经历了2021年新能源汽车市场的爆发式增长之后，各大汽车厂商、科技公司、头部汽车零部件供应商纷纷坚定了向电动化、智能化转型的决心，为了在潜力巨大的新赛道上占据有利“身位”，将未来汽车的“灵魂”（自动驾驶技术）掌握在自己手中就成为有实力的“玩家”无法回避的选项。
在这当中，摄像头与激光雷达无疑是最具话题性的一对“CP”，这不仅源于两种技术路线的支持者就“孰优孰劣”等话题展开了多番“唇枪舌战”，更是因为以中国品牌为代表的“多传感器融合派”在全球率内先实现了激光雷达在量产汽车上应用（小鹏P5 500P/600P车型搭载的两颗Livox浩界HAP激光雷达，来自大疆子公司Livox览沃科技）。如果说此举是对“纯视觉感知派”代表——特斯拉等国外品牌的技术反超有些夸张的话，那么由此激活了此前日子“并不好过”的车载激光雷达行业，推动了自动驾驶技术路线迎来“百花齐放”的热潮，已然是业内人士的普遍共识。
据不完全统计，仅2022年，就有十余款全新车型将搭载激光雷达，其中不乏丰田、大众及“BBA”等国际汽车巨头，一场围绕着激光雷达的军备竞赛俨然已拉开序幕。
大家一定要问了，这是否意味着“多传感器融合派”就能够凭借激光雷达在未来的市场发展中压过“纯视觉感知派”一头？答案可能没有那么简单。
1.
特斯拉为何如此“傲娇”？
首先，行业内有一个基本共识：想要实现拥有完整自动驾驶能力的汽车，需要整车制造商、零部件供应商、车载计算平台开发商、出行服务商供应商等多方参与共同努力，其细分领域繁多，因此不存在“一家通吃”“一枝独秀”的可能性，这就为行业发展的“百花齐放”确立了基础。
从产业链结构的角度来说，自动驾驶上游包括感知、传输、决策和执行层；中游为平台层，包括整合的智能座舱平台、自动驾驶解决方案及传统的车联网TSP平台；下游主要为整车厂及第三方服务商。当前自动驾驶技术路线“交锋”最为激烈的，正是围绕上游产业链中的感知层（主要包括智能硬件、导航、路侧设备等）、传输层（主要包含通信设备和通信服务）、决策层（主要包含操作系统、芯片、算法、高精度地图以及云平台等核心构成元素）和执行层（传统机械方式和线控技术正在被电子化、电动化系统所替代）展开，这四条系统环环相扣，可以说构成了智能化汽车的“灵魂”。
正如人类需要通过“五感”（视觉、听觉、嗅觉、味觉和触觉）来认识世界一样，拥有雪亮的“眼睛”也是智能汽车前提条件，包括高精度 GNSS/IMU组合导航设备、激光雷达、毫米波雷达、摄像头、超声波雷达在内的多种感知传感器，便是智能汽车实现自动驾驶功能不可或缺的“眼睛”。一般而言，自动驾驶等级越高的车辆，对位置和姿态等信息的精度要求越高，所需搭载的智能硬件的数量和成本也会水涨船高（此处仅探讨乘用车，出于安全考量，商用、货运车辆对感知硬件的技术要求更高）。
前文提到的“两大技术流派”正是基于自动驾驶的感知层不同侧重点的“瑜亮之争”。简而言之，“纯视觉派”认为人类既然可以通过视觉信息+大脑处理，成为一个合格的驾驶者；那么摄像头+深度学习神经网络+计算机硬件，也可以达到类似的效果，因此自动驾驶应由摄像头主导，配合毫米波雷达等低成本传感器构成纯视觉计算，通过视觉系统优化自身AI算法就可以达到较高的智能驾驶水平。
作为行业典型代表企业的特斯拉十分激进地推出了基于纯视觉方案的FSD Beta（甚至悄悄进行了一年多的车主实测），并宣布将彻底放弃毫米波雷达，并因此引发了业界的一片哗然。当然了，特斯拉之所以如此“大胆”，主要还是具备远超市面上大部分公司的软硬件全栈能力并率先实现了摄像头解耦，同时大量车主在实际道路上所产生的海量数据源也极大提升了公司算法的精度。
在2021年8月20日的年度人工智能日（AI Day）上，特斯拉发布了新一代自研芯片D1以及基于此的超算单元Dojo，并展示了完全基于摄像头的自动驾驶方案：其纯视觉方案依托八个摄像头的视频融合形成矢量数据，使用HydraNets（九头蛇网络）多任务学习神经网络算法将这些数据分给不同神经网络。
需要指出的是，由于纯视觉技术路线把更多精力放在研发强大的视觉算法及专用AI芯片的能力来处理自动驾驶可能遇到的所有情况（特别是涉及在多目标优化的难题下同时处理复杂的优化问题），哪怕强如特斯拉，也无法完美处理现实中自动驾驶所面对的所有复杂状况，因视觉方案在行驶过程中因错误识别所导致的事故仍时有发生。因此，一些更为谨慎的支持者（例如同样以视觉为核心的Mobileye）选择在其自动驾驶汽车传感器系统解决方案中加入了激光雷达的选项。此外，百度去年也发布了L4级别纯视觉方案Apollo lite，旨在将高阶自动驾驶能力的依赖，从感知硬件转移至算法。
此外，采埃孚、索尼等新老“玩家”的持续跟进，推动了车载摄像头在感知环节信息量与精确度方面（尤其是在防污、封装、进度定位、远红外夜视、3D感测、人机交互等技术）的不断升级，使其能够在较低成本条件下满足智能化需求。由于业界普遍认为全球主要车企在短期内仍将处于L2-L3级别这一自动驾驶发展的初级阶段，而激光雷达的主要发展方向——纯固态技术的成熟仍需5年左右的时间，因此，在短期内车载摄像头市场拥有相较于其它传感器更为确定的发展前景。
2.
蹭特斯拉“流量”？不，只是为了做大蛋糕
而拥护者更为广泛的“多传感器融合派”（也被称为“强感知派”）则提出，自动驾驶方案应由激光雷达主导，配合摄像头、毫米波雷达等传感器组成。激光雷达本质上是激光探测和测距，其原理是通过发射与接收激光来探测与目标物之间的距离，再根据目标物表面的反射能量大小、反射波谱幅度、频率和相位等信息，精确绘制出目标物的三维结构信息。凭借着在目标轮廓测量、角度测量、光照稳定性和通用障碍物检出等方面所具有的极佳性能，让激光雷达在自动驾驶车辆的定位、路径规划、决策、感知等方面有着“大展拳脚”的空间。
过去整车企业在制定产品规划时，激光雷达要到4级“高度驾驶自动化驾驶”能力（按照中国标准）的准量产车型才会搭载，这是因为原本主要用于测绘、工业生产领域的激光雷达价格一直处于高位（如Velodyne早期打造的64线机械激光雷达售价约8万美元）。如今，得益于混合固态（半固态）激光雷达通过扫描模式的创新，使其制造成本大幅降低（目前已经1000美元左右，未来有望降至200美元以下），而业内“玩家”为了满足车规级雷达在稳定性和寿命方面的严苛要求又早有准备，能够得到急于以激光雷达作为差异化竞争“杀手锏”的新能源汽车厂商的“扎堆”青睐也就不足为奇了。越发“亲民”的价格，2022-2025年上市的主流L3级“有条件自动驾驶”能力的新车型，大都把激光雷达当成“标配”了。
值得一提的是，激光雷达行业“春天”的到来也激发了技术方面的“百花争鸣”，目前比较热门的扫描模式创新包括：MEMS（微振镜）路线，即通过微振镜，做水平和垂直两个维度的震动扫描，小鹏G9、广汽埃安AION LX Plus、威马M7（参数丨图片）等车型将搭载以色列公司Innoviz开发的M1激光雷达。华为96线中长距车规级高性能激光雷达所采用的单轴转镜路线，搭载车型包括北汽极狐阿尔法 S、长城沙龙机甲龙等，该路线上的另一“玩家”禾赛科技也推出了128线激光雷达AT128，据称已获得理想、集度、吉利旗下路特斯、高合等品牌超过150万张订单。另外，大疆旗下子公司览沃（Livox）开发出了棱镜旋转扫描方案，其Livox浩界HAP激光雷达在小鹏P5 500P/600P车型上率先搭载。
附：GB/T 40429-2021《汽车驾驶自动化分级》推荐性国家标准，将于2022年3月1日起实施
不过，近年来一些“自动泊车失灵”“遇到儿童等低矮目标无法识别”“恶劣天气变‘瞎’”的案例，还是暴露出了“多传感器融合派”的数个“短板”；而在面对雨雪等极端天气时，激光雷达的表现也并不比摄像头更为出色，部分汽车厂商（例如通用）不得不提醒车主避免在湿滑或雨雪天气使用自动驾驶功能。
究其原因，不管是MEMS微振镜、单轴转镜、棱镜还是其它路线，激光雷达本质上是一种主动式传感器，通过发射脉冲激光并探测目标的散射光特性获取目标的深度信息，具有精度高、范围大、抗干扰能力强的特性，虽然一般降雨对其影响较小，但强降雨带来的雾气仍然可能导致激光雷达将其错判为障碍物；而到了冬季，工作温度区间较窄的激光雷达也备受煎熬（例如Velodyne VLP-16激光雷达的设计最低工作温度仅为零下10摄氏度），往往会因此缩短测距、影响灵敏度并导致识别延时过高。此外，由于激光雷达获取的数据稀疏无序，难以直接利用，且激光单色的特性让其无法获取颜色和纹理信息，这就意味着必须搭配其它传感器互补使用，同时也必须进一步提升其性能和适用性。
通过搭载更高级的激光雷达，提高成像精度、感知范围等性能指标的做法自不待言，这是激光雷达想要在汽车智能化上真正发挥价值的根本；而所谓适应性，还是拿雨雪天气举例：为了更好地感知环境，梅赛德斯-奔驰提出了一种在未知恶劣天气下的大型深度多模态传感器融合方案（包括一对立体视觉RGB摄像机、近红外NIR门控摄像机、两个Velodyne激光雷达、远红外FIR热照相机以及专用的道路摩擦传感器等等），如此众多的传感器势必产生海量数据（包括图像、距离、速度等众多信息），这就需要对多传感器数据（尤其是视觉技术）进行更高效、更精准的“融合”，以此来实现更准确更安全的自动驾驶。
3.
多传感器融合的明天是“元宇宙”？
亿咖通科技首席幕僚官、副总裁周靖在接受《汽车通讯社》采访时曾指出，讨论多传感器融合不能光揪着怎样“堆（芯片）算力”“编算法”，应该放到整个自动驾驶发展、以及软件定义汽车的更高维度去思考：未来智能网联汽车的功能越来越复杂，通过各种传感器采集的数据量显著增大，对数据传输和处理的实时性要求也越来越高，而传统的分散式电子电器架构势必转向以中央计算机平台为核心的集中化架构。而有这么两家公司已经展现出了他们在该领域的大格局。
在2021年度GTC大会上，英伟达创始人兼CEO黄仁勋表示，该公司正在开发用于构建自动驾驶汽车的端到端流程，以及全栈车内自动驾驶系统和全球云地图，同时推出了一款全自动驾驶系统的计算机架构和传感器系统的集成平台——DRIVE Hyperion 8，可以将其看作是一个集合了各种自动驾驶功能模块的全栈式自动驾驶平台。
在这个虚拟数字世界中，英伟达加入了自动驾驶高精地图的数字化供应商DEEPMAP的顶尖技术。这家企业正是在2021 年 6 月，英伟达收购的高精地图明星企业 DEEPMAP。这一技术让整个虚拟世界与真实世界几乎一致，并预测同时针对激光雷达和毫米波雷达的采集仿真，英伟达还建立了不同材质库，让采集的数据与真实情况一致。“老黄”打出这套“组合拳”的目的，旨在抢占自动驾驶领域更大市场份额，包括让开发乘用车辅助驾驶软件系统的供应商和汽车制造商融入英伟达自动驾驶生态链。
面向整车企业，英伟达发布了由“英伟达芯片（NVIDIA DRIVE Orin系统级芯片，数量可选，如蔚来ET7就搭载了4颗，算力高达1016 TOPS）+传感器套件（包括12颗摄像头、9颗毫米波雷达、12颗超声波传感器和1颗前激光雷达）+OEM自研算法”组成的解决方案，从而满足了车企自主新一代自动驾驶平台的愿望，并能满足软件定义车辆的AI基础架构和车内计算需求。英伟达汽车部门副总裁兼总经理Ali Kani在CES 2022上披露，目前沃尔沃、极星、蔚来、小鹏、理想、飞凡和智己均已成为其客户。
而更富“野心”华为则提出了“全频谱”——即全目标（人、车、障碍物、道路设施、结构等）、全覆盖（360°无死角探测）、全工况（高速、城区、拥堵/事故/施工等）、全天候（无论白天黑夜、雨雪雾、强弱光等）的感知能力，实现万物感知，但当前传感器行业的技术水平距离这些理想化目标显然还有很大差距。
为此，华为打造了大阵列高分辨毫米波雷达（具备极佳的测速能力、极佳的天气和光线鲁棒性，以及非视距被遮挡目标的独特探测能力）、96线中长距车规级高性能激光雷达（已建立第一条年产10万套规模车规级激光雷达的Pilot产线，并推动其成本降低至200美元）、能全天候工作的摄像头（实现从可见光到红外热成像技术的融合）等各类先进传感器并实现了感知能力合一，以支持多维度环境信息融合与重构。除此之外，华为在感知层方面还融合了未来能够覆盖全球的高精地图与组合惯性系统，实现多源高精度定位，在华为AI智能芯片提供的大算力支持下进行城市、高速以及泊车场景下的融合感知，最终实现在复杂路况的自动驾驶功能。
而在打造融合感知算法、规划与控制算法以及仿真模拟训练算法方面，虽然华为没有像英伟达“老黄”那样发布一个“元宇宙”，但也披露将构建交通参与者交互模型，并创造大规模动静态的仿真场景，最终形成一个高保真且丰富的仿真系统。大家是不是很期待？
尽管与华为通过Huawei Inside模式（包含智能驾驶应用软件、计算平台以及传感器在内的智能驾驶全栈解决方案）进行合作的企业较少，但选择MDC平台模式（包含智能驾驶软件生态圈、传感器生态圈、执行器生态圈）与华为“牵手”的企业还是相当广泛，目前已有100多家合作企业，其中20多家企业发布了基于华为MDC平台的多场景解决方案，包括长城沙龙机甲龙等。
写在最后
在《汽车通讯社》看来，之所以目前大部分主机厂采用激光雷达为主的方案，一个重要原因是此方案能够实现较快落地，并可通过多传感器配合实现安全冗余，尤其是在短期内，纯视觉方案基于深度学习的算法尚未达到全路况覆盖、安全性仍存疑的情况下，通过激光雷达、毫米波雷达与摄像头的融合，综合提升自动驾驶的感知精确程度，提高车辆行驶安全性与可靠性，无疑更为务实和稳妥。
——END——
《汽车通讯社》原创文章，未经许可不得转载。对不遵守本声明、恶意使用、不当转载引用《汽车通讯社》原创文章者，保留追究其法律责任的权利。