为什么特斯拉不使用激光雷达

小白学视觉

共 1997字,需浏览 4分钟

 · 2021-02-21

点击上方小白学视觉”,选择加"星标"或“置顶

重磅干货,第一时间送达

现在几乎所有从事自动驾驶汽车工作的公司都使用LIDAR。Uber,Waymo和Toyota都使用它,但特斯拉则没有。我们来谈谈未来对自动驾驶汽车的期望。

激光雷达VS视觉


激光雷达是一种通过发射激光并检测返回所需时间的方法来测量距离。这个想法类似于雷达,但是我们使用激光代替无线电波。该技术在检测高达毫米的物体方面极其精确。


计算机Vision是人工智能的一个领域,利用计算机理解视觉世界。这基本上反映了人类愿景。特斯拉一直严重依赖Vision并反对LIDAR传感器。而且似乎并不在乎其他公司都使用Lidar,。埃隆·马斯克(Elon Musk)甚至说:

激光雷达是一个傻子的事……任何依赖激光雷达的人注定要失败。—伊隆·马斯克(ElonMusk)
成本


特斯拉采取不同路线的最明显原因是成本。在汽车上安装单个激光雷达设备的成本约为10,000美元。谷歌的Waymo项目已经能够通过引入量产而略微减少数量。但是,成本仍然相当高昂。


应用于真实道路


其中最重要的要点之一就是与人类视觉的关联。作为人类,我们不会向各个方向投掷激光以驾驶汽车。

我们在路上看到的一切都充满了视觉信息。所有的标志,转弯,交叉路口都可以帮助我们导航。所有这些都是静止的物体,而LIDAR如此精确地检测到它们。


当移动物体出现在道路上时,问题就开始出现。人,狗,飞行的塑料袋都是我们在路上经常遇到的物体。LIDAR无法检测它们的移动方式,甚至无法检测这些物体的移动方式。


LIDAR无法区分道路颠簸和塑料袋。现在,如果汽车停了下来,那便是真正的危险所在。后面的汽车可能无法对我们在路中间的停车站做出如此迅速的反应。这种情况进一步表明,制造自动驾驶汽车时需要注意很多细节。


特斯拉明确表示,他们的摄像头和雷达系统能够检测物体。向前看的雷达能够迅速判断前方是否有任何问题。一旦看到物体,摄像头将确定物体是什么,然后汽车可以对情况做出反应。


适应


在对埃隆·马斯克(Elon Musk)的采访中另一个重要的收获是,该系统是适应性的。他们谈论了很多有关使用的神经网络以及系统如何使用提供的数据做出合理决策的话题。

特斯拉竞争对手的主要问题之一是缺乏这种适应性。这些系统中的大多数要么严重依赖具有道路线的高精度地图,要么从未在实际道路上进行过测试。虽然我们已经看到Waymo在城市中行驶。但是,只有具有高效地图的大型道路。在这些演示中,照明,天气条件和交通状况都是理想的选择。但实际上大多数情况并非如此。


比如,车辆在较小的道路,转弯和车道的尺寸时会发生意外,这种情况普遍存在。另外,特斯拉是我们可以购买的实际汽车。人们乘坐特斯拉汽车行驶了超过十亿英里,而Waymo仅在约一千万英里上进行了测试。


特斯拉能够积累的困难和不可预测的道路数据量非常宝贵。这就是系统学习并不断改善的方式。由于客户实际上看到了持续的改进,因此这样的概念实际上很有希望被实现。


结束语


随着无人驾驶汽车领域的资金投入和持续的竞争,我们对这种汽车的到来感到非常期待。特斯拉是否将成为这样做的公司,我们并不知道。实际上,可能有几种开发自动驾驶汽车的方法。甚至我们可能最终看到两者的结合,这将会是汽车行业中的重大进步。


下载1:OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复:扩展模块中文教程即可下载全网第一份OpenCV扩展模块教程中文版,涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2:Python视觉实战项目52讲
小白学视觉公众号后台回复:Python视觉实战项目即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目,助力快速学校计算机视觉。

下载3:OpenCV实战项目20讲
小白学视觉公众号后台回复:OpenCV实战项目20讲即可下载含有20个基于OpenCV实现20个实战项目,实现OpenCV学习进阶。

交流群


欢迎加入公众号读者群一起和同行交流,目前有SLAM、三维视觉、传感器自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN算法竞赛等微信群(以后会逐渐细分),请扫描下面微信号加群,备注:”昵称+学校/公司+研究方向“,例如:”张三 + 上海交大 + 视觉SLAM“。请按照格式备注,否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告,否则会请出群,谢谢理解~


浏览 22
点赞
评论
收藏
分享

手机扫一扫分享

举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

举报