隨著自動(dòng)駕駛技術(shù)的不斷發(fā)展，純視覺(jué)和激光雷達(dá)（LiDAR）兩種主流環(huán)境感知成為了大家的熱議話題�；�于攝像頭的“純視覺(jué)”方案在成本、分辨率和語(yǔ)義理解方面取得顯著優(yōu)勢(shì)，不少人設(shè)想“移除LiDAR，只用攝像頭+AI”也能實(shí)現(xiàn)可靠感知。但現(xiàn)實(shí)遠(yuǎn)比想象復(fù)雜，為什么純視覺(jué)難以完全替代LiDAR？

首先要知道，攝像頭與LiDAR的工作原理截然不同。攝像頭通過(guò)光學(xué)透鏡和圖像傳感器獲取二維彩色圖像，記錄場(chǎng)景的顏色、紋理和光照等信息。LiDAR則發(fā)射激光脈沖，測(cè)量光脈沖從發(fā)射到接收的飛行時(shí)間（Time-of-Flight），直接計(jì)算出與物體間的距離，生成高精度、三維結(jié)構(gòu)的點(diǎn)云。二者獲取的信息維度和性質(zhì)也不同，攝像頭擅長(zhǎng)提取紋理與語(yǔ)義，但不具備直接的物理深度測(cè)量能力；LiDAR以毫米至厘米級(jí)精度測(cè)距，但缺乏顏色與細(xì)節(jié)紋理信息。

想要實(shí)現(xiàn)三維空間重建，攝像頭需要借助雙目立體視覺(jué)或深度學(xué)習(xí)算法來(lái)推測(cè)深度。雙目視覺(jué)通過(guò)左右攝像頭之間的視差進(jìn)行三角測(cè)量，短距離內(nèi)準(zhǔn)確度尚可，但隨著目標(biāo)距離加大，視差越來(lái)越小，深度誤差迅速放大。此外，紋理稀少的平面、強(qiáng)光直射或陰影區(qū)域，都會(huì)導(dǎo)致特征匹配失敗，使深度誤差進(jìn)一步增大。而基于單目深度估計(jì)的深度學(xué)習(xí)模型雖然在某些公開(kāi)數(shù)據(jù)集上表現(xiàn)不錯(cuò)，但本質(zhì)上依賴(lài)于統(tǒng)計(jì)推斷，一旦訓(xùn)練數(shù)據(jù)與實(shí)際駕駛場(chǎng)景存在分歧，就會(huì)出現(xiàn)誤判；而且單目網(wǎng)絡(luò)只能輸出相對(duì)尺度深度，需要結(jié)合里程計(jì)等其他信息才能還原絕對(duì)距離，這些外部信息自身也會(huì)引入額外誤差。

同時(shí)，攝像頭對(duì)光照條件極其敏感。在夜間、隧道口或迎光行駛時(shí)，圖像容易出現(xiàn)噪點(diǎn)或過(guò)曝，嚴(yán)重影響目標(biāo)檢測(cè)和跟蹤算法的準(zhǔn)確性。即使加裝紅外補(bǔ)光或高感光度傳感器，也會(huì)增加系統(tǒng)成本和功耗。相比之下，LiDAR幾乎不受外界可見(jiàn)光影響，可以在弱光甚至全黑環(huán)境下正常工作，保證夜間的距離測(cè)量精度。再有，惡劣天氣對(duì)攝像頭的影響也尤為顯著，大霧會(huì)散射可見(jiàn)光，使圖像對(duì)比度驟減，輪廓模糊；大雨時(shí)，雨滴附著在鏡頭上會(huì)造成圖像畸變；積雪則可能遮擋車(chē)道線和障礙物。雖然可以用去霧、去雨等圖像恢復(fù)算法在一定程度上緩解問(wèn)題，但要恢復(fù)到無(wú)瑕影響的狀態(tài)，在真實(shí)高速行駛環(huán)境下非常困難。LiDAR在雨雪天氣下也會(huì)受到水滴和雪花的影響，但LiDAR可以通過(guò)多脈沖濾波、強(qiáng)度抑制和硬件優(yōu)化，能在一定程度上濾除雜波并保持測(cè)距穩(wěn)定性。

不可否認(rèn)，攝像頭具有顏色和紋理優(yōu)勢(shì)，可用于像素級(jí)的語(yǔ)義分割、交通標(biāo)志識(shí)別、車(chē)道線檢測(cè)等任務(wù)�；�于深度學(xué)習(xí)的語(yǔ)義分割網(wǎng)絡(luò)，能夠準(zhǔn)確區(qū)分行人、車(chē)輛、建筑物等不同類(lèi)別信息，為自動(dòng)駕駛決策提供豐富上下文。而LiDAR僅提供稀疏點(diǎn)云，缺乏顏色信息，需要通過(guò)點(diǎn)云深度學(xué)習(xí)算法進(jìn)行分類(lèi)和分割，不如圖像直觀，但近年來(lái)，點(diǎn)云深度學(xué)習(xí)技術(shù)取得了顯著進(jìn)展，使LiDAR在語(yǔ)義分割領(lǐng)域性能不斷提升。

現(xiàn)如今，自動(dòng)駕駛系統(tǒng)往往采用多傳感器融合，將LiDAR與攝像頭數(shù)據(jù)進(jìn)行緊耦合，使二者優(yōu)勢(shì)互補(bǔ)。如將點(diǎn)云投影到圖像平面，用深度學(xué)習(xí)網(wǎng)絡(luò)對(duì)圖像進(jìn)行語(yǔ)義分割后，再與LiDAR點(diǎn)云進(jìn)行配準(zhǔn)，可同時(shí)獲得高精度的三維幾何信息與豐富的語(yǔ)義標(biāo)簽。這樣，即便在夜間視線差時(shí)，LiDAR也能補(bǔ)充深度信息；在交通標(biāo)志識(shí)別場(chǎng)景中，攝像頭的彩色高分辨率畫(huà)面更易于識(shí)別標(biāo)志細(xì)節(jié)。若僅憑純視覺(jué)進(jìn)行三維測(cè)距與語(yǔ)義理解，一旦遭遇突發(fā)光照變化或遮擋情況，就可能導(dǎo)致感知系統(tǒng)失靈，進(jìn)而危及行車(chē)安全。

為什么大家會(huì)研究純視覺(jué)，其實(shí)這是從成本方面在考慮，攝像頭價(jià)格僅為幾百至幾千元人民幣，而高精度的多線束LiDAR動(dòng)輒數(shù)萬(wàn)元甚至十幾萬(wàn)元。很多車(chē)企都試圖通過(guò)純視覺(jué)方案降低傳感器成本，但想要滿足自動(dòng)駕駛系統(tǒng)的安全冗余與法規(guī)合規(guī)，就不得不選配更高分辨率、更高靈敏度的工業(yè)級(jí)相機(jī)，或者增加紅外輔助設(shè)備，其成本已經(jīng)接近或超過(guò)低端LiDAR。為了提取和推斷深度信息以及運(yùn)行復(fù)雜的圖像算法，還需要更強(qiáng)大的算力平臺(tái)，使得算力成本和功耗大幅提升。相比之下，LiDAR輸出的點(diǎn)云數(shù)據(jù)本身就是幾何化的物理量，后端處理鏈路相對(duì)簡(jiǎn)單，對(duì)算力需求更低，綜合來(lái)看，LiDAR或許并非想象中那么難以承受。

在可靠性與冗余設(shè)計(jì)上，LiDAR表現(xiàn)也更勝一籌。知名LiDAR廠商如Velodyne、Innoviz、Ouster等，通過(guò)不斷優(yōu)化硬件與散熱結(jié)構(gòu)，使設(shè)備在高溫、低溫、震動(dòng)、雨雪等惡劣環(huán)境下保持穩(wěn)定性能。攝像頭在極端溫度或劇烈顛簸時(shí)，鏡頭可能出現(xiàn)對(duì)焦漂移、圖像模糊或傳感器噪聲，影響圖像質(zhì)量與算法輸出。一旦攝像頭失效或性能大幅下降，就需依賴(lài)其他傳感器保證冗余，而最可靠的備份傳感器正是LiDAR。若放棄LiDAR，僅靠攝像頭與毫米波雷達(dá)的組合，在探測(cè)遠(yuǎn)距離小目標(biāo)（如行人、騎行者）時(shí)依舊存在盲區(qū)；毫米波雷達(dá)分辨率較低，無(wú)法準(zhǔn)確區(qū)分近距離障礙物的精細(xì)輪廓，更談不上生成高精度三維地圖。

在高精度地圖構(gòu)建與實(shí)時(shí)定位方面，LiDAR也具備顯著優(yōu)勢(shì)。稠密的三維點(diǎn)云可直接用于構(gòu)建高精度地圖，記錄道路兩側(cè)護(hù)欄、路緣、建筑物等靜態(tài)環(huán)境特征，為車(chē)輛定位提供可靠參考。視覺(jué)SLAM（同時(shí)定位與地圖構(gòu)建）技術(shù)不斷進(jìn)步，但在光照變化劇烈、重復(fù)紋理或者弱光場(chǎng)景時(shí)，特征點(diǎn)提取與跟蹤易失敗，導(dǎo)致定位漂移。LiDAR SLAM則基于高精度距離測(cè)量，即使在夜間或灰暗環(huán)境下也能穩(wěn)定定位，整體魯棒性更高。要想用純視覺(jué)方案構(gòu)建與LiDAR相媲美的高精度地圖，必須投入海量標(biāo)定、手動(dòng)修正和算法開(kāi)發(fā)，成本與復(fù)雜度極大增加。

當(dāng)然，在部分如倉(cāng)庫(kù)自動(dòng)搬運(yùn)、校園巡檢或低速Robotaxi低速、場(chǎng)景可控的應(yīng)用中，純視覺(jué)方案結(jié)合毫米波雷達(dá)或超聲波傳感器，也能實(shí)現(xiàn)較為穩(wěn)健的感知效果且成本較低。但一旦涉及高速公路、高密度城市道路或多變天氣場(chǎng)景，僅靠攝像頭就難以確保足夠的安全。LiDAR提供的高精度、高幀率三維點(diǎn)云，能夠降低測(cè)速測(cè)距誤差，給系統(tǒng)留出更寬裕的反應(yīng)時(shí)間，顯著提高行駛安全性。

隨著技術(shù)發(fā)展，LiDAR正朝著更小型化、低成本、高精度方向快速迭代。固態(tài)LiDAR（Static LiDAR）通過(guò)硅光子或MEMS微鏡實(shí)現(xiàn)無(wú)需機(jī)械旋轉(zhuǎn)的光束掃描，成本與尺寸不斷下降，可靠性日益提高。隨著生產(chǎn)規(guī)模擴(kuò)大，LiDAR價(jià)格有望逐漸逼近平民價(jià)位，使其與攝像頭在成本上的差距進(jìn)一步縮小。而想要讓純視覺(jué)在所有行駛場(chǎng)景下達(dá)到LiDAR級(jí)別的測(cè)距與魯棒性能，需要在算法和硬件層面實(shí)現(xiàn)跨越式突破，短期內(nèi)難以實(shí)現(xiàn)。

從算法角度考慮，深度學(xué)習(xí)可以通過(guò)海量數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)提取圖像特征，并基于視覺(jué)內(nèi)容進(jìn)行深度推斷，但這始終是一種經(jīng)驗(yàn)性感知，缺乏物理測(cè)量的可解釋性與確定性。一旦遇到如某條陌生道路、特殊建筑物外觀、不同天氣條件下的新型障礙物訓(xùn)練數(shù)據(jù)覆蓋不到的場(chǎng)景，純視覺(jué)系統(tǒng)就可能發(fā)生盲區(qū)或誤判。LiDAR輸出的點(diǎn)云代表真實(shí)的幾何距離，噪聲與誤差可以在濾波階段進(jìn)行定量處理，可解釋性更強(qiáng)，能為決策模塊提供更穩(wěn)定的輸入。

對(duì)于很多消費(fèi)者來(lái)說(shuō)，LiDAR的存在證明該自動(dòng)駕駛汽車(chē)更加安全。當(dāng)用戶看到車(chē)頂或車(chē)窗旁安裝著LiDAR時(shí)，更容易相信車(chē)輛的感知能力。純視覺(jué)方案盡管在演示中表現(xiàn)良好，但用戶對(duì)“僅靠相機(jī)來(lái)測(cè)距”的擔(dān)憂依然存在。在短期商業(yè)化推廣中，LiDAR不僅是技術(shù)選型，更是品牌與安全承諾的象征。

綜上所述，盡管純視覺(jué)感知技術(shù)在目標(biāo)檢測(cè)、語(yǔ)義分割和深度估計(jì)等方面取得了顯著進(jìn)展，并且在成本層面具備一定優(yōu)勢(shì)，但由于其先天無(wú)法獲得高精度物理距離、對(duì)光照和天氣條件敏感、算法對(duì)算力依賴(lài)高以及可解釋性不足等多重局限，純視覺(jué)難以完全取代LiDAR。LiDAR憑借高精度、高魯棒性和良好環(huán)境適應(yīng)性，依舊是自動(dòng)駕駛感知系統(tǒng)中的核心傳感器。未來(lái)的最優(yōu)方案，仍是通過(guò)攝像頭與LiDAR、毫米波雷達(dá)等多種傳感器的跨模態(tài)融合，構(gòu)建多冗余、多維度的全場(chǎng)景感知體系，為自動(dòng)駕駛提供更高水平的安全保障與智能駕駛體驗(yàn)。

-- END --

       原文標(biāo)題 : 自動(dòng)駕駛中純視覺(jué)替代不了激光雷達(dá)？