芯智駕──集萃產學研企名家觀點，全面剖析AI晶片、第三代半導體等在汽車“大變形”時代的機會與挑戰！
集微網訊息，目前自動駕駛方案主要有兩條路線，一是多感測器融合方案，被眾多主機廠廣泛認可並推動；二是以視覺為主的技術路線，特斯拉是該路線的堅定推動者。
近日，特斯拉多次延遲推出的純視覺版FSD Beta V 9。0終於面世，繼拋棄鐳射雷達後，新版本系統連毫米波雷達也放棄了，業內指出，特斯拉的純視覺自動駕駛系統過於激進。不巧的是，FSD Beta V9。0剛推出，特斯拉就因近年發生多起自動駕駛車輛事故，於8月16日再次被美國全國高速公路交通安全委員會（NHTSA）發起調查。
而基於視覺的自動駕駛安全性與可靠性，也再次被行業發出靈魂拷問。
視覺技術短板凸顯
隨著深度學習等人工智慧技術的成熟，視覺技術在車載領域的應用，已經從監控發展到360°環視再到目前的自動駕駛應用，併成為三大感知技術之一。與鐳射雷達、毫米波雷達、超聲波雷達、紅外等技術方案不同，視覺技術透過攝像頭來感知環境並獲取資訊，是一種模擬人眼的仿生方案。
相比其他方案，視覺技術的優勢凸顯，可以直接感知場景視野範圍內的人、車、物的形態、動作、色彩等資訊，場景內物體一目瞭然，結合人工智慧演算法，即可提取關鍵資訊，為自動駕駛策略提供關鍵資料。受到了部分自動駕駛企業的推崇，尤其是特斯拉，將視覺技術發展為自動駕駛技術的最佳乃至唯一的實現方案。
但在一位機器視覺專家看來，以視覺技術為主要手段實現自動駕駛，還有很多的路要走，從成像效果來看，他認為視覺技術還要解決四大問題。
首先是成像質量問題。視覺技術天然存在色彩偏差，無法做到百分百色彩還原；寬動態效能還達不到人眼的效果；光線變化下的重新聚焦速度有延遲，這對自動駕駛來說是不能滿足需求的。
其次是低照度成像難問題。視覺成像是被動感知技術，必須有光才能成像，在夜間、地下室、隧道等照度不足的地方，攝像機成像質量很難保證，照度越低，畫面質量越差。雖然目前人們推出了星光級成像技術，但對要求百分百安全的自動駕駛來說，目前的低照度成像技術無法滿足要求。
三是抗干擾能力弱。視覺成像技術極易受到強光、雨、雪、霧霾等環境的干擾，如霧霾或大霧天氣，攝像機成像距離大幅受限制，成像也不清晰；再如對向來車的強光干擾，畫面將會出現大面積光斑。針對各種異常場景，雖然目前提供有部分技術可以一定程度降低環境干擾，但要犧牲一部分影象資訊，如光學透霧，視距可得到一定程度提升，但要丟失色彩資訊，而且畫面效果並不能滿足自動駕駛需求。
第四個則是演算法問題。人工智慧技術的引入，確實解決了影象識別智慧化的問題，但目前的演算法並不能百分百識別，如交通應用中，AI演算法經常把藍色車識別為白色車，且錯識率可高達20%；又如十字路口的紅綠燈，當旁邊掛有燈籠時，攝像機容易識別出錯；或是路邊的人像廣告，也會被識別為行人等；“要做到自動駕駛，目前的AI演算法很難滿足複雜場景的識別要求。”該機器視覺專家表示。
即便視覺技術存在不少有待突破的技術瓶頸，但我們還是看到，目前的所有自動駕駛方案中，機器視覺都是必不可少的技術之一。“相比其他感知技術，視覺技術要成熟很多，重要的是，視覺技術的上車成本很低，相比鐳射雷達動輒上萬元，甚至十數萬元的成本，攝像頭硬體成本可低至幾十塊錢，對主機廠非常具有吸引力。”如上專家表示。
一位自動駕駛領域行業人士也證實了這一點：“目前來看，主機廠可接受的自動駕駛方案價格理想範圍為2000-4000元/套，超出這一範圍，很難把產品推向主機廠；而視覺技術可以大大降低成本，更易於推廣。”
大感知融合仍是未來主流方向
事實上，視覺技術在自動駕駛應用中，還有一項重要的應用，即測距，主流方案有單目測距、雙目測距和三目測距。在動態場景下，單目測距沒有可參照標定，測距精準度差，通常只能作為360°環視或車內監控使用；三目測距又因演算法複雜；市面上主要選用雙目測距方案。
大疆車載一份技術檔案顯示，如果場景複雜、干擾因素多、成像出現困難，將會對視覺測距精度產生重要影響，而且，雙目深度的誤差是與距離的平方成正比，探測距離越遠，誤差也越大。
視覺技術雖然存在短板，但其優勢也很明顯，在光照良好的高速公路等駕駛場景下，透過視覺技術是可以實現一定程度的自動駕駛功能，如跟車行駛、自適應巡航控制等。一位業內人士表示：“目前的自動駕駛方案，還不能解決各種場景問題，而我們要做，並不是一開始就著手全場景應用，而是從最易於實現的場景開始，優先解決理想條件下的自動駕駛應用，然後才逐個解決黑夜、多人/多車等其他場景的應用問題。”
當然，基於視覺技術的自動駕駛方案，需要有強大的演算法和算力支撐；而國內的自動駕駛解決方案提供商，還在不斷匹配各種算力方案。如上業內人士在介紹其基於視覺技術的自動駕駛方案時表示，為了獲得更好的效果，演示時採用英偉達的高算力晶片；但實際的上車方案，可能會選擇價效比更高的平臺。該人士同時指出，高算力平臺方案意味著高成本，為了實現軟硬體的最佳匹配，他們一直在不斷地除錯、最佳化方案。而特斯拉堅定採用視覺技術路線，與其強大的演算法和自研的自動駕駛晶片分不開。
不過，單純的視覺方案，並不被業界主流觀點所認可，自從特斯拉推出純視覺版自動駕駛系統FSD Beta V9。0後，業內人士質疑之聲更加強烈，因為在雨雪、霧霾等惡劣條件下，基於視覺技術的自動駕駛功能將大幅受限，放棄成本不高但可解決干擾問題的毫米波雷達，被認為是一種得不償失的激進選擇。
實際上，包括卡內基梅隆大學電氣與計算機工程教授Phil Koopman等業內人士認為，特斯拉基於視覺的自動駕駛技術只能達到L2級標準，仍嚴重依賴於駕駛員操控。在業內激烈的質疑聲中，特斯拉近期確認，FSD目前啟用的功能並不能讓汽車實現自動駕駛，仍需要駕駛員高度干預，即便汽車自主控制情況下，駕駛員也要做好隨時接管汽車的準備。
當然，視覺技術的短板，可以透過毫米波雷達、鐳射雷達等其他技術手段來彌補，如精準測距，可透過鐳射雷達來補足；全天候工作，則是毫米波雷達的強項，“在我們看來，單純透過視覺技術來實現自動駕駛很難實現；經過這麼多年的探索，大感知融合的技術方案，已經成為行業普遍共識。”來自大疆車載的一位人士表示。
目前最經濟的方案是，採用視覺技術與毫米波雷達技術融合，解決全天候的應用問題，可滿足L2、L3級自動駕駛應用。據瞭解，大疆車載與上汽五菱合作的自動駕駛，正是採用多感知融合方案。Phil Koopman分析認為，未來特斯拉如果要實現L4級及以上更高級別的自動駕駛功能，仍需要包括攝像頭、鐳射雷達在內的多感知融合手段。（校對/James）
