近日，特斯拉AI高級總監(jiān)Andrej Karpathy在機器學習會議上透漏也在做一些 pseudo－LiDAR 技術(shù)研究，他認為虛擬激光雷達與真實激光雷達的差距越來越小了。
       pseudo－LiDAR

最早提出“偽激光雷達”數(shù)據(jù)（pseudo－LiDAR）這個概念的論文，要追溯到2018年一篇來自康奈爾大學的技術(shù)論文，作者 Yan Wang 與 Wei－Lun Chao 均為華人，該論文提出了一種新方法來縮短純視覺技術(shù)架構(gòu)與激光雷達間的性能差距。

該論文通過改變立體攝像機目標檢測系統(tǒng)的 3D 信息呈現(xiàn)形式，將基于圖像的立體視覺數(shù)據(jù)轉(zhuǎn)換為類似激光雷達生成的3D點云，通過數(shù)據(jù)轉(zhuǎn)換切換成最終的視圖格式。盡管在實驗效果上，視覺還無法與激光雷達媲美，但這種新的低成本方法為視覺方案提供了一種思路。

在那之后的兩年前，康奈爾大學等又陸續(xù)發(fā)表了基本該方法的視覺深度估計、目標識別，3D Packing等論文。有研究者發(fā)現(xiàn)，采用其新方法之后，該攝像機在目標檢測方面的性能接近激光雷達，且其成本僅為后者的一小部分。以鳥瞰圖而不是正視圖來分析攝像機捕捉到的圖像，可以將目標檢測準確率提升 2 倍，從而使立體攝像機成為激光雷達的可行替代方案，且其成本相比后者要低很多。

特斯拉也在做類似研究

馬斯克對激光雷達的態(tài)度是不言而喻的，他認為依賴激光雷達就像行走依賴拐杖一樣。而近日，特斯拉AI高級總監(jiān)Andrej Karpathy 于今年舉行的機器學習大會透露特斯拉也在做一些“偽激光雷達”的研究。

在此過程中，他分享了特斯拉僅用少數(shù)幾個攝像頭即可達到傳統(tǒng)激光雷達精度的方法的具體案例。特斯拉不斷發(fā)展的解決方案中的秘訣不是攝像頭本身，而是攝像頭所構(gòu)建的先進處理和神經(jīng)網(wǎng)絡，可以充分理解輸入的范圍和質(zhì)量。通過不同方向的攝像頭進行拼接，視覺深度估計，再投影到鳥瞰圖，作為局部導航地圖使用。同時，將畫面的每個像素都進行深度估計，就像激光雷達點云一樣，形成3D目標檢測。

特斯拉基于攝像頭的方法便宜得多，并且在硬件方面更容易實現(xiàn)，但是需要極其復雜的算法才能將原始攝像頭輸入和車輛遠程信息處理轉(zhuǎn)換有用的信息。