特斯拉与Google对LIDAR意见分歧-哪个正确？

特斯拉非常有名的选择是至少在目前为止不使用激光雷达作为其汽车上的传感器之一来辅助其自主功能。Google将LIDAR用作其主要传感器之一，并坚持认为有必要。由于最近在自动驾驶仪上运行的特斯拉遇难，特斯拉的选择正受到攻击。评估相互矛盾的主张需要了解不同传感器类型固有的优势，劣势和折衷。

有4种类型的传感器可为自动和半自动车辆提供外部和即时信息：

每种技术都有不同的优点和缺点。

目前，激光雷达系统是大型且昂贵的系统，必须安装在车辆外部。Google使用的系统重量在80公斤到70,000美元之间，必须安装在车辆视线无遮挡的顶部。由于它们当前的局限性，该系统对检测汽车附近的物体没有用。当前的实现方式已经将范围从早期的30米范围提高到150米至200米范围，并且分辨率也得到了提高。当前，具有更高范围和分辨率的生产系统仍然很昂贵。LIDAR在所有光照条件下均能很好地工作，但由于使用了光谱波长，因此随着空气中雪，雾，雨和灰尘颗粒的增加而开始失效。LIDAR无法检测颜色或对比度，并且不能提供光学字符识别功能。窄光束激光雷达已经使用了20年，但是目前用于自动驾驶汽车的新一代激光雷达在实时速度监控方面效果不佳。

代表性制造商包括Continental AG，LeddarTech，Quanergy和Velodyne。

Google的自动驾驶汽车解决方案使用LIDAR作为主要传感器，但也使用其余传感器。特斯拉当前的解决方案未包含LIDAR（尽管其姊妹公司SpaceX包含在内），过去和当前的声明表明，埃隆及其团队并不认为自动驾驶汽车是必需的。

Quanergy正在演示一种即将量产的固态激光雷达系统，该系统预计将具有150米的射程，250美元的成本和足够的分辨率。该单元仍然比所有其他传感器都大得多，并且价格昂贵得多，但是与预期性能相比，其价格和尺寸使其能够在生产中成为非常有竞争力的传感器。这个价格/性能点可能使其更可能包含在特斯拉中，并且已经发现在顶部装有传统激光雷达的特斯拉ModelS。

固态片上雷达系统是普通的，小型的且廉价的。它们具有良好的范围，但比其他传感器的分辨率差。它们在明亮和黑暗的条件下同样能很好地工作，而77 GHz系统能够更好地通过雾，雨和雪进行感知，这给激光雷达和无源视觉系统带来了挑战。与LIDAR一样，雷达无法实现颜色，对比度或光学字符识别。在当前实施中，雷达在确定流量的相对速度方面非常有效。虽然传感器的尺寸使这些传感器更适合近距离检测，但在非常短的距离上它们的效果不如声纳。

代表性制造商包括德尔福，京瓷，法雷奥和伟世通。

超声波传感器会主动发出高于人类听力水平的高频声音。它们的范围很差，但是非常适合于非常近距离的三维映射，因为声波相对较慢，因此可以检测到一厘米或更小的差异。它们不管光线水平如何都可以工作，并且由于距离短，因此在雪，雾和雨的条件下也能正常工作。像LIDAR和雷达一样，它们不提供任何颜色，对比度或光学字符识别功能。由于它们的射程短，因此无法用于测量速度。它们又小又便宜。

代表性的制造商包括博世，法雷奥，村田和SensorTec。

近年来，照相机图像识别系统已经变得非常便宜，小型和高分辨率。与进行更远距离测量相比，它们对非常近距离评估的用处较小。它们的颜色，对比度和光学字符识别功能为它们提供了一套全新的功能，而所有其他传感器都完全没有这种功能。它们具有所有传感器中最佳的射程，但光线条件良好。它们的范围和性能会随着光线的变暗而降低，就像人的眼睛一样，开始依赖于汽车前灯的光线。在非常明亮的条件下，某些实现方式显然可能无法识别明亮的天空下的轻物体，据报道这是2016年5月在佛罗里达州与特斯拉自动驾驶仪相关的死亡的一个因素。数字信号处理可以确定速度，但不能确定雷达或LIDAR系统的精度。

代表制造商包括Mobileye，Delphi，Honeywell和Toshiba。

最近，Mobileye宣布由于使用上的分歧，将不再向特斯拉提供其解决方案，而将专注于全自动解决方案。Mobileye当前的实现方式已经承认分辨率和侧面碰撞检测的局限性，预计其中的第二项将包含在即将发布的新产品中。

不同条件下的性能差异

值得一提的是，在不同条件下传感器的性能差异很大。下面的图表（我创建的图表）基于不同传感器类型的各种技术实现的粗略平均值，提供了传感器的范围和敏锐度的近似值。

范围以米为单位。敏锐度是基于分辨率，对比度检测和颜色检测的组合的确定值。

显然，在条件允许的情况下，被动视觉具有最长的范围和最佳的敏锐度，同样明显的是，在不利条件下，被动视觉会迅速降低其提供的信息质量。

黑暗中的范围是基于现代大灯照亮前进的道路，但是大灯照亮的宽度要小得多，并且对比度和颜色都会受到影响。选择的值假设汽车不在明亮的道路上，而是在没有任何重要路灯和月球照明的道路上。在没有云层覆盖和/或有大量路旁灯的满月下，视觉传感器可以收集更多信息，但是阴影也会使识别具有挑战性。

从这项评估中可以明显看出，雷达虽然不是在所有情况下均是最好的传感器，但在以较高速度检测车辆和其他物体所必需的范围内，雷达的劣化最小。直到有雾，大雪或大雨的情况下出现明显的大气模糊时，激光雷达才更好，但在这些条件下会退化。

这项评估引发了一个问题，即对自动驾驶汽车的信息质量应有多大的依赖。雷达的较低视力是否足以识别大多数物体和车辆，从而使汽车比人驾驶时更快地安全行驶？还是敏锐度太低而必须降低速度以允许其他传感器收集足够的信息以及时响应？

另一个问题是，是否应该在所有条件下（雷达）使用最可靠的信息来设计自主权，还是应该在假设传感器组在更加不利的条件下会大大退化的前提下设计自主权？

激光雷达，雷达，摄像头和前灯技术都在进行中，因此该评估是在2016年中期的某个时点，并且在未来几年可能会发生重大变化。

价格便宜，功能全面的折衷方案

特斯拉评估了这些因素（可能更多），得出这样的决定：有效的全传感器装置不需要LIDAR。根据其传感器的实现方式，上面的重叠图表表明这是明智的。特斯拉上的当前传感器组可能具有与单个下一代尚未生产的固态LIDAR传感器相同的硬件成本，但可以在大多数情况下提供出色的功能。

它似乎缺乏在黑暗中具有良好分辨率的成像功能，而LIDAR在低分辨率雷达方面具有优势。

无论是否需要LIDAR，基于单传感器甚至双传感器的解决方案都不可行。每种传感器类型都有其优点和缺点，因此需要将来自多个传感器的现实的单个表示融合在一起，以避免假阳性和假阴性。

特斯拉（Tesla）的一些早期声明似乎表明它的一个传感器识别出佛罗里达州的卡车一侧，但是另一个则没有或认为这是一个悬挂的信号。该系统解决了冲突，避免了误报，特斯拉有望在不久后发布软件更新，更好地利用雷达系统来避免这种边缘情况。

没有单一的解决方案是完美的。每个组合解决方案都有折衷方案，即使这些折衷方案的规模或在不同方向上的意识程度不同也是如此。传感器技术的集合将以不同的方式在不同的车辆价格点组合在一起，以提供不同的解决方案，从而获得有效的解决方案。

目前看来，特斯拉是正确的。随着固态激光雷达的问世，价格不断下降，并且具有更好的性能，这种情况可能很快就会改变。[编者注：我认为，任何具有突破性的LIDAR系统的开发人员都非常希望将特斯拉作为客户，并会推动他们的技术的试用，我想特斯拉很乐意实施。换句话说，一旦这种潜在突破性的LIDAR投入生产，我认为特斯拉将是最快（如果不是最快的话）为其提供并在生产车辆中实际实施的公司之一。

→相关：特斯拉拥有正确的无人驾驶汽车方法