凤凰网汽车

2021年车圈热词必然少不了激光雷达，有人称今年为“激光雷达的元年”。之所以这么说，是因为今年不仅有多款上市新车搭载了激光雷达，而且搭载激光雷达车型的售价也下探到了20万元价格区间。简而言之，触手可得。

俗话说人红是非多，激光雷达在圈内也有不小争议。比较著名的，特斯拉创始人Musk就曾多次公开抨击激光雷达，言论包括但不限于注定失败、愚蠢的东西……

可见，激光雷达虽然有拥趸，但也有行业巨头极力反对。似乎激光雷达的今天就像自动变速箱与涡轮增压发动机的昨天，有人看好有人看衰。

本质是感知策略的交锋

自动驾驶需要车辆对外部环境有清晰认知后，再执行相应的响应动作，比如前方出现障碍物，车辆感知后紧急制动。在响应策略层面大家都差不多，关键点在于如何清晰、及时、完整的感知环境。

围绕激光雷达，我们可以把当今自动驾驶技术路线分为两派，分别是使用摄像头的“纯视觉系”，以及毫米波雷达、激光雷达、摄像头、高精度地图组合应用的“复合感知系”。

纯视觉系以特斯拉为代表。马斯克认为，既然人是依靠眼睛完成驾驶的，那么车为什么不行呢？这个说法真挺有道理，按照马斯克的逻辑，给车配上足够的视觉感知能力，理论上是没问题的。

不过在这条技术路线下，特斯拉要有足够强大的算法解读画面中的信息。毕竟摄像头采集的是2D画面，难以还原现实场景中的距离，因此还会有多目摄像头从不同角度采集画面，构筑3D场景。另外，摄像头也会受到光照环境的影响，详情可参考特斯拉与白色卡车发生事故。

还有很重要的一点，纯视觉方案也会给算法抛出一个难题，给系统一张图，是啥交给系统判断。因此，与纯视觉方案配合的算法需要一个学习认识物体的过程。

纯视觉方案也有优势，并且很明显。首先，摄像头可以识别红绿灯、路标、车道线、指示牌等。其次也是非常重要的一点，摄像头成本相对更可控。

复合感知系中，主要讲讲激光雷达。激光雷达是光学雷达，通过激光抵达反射面后返回光源完成测算距离，除了测距这个基本功能外，激光雷达还可以通过探测物体轮廓、位置、体积等信息绘制出周边环境的3D模型。而作为光学雷达，雾霾、沙尘暴等恶劣天气是激光雷达的天敌。

因此，激光雷达多与毫米波雷达结合使用，毫米波雷达穿透烟雾、尘埃的能力较强，且能胜任夜间工作。

两大派系的阶段性成绩

聊理论不聊成果显然是站不住脚的。

今年3月，本田获得日本交通省的批准, 明年3月这套自动驾驶系统将出现在本田Legend车型上，这是全球首个获得官方批准认可的L3量产车。这款车配备了双目摄像头、5个毫米波雷达以及5个激光雷达。

不出意外，这款车的价格非常昂贵，724.9万日元，约合人民币43.3万元。有业内人士披露，这款车的在传感器方面的成本高达数百万日元。可别忘了，这其中不包括与感知系统硬件配套相关算法和芯片等等软硬件成本。

看到这你也许会理解，为什么马斯克会认为激光雷达是愚蠢的自动驾驶解决方案。因为成本太高了，实在是难以大规模推广。

那么作为纯视觉系掌门人的特斯拉进展到什么地步了呢？很遗憾，特斯拉没能成为第一个有官方认证L3的厂商，也没能成第二个。值得肯定的成绩，应该只有美国公路安全保险协会（IIHS）对其在安全测试中的肯定。IIHS对特斯拉Model Y说，行人碰撞预警这方面你做的不错。特斯拉还是没能到L3，IIHS也不管这事儿。

一方是有些实质性进展，但距离终极目标还有很长的路，另一方则暂未取得啥突破。

谁更靠谱一点

老实说，这让我联想到了“冷战”。两方有着不同的理念想法，却都自认为是人类社会未来的领路人。大多数人都想不到，战后满目疮痍的巨人能低开高走，大多数人也想不到，苏攻美守之后的那份圣诞节贺礼。

自动驾驶技术路线也是一样，不到最后不知结果，也许最后的结果是条条大路通罗马，大家殊途同归了也说不准。但理性分析下过程和初衷，我们依旧能得到一些答案。

自动驾驶的初衷是什么？安全。安全需要什么？冗余。摄像头确实能做到很多事情，算法的完全体也能带来意想不到的惊喜，但毫米波雷达、激光雷达的存在如果不从成本方面拖后腿，那是不是会更令人安心呢？举个例子，家里的门有防盗锁，我们会心安，如果房门连接着物业安保系统，有强力破拆行为会立即报警，我们是不是会更放心？

这几年来，随着自动驾驶走上风口，激光雷达成本有实打实的下降。以前，谷歌无人车使用的激光雷达成本为7.5万美元左右，后来Waymo把成本降到了7500美元，今年有国内的自动驾驶解决方案供应商宣称要把激光雷达成本打压到200美元。先不管能否实现，至少降低成本是激光雷达的大趋势。

↑ 搭载四颗激光雷达的长城机甲龙，售价48.8万元

现在，我们能从一小部分车上见到激光雷达。尽管它的到来没能帮助车辆从L2跨越到L3，从另一个角度看，机关雷达的应用有助于提升车辆感知层面能力，这是实现更高阶自动驾驶不能绕过的课题。不仅局限于激光雷达，复合感知显然更符合在安全性方面的冗余，更直击理想中的自动驾驶，只不过当下还有些问题需要多个行业一起攻克。