02激光雷达和纯视觉路线
其实，说到自动驾驶，绕不开的一个话题就是，选择激光雷达还是摄像头？或者融合路线？
毕竟，自动驾驶是将汽车的驾驶能力及驾驶责任逐步由人转移到汽车，通过感知、决策和执行三大核心环节来达成。而在感知环节用什么，现在业内还充满争执。
纯视觉路线最极端的例子就是特斯拉。此外，Mobileye的SuperVision，百度的Apollo lite也选择了纯视觉方案的技术路线。为何目前只有特斯拉等少数几家采用纯视觉方案呢？
在这点上，我们不得不佩服从“第一性原理”来考虑问题的马斯克。一方面，纯视觉路线更复杂、研发投入更高，但是从逻辑推导未来，这是必然的结果；另一方面，纯视觉不是光投钱就能直接得到成果，需要积累足够多的数据和情景，不断训练改进筛选优秀可靠的AI模型，通过不断的算法迭代去实现。
当然也有反对的。比如有业内人士认为，视觉技术自身也存在一定技术短板，“比如跨层泊车，特斯拉没有这个功能，而这个功能的实现是需要激光雷达的，因为跨层泊车场景全是静止障碍物，地形又复杂，需要地形建模，而建模的话肯定是激光雷达方案更好一些。”
马斯克甚至开发了DOJO超算来干这件事，就是要打“持久战”，无法一蹴而就。但是，市场机会不等人，大家都想快速切入智能驾驶市场，占有一席之地，那最现实的解决之道，就是找到能尽快有结果的方案，搞起来再说。所以，车企优先选择激光雷达方案，就是可以理解的了。
但是，任何事物的发展，都要符合客观规律，而激光雷达的一个问题在于，要看系统算力能否带得动。激光雷达的硬件部分只是最基本的，重要的是软件的融合算法能否流畅运行，智能驾驶平台能否带得动。
激光雷达方案也并不是有些人所想的，那么有用。因为和纯视觉路线的实景图像比，它的特点是：数据量大，但信息量却不大。
这个，我们只要看看第20届中国汽车供应链大会上，北醒CEO李远博士分享的一张512线和128线激光雷达100～200米探测效果对比图就能明白。
而且，激光雷达虽然也是通过反射生成一张图像，生成一张“毛胚”的环境地图，也就是点云图或3D的环境图形。但这激光雷达生成的这张图的精度是依赖激光的线数的。
比如，我们说华为开发的激光雷达是96线或者128线的，就是这个意思。
激光雷达需要采集的数据量非常庞大，而且有多少还依赖于周围环境的复杂程度，由于数据量太大，就必须有额外的算力支持，需要更高成本，更高算力的处理器，但这却并不带来额外性能和功能上的提高。
就像有些人问的，为何有些车企愿意选择并大力传播激光雷达呢？
一位知乎博主“鹦鹉怪兽”表示，“因为对于厂商来说，激光雷达方案实现起来相对较快，算法要比纯视觉简单，研发投入相对少，关键是开发周期短，只要给车装上激光雷达，以及性能尚可的处理器就行，而这些都是消费者自己花钱买的，成本是消费者的。”
对车企而言，这也降低了研发周期和成本。还有一点考虑是，车企可以用这些装了激光雷达的量产车作为向纯视觉方案的过渡手段，边积累数据，边提高算法，为将来实现纯视觉感知的能力做准备。
所以，纷纷扰扰的激光雷达“堆料”之争，总感觉传播需求大于实际需求，我们看看就好。
毕竟，高级别自动驾驶还离真正的量产应用太远。知道本质的区别，消费者自然会知道如何选择。
原文标题 : 激光雷达，内卷过头
