术的短板，可以通过毫米波雷达、激光雷达等其他技术手段来弥补，如精准测距，可通过激光雷达来补足；全天候工作，则是毫米波雷达的强项，“在我们看来，单纯通过视觉技术来实现自动驾驶很难实现；经过这么多年的探索，大感知融合的技术方案，已经成为行业普遍共识。”来自大疆车载的一位人士表示。
目前最经济的方案是，采用视觉技术与毫米波雷达技术融合，解决全天候的应用问题，可满足L2、L3级自动驾驶应用。据了解，大疆车载与上汽五菱合作的自动驾驶，正是采用多感知融合方案。Phil Koopman分析认为，未来特斯拉如果要实现L4级及以上更高级别的自动驾驶功能，仍需要包括摄像头、激光雷达在内的多感知融合手段。(校对/James)
