摄像头、激光雷达和毫米波雷达哪个才是??

不管是摄像头、毫米波雷达还是激光雷达，都只是智能驾驶中负责“感知”的部分，多是需要通过“卡尔曼滤波器”进行融合的。“融合”的目的从根本上说就是提高“感知”的准确率。所以从技术上说，感知元件当然是多多益善，越多判断的当然也就越准。然而，智能驾驶终归是要给用户用的，也不能完全只讲技术，还需要平衡很多作为“商品”的因素。

智能驾驶の发展方向_深度学习

卡尔曼滤波器示意，说到底就是提高感知的准确程度看谁更值得发展，主要看谁的优势是不可替代的，而改掉他的劣势代价又相对小。个人认为摄像头的潜力可能会大一些。

#摄像头

先说摄像头，主要是两个优势：

  • 首先，它可以提供高分辨率的图像，捕捉到道路上的细节，如交通标志、行人、车辆等，使得视觉信息更加丰富。
  • 其次，与激光雷达和毫米波雷达相比，摄像头的制造和安装成本较低，这使得摄像头在自动驾驶技术中更具有竞争力。

总结一下就是：信息大、成本低

智能驾驶の发展方向_高精度_02

视觉可以检测到车道线，这是另外二者不可以获得的而摄像头的劣势也很明显，都是围绕“信息”来的：

  • 一是信息量受环境影响很大，强光、弱光等特殊环境下可能受到影响，导致图像质量下降；
  • 二是距离信息是有限的，摄像头的测距能力相对较弱，难以准确测量物体与车辆的距离；
  • 三是信息识别比较难，有些信息有用，有些信息没用，尤其是复杂的交通场景中，摄像头可能难以准确识别和处理各种情况。

简单说就是：信息获取本来就不太稳定，准确识别还有点难度。

#激光雷达

激光雷达的优劣势基本就是正好和摄像头的反过来来的。

优势方面：

  • 激光雷达具有高精度的距离测量能力，可以提供精确的空间信息；
  • 而且不怎么受天气影响，无论在何种环境条件下都能工作，并且适用于对速度和反应时间要求较高的应用场景。

劣势方面：

  • 最显著的就是贵，限制了其在大规模应用中的普及程度，规模效应上不来，成本也就下不来；
  • 还有就是和摄像头一样，有的没的信息太多，数据处理起来比较困难；
  • 另外就是激光雷达的数据是点云，提供不了“速度”信息。

智能驾驶の发展方向_高精度_03

#毫米波雷达

毫米波雷达最大的优势就是能提供速度信息，此外也和激光雷达一样，全天候、全天时都能用；另外，毫米波雷达其实很早就在车上用了，技术算是比较成熟吧，价格也没有激光雷达贵。

智能驾驶の发展方向_高精度_04

奔驰格栅上莫名其妙封起来一块的地方一般就是毫米波雷达了

不过，技术成熟也有两面性，因为上车比较早，那个时候深度学习之类的技术还没那么火，因此目前很多毫米波雷达的数据处理都是在雷达内部实现，依赖算力较低的MCU，无法实现目前深度学习可以达到的感知性能。

误检问题也比较突出，包括各类杂波、多径反射、无法判别高度的目标等。之前爆出的一些事故很多也都和毫米波雷达的误检有关（比如不能识别静止物体）。

#技术上三者互补，但视觉不可替代

通过上面的对比可以发现，每个感知元件都有独特的优势，摄像头信息量大，能识别交通信号标识等；激光雷达不受天气影响，能提供高精度的距离，而毫米波雷达能提供速度信息。

这不正好是咱开车最重要的信息么，所以技术上说，这三兄弟和唐僧三徒弟一样是缺一不可。

但落实成商品，我个人感觉还是摄像头的潜力大一些。

而且摄像头本身的感光技术也可以提升，深度学习这些“新”技术，也能让识别精度提高好几个级别。另外，摄像头也不只汽车行业用，摄影摄像就不说了，机器人啊之类的产业也要用，研究的人也就多了，众人拾柴火焰高嘛，技术进步或突破的速度可能也快一些。

另外，视觉能感知到的车道线、交通标识等的能力是不可替代的，视觉相关的算法也更容易被主机厂掌控（毕竟毫米波雷达和激光雷达硬件都是供应商的，另外打包卖算法也是有可能的），所以对主机厂来说，深入研究视觉路线总没什么坏处。

当然了，也不是说毫米波雷达和激光雷达就不需要了（毕竟像特斯拉这么激进的还是少的），只是他们进步的方向主要是提高精度、降低成本，这种物理极限的突破难度高一些吧，供应商的投入可能会大一些吧。