自動駕駛參數分析
實現更高級別的自動駕駛能力，主要取決于智能駕駛模塊的三個重要環節：環境感知—計算決策—控制執行，分別對應于人的“眼睛-大腦-神經”。后兩者暫且按下不表，只單論市面上幾種主流的視覺識別方案，行業的分歧在于——攝像頭，毫米波雷達，超聲波雷達，激光雷達。
攝像頭，毫米波雷達，超聲波雷達，激光雷達，作為目前自動駕駛領域最為常用的4種自動駕駛傳感器方案，其在探測距離、分辨率、角分辨率等探測參數各異，對應于物體探測能力、識別分類能力、三維建模、抗惡劣天氣等特性各有優劣。值得注意的是，這四種傳感器方案具體到車規應用上，并不是互相割裂、各自為政的，而是取長補短、互為補充的。
本文參考：https://www.zhihu.com/question/267204565/answer/2228110340

四種主流自動駕駛探測傳感器對比
目前主流自動駕駛廠商在對于自動傳感器的選擇上基本分為兩種不同路徑：一種是由攝像頭主導、配合毫米波雷達等低成本組成元件構成的純視覺計算，典型代表為特斯拉、Mobileye；另一種是由激光雷達主導，配合攝像頭、毫米波雷達等元件組成，典型代表為谷歌Waymo、國內的百度Apollo、Pony. AI等。
做一個簡單的類比，視覺方案模仿的是“人眼”，主要是靠看，相當于一個二維的照相機；雷達方案模仿的是蝙蝠，是立體的“掃”，相當于一個三維的掃描儀。
目前看來，以攝像頭和毫米波雷達為主的視覺派，在L2級別的自動駕駛技術級別已發展的相當成熟，算法層面經過不斷優化也有了長足進步，特斯拉就是此中的佼佼者。然而，攝像頭拍下來的畢竟是二維圖像，相比三維不僅更難識別挖掘，也需要更強大的算法、大量數據的訓練以及更長期的研發投入，并且存在精度、穩定性和視野等方面的缺陷，暫時無法達到L3級以上的自動駕駛要求。

各傳感器性能比較
想要通往更高級別的自動駕駛能力，業界主流觀點認為：激光雷達才是發展完全自動駕駛技術的核心硬件。
與以攝像頭為主傳感器的自動駕駛方案“輕感知、重計算”相比，以激光雷達為主傳感器自動駕駛方案的最明顯的特征是“重感知、輕計算”。通過在車上堆疊激光雷達從而大幅提升對駕駛路況和環境的感知能力，是加快L4級別及以上的自動駕駛能力商業化的必要條件。
Google自動駕駛咨詢顧問Brad Templeton曾一針見血地指出，“做到99%的準確度對于車輛駕駛而言并不夠，我們需要的是99.99999%的準確。激光雷達就是小數點后幾位的最強保障?！?br /> 目前來看，激光雷達是否先進，在學術領域基本不存在爭議。學術領域內的原則是，一個方案如果能提供更多、更準確的數據，那就是更好的方案。
多家自動駕駛科技公司有一個共識：激光雷達上車的上半場已完成了從0到1的驗證，但下半場從1到N還需要經歷具體的商業實踐。即激光雷達從實驗層面已達成了小規模的落地，證明其技術是可行的；接下來的大規模量產落地，才是檢驗其商業化是否成功的唯一標準。

部分車型激光雷達搭載情況
進入2021年以來，主流造車新勢力均在激光雷達方案的商業落地中提速。小鵬P5、蔚來ET7、智己L7、WEY摩卡、極狐?阿爾法S、寶馬iX等均宣布將在新車上搭載激光雷達（如上圖），傳統車企里，奧迪、日產、豐田等也宣布將上車激光雷達，但目前還未公布具體時間。
隨著自動駕駛大規模的商業化進程，激光雷達也將在經歷了漫長的從0到1過程后，迎來綻放契機。但在這從1到N的短暫中場時間，核心技術路線的選擇目前仍是擺在產業落地面前的一道難題。
技術路線的“三重門”
由于激光雷達實現功能過程中所需元器件可選種類較多且原理均有不同程度差異，因此主流分類方式多元，技術路徑差異較大，激光雷達企業采用不同的技術路線參與競爭。根據結構，目前激光雷達大致可以分為三種：機械式、半固態式和固態式，可以說是分別對應著測試版、市場版和高配版三種技術路線。

激光雷達結構分類圖
機械式激光雷達當前最為成熟，主要是通過機械旋轉360°掃描的方式收集信息，轉速越快，收集信息越多。但因為機械部件太多，導致體積較大、裝配復雜、生產周期長，且在真實路況中較易損壞，裝車成本較高，因此難以符合車規級激光雷達要求。
半固態激光雷達是目前最有希望快速落地的方案，主要分為轉鏡和MEMS兩種，其通過將機械部件集成到單個芯片上，通過電路控制旋轉，不僅簡化了機械部件，變小了體積，也大大降低了成本，提高了量產能力，盡管其在探測效果上犧牲了部分性能而導致不如機械式，卻依舊是目前主流的自動駕駛選擇方案。
固態激光雷達則是激光雷達技術路線的終極圖景，主要有相控陣和Flash兩種，都不需要機械部件，但當前技術都不成熟。前者技術原理和戰斗機的相控陣雷達類似，量產成本很高。后者原理是快閃，可以一次性完成對整個場景的3D繪制?？梢哉f，這兩者短期內都很難實現大規模車規級的應用落地。
總的來看，機械式激光雷達的高成本、低可靠性及不可量產性直接制約了其量產化及規?；?#xff1b;半固態容易通過車規，轉鏡方案放量在即，是目前車企的主要上車選擇；固態雖然成本可以做到很低，但技術和產業鏈目前仍不成熟，距批量落地還有一定距離。
近幾年，激光雷達技術發展迅速，成為資本眼中的“香餑餑”。Velodyne、Luminar、禾賽、Innoviz、Aeva目前累計融資均達到數十億人民幣，從2019年至今，國內已有超13家激光雷達類企業獲得新一輪融資。然而，目前幾乎大部分企業仍處于虧損狀態，要想進一步盈利，量產上車是必然路徑，而成本則是擺在車企前面的一座大山。

工業制造不可能三角
在工業產品制造中有一個不可能三角，即：性能、價格、體量，三者最多滿足其二。對激光雷達來說，也是如此。從機械式、半固態到固態，激光雷達的技術路線持續演進發展。這種演進并不是直線性的，而是在不可能三角中不斷平衡取舍，找到最佳中心點，從而實現可行的商業化落地。
百度集團資深副總裁、智能駕駛事業群組總經理李震宇曾在采訪中表示：“高線束的激光雷達仍然面對車規與成本的問題，現在市面上采用激光雷達的車很難說究竟是demo還是真正的量產車，但如果要真正落地，激光雷達降本是大勢所趨?！?br /> 早期的機械式激光雷達，以 Velodyne 為例，在2018年其旗下的64 線機械激光雷達價格在 8 萬美元，32 線機械激光雷達成本在 2 萬美元，最便宜的16線也需要4000美元。第一款滿足車規級的激光雷達 SCALA，第一代時的價格也一度達到 2 萬美元級別。要知道，目前的特斯拉Model 3才賣3.5萬美元，一個激光雷達竟然占據了整車成本的一大半，甚至比車還貴，也難怪馬斯克高呼“任何依賴激光雷達的公司都會無疾而終”。畢竟，Model 3的自動駕駛攝像頭成本只需要65美元。
但隨著技術的演進，激光雷達的成本和體積大幅度降低，進入2020年后，半固態、固態激光雷達逐漸代替機械式雷達，體積變小，成本降低，從上萬美元降到1000美元左右，逐漸達到車企的可承受范圍之內，這才有了今天激光雷達逐漸批量上車的局面。

部分激光雷達產品價格
根據最新發布的《2021麥肯錫汽車消費者洞察》顯示，九成受訪者認為輔助駕駛有意義，10%-35%的消費者愿意為L2級別的輔助駕駛支付2200-4100元人民幣的價格，而L2.5/L3級別的價值更大，15%-30%的受訪者的心理價位在3800-4900元之間。
通過上圖可以發現，現在的激光雷達方案相比消費者的預期心理價位仍還存在一定差距，隨著自動駕駛愈加成為車企必爭之地，激光雷達的技術路線演進也將進一步提速，成本也將進一步降低，預計未來3-5年內，半固態、固態激光雷達將迎來批量級車規應用。

參考鏈接：https://www.zhihu.com/question/267204565/answer/2228110340

總結

以上是生活随笔為你收集整理的自动驾驶参数分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。