专栏算法工具链激光雷达取代不了视觉

激光雷达取代不了视觉

巴山夜雨2025-11-05
28
1

小鹏汽车自动驾驶产品高级总监袁婷婷老师,最近在微博发表了2篇涉及激光雷达应用的文章,在业内引起了广泛的讨论,本文也做一些探讨。

图片

2025年5月8日,发表《小鹏的物理世界基座大模型,和行业现有的自动驾驶模型有什么区别?》:

图片

原文:https://weibo.com/ttarticle/p/show?id=2309405164053256339668

 

2025年5月16日,发表《关于模型参数、蒸馏、模态和激光雷达》:

图片

原文:https://weibo.com/ttarticle/p/show?id=2309405166942834262152

 

01

主要观点

在袁婷婷老师的原文中,和激光雷达相关的观点截图如下:

图片

图片来源:https://weibo.com/ttarticle/p/show?id=2309405166942834262152

图片图片
图片

图片来源:https://weibo.com/ttarticle/p/show?id=2309405166942834262152

图片

图片来源:https://weibo.com/ttarticle/p/show?id=2309405164053256339668

 

02

讨论的前提

笔者在2025年4月29日,曾经写过雪岭 · 为什么不建议你买一台“纯视觉”的智能驾驶汽车,来探讨感知方案。

 

先明确一下讨论的前提:

我们并不是讨论激光雷达能不能取代视觉。事实上,视觉是目前智能驾驶系统感知的绝对主力(除了一些特殊场景),激光雷达在很多方面是远不如视觉的,激光雷达肯定取代不了视觉。即便是使用激光雷达的智能驾驶系统,感知也是主要依赖视觉,激光雷达只是起到补充作用。

我们讨论的是,我们需不需要在自动驾驶系统中仅使用视觉,不使用除了视觉之外其他任何感知单元,就可以保证系统足够的安全和性能。

 

其实这个逻辑很简单:

智能驾驶系统的最重要的需求是安全和性能,如果目前视觉技术已经可以解决一切感知问题,那就用纯视觉。如果答案是否定的,肯定要考虑同时使用其他传感器。

对于视觉的弱势场景,业内早已讨论过很多。

没有传感器是绝对完美的,每种传感器都有其优势场景和弱势场景。多传感器融合的策略,能够最大化的弥补各自劣势,减少Corner Case,提升自动驾驶的整体安全性。

 

03

浅析

下面就袁婷婷老师的一些观点做一些粗浅的分析,个人观点,未必准确,供大家参考。

1)激光雷达分辨率低

袁婷婷老师观点:激光雷达在远距离的分辨力远低于高像素摄像头(例如800万),检测远距离目标最好的传感器不是激光雷达,而是高分辨率摄像头。

 

雪岭浅见:

没错,激光雷达的分辨率远低于摄像头,目前市面主流激光雷达的分辨率如下:

图片

激光雷达不仅分辨率低于摄像头,并且还没有RGB信息,只有深度信息(FMCW激光雷达还有速度信息)。

激光雷达和摄像头的测量原理和感知器件差别巨大,目标识别和分类本来就是摄像头的长处,所以这类任务当然就应该主要采用摄像头来做,而不是激光雷达,这不是激光雷达的优势场景。

 

2)激光雷达有多径效应

袁婷婷老师观点:激光雷达存在多径效应,会有误报或者漏报。

 

雪岭浅见:

激光雷达不仅有多径效应,还会有高反碰撞、阳光干扰等问题。
例如笔者之前写过的一篇文章:《雪岭 · 激光雷达常见点云异常场景分析》

没有传感器是完美的,任何传感器都有误识别和漏识别,摄像头同样也有其弱势场景,例如将电线杆识别为行人,无法区分前景和背景等等。

前一段时间在YouTube上有一个爆火的测评视频《你能骗过一辆自动驾驶汽车吗?》,由美国国家航空航天局(NASA)前工程师Mark Rober拍摄,到目前已获得2千万人围观。
视频中,Rober分别针对强光、大雾、道路中突然出现儿童等极端场景,设计了6个测试项目,让带有美国Luminar激光雷达的车辆和特斯拉一同测试。
图片

 

3)激光雷达帧率低

袁婷婷老师观点:激光雷达的帧率低,低帧率会让远距离且高速移动物体的识别误差进一步加剧。

 

雪岭浅见:

10Hz的更新频率在绝大多数的场景已经足够,并且已经有激光雷达可以做到20Hz,未来Flash激光雷达的帧率会进一步提升,帧率和视觉区别不会不大。

 

4)激光雷达帧率低

袁婷婷老师观点:激光雷达对于天气状况非常敏感,穿透雨雾主要依靠的是毫米波雷达。

 

雪岭浅见:

没错。激光雷达、毫米波雷达、摄像头所使用的波长不同,示意图如下:

图片

图片来源:网络,后处理:雪岭飞花

每种传感器检测原理不同,检测特性有很大的区别,有各自的优势和弱势场景:

图片

对天气适应性最好的是毫米波雷达,因此正是因为这一点,才需要多传感器融合,用于相互弥补其他传感器的不足。

 

5)激光雷达占用感知算力

袁婷婷老师观点:去激光雷达后节约了20%的感知算力,这部分节省的算力可以提升视觉感知模型的容量、参数量和推理的频率。计算简化,让端到端的延时大幅降低,视觉的响应速度是激光雷达的近2倍,意味着响应时间几乎减半,能够明显提升整车的安全性和流畅性;综合大模型的能力和车端算力,我们的视觉信息处理帧率,可以达到业界主流激光雷达的处理帧率的12 倍,能够大幅度提高城市辅助驾驶的安全级别。

 

雪岭浅见:

还是之前的信息,视觉处理帧率高于激光雷达,这个没问题,帧率越高当然应对能力越好。

问题的关键还是,去掉激光雷达之后,视觉在感知层的弱项将很难被完全弥补,甚至可能需要视觉花费更多的额外算法(有些硬件缺陷无法通过软件来弥补)。

另外,随着端到端架构的深入,所有感知信息会直接送到大模型做编码,算力的开销未来主要来自于大模型本身,因此,增加激光雷达带来的额外感知算力将非常有限。

 

6)小鹏AI摄像头性能更强

袁婷婷老师观点:小鹏汽车的AI摄像头(鹰眼视觉),结合Lofic技术,看的比人类远,在夜间、大逆光、雨雪天等看的比人眼更清楚。

 

雪岭浅见:

LOFIC在消费类电子上早有应用,该技术工艺复杂、面积大、成本高,而且从手机(荣耀Magic6至臻版)的商用结果来看,并没有展现出如官方宣传般的动态范围提升效果。

图片

图片来源:义真科技《一文看懂索尼、三星和豪威的各种单曝光HDR技术》https://mp.weixin.qq.com/s/2jxKnscFzDi6YwWZ6xwMFg

当然非常期待该技术在汽车上的应用,如果确实被证明有效,笔者相信肯定会有更多厂家采用。

图片

图片来源:小鹏汽车

 

 

04

结语

禾赛曾说激光雷达的功能就像是“隐形气囊”:

图片

笔者觉得这个比喻对于激光雷达的价值没有完全展现。

安全气囊是被动安全件,是在事故已经发生了之后,保护驾乘人员安全的最后屏障。而激光雷达更应该是一个“主动安全件”,其目的不是为了事故发生后保护驾乘人员,而是从一开始就避免事故本身的发生。

 

还是引用理想的观点,安全是包括特斯拉在内所有汽车行业从业者的一致追求。

图片

小鹏也并非“纯视觉”方案,在小鹏的感知系统中还有3颗毫米波雷达和12颗超声波雷达。可以看出,小鹏对于安全也同样非常重视,肯定有自己独特的思考和实践。

 

最后非常期待,对于安全性要求更高的L3和L4系统,小鹏会使用激光雷达吗?

 

 

 

文章转载自公众号:雪岭飞花

原文链接:https://mp.weixin.qq.com/s/4sw40nJVfTeh00IW_Ar1LA

算法工具链
技术深度解析前沿技术
评论1
0/1000
  • DR_KAN
    Lv.4

    G6车主路过

    2025-11-10
    0
    0