[首發(fā)于智駕最前沿微信公眾號(hào)]隨著人工智能與傳感器技術(shù)的快速發(fā)展，自動(dòng)駕駛汽車(chē)逐步走入公眾視野。其中，關(guān)于感知系統(tǒng)的技術(shù)路線(xiàn)選擇，始終是大家爭(zhēng)論的焦點(diǎn)。尤其是“純視覺(jué)方案”，也就是主要依賴(lài)攝像頭進(jìn)行環(huán)境感知，不使用或極少使用激光雷達(dá)和毫米波雷達(dá)的方案，更是在以特斯拉為代表的企業(yè)推動(dòng)下，成為眾多車(chē)企研究的重點(diǎn)，甚至在24年成為各車(chē)企追捧的主要技術(shù)方向。純視覺(jué)路線(xiàn)聽(tīng)起來(lái)似乎更具性?xún)r(jià)比，也更接近人類(lèi)駕駛員的感知方式，但隨著技術(shù)不斷推進(jìn)，其弊端也逐漸顯現(xiàn)。

人類(lèi)視覺(jué)≠機(jī)器視覺(jué)：認(rèn)知能力的本質(zhì)區(qū)別

首先需要明確的是，純視覺(jué)方案的提出是希望自動(dòng)駕駛汽車(chē)像人一樣“看懂”世界。人類(lèi)駕駛者主要依靠眼睛和大腦來(lái)識(shí)別路況、判斷距離、預(yù)測(cè)風(fēng)險(xiǎn)，視覺(jué)系統(tǒng)可以覆蓋絕大多數(shù)駕駛?cè)蝿?wù)。但這并不意味著攝像頭加神經(jīng)網(wǎng)絡(luò)的組合，就能等同于人類(lèi)感知。

人類(lèi)大腦擁有數(shù)百萬(wàn)年進(jìn)化而來(lái)的圖像處理能力，不僅能精準(zhǔn)識(shí)別物體，還能根據(jù)經(jīng)驗(yàn)、常識(shí)進(jìn)行推理，如看到小孩在路邊玩耍，就知道可能要減速。但深度神經(jīng)網(wǎng)絡(luò)的“智能”是在有限樣本中訓(xùn)練出來(lái)的，在面對(duì)陌生或復(fù)雜情況時(shí)，表現(xiàn)常常不穩(wěn)定。而且，純視覺(jué)系統(tǒng)沒(méi)有“觸覺(jué)”或“深度感知”能力，無(wú)法像人類(lèi)那樣通過(guò)立體視覺(jué)和肌肉反饋協(xié)同來(lái)判斷距離或速度。

因此，即使攝像頭分辨率再高，圖像處理能力再?gòu)?qiáng)，其在實(shí)際道路上仍面臨對(duì)突發(fā)情況判斷力不足的問(wèn)題。這種“認(rèn)知差距”是當(dāng)前視覺(jué)方案最大的問(wèn)題根源。

深度感知能力有限：距離判斷誤差大

攝像頭擅長(zhǎng)的是二維圖像捕捉，而自動(dòng)駕駛所需的是三維空間理解。為了模擬立體視覺(jué)，純視覺(jué)方案通常采用雙目或多目攝像頭，通過(guò)視差計(jì)算出物體距離。然而，這種方法存在物理極限，受視差基線(xiàn)距離、成像質(zhì)量和環(huán)境光線(xiàn)影響非常大。

在近距離（例如5米以?xún)?nèi)），攝像頭可以較準(zhǔn)確地估算距離；但距離一旦拉長(zhǎng)到30米甚至更遠(yuǎn)，基于圖像的深度計(jì)算誤差就會(huì)急劇上升。尤其在夜間、逆光、雨雪等惡劣天氣條件下，圖像質(zhì)量下降，深度估算更是容易失準(zhǔn)。當(dāng)深夜在高速行駛時(shí)，如果誤判前方車(chē)輛的距離，就可能無(wú)法及時(shí)制動(dòng)，導(dǎo)致追尾事故。

相比之下，激光雷達(dá)或毫米波雷達(dá)采用的是主動(dòng)測(cè)距機(jī)制，能直接獲得目標(biāo)距離和速度信息，受光照影響小，誤差更小。因此，缺乏高精度的深度感知，是純視覺(jué)方案天然的技術(shù)短板。

對(duì)光線(xiàn)變化高度敏感：極端環(huán)境適應(yīng)差

純視覺(jué)系統(tǒng)非常依賴(lài)自然光照條件，其對(duì)光線(xiàn)變化的容忍度遠(yuǎn)低于雷達(dá)類(lèi)傳感器。在白天晴朗的環(huán)境中，攝像頭可以清晰捕捉路況細(xì)節(jié)，但在夜間、隧道、強(qiáng)逆光、雪天或雨天等場(chǎng)景下，其性能會(huì)迅速下降。

在夜間行車(chē)時(shí)，若對(duì)面車(chē)輛開(kāi)啟遠(yuǎn)光燈，會(huì)造成強(qiáng)烈炫光干擾，使攝像頭捕獲圖像嚴(yán)重過(guò)曝，目標(biāo)邊緣模糊，甚至無(wú)法識(shí)別物體；而在大霧天或大雨天，攝像頭成像質(zhì)量也會(huì)急劇下降，視覺(jué)模糊，信號(hào)噪聲變大，導(dǎo)致系統(tǒng)錯(cuò)誤判斷甚至感知失敗。

反觀(guān)毫米波雷達(dá)和激光雷達(dá)，由于其不依賴(lài)可見(jiàn)光，而是通過(guò)電磁波或激光主動(dòng)掃描環(huán)境，因此具備較強(qiáng)的全天候工作能力，尤其在低能見(jiàn)度場(chǎng)景下優(yōu)勢(shì)明顯。純視覺(jué)方案在這些環(huán)境下的脆弱性，不可避免地成為其實(shí)際部署時(shí)的嚴(yán)重障礙。

遮擋與盲區(qū)問(wèn)題難以解決

自動(dòng)駕駛系統(tǒng)必須能夠應(yīng)對(duì)包括視線(xiàn)受阻、車(chē)輛遮擋、交叉路口等各類(lèi)復(fù)雜道路場(chǎng)景。在這些場(chǎng)景中，攝像頭由于依賴(lài)可見(jiàn)光成像，視野受限非常明顯，極容易出現(xiàn)“看不見(jiàn)”的盲區(qū)。

舉個(gè)例子，前車(chē)在正常行駛，其后方存在行人突然橫穿馬路的風(fēng)險(xiǎn)。由于純視覺(jué)系統(tǒng)主要依靠攝像頭獲取前方圖像，在完全被前車(chē)遮擋的情況下，它無(wú)法“看到”正在穿越馬路的人，直到前車(chē)剎車(chē)或變道才可能識(shí)別。此時(shí)系統(tǒng)的反應(yīng)時(shí)間已非常有限。

訓(xùn)練數(shù)據(jù)依賴(lài)性強(qiáng)，泛化能力弱

視覺(jué)感知系統(tǒng)背后的深度學(xué)習(xí)模型，需要依賴(lài)大量標(biāo)注清晰、覆蓋廣泛的訓(xùn)練數(shù)據(jù)。這些數(shù)據(jù)通常包括各種交通場(chǎng)景、天氣條件、道路類(lèi)型等，用于訓(xùn)練系統(tǒng)識(shí)別各種物體和行為。但真實(shí)道路的變化極其復(fù)雜，總有新情況是模型“沒(méi)見(jiàn)過(guò)”的。

想象一下，若某地區(qū)突發(fā)暴雨，道路被積水淹沒(méi)，交通標(biāo)線(xiàn)消失；或是出現(xiàn)一個(gè)沒(méi)被系統(tǒng)學(xué)過(guò)的異型交通標(biāo)志。如果訓(xùn)練數(shù)據(jù)中沒(méi)有類(lèi)似案例，純視覺(jué)模型往往就“看不懂”，甚至?xí)鞒鲥e(cuò)誤決策。

更嚴(yán)重的是，深度學(xué)習(xí)模型往往具有“黑箱”屬性，難以解釋其為何做出某個(gè)判斷，給故障排查和系統(tǒng)優(yōu)化帶來(lái)巨大難度。而多傳感器融合系統(tǒng)（例如激光+視覺(jué)+雷達(dá)），由于具備多源數(shù)據(jù)校驗(yàn)機(jī)制，可以在一個(gè)傳感器失效時(shí)由另一個(gè)補(bǔ)充，從而提供更強(qiáng)的魯棒性和泛化能力。

缺乏速度感知能力，難以應(yīng)對(duì)高速場(chǎng)景

自動(dòng)駕駛系統(tǒng)不僅需要識(shí)別物體“是什么”和“在哪里”，還要判斷“它會(huì)往哪里走”、“它走得有多快”。在高速行駛場(chǎng)景下，這種時(shí)間敏感性尤為重要。、如在高速路上，系統(tǒng)就需要根據(jù)前方車(chē)輛的速度和加速度預(yù)測(cè)其變道行為，做出及時(shí)響應(yīng)。

攝像頭雖然能連續(xù)捕捉圖像幀，但其本身無(wú)法直接獲取物體的相對(duì)速度信息。純視覺(jué)方案通常依賴(lài)光流（optical flow）技術(shù)或目標(biāo)跟蹤推斷速度，但這種方法精度不高，尤其在圖像模糊、采樣間隔變動(dòng)等情況下更易失準(zhǔn)，導(dǎo)致系統(tǒng)無(wú)法精準(zhǔn)預(yù)測(cè)前方車(chē)輛運(yùn)動(dòng)趨勢(shì)。

相反，毫米波雷達(dá)可以直接提供目標(biāo)的徑向速度數(shù)據(jù)，極大提升系統(tǒng)對(duì)周?chē)鷦?dòng)態(tài)變化的響應(yīng)能力。在高速場(chǎng)景下，這種能力往往決定著自動(dòng)駕駛系統(tǒng)的安全性。純視覺(jué)方案在這一關(guān)鍵技術(shù)能力上的缺失，使其很難單獨(dú)勝任高速自動(dòng)駕駛?cè)蝿?wù)。

安全冗余不足，難以滿(mǎn)足L4以上自動(dòng)駕駛要求

在自動(dòng)駕駛等級(jí)逐步邁向L3/L4的過(guò)程中，對(duì)系統(tǒng)穩(wěn)定性、故障容忍度、安全冗余的要求極高。任何一個(gè)傳感器的短時(shí)失效，都可能導(dǎo)致嚴(yán)重后果。因此，各車(chē)企普遍采用“傳感器冗余”策略，即多個(gè)不同類(lèi)型的傳感器相互印證，確保感知結(jié)果的可靠性。

純視覺(jué)方案由于成本考慮，通常不設(shè)置冗余攝像頭或多類(lèi)型感知系統(tǒng)。一旦主攝像頭遭遇污染、損壞、遮擋或軟件崩潰，整個(gè)系統(tǒng)感知能力將大打折扣，甚至完全“失明”。這種單一感知模式的安全風(fēng)險(xiǎn)，無(wú)法滿(mǎn)足高級(jí)別自動(dòng)駕駛的可靠性要求。

尤其是在如Robotaxi、自動(dòng)配送車(chē)等無(wú)人化運(yùn)營(yíng)場(chǎng)景中，無(wú)法依賴(lài)人工及時(shí)干預(yù)。一旦出現(xiàn)感知故障，車(chē)輛就只能停滯，甚至誤操作，帶來(lái)極大安全隱患。而多傳感器融合方案由于具備更強(qiáng)容錯(cuò)能力，可通過(guò)其它傳感器“頂上”，避免系統(tǒng)全盤(pán)癱瘓。

視覺(jué)是基礎(chǔ)，融合才是未來(lái)

不可否認(rèn)，視覺(jué)在自動(dòng)駕駛感知中扮演著核心角色。攝像頭具有成本低、體積小、信息密度高的優(yōu)點(diǎn)，是自動(dòng)駕駛的“眼睛”。但僅靠“眼睛”無(wú)法完成所有駕駛?cè)蝿?wù)，尤其是在安全和冗余要求極高的L4/L5級(jí)別自動(dòng)駕駛系統(tǒng)中，必須有“耳朵”（雷達(dá)）、“手指”（觸覺(jué)）、“大腦”（地圖與高精定位）等配合。

從技術(shù)演進(jìn)趨勢(shì)來(lái)看，真正具備規(guī)模部署能力的自動(dòng)駕駛系統(tǒng)，大多采取“多傳感器融合”路線(xiàn)。視覺(jué)、雷達(dá)、激光、超聲波、IMU等共同構(gòu)成復(fù)雜的傳感系統(tǒng)，在不同場(chǎng)景下各司其職，相互補(bǔ)償，以實(shí)現(xiàn)更安全、更可靠的感知能力。

純視覺(jué)方案盡管在成本上具有優(yōu)勢(shì)，但從技術(shù)角度來(lái)看，其弊端決定了它無(wú)法獨(dú)立支撐高級(jí)別自動(dòng)駕駛的發(fā)展。未來(lái)自動(dòng)駕駛的核心，不是“去雷達(dá)”，而是“用得合理”。盲目排斥非視覺(jué)傳感器，不僅不能降低成本，反而可能增加系統(tǒng)出錯(cuò)的概率，反而得不償失。

審核編輯 黃宇