三年時間，特斯拉自動駕駛一步步走向了純視覺方案。

2019年，馬斯克公開宣稱：“激光雷達和高精度地圖都是自動駕駛中錯誤的解決方案, 只會減慢自動駕駛商業化的速度。”言外之意，激光雷達價格過高無法普遍搭載于自動駕駛汽車上。

2021年5月，特斯拉博客宣布不再配備毫米波雷達，理由為與視覺方案產生沖突。

不久前的2022年10月，特斯拉宣布所有為北美、歐洲、中東制造的Model 3和Model Y都不再配備超聲波雷達，2023年起交付的Model X及Model S也同樣不再配備。這意味著，拒絕了激光雷達、毫米波雷達和超聲波雷達的特斯拉，其Autopilot、FSD和主動安全功能將完全依靠純視覺方案運行。

縱觀業內自動駕駛技術布局，似乎以激光雷達為主的自駕方案才是大勢所趨。從國內造車新勢力激光雷達上車情況看，小鵬、蔚來、哪吒、威馬、北汽、上汽、長城等造車品牌均有車型搭載。馬斯克的執著，究竟是觀念超前還是一意孤行？要分析特斯拉采用純視覺方案的代價，我們先了解一下為什么激光雷達會被放棄。

今非昔比的激光雷達

激光雷達，或稱為光學雷達，（英語LiDAR，Light Detection And Ranging）。它是一種光學遙感技術，通過向目標照射一束光（通常為脈沖激光）來測量目標的距離等參數。此前激光雷達在測繪學、考古學、地理學、大氣學等領域有著廣泛應用。

激光雷達的首次上車就是為了實現自動駕駛。2004年，美國國防部高級研究計劃局為了能夠找到為軍方打造無人駕駛汽車的解決方案發起了DARPA無人駕駛車挑戰賽。其中音響品牌Velodyne的CEO David Hall 打造了一臺搭載了360°旋轉激光雷達的自動駕駛汽車參加比賽，可惜的是賽車因為機械故障未能完賽，但它搭載的激光雷達引起了參賽選手的注意。2007年比賽再次開啟，這次 David Hall并沒有參賽，在53支報名隊伍中，11支通過了資格測試，７支車隊跑完了全程，而完賽車隊中有６支搭載了Velodyne家的激光雷達。此后Velodyne名聲大噪，時至今日仍是世界知名的激光雷達廠商。

此時上車的激光雷達屬于純機械式。它的激光發射部件在豎直方向上排布成激光光源線陣，并可通過透鏡在豎直面內產生不同指向的激光光束；在步進電機的驅動下持續旋轉，豎直面內的激光光束由“線”變成“面”，經旋轉掃描形成多個激光“面”，從而實現探測區域內的3D 掃描。由于機械式激光雷達整體通過復雜的機械結構實現高頻精準轉動，在戶外應用中，該類型雷達的平均失效時間近乎為1000-3000小時，很難達到車規標準。且多個激光發射器垂直排列導致花費的調試時間極長，客觀上增加了雷達的成本，單個雷達的價格甚至達到數十萬人民幣。

機械式激光雷達 圖源：知乎

若特斯拉執意搭載價格如此高的激光雷達，單個雷達的價格甚至要超過整車其他部分的總和，所以馬斯克的判斷，在那時并不算失誤。

可以說今天激光雷達的成本相較于初代已經相當低廉，從媒體爆料的車輛發生剮蹭事故后更換激光雷達的費用看，大疆、華為的激光雷達價格已經降到幾千元人民幣。激光雷達價格砍去兩個零背后，是技術革新與市場擴大。

機械式激光雷達被發明后，人們逐漸發現該項技術在自動駕駛領域的潛力。相比視覺方案，激光雷達可以不依賴復雜的AI算法時間別外部環境，其特殊的結構也可以便捷的識別障礙物到車體的距離。所以，當谷歌依靠激光雷達入局自動駕駛后，世界上便涌現了一大批追隨者。除了老牌激光雷達企業Velodyne外，美國的Luminar、法國的法雷奧（Valeo），中國的速騰聚創、大疆覽沃、華為等紛紛入局激光雷達。大規模的資本投入與充分的市場競爭讓激光雷達的價格一降再降。

眾多玩家入局，自然也能“卷”出新技術與新方案。我們在目前采用激光雷達方案的自動駕駛車輛上，已經看不到自動駕駛剛剛起步時車頂那些 “熙熙攘攘”的傳感器，因為混合式固態激光雷達出現了。

前文提到，激光雷達的原理本質上是依靠激光點到線，最后多條線組成面來探測環境。所以我們可以讓激光發射器與接收器固定，通過內部轉鏡或MEMS控制平面鏡或透鏡的方式來控制光路的掃描。這樣做就可以減少很多激光發射器與接收器的堆料，也大大降低了多個探測器之間調試的難度。

我們以今年推出的華為等效96線激光雷達舉例，媒體推測該款型號采用MEMS微振鏡方案。MEMS 微振鏡本質上是一種硅基半導體元器件，內部集成了「可動」的微型鏡面來，利用電磁驅動或靜電驅動，來實現掃描動作。MEMS微振鏡翻案相對于機械式或轉鏡雷達，其結構更精巧，體積更小，由于該項技術在投影顯示領域應用多年，技術也較為成熟。不過缺點是視場相對較小，無法和機械式雷達的360°相比，需要多了雷達配合才能做到全范圍掃描。除了微振鏡方案外，激光雷達還有光學相控陣式(OPA)、泛光面陣式（FLASH）等方案，無論哪種模式，其價格都較初代更低，性能也明顯增強。

MEMS 微振鏡技術 圖源：汽車之心

回頭看特斯拉的技術路線，目前激光雷達已經做到“物美價廉”，馬斯克拒絕激光雷達最重要的理由—價格問題已經不存在，但特斯拉依舊沿著純視覺方案的路走下去，其代價又是什么呢？

純視覺方案需要多目攝像頭配合

人類之所以可以判斷外界物體離我們的遠近，是因為我們擁有“雙目測距”的能力。純視覺方案也同樣需要兩個或以上的攝像頭相互配合，來達到對外界物體距離的精準判斷。而且攝像頭無法像人眼一樣頻繁和快速變換焦距，因此也需要多個攝像頭來解決不同距離下的識別清晰度的問題。

多目攝像頭覆蓋范圍 圖源：互聯網

此外，車載攝像頭對外界判斷的準確性，與攝像頭的分辨率、信噪比以及動態范圍等參數息息相關。

視覺方案自動駕駛技術，本質上是將攝像頭上傳的一張張2D圖像通過AI算法建模在芯片中還原成3D圖像，攝像頭的成像質量關乎AI識別的準確性。分辨率與信噪比越低，成像就會越模糊，AI算法判斷的準確性也會大大降低，當噪點多到與外界物體無法分辨時，自動駕駛就無能為力了。分辨率可以通過升級攝像頭CMOS完成，然而在暗光環境中，攝像頭會無法避免的出現大量噪點，這也意味著，采用純視覺方案的自動駕駛，在夜晚光源不足時行車安全性將大大降低。未來純視覺方案自動駕駛或將搭載夜視攝像頭來填補這一缺陷，不過這也會失去對顏色的判斷力。

從人類視角看，出入隧道等大光比環境時，極易發生交通事故。攝像頭往往也會面臨這個問題。所以，必須使用高動態范圍的攝像頭來保證自動駕駛系統在面對類似情況時的安全性。但這無論如何都比不上隨時隨地探查外界的且不受外界光照影響的毫米波雷達與激光雷達。

視覺算法的局限性

關于純視覺方案的算法問題，特斯拉此前出現過誤判情況。

2021年三月，一輛特斯拉Model Y在美國底特律西南部一個十字路口撞上了一輛白色半掛卡車。事故現場十分慘烈，據事故報告稱，事發當時該車開啟了Autopilot模式，不過系統AI算法將停在路上的白色貨車車廂識別為了天空，導致車輛沒有進行任何剎車行為就直直的撞了上去。雖然特斯拉已經調整了算法，但那時車上如果搭載了毫米波或是激光雷達，這樣的慘劇也許就不會發生。

不過特斯拉此前是搭載過毫米波雷達的，不過“幽靈剎車”事件卻讓毫米波雷達被踢了出去。

當車輛即將駛入橋下的時候，毫米波雷達會檢測到橋的存在，但分辨率不足無法判斷這是“車”還是“橋”。這時就需要攝像頭來判斷這個物體具體是什么，不過由于關聯了毫米波雷達，導致攝像頭的分辨率也不足以判斷物體的具體形態。假如此時有一輛慢速汽車在前方行駛，但還不需要剎車，這時系統就會將“慢速汽車”和“靜態未知物體”聯系起來，導致不必要的剎車發生。于是在2021年5月，特斯拉取消在新車型上安裝毫米波雷達。

據專家判斷：“‘幽靈剎車’事件是由于特斯拉的毫米波雷達沒有屏蔽靜態物體導致的，視覺的精度受限于關聯的雷達而不是它本身的精度也是問題關鍵。”事實上融合感知方案被國內外大多數廠商采用，且攝像頭與毫米波雷達的組合較為成熟，中高端車型已經普遍配裝。特斯拉因為調試問題剔除雷達似乎是因噎廢食了。

還有一個例子是路上飄動的塑料袋，人眼可輕易識別，但攝像頭卻很難判斷這個物體是什么，也難以做出下一步判斷，容易造成不必要的危險。而激光雷達的3D能力則可輕易分辨前方物體的形態，若對車輛行駛影響不大則不會做出避讓動作。

寫在最后

總的來說，雖然激光雷達持續降價，但價格仍是傳感器中較貴的，純視覺方案在今天仍是一種極具性價比的選擇。據特斯拉官方解釋，取消雷達后，他們將啟用新技術，實現Autopilot高清空間定位、更遠距離可見性以及識別和區分對象的能力，看起來馬斯克也對自家的視覺算法相當有自信。

馬斯克曾表達他對攝像頭的看法：

“在雷達波長下，現實世界看起來像一個奇怪的幽靈世界。除了金屬，幾乎所有東西都是半透明的。”

“傳感器的本質是比特流，攝像頭的信息量要比雷達和激光雷達高幾個數量級。雷達必須有意義地增加比特流的信號和噪聲，以使其值得集成。”

“隨著視覺處理能力的提高，攝像頭的性能將會遠遠甩開當下的雷達。”

但純視覺方案仍有相當多無法避開的局限性。有傳言稱特斯拉沒有真正放棄其他方案的嘗試，2023年毫米波雷達可能會回歸。馬斯克目前執著于純視覺方案的決定是對是錯，相信市場自會給出判斷結果。

審核編輯 ：李倩