激光雷达与相机—哪种更适合自动驾驶？

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

推荐阅读
42个pycharm使用技巧，瞬间从黑铁变王者Google C++项目编程风格指南 (中文版) 分享

自动驾驶的行业专家一直在争论LiDAR或相机谁更适合SAE 4级和5级驾驶。是否要将LiDAR与相机一起使用，还是仅使用不带LiDAR的摄像头系统。LiDAR的支持者包括Waymo，Cruise，Uber和Velodyne。特斯拉（Tesla）对LiDAR的支持最少，偏向摄像头系统。哪个是最佳解决方案？

使用Cruise Automation LiDAR的自动驾驶汽车

特斯拉似乎已不胜枚举，有更多的公司和开发商支持LiDAR。伊隆·马斯克（Elon Musk）解释了他的理由，不将LiDAR包括在他的Tesla汽车模型中。在Model 3或Model S上找不到LiDAR，但在Waymo的自动出租车上会看到它。到目前为止，这两种技术都没有被普遍接受为自动驾驶汽车的解决方案，因为道路上没有完全达到4级或5级标准的全自动驾驶汽车（截至2020年9月）。

特斯拉Model S在相机系统上使用自动驾驶自动驾驶功能（无LiDAR）

01.激光雷达

LiDAR的使用并非仅限于自动驾驶汽车。它具有多种应用，包括气象学，地震学，地质学和大气物理学等。LiDAR使用光脉冲来检测物体，就像雷达使用无线电波的方式一样。这些脉冲可以确定物体的距离和范围，为自动驾驶汽车提供急需的数据。例如，为了避免碰撞，LiDAR可以检测到物体的距离，并施加制动器以使车辆减速。LiDAR已成为测量距离的可靠技术，因此，工程师已将其用于包括自动驾驶汽车在内的各种应用中。

LiDAR可以帮助自动驾驶汽车根据其从光脉冲中获得的读数创建视觉地图。LiDAR系统每秒发送数千个脉冲，以使用车载软件为汽车提供有关其周围环境的信息来创建3D地图。这提供了360度的视角，可在任何情况下帮助汽车行驶。LiDAR与自动驾驶汽车中的摄像头配合使用，因此它们本身并不是独立的解决方案。

LiDAR可以创建其周围的视觉地图（来源：汽车世界）

01. 相机

如果要像人一样开车，那么对物体的视觉识别就是必须的。那是使用相机系统的主要论点。相机提供图像，使用AI的软件可以高精度地分析这些图像。特斯拉模型上的摄像头通过其自动驾驶自动驾驶功能来提供其周围环境的360度视图。一切都是可视的，并且不像LiDAR一样依赖测距和检测。

相机代替光脉冲，而是使用从镜头中的光学元件返回到车载软件的可视数据进行进一步分析。随着神经网络和计算机视觉算法的发展，可以在汽车行驶时识别物体以提供汽车信息。这可以帮助汽车避免碰撞，在交通拥堵时减速，安全地改变车道，甚至可以使用OCR（光学字符识别）从道路或高速公路上的标志中读取文字。到目前为止，特斯拉已经证明，使用摄像头，自动驾驶汽车无需使用LIDAR即可表现出色。

使用带有自动驾驶仪的摄像头的Tesla Vision系统（来源：Tesla）

01. 优点

Elon Musk称赞相机是最可靠的视觉系统。它在视觉识别方面具有更好的优势，可与AI一起识别道路上的物体。它还可以从路标上读取文字，这在自动驾驶汽车必须注意绕行和前方道路工作的情况下非常重要。特斯拉汽车上的摄像头结合了光学技术和计算机视觉功能，可提供计算成像，从而连续分析摄像头上的图像。

LiDAR系统使用光脉冲在虚拟地图上实时绘制点。自动驾驶汽车或自动驾驶汽车可以使用此数据安全地导航并避免撞到物体。能够确定对象及其距离是使用LiDAR的重点。具有高度准确性和可靠性的LiDAR系统可以提高安全性，这是有关自动驾驶汽车的主要话题之一。

01. 缺点

LIDAR甚至在危险的天气条件下也能够看到物体而受到赞誉，但它并不总是可靠的。LiDAR受波长稳定性和探测器灵敏度的影响。激光的波长会受到温度变化的影响，而差的SNR（信噪比）会影响LiDAR检测器中的传感器。LiDAR也更昂贵，并且需要更多的空间在汽车上安装，因此倾向于使自动驾驶汽车看起来更笨重。LiDAR的另一个问题是视觉识别，这是相机所擅长的。LiDAR需要更多的软件数据处理来创建图像和识别对象。

摄像头虽然作为视觉系统更可靠，但没有LiDAR的范围检测功能。尽管相机具有出色的成像能力，但作为一个独立系统，可能还不够。这就是特斯拉还使用其他传感器（包括雷达）检测距离和距离的原因。批评人士说，相机仍然不能很好地避免危险，特别是在涉及天气条件时。他们需要能够在任何类型的条件下（例如人类驾驶员）准确看到。

如果自动驾驶汽车合法上路，安全将是首要考虑的问题。使用这两种系统的自动驾驶汽车已经发生致命事故。使用自动驾驶仪的特斯拉驾驶员曾卷入事故，包括在美国高速公路上的死亡事故。在其他时候，这是由于分心驾驶造成的，因为这些汽车无法完全自动驾驶，仍需要驾驶员的注意。优步在2018年时，它的一辆自动驾驶汽车撞上了一名行人。这些汽车尚未完全自动驾驶，因此驾驶员方面也可能被忽略。这些是自动驾驶汽车发展的陷阱。

01. 结论

如果安全是我们的首要考虑，那么融合LiDAR和摄像头系统最佳元素的传感器融合将是必要的。LiDAR和其他传感器（包括摄像头）的组合可以在公共安全方面提供很多优势。如果视觉系统（例如软件，传感器）对公共安全变得更加准确和可靠，则LiDAR可能变得不必要。毕竟，自动驾驶汽车的主要原因之一是要最大程度地减少人为错误造成的事故。

在自动驾驶汽车中，LiDAR和摄像头之间的共同因素是软件。两种系统均使用机器学习和神经网络等AI技术来分析数据。随着算法的改进，结果还将导致识别物体的准确性更高，并使自动驾驶汽车做出更好的决策。这可能意味着事故与安全驾驶之间的区别。

这不是一个简单答案的简单问题。在做出关键决策时，机器与人的思维方式不同。这就需要更多的数据和培训，以使软件得以改进。当前的基础设施可能也需要修改，以适应自动驾驶汽车（例如V2X）。在无人驾驶汽车显示出一致的数据表明使用一种技术而不是另一种技术之前，争论仍在进行。

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31讲

在「小白学视觉」公众号后台回复：Python视觉实战项目31讲，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

在「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。

下载4：leetcode算法开源书

在「小白学视觉」公众号后台回复：leetcode，即可下载。每题都 runtime beats 100% 的开源好书，你值得拥有！

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~