「誰用激光雷達(dá)，誰完蛋！」

在去年特斯拉舉辦的 Autonomy Day 上，特斯拉 CEO Elon Musk 言辭激烈地炮轟激光雷達(dá)。

「昂貴的傳感器是不必要的，這就像是一大堆昂貴的附屬品。」

「像闌尾一樣。一個(gè)闌尾不好——那么，一大堆闌尾怎么樣？這太荒謬了。」

Musk 對激光雷達(dá)的態(tài)度是盡人皆知，他甚至認(rèn)為：自動駕駛汽車依賴激光雷達(dá)，就像行走依賴拐杖一樣。

雖然特斯拉在自動駕駛有過多次跳票的記錄，但特斯拉在人工智能與神經(jīng)網(wǎng)絡(luò)上的飛速進(jìn)步也給足了 Musk 不斷立下 Flag 的底氣。

當(dāng)然，這也離不開 Autopilot 團(tuán)隊(duì)的努力。

在今年 2 月的 Scaled ML 大會上，特斯拉 AI 高級總監(jiān) Andrej Karpathy 對外分享了特斯拉訓(xùn)練 AI 的方法，同時(shí)也首次對外分享了特斯拉如何借助攝像頭就能實(shí)現(xiàn)激光雷達(dá)的探測精度。

傳統(tǒng)自動駕駛系統(tǒng)非常依賴激光雷達(dá)這一不可或缺的傳感器。

激光雷達(dá)的工作流程可以簡單理解為三個(gè)步驟：

首先，激光雷達(dá)陣列會投射出激光點(diǎn)陣；

而后，車載計(jì)算機(jī)將這些激光點(diǎn)陣的回波「翻譯」成 3D 圖像，讓車輛識別周邊是否有汽車車輛、行人、道路或建筑；

最后，自動駕駛汽車感知到周圍環(huán)境后，安全穿梭在復(fù)雜的路況下。

近些年來，自動駕駛的蓬勃發(fā)展也促進(jìn)了激光雷達(dá)硬件及相關(guān)軟件方案行業(yè)的大躍進(jìn)。但即使是這樣，激光雷達(dá)系統(tǒng)的價(jià)格依然居高不下。

與其相比，在智能手機(jī)、筆記本等行業(yè)已相當(dāng)普及的攝像頭卻只要數(shù)十美元。

與激光雷達(dá)依靠激光飛行時(shí)間來判斷各個(gè)像素間距離的方法不同，人類測距靠的是大腦。

除了雙眼創(chuàng)造的立體視覺（只適合中等距離），我們還能借助「動態(tài)視差」跟蹤物體的運(yùn)動方式，從而得出其他可以參考的線索。而且，即使駕駛員閉上一只眼睛，也一樣能夠好好駕駛。

那么，借助神經(jīng)網(wǎng)絡(luò)，自動駕駛汽車是不是也能實(shí)現(xiàn)同樣的效果呢？

這時(shí)就輪到「虛擬激光雷達(dá)」登場了。

目前，特斯拉 AI 團(tuán)隊(duì)已經(jīng)掌握了名為「虛擬激光雷達(dá)」（pseudo-LiDAR）的新技術(shù)，它彌合了傳統(tǒng)計(jì)算機(jī)視覺和激光雷達(dá)強(qiáng)大的點(diǎn)云世界之間的界線。

這是什么意思？

首先，特斯拉將計(jì)算機(jī)視覺提升到了前所未有的水平——不僅能夠分析圖像，而且還能夠分析圖像中的單個(gè)像素。

這也意味著，隨著時(shí)間推移，特斯拉的這一技術(shù)或許能夠復(fù)制傳統(tǒng)激光雷達(dá)的大部分功能，進(jìn)一步提高特斯拉在 3D 物體探測方面的技術(shù)水平。

與訓(xùn)練多個(gè)神經(jīng)網(wǎng)絡(luò)相比，訓(xùn)練虛擬激光雷達(dá)的過程并不復(fù)雜。在這里，工程師們會使用到無監(jiān)督學(xué)習(xí)技術(shù)。

其次，與傳統(tǒng)激光雷達(dá)系統(tǒng)相比，特斯拉基于攝像頭探測方式的成本更加便宜，硬件端實(shí)現(xiàn)起來也更容易，探測距離更是能大幅提升。

不過，想實(shí)現(xiàn)相同的性能，特斯拉必須手握一套極其復(fù)雜的計(jì)算系統(tǒng)，將輸入的原始數(shù)據(jù)轉(zhuǎn)化成真實(shí)高效的信息。

比如，車載計(jì)算機(jī)能從連續(xù)的靜態(tài)圖像中識別出道路標(biāo)線、交通標(biāo)志和其他車輛。

「我們走了一條『虛擬激光雷達(dá)』的路徑，只需簡單預(yù)測單個(gè)像素的深度，找到它們直接的距離，就能得出結(jié)論。」Karpathy 說道。

這樣說來，特斯拉只要不斷重復(fù)這一過程，就能復(fù)制傳統(tǒng)激光雷達(dá)系統(tǒng)的大部分功能。

但與此同時(shí)，這個(gè)過程在解構(gòu)圖像時(shí)，也需要付出巨大的實(shí)時(shí)算力。好在，特斯拉注重垂直整合，F(xiàn)SD 芯片就是專為自家代碼開發(fā)的。

目前，特斯拉的「虛擬激光雷達(dá)」解決方案正在變得越來越完善。

在 Scaled ML 大會上，Karpathy 放出了一系列有激光雷達(dá)形式的 3D 地圖，這些地圖看起來就像是激光雷達(dá)采集到的信息。

「只要利用好了視覺技術(shù)和『虛擬激光雷達(dá)』，（自動駕駛車輛在）未使用激光雷達(dá)和使用激光雷達(dá)之間的差距會快速縮小。」Karpathy 解釋。

當(dāng)然，「虛擬激光雷達(dá)」這項(xiàng)技術(shù)并非特斯拉獨(dú)有的專利。

最早提出「虛擬激光雷達(dá)」概念的，要追溯到一篇來自康奈爾大學(xué)的技術(shù)論文。

這篇論文提出了一種新方法來縮短純視覺技術(shù)架構(gòu)與激光雷達(dá)間的性能差距：

通過改變立體攝像頭目標(biāo)檢測系統(tǒng)的 3D 信息呈現(xiàn)形式，將基于圖像的立體視覺數(shù)據(jù)轉(zhuǎn)換為類似激光雷達(dá)生成的 3D 點(diǎn)云，通過數(shù)據(jù)轉(zhuǎn)換切換成最終的視圖格式。

具體的過程是這樣的：

首先，將基于圖像的立體視覺數(shù)據(jù)轉(zhuǎn)換為類似激光雷達(dá)生成的 3D 點(diǎn)云；

其次，在數(shù)據(jù)輸入通常用于解讀激光雷達(dá)數(shù)據(jù)的 3D 物體探測算法之前，先將數(shù)據(jù)轉(zhuǎn)換為「鳥瞰」視圖格式。

康奈爾大學(xué)的研究人員在實(shí)驗(yàn)中采用了 40 萬像素相機(jī)，雖然實(shí)驗(yàn)結(jié)果仍然無法比肩激光雷達(dá) 66% 的 3D 平均精度，但是通過采用這種方案，基于圖像數(shù)據(jù)的 3D 平均精度大幅提高到了 37.9%。

研究人員表示，更高分辨率的相機(jī)可能會進(jìn)一步提高實(shí)驗(yàn)結(jié)果。

康奈爾大學(xué)的這項(xiàng)研究證明，利用成本低廉的立體視覺攝像頭，或能提供與激光雷達(dá)幾乎相同的精度。

要知道，激光雷達(dá)是目前自動駕駛技術(shù)開發(fā)中最常見的方案，也是最昂貴的技術(shù)方案。

這項(xiàng)研究，也在一定程度上為 Musk 在激光雷達(dá)上的觀點(diǎn)提供了一定技術(shù)支持。

那么，該如何評價(jià)這項(xiàng)技術(shù)呢？

如果有一天，「虛擬激光雷達(dá)」這項(xiàng)技術(shù)能完成對激光雷達(dá)的追趕，那些還在使用激光雷達(dá)的汽車廠商或是自動駕駛公司，會在第一時(shí)間投向「虛擬激光雷達(dá)」的懷抱嗎？

雖然整個(gè)自動駕駛行業(yè)已經(jīng)基本認(rèn)可自動駕駛車輛需要部署包括激光雷達(dá)、毫米波雷達(dá)、攝像頭在內(nèi)的多種傳感器系統(tǒng)。

但從現(xiàn)在的情況來看，大多數(shù)公司還是想靠激光雷達(dá)一勞永逸的解決問題，畢竟這條路徑肯定行得通，而且激光雷達(dá)在未來還有相當(dāng)大的降價(jià)空間。

而康奈爾大學(xué)的這項(xiàng)研究表明，立體攝像頭系統(tǒng)至少可以為基于激光雷達(dá)的探測方案提供低成本的備份冗余。

如果特斯拉能率先將「虛擬激光雷達(dá)」應(yīng)用在車上，那么自動駕駛汽車基于攝像頭的 3D 物體探測或許在不久的將來或能成為現(xiàn)實(shí)。而這種前景的影響，將是巨大的。

參考信息：

https://cleantechnica.com/2020/04/24/tesla-achieved-the-accuracy-of-lidar-with-its-advanced-computer-vision-tech/

https://www.forbes.com/sites/bradtempleton/2020/04/14/if-teslas-dream-of-making-cameras-perform-as-well-as-lidar-comes-true-it-may-help-teslas-competitors-more/

返回第一電動網(wǎng)首頁 >