當(dāng)前，提到自動駕駛汽車環(huán)境感知技術(shù)，很多人會首先想到激光雷達(dá)。的確，相較于攝像頭、毫米波雷達(dá)等車載傳感器，激光雷達(dá)具有高精度、高分辨率的優(yōu)勢，并已在很多自動駕駛試驗(yàn)車上廣泛搭載。但這種技術(shù)也有其無法忽略的缺點(diǎn)——成本高，譬如Ibeo的LUX 4線激光雷達(dá)，售價(jià)就高達(dá)1.5萬美元，而谷歌雖然在年初宣稱其自主開發(fā)的激光雷達(dá)可以降低90%的成本，每臺依然要7500美元。如此高昂的價(jià)格，對于最終要走向商業(yè)化的自動駕駛汽車來說，明顯不現(xiàn)實(shí)。
因此，在已有激光雷達(dá)方案之余，如何找到一種成本更低的環(huán)境感知解決辦法成了很多企業(yè)關(guān)心的問題。針對這個(gè)難題，在日前召開的第四屆APEC車聯(lián)網(wǎng)研討會上，來自中國工程院的高文院士給出了自己的答案——視覺導(dǎo)航。
在他看來，不管企業(yè)如何優(yōu)化激光雷達(dá)成本，要想把其價(jià)格降至譬如1000美元甚至更低——畢竟這一價(jià)位對于量產(chǎn)車來說才是合理的，都面臨較大的挑戰(zhàn)。比較而言，以“攝像頭+軟件”的視覺導(dǎo)航技術(shù)，更容易達(dá)到。
激光雷達(dá)價(jià)格高 視覺導(dǎo)航賦能自動駕駛
視覺導(dǎo)航，顧名思義即通過視覺攝像頭捕捉圖像信息，以獲取移動物體在空間中所處的位置、方向和其他環(huán)境信息，并用一定的算法對所獲信息進(jìn)行處理，建立環(huán)境模型，進(jìn)而尋找一條最優(yōu)或近似最優(yōu)的無碰路徑，實(shí)現(xiàn)安全移動，到達(dá)目的地。
在此技術(shù)方案中，有兩大關(guān)鍵點(diǎn)——視覺攝像頭和人工智能算法，其中前者主要用于獲取環(huán)境信息，后者則用來分析數(shù)據(jù)，提取特征量，從而為下一步的行動提供決策依據(jù)。相較于激光雷達(dá)，以視覺技術(shù)為主導(dǎo)的環(huán)境感知解決方案，技術(shù)更成熟，門檻和研發(fā)成本更低，因此在近兩年隨著計(jì)算機(jī)視覺技術(shù)的日趨成熟，以及互聯(lián)網(wǎng)、人工智能、云計(jì)算等新興技術(shù)的快速發(fā)展，獲得了越來越多自動駕駛相關(guān)企業(yè)的關(guān)注，其中最具代表性的企業(yè)便是特斯拉。
作為特斯拉的CEO，馬斯克曾公開表示特斯拉不會使用激光雷達(dá)，因?yàn)楹笳叩某杀具^高。之后，在特斯拉的Model S、Model X、Model 3上，果然沒有看到激光雷達(dá)的身影，這些車上僅安裝了一定數(shù)量的攝像頭、毫米波雷達(dá)和超聲波傳感器，來驅(qū)動自動駕駛儀Autopilot。即使在2016年特斯拉汽車憑借攝像頭等傳感器沒能正確辨別駕駛環(huán)境而引發(fā)交通事故，飽受爭議后，這家公司依然沒有對激光雷達(dá)“松口”的意思，這一點(diǎn)從特斯拉今年屢次升級其駕駛輔助系統(tǒng)就可以看出。
而如特斯拉一樣“倚重”計(jì)算機(jī)視覺技術(shù)來實(shí)現(xiàn)自動駕駛的企業(yè)還有圖森未來。這家成立于2015年的自動駕駛初創(chuàng)公司，在其自動駕駛解決方案中，也是以低成本的計(jì)算機(jī)視覺為核心，并輔以人工智能算法。
“因?yàn)槲覀冃枰紤]怎么把東西賣出去，所以首先會考慮價(jià)格相對較低的方案。”這是圖森未來CTO侯曉迪想法。在他看來，激光雷達(dá)還沒有量產(chǎn)，價(jià)格貴，目前無法產(chǎn)生足夠多的價(jià)值，但圖森并不排除在降價(jià)之后選擇使用激光雷達(dá)。
不過，正如高文院士所說，激光雷達(dá)降成本那么難，究竟何時(shí)價(jià)格能降到符合量產(chǎn)要求、能被大多數(shù)企業(yè)所接受，目前誰也不知道。而另一方面，隨著自動駕駛領(lǐng)域各家企業(yè)爭相推進(jìn)其產(chǎn)品量產(chǎn)進(jìn)程，留給這些企業(yè)的時(shí)間并不多了，與其都在激光雷達(dá)一項(xiàng)技術(shù)上“死磕”，不如轉(zhuǎn)而尋找其他更可行、在短期內(nèi)有可能落地的技術(shù)。
視覺導(dǎo)航雖美 仍有諸多難題待解
視覺感知作為一條走低成本和借助大數(shù)據(jù)就能夠解決問題的技術(shù)路線，雖然相較于激光雷達(dá)，有諸多優(yōu)勢，更易于推動自動駕駛汽車商業(yè)化。但這條路線本身，目前也面臨一些技術(shù)難題。
“要想憑借視覺感知把導(dǎo)航問題處理好，AI決策的算法很關(guān)鍵。”高文院士表示。“以視覺測距為例，當(dāng)視覺攝像頭輸入一些環(huán)境圖像后，通過相關(guān)的計(jì)算，我們就可以反向推演出車子距離房子、行人、信號燈的距離。所以這里一定要測距的算法足夠好，才能測的準(zhǔn)、定位準(zhǔn)確。”
然而在實(shí)際工況中，使用視覺測距常常會出現(xiàn)位置漂移的現(xiàn)象。因?yàn)橐曈X測距是依靠攝像頭獲取不同的環(huán)境圖像，然后與原有的地圖做比對，并通過相關(guān)算法，計(jì)算出距離。在此過程中，如果數(shù)據(jù)處理速度跟不上，或者算法不夠好，就會發(fā)生漂移，與實(shí)際結(jié)果產(chǎn)生一定的差距。這就需要有專門的算法去解決漂移的問題，比如通過特征匹配，提取一些關(guān)于“特征”的數(shù)據(jù)，來比較差別，從而檢測是否存在漂移，以及位置漂移的程度，然后反向糾正。除此以外還可以通過全局優(yōu)化的思路，也可以幫助車輛進(jìn)行精準(zhǔn)定位。
另外一個(gè)問題是，視覺導(dǎo)航對光照的要求比較高，不像激光雷達(dá)不需要光照，就可以檢測障礙離車的距離。視覺導(dǎo)航由于是依靠攝像頭來采集環(huán)境信息，而攝像頭本身不發(fā)光，因此光線不好的時(shí)候，需要用輔助光來照明，就像人眼在夜里也需要開燈才能看清周圍的環(huán)境一樣。
從這一點(diǎn)上來講，今后的視覺導(dǎo)航系統(tǒng)還必須解決光線不好條件下的導(dǎo)航問題。此外，還有天氣、擁堵以及各種突發(fā)狀況，也會在一定程度上影響視覺導(dǎo)航的正常發(fā)揮。去年5月發(fā)生的特斯拉撞到白色大貨車就是最好的例子，據(jù)特斯拉對此次事故的解釋，兩車相撞時(shí)特斯拉是逆光行駛，強(qiáng)烈的光線對特斯拉搭載的攝像頭造成了干撓，而大貨車的白色車身在遇到強(qiáng)光時(shí)，也無法為攝像頭所辨認(rèn)，才釀成了此次事故。由此可見，視覺導(dǎo)航雖然聽起來很美，具體實(shí)施起來也是任重道遠(yuǎn)。
轉(zhuǎn)載請注明出處。
相關(guān)文章
熱門資訊
精彩導(dǎo)讀
關(guān)注我們
