不用雷达全靠算力！这些车全车无需动手 但你敢用吗？

新能源时代，大家对于新能源汽车关注的除了电池、电机和智能车机，就是“自动驾驶”了。

作为汽车“智能化水平”的判定标准之一，一套技术成熟、功能强大的辅助驾驶系统往往会吸引到更多消费者的关注与支持。

全自动驾驶，也被许多厂商视为汽车未来的重点发展方向之一。

然而，当越来越高级的智能辅助甚至“自动驾驶”功能被投放至市场之中，随之而来的不仅是用户体验层面的新鲜与便利，还有对新技术应用的担忧甚至实质的危险。

比如早早在美国本土市场开放使用FSD（全自动驾驶）功能的特斯拉，就在去年遭受来自消费者和第三方组织的持续抨击，指出该项功能存在安全隐患。

而美国高速公路安全管理局则在调查后向特斯拉发出召回令，要求其召回超过36万台装备有FSD功能的特斯拉车型，认定其自动驾驶系统“危险且不负责任”，可能会导致闯黄灯、弯道中直行等危险行为。

作为汽车行业中推动自动驾驶技术发展为激进的车企之一，特斯拉的Autopilot与FSD功能可谓是备受争议的。

在教授看来，其主要原因还是在于特斯拉独特的驾驶辅助硬件架构——纯视觉自动驾驶方案。

所谓纯视觉自动驾驶方案，就是完全以视觉方式采集、分析、处理路面标线、交通标志、车辆、行人、障碍物等所有信息。

作为新能源领域里的成本控制大师，特斯拉采用纯视觉方案的目的比较简单，除去对自家算法的信心，就是要省去所有的雷达硬件，将省钱做到极致。

根据特斯拉的技术路线，通过高性能的摄像头与BiFPN、HydraNet、RegNet等多级神经网络进行数据采集、记录、分析、学习等处理，构建虚拟道路空间，以强大的运算能力将平面图像转化为带有计算深度信息的立体数据，从而实现环境监测功能。

根据马斯克的说法，摄像头与雷达的同时应用可能会产生采集数据的冲突，在终采用哪种数据的问题上会造成系统冲突，因此使用纯视觉效果会让采集回来的数据更加易于处理。只要摄像头性能足够强，就可以实现类似激光雷达的效果。

但是，尽管新的特斯拉纯视觉方案已经用上了8个高清摄像头，它也无法避免摄像头躲不开的短板。

首先，作为一种光学影像采集装置，和咱们平时用手机拍照一样，摄像头的拍摄效果会受到环境光线的影响。

尤其是在大光比环境中，摄像头或许难以很好地兼顾亮部与暗部的信息还原，这或许会限制系统采集到的的环境信息，从而影响终的环境感知性能。

此外，在黑夜之中，如果道路照明条件不足，车载摄像头尺寸非常有限的传感器也很可能无法采集到的足够精细的环境图像，在处理图像数据时甚至可能受到噪点影响，导致虚拟环境的精准构建出现一些困难。

再者，在失去了雷达这种测距装置之后，纯视觉方案的特斯拉只能依靠算法来“推测”车辆与障碍物之间的距离。

然而，正如咱们蒙住一只眼睛之后很难判断距离一样，单个摄像头采集的图像是难以为系统提供充足空间计算信息的，单靠算法猜出来的空间信息是否可靠？教授不敢妄下判断。

但根据此前教授试驾新款Model S Plaid时的体验，当车辆在倒车入库时，面对车后的白墙，系统是无法计算出距离信息的；在某些场景下，甚至是周边的其他车辆距离都不会被准确识别出来。

因此，特斯拉当下的纯视觉自动驾驶方案仍然具有很大的发展空间；而对于环境信息的采集运算分析工作，搭配有充足雷达加持的系统似乎还是会更让人放心一些。

目前市面上的大部分厂商采用的，正是这种以摄像头和雷达共同提供环境数据的硬件架构。

以高清摄像头为基础，采集车身四周环境的图像信息，在此基础上以毫米波雷达甚至激光雷达监测与前车的距离，并以探测距离较近的超声波雷达丰富车身四周的空间信息，从而实现更高精度的环境数据采集。

不过，即便都是以摄像头+雷达构成的硬件基础，车企之间实现高阶辅助驾驶甚至自动驾驶的方式，实际上也存在两种不同的方式。

首先就是基于高精地图的“老派方案”。

高精地图在早期被认为是实现高阶辅助驾驶乃至全自动驾驶的关键，这种精度可以达到厘米级的数字地图包含了车道线、斑马线、交通灯、限高架、斜坡、桥梁等大量信息，相当于预先把数据都采集处理好，再让车载摄像头与雷达负责具体的路面车辆、行人等路况监测。

这种做法优势在于数据精度高且由于是预先采集并经过细化处理的数据，在稳定性方面表现更出色。

由于车辆不需自行采集道路数据，因此对于车辆自身的运算性能要求也相对没有那么高。

比如海外很多车企前期投入市场的允许驾驶者脱手的自动驾驶功能就基本建立在高精地图基础之上。而在国内，蔚来的NOP领航辅助驾驶也是一套依靠高速与城市高架路段高精地图实现的高阶辅助驾驶系统。

根据这些高精地图数据，搭载有新NOP领航辅助驾驶的蔚来车型才能实现自动汇入主路、自动变道、下匝道等半自动驾驶功能。

但是，人们也很快意识到，高精地图对于城市路况的适应性一般。倒不是因为它的精度不足，而是因为它具有一定的局限性。

首先，在城市道路中，道路施工、临时改道等路线变化情况，是高精地图无法预知的；而高精地图数据本身的复杂性，其制作难度高，且车企或地图供应商需要特别批准才会被允许采集高精度的道路信息，这导致地图覆盖区域有限，更新速度必然要明显慢于普通导航地图；一旦汽车离开了高精地图支持的区域，它的辅助驾驶功能也就只剩下了自适应巡航、车道保持辅助、变道辅助等基础功能了。

因此，要想在城市中也实现高阶辅助驾驶甚至全自动驾驶，车辆自身的数据采集和分析处理能力还是得达到足够的高度。

而这就涉及到车辆自身搭载的系统是否具有完善的自主推理与学习能力，可以自行根据摄像头与雷达采集到的数据构建实时的道路环境的虚拟场景，帮助车辆找准位置，认清路线。

因此目前很多新势力厂商开始推动“去高精地图化”，试图让智能汽车摆脱对高精地图的依赖，从而让高阶辅助驾驶实现更广阔的的应用场景，终使汽车实现真正的自动驾驶。

具代表性的莫过于小鹏的NGP和华为的ADS。

以小鹏的城市NGP功能为例，为了实现在城市路况下的高阶辅助驾驶，必须将全车的所有摄像头与雷达传感器充分利用起来，并且通过对这些信息进行处理，从而实现对当下路况的实时监测，并对所有道路参与者动态的快速预判。

而他们的下一个目标，就是通过更强大的运算芯片，结合拥有自我学习能力的人工智能和云计算等技术，推出XNGP系统，实现可以实时生成高精地图的更强大的辅助驾驶甚至全自动驾驶功能。

至于华为，他们的ADS 2.0也实现了类似的效果。在用上激光雷达之后，对于路面环境的监测精度与距离都大幅提升，系统更可根据摄像头与雷达采集到的数据实现红绿灯等道路元素识别并作出相应处理，从而实现即便没有高精地图，也能实现一定程度的城市路况高阶辅助驾驶。

然而，抛弃高精地图也意味着比目前大得多的车载运算负担。根据小鹏在去年的1024发布会上公布的估算数据，抛弃高精地图的全新感知架构XNet需要2000人工作一整年的标注工作量、276天的单机训练时长；而车辆本身的运算能力，也需要达到目前新的OrinX芯片的1.22倍。

也就是说，以目前的算力水平，哪怕是在智能驾驶领域处于领先地位的小鹏，也难以在短期内实现摆脱高精地图的高阶辅助驾驶，更别提完全自主的自动驾驶功能了。

教授总结

总的来说，无论是特斯拉的纯视觉方案、比较稳妥的高精地图方案还是极具前瞻性的舍弃高精地图的高级智能方案，都正面临硬件算力与系统智能化水平等众多难题。

更别提高阶辅助驾驶和全自动驾驶功能本身已经引起一定的争议。

包括但不限于消费者对辅助驾驶系统安全性的担忧，针对自动驾驶的相关法规暂未完善，自动驾驶状态下出现的事故责任应该如何划分等等。

因此，总的来说无论是哪种技术路线，高阶辅助驾驶与完全自动驾驶技术都正处于发展中的状态，没有任何一种系统能够被视为足够成熟或足够安全可靠。

在使用这些辅助驾驶功能的时候，大家还是得打起十二分精神，握住方向盘，随时准备介入接管车辆为好。