摄像头、激光雷达和毫米波雷达都是智能汽车的主要传感器,三者各有优缺陷,目前为止也无法完备替代对方;如果说非要选择个中一个来大力发展,我认为会是毫米波雷达的进化版本:4D成像雷达,这是后话。下面我来详细聊聊车载摄像头、激光雷达和毫米波雷达各有哪些优缺陷。
先说车载摄像头。它的上风在于角度探测范围大、分辨率更高;缺憾在于成像随意马虎被环境成分滋扰,比如下雨下雪导致镜头起雾结霜,夜间感光能力低落,被强光照射后影响成像质量等等,光学稳定性略差,须要通过不断更新迭代来优化成像质量。
激光雷达拥有更强的的环境感知精度,位移和角度探测范围高,它能够以更高频率的光波发射和反射吸收,精确地皮算被测物的间隔、角度和速率等信息,天生的三维图像更具参考性,比较车载摄像头而言抗景象环境的滋扰能力更强。
然而,喜好特斯拉的同学该当记得,马斯克当年溘然“放弃”了激光雷达,转向8颗摄像头的纯视觉方案。其最紧张缘故原由有2个,一是特斯拉有自研芯片和视觉神经网络的算法上风,第二个缘故原由更大略:纯视觉方案更省钱。
没错,激光雷达的痛点在于传感器本钱高昂,多用两颗就要增加几万本钱,不利于智能驾驶的大规模商业化。而特斯拉纯视觉方案识别信息量丰富、可用数据量适中,全天侯适应性也不错,最主要的是便宜。商业利润高,谁不喜好?但我要提醒各位:特斯拉未没有完备弃用激光雷达,真实的情形是“纯视觉为主+毫米波雷达赞助”,并不是像特粉吹的那样依赖纯视觉天下无敌。
为啥要用毫米波雷达做赞助?由于毫米波雷达的位移探测范围高、分辨率更好,测算速率、位移能力强,而且抗环境滋扰赛过摄像头,可以填补纯摄像头的劣势,增加全体系统的冗余性和稳定性。但是,毫米波雷达的目标分类能力较弱,和摄像头组队刚刚好。
实事求是地讲,目前限定三类传感器系统的并不是硬件技能,发展遇阻的瓶颈紧张还是在AI学习能力方面。无论哪一种技能都依赖巨量的打算资源和存储空间,本钱限定之下,价格适中的4D毫米波雷达或容许以成为更好的方案。
事实上,我们看到主流市场上更多的智能驾驶大多采取了摄像头+毫米波雷达+激光雷达领悟的感知系统。倘若系统数据剖析处理的水平能够达到一个新的高度,那么未来三类传感器都可能发挥出更强大的浸染。
#激光雷达# #毫米波# #智能驾驶# #摄像头# #AI芯片# #大数据# #算力# #头条创作寻衅赛# #秋季生活打卡季#