自动驾驶不需要融合传感器吗

寂静回声

特斯拉的首席执行官埃隆·马斯克（Elon Musk）在其第一次“Autonomy Day”活动中抨击激光雷达（LiDAR）是“一个傻瓜的差事”，并说“依赖LiDAR的任何人都注定要失败，”因为它是“不必要的昂贵的传感器。”而传感器融合（Fusion）却是当下的热门话题之一。

传感器的发展速度和水平决定了未来自动驾驶（AD）的进展快慢，这话并不过分。没有传感器，自动驾驶汽车就不可能实现。传感器可以使汽车看到和感知道路上的一切，并收集安全驾驶所需的信息，通过中央处理器为汽车控制装置发送适当的指令，如转向、加速和制动；联网传感器收集的实际路径、交通堵塞和道路障碍物信息，可以在联网汽车之间共享；地图信息的处理和分析可以构建从A点到B点的路线。

说到高级驾驶辅助系统（ADAS）和自动驾驶汽车（AV），一切都与传感器有关，都需要摄像头、雷达和LiDAR、超声波等传感器来查看周围环境。视听设备还需要计算能力和人工智能（AI）来分析多维（有时是多源）数据流，以便为车辆提供实时的整体和统一视图。

毋庸讳言，对于每个终端市场来说，都有其特定于应用的需求，而一种感测方式无法满足所有需求（尽管特斯拉可能不会同意）。对于ADAS和AV，永远不会有一种单一的最有效方法来实现感测技术。

在搭配（mix）和匹配不同的传感器后，AV开发人员正在寻找协调多个传感器生成数据的方法。他们相信，融合的感知数据才能更接近人类的感知。

时至今日，一些汽车OEM根本不使用LiDAR，而是押注传感器和基于AI计算的结合，以实现高自动化水平。最引人注目的是特斯拉，其方法是在车辆周围放置使用伪LiDAR方法的摄像头，以生成汽车周围环境的准确3D图像；用AI计算分析车道标记并预测其他车辆的行为。它不仅分析图像，还分析图像中的各个像素，以预测每个像素的深度。丰田汽车也正在研究类似的方法。

马斯克是一位有影响力的思想家，他的做法可能会对整个行业产生影响。特斯拉Model S是第一款具有AD功能的汽车，自其发布以来，由于驾驶员对ADAS系统依赖过大，发生了许多事故。

AV加速的疯狂竞争压力也在传感器融合算法开发中取得了重大进展，但仍然存在许多技术挑战。

Yole Développement的技术和市场分析师Pierrick Boulay说：“汽车的E/E（电气/电子）架构正在从分布式架构演变为以域为中心的架构。”

他指出，奥迪在2016年走出了第一步，采用了zFAS域控制器。所有传感器数据，包括来自3D摄像头、远程雷达、LiDAR和超声传感器的信号，都不断地输入到模块中并由模块（域）进行处理。

“使用这种类型的域控制器，可以更轻松地实现数据融合，”Pierrick Boulay说。事实上，特斯拉对其Autopilot硬件采取了类似的方法，用硬件“收集来自所有嵌入式传感器的数据，还可以控制音频和RF及导航系统。”目前真正的域控制器应该只有特斯拉的AP3.0（FSD版）和奥迪A8的zFAS，其余很多域控制器只是虚拟机而已。

英飞凌科技奥地利公司概念工程师Norbert Druml表示，AI将越来越多地实施，且所有开发用于分析此类异构数据量算法的公司都将找到许多机会。对于制造处理数据的芯片公司来说也是如此。随着驾驶级别的提高，对计算能力的需求也不断增加。例如，自动驾驶汽车已经超过了每秒250 tera运算量，而特斯拉的完全自动驾驶能力接近70 TOPS。

那么，计算能力可以无限增加吗？在什么级别就可以认为足够用于完全自动驾驶？Pierrick Boulay说：“有些公司拥有中等计算能力的优化系统就可以实现完全自动驾驶，而其他公司则可能需要两倍的资源。只有时间才能证明极限在哪里。”