谁才是自动驾驶的最终答案？

雷达技术一直在汽车的感知系统中扮演着不可替代的角色，然而电动汽车领域焦点之一的特斯拉却打算另辟蹊径，他会带来怎样的新方案？目前主流的感知技术又各具怎样的特点？

从原理上看，车载毫米波雷达通过天线向外发射毫米波，接收目标反射信号，经后方处理后快速准确地获取汽车车身周围的物理环境信息（如汽车与其他物体之间的相对距离、相对速度、角度、运动方向等），然后根据所探知的物体信息进行目标追踪和识别分类，进而结合车身动态信息进行数据融合，最终通过中央处理单元（ECU）进行智能处理。

经合理决策后，以声、光及触觉等多种方式告知或警告驾驶员或及时对汽车做出主动干预，从而保证驾驶过程的安全性和舒适性，以减少事故发生几率。

经过这几年的发展，毫米波雷达开始从24GHz迈向了77GHz频段。与24GHz毫米波雷达相比，77GHz毫米波雷达由于体积更小、检测精度更好等优势，而受到了市场的青睐。

由于激光雷达可以生成道路的三维视图，在自动驾驶方面能够帮助汽车很好地识别周围环境。尽管自动驾驶业界对激光雷达仍然存在不同的声音，但由于其具备创建周围环境高清3D点云图的能力，通常被认为是自动驾驶汽车的核心传感技术之一。

然而激光雷达一直没有得到大规模的普及，很大一部分原因是由于成本过高。而这种情况随着技术的成熟也得到了缓解。

据日经报道，自动驾驶汽车中使用的一种关键类型传感器的价格正在迅速下跌，例如激光雷达传感器制造商Velodyne Lidar近期开发了一款产品，其价格仅为同类产品的百分之一，诸如此类的用于自动驾驶设计的核心的传感器的成本大幅下降也将加快自动驾驶汽车的发展速度。

从国内方面来看，华为也在致力于降低车规级激光雷达的成本。在今年4月，华为在上海车展展示了一项接近L4级别的无人驾驶技术，它是通过自研的激光雷达算法实现了接近L4级别的自动驾驶。同时华为也宣称要将96线激光雷达的成本降低到200美金以内。

从优势方面来看，由于摄像头是唯一能够检测颜色的传感器，因此它们是实现交通信号灯检测、道路标志读取等功能的基本要素。它们可以辅助自适应巡航控制和紧急制动功能，也可以作为自动化解决方案中的主传感器。

目前，特斯拉是将视觉系统用于自动驾驶的忠实拥护者。在CVPR 2021线上自动驾驶研讨会（WAD）上，特斯拉人工智能高级总监 Andrej Karpathy发表了主题演讲，揭秘了特斯拉是如何训练100%纯视觉自动驾驶神经网络的。

深度神经网络是自动驾驶技术堆栈的主要组成部分之一，神经网络可基于车载摄像头采集到的图像分析道路、标志、汽车、障碍物和人等信息。特斯拉就是依靠摄像头视觉系统和神经网络处理来实现Autopilot、全自动驾驶（FSD）和某些主动安全功能。

但从特斯拉的布局上看，即使是添加了其他的超声传感器，这类器件也是仅仅用于辅助作用。纯视觉的AutoPilot系统主要依赖于每辆车内嵌入的8个摄像头和12个超声传感器，以及这些传感器生成的实时数据所需的神经网络处理。

特斯拉表示，过渡到以摄像头为主的辅助驾驶系统可能会导致某些功能受到限制，例如车道居中和停车辅助，但这些功能将在未来通过软件更新来恢复。