童济仁汽车评论|为何特斯拉敢赌纯视觉方案？特斯拉为何不用激光雷达？特斯拉如何克服视觉劣势？用视觉替代激光雷达，可能吗？写在最后，马斯克疯狂diss激光雷达背后( 二 )
至于在公开场合频繁唱衰激光雷达 ， 就权当是特斯拉及埃隆·马斯克出色公关水平的一种体现 。
特斯拉如何克服视觉劣势？从2D平面图像推断精确的3D立体实景 ， 实际上是非常困难的 。
【童济仁汽车评论|为何特斯拉敢赌纯视觉方案？特斯拉为何不用激光雷达？特斯拉如何克服视觉劣势？用视觉替代激光雷达，可能吗？写在最后，马斯克疯狂diss激光雷达背后】以下图中这辆MPV为例 ， 如果只看左侧的2D图像 ， 似乎用视觉和激光雷达标注的形状都是准确的 ， 但是如果放在3D的场景中 ， 就会发现使用视觉方案标注的形状不仅偏长、偏窄 ， 而且缺少了汽车的侧面 。
文章图片
因为在2D图像中 ， 很容易找到车辆的左前角和右后角 ， 但是左后角却没有明显的特征 ， 由于车辆尾部的倾斜、向上收窄 ， 就会造成对整体宽度的低估 。 同时 ， 依靠发动机舱盖超出车顶的部分估算车长 ， 也会导致在纵深方向上的高估 。
文章图片
而这还仅仅是一个在高亮度环境下相对规则的物体 ， 如果环境变暗 ， 或是加入更多的遮蔽物、障碍物 ， 情况会变得更加极端 。 比如在黑暗树荫中的二轮车 ， 纯视觉方案很难分辨 。
文章图片
因此 ， 从根本算法上解决视觉信息的准确处理 ， 就是特斯拉自动驾驶体系的绝对核心技术 。
实现自动驾驶功能 ， 更多的是技巧、记忆和经验 ， 而不只是推理和计算 ， 深度学习的算法就是为了提高自动驾驶的成熟程度 。 特斯拉完善视觉算法的一大优势 ， 就是通过海量的车主驾驶数据 ， 进行神经网络训练 ， 从而不断覆盖更多的工况与场景 ， 达到视觉算法无限接近人类判断的目的 。
这一方面取决于特斯拉自动驾驶硬件的高算力 ， 另一方面是特斯拉在“模式识别模型”领域的绝对领先——超大的数据规模、多样化的数据覆盖度、真实的数据场景 。 归根到底 ， 全世界超过百万辆的特斯拉车主 ， 都是特斯拉自动驾驶算法训练的众测者 。
文章图片
这里不得不提的就是特斯拉独有的“影子模式” ， 这是特斯拉在不影响算法训练的速度与准确性的基础上 ， 大幅降低因数据量过大造成训练成本提升的关键 。
藏在驾驶员背后的“影子” ， 始终在观察外部环境与驾驶员的动作 。 如果在某个特定场景中驾驶员的操作与“影子”预想的一致 ， 那么数据不会被上报；如果“影子”发现它的判断与驾驶员操作不相符 ， 那么这次的数据就会被送到特斯拉的服务器中 ， 并对算法进行修正性训练 ， 达到一定程度后再次下发到车辆中 。
文章图片
这个过程中 ， 驾驶员不会有任何感知 ， 但特斯拉事实上已经完成了“模式识别-算法学习-反馈-升级-应用”的闭环 。 正是在无数次的训练后 ， 特斯拉不断提升视觉方案的精度 ， 克服视觉方案固有的劣势 ， 并且将算法优势变成牢不可破的技术门槛 。
用视觉替代激光雷达 ， 可能吗？特斯拉最终希望达到的目的 ， 是让其视觉处理能力达到激光雷达的可见性 ， 在行业中被称为“伪激光雷达” 。
激光雷达通过每个激光点的距离 ， 实时还原环境 。 而特斯拉则是要去预测每个像素的深度 ， 然后将其投射出来 ， 从而复制激光雷达的功能 。
推荐阅读
- 5G|小米首款“5G汽车”亮相，小米有哈不能造
- 挖贝网|销售费用下降，图灵汽车2020年上半年亏损31万亏损减少
- 杨华评论|上次有伤才输给他，打嘴炮将闪电KO，名宿：帕奎奥比梅威瑟厉害
- 混动新汽车|现代Palisade值得选吗，韩系中大型SUV
- 韭菜花音乐|英国亚马逊删除2万条可，在证据显示“好评师”通过虚假评论获利后
- 车家号|需建中国标准和国家平台，吴卫：从国家战略高度认知智能汽车发展
- 太空梦想|赛事公告，2020“长安汽车杯”首届中国人因工程设计大赛
- 奥尔拓斯ALLTOP|宁波奥多汽车用品有限公司上榜“2020中国五百强”奥尔拓斯ALLTOP
- 汽车之家|要做合资最强车机？聊福特SYNC+系统
- 趣头条|汽车软件付费VIP的时代可能即将到来，向特斯拉和苹果看齐