攝像頭or激光雷達,到底誰能更快撐起自動駕駛量產

如果某家公司推出了完全自動駕駛汽車,并告訴你出事故概率在萬分之一,你敢放心乘坐嗎?可能很多人的答案是否定的。但事實上,每個人都曾面臨過這個問題,而且都放心地上了車。我指的是出租車,一定意義上來講,我們經常會乘坐的出租車和自動駕駛汽車有很大的相似性,都是將駕駛權交給他人,以及都存在發生事故的可能性。

這似乎可以理解為,如果將自動駕駛的出錯概率控制到和一個出租車司機同等水平,就意味著自動駕駛可以被人們所接受。假如能夠在100萬臺車上安裝攝像頭,憑借這個規模下采集到的海量數據來訓練人工智能,將自動駕駛的出錯概率控制到比出租車司機還低,將是大概率事件。隨著特斯拉銷量的不斷攀升,100萬輛搭載攝像頭的汽車上路采集數據將很快實現,這讓我們看到了實現高級別自動駕駛的可能性,也看到了相較于谷歌的激光雷達方案,以攝像頭為主的多傳感器融合方案或更容易實現量產。

2013年,特斯拉與谷歌的自動駕駛合作宣告破產,馬斯克推翻了谷歌搭載激光雷達的自動駕駛解決方案。自此特斯拉開始內部組建自己的Ap團隊,押寶以計算機視覺為主的多傳感器融合方案。與此同時,谷歌也通過Waymo繼續依靠激光雷達,研發直接面向L4的自動駕駛解決方案。自從實現高級別自動駕駛的兩種技術路線開始形成,而圍繞“高級別自動駕駛到底需不需要激光雷達?特斯拉和谷歌Waymo到底誰才是自動駕駛的行業第一”的爭議聲,也從未停息。

如果100萬輛搭載攝像頭的汽車,收集的數據真的足夠使自動駕駛的出錯率低于人類,那毫無疑問,計算機視覺為主的多傳感器融合方案,已在這場自動駕駛競賽中取得暫時領先。國內也有多家自動駕駛企業,將計算機視覺作為實現自動駕駛的突破口,這其中就包括由特斯拉前計算機視覺高級工程師徐雷博士創建的紐勱科技。

紐勱科技也致力于研發不使用激光雷達,不依靠高精地圖,低成本可量產的自動駕駛方案。作為計算機視覺領域的專家,徐雷和他的團隊主要依靠自身在軟件方面的技術優勢,搭建基于各種主流計算芯片的自動駕駛模型,為整車廠提供可快速部署的自動駕駛解決方案。

相對于激光雷達+高精地圖的方案,計算機視覺方案邏輯上更像人類駕駛過程。攝像頭就如同人的眼鏡,計算芯片就如同人的大腦,為了給“大腦”提供可供決策的視覺信息,攝像頭需要克服不利環境對攝像頭的干擾。和我們的眼睛一樣,攝像頭會被強光“致盲”,也會“迷失”在黑夜里。但對自動駕駛汽車而言,這種場景會頻繁發生,例如過隧道、遇到“遠光狗”、逆光行駛等,為了保障安全,就必須保證攝像頭在各種惡劣環境下都能輸出清晰的畫面。紐勱科技的做法是,通過圖像ISP技術,配合攝像頭參數調優,來保障攝像頭能夠不被環境所干擾。

其次是多傳感器的融合。對人類而言,也會需要“多傳感器融合”,例如你看到一朵花,但無法判斷是真花還是塑料花,就需要用鼻子嗅一下,最終判斷出它是什么。自動駕駛汽車一般搭載多個傳感器,以紐勱科技的“經濟配置”自動駕駛解決方案為例,就用到了5個攝像頭,5個毫米波雷達,12個超聲波雷達,以及GPS加慣性導航系統,需要對多個傳感器報告上來的信息進行融合處理。

我們可以將自動駕駛,理解為教一個新手玩賽車游戲,我們想辦法為他提供一個上帝視角的行駛畫面,再通過各種不同的道路環境,訓練它該如何正確地處理信息。隨著訓練的地圖越來越豐富,他也能夠從新手變成游戲大神。通過對人工智能的不斷訓練,計算芯片已經能夠從攝像頭提供的圖像信息中,較為準確地分割出路面、車道線、汽車等物體,并在多種場景下做出正確的判斷。隨著訓練量的提升,計算芯片也將會進一步具備思考及預判的能力,終有一天,自動駕駛也會從小白成為大神。?

ChinaIT.com 網站文章僅限于提供更多信息,不代表本網站立場觀點。如需轉載,請注明來源 。轉載之文章來源于互聯網,如有版權問題,請與我們聯系。

下載 ChinaIT.com APP,隨時掌握最新IT資訊