激光雷達原理秒懂

說到無人車,就不得不提到激光雷達,簡稱光達。在矽谷的小夥伴應該都見過光達。它就是無人車上不停旋轉的那頂帽子。

特斯拉的老大Elon Musk聲稱,唯有特斯拉的車不需要激光雷達(lidar)。特斯拉只需用攝像頭和雷達(radar)感測器,就可以做到像人眼一樣觀察四周路況。這真的可行嗎?

秒懂光達原理

光達的原理類似於聲吶。只不過這裡我們用光代替聲音,來衡量汽車與障礙物之間的距離。和蝙蝠靠回聲定位一樣,汽車向四周發射激光束,並通過反射回來的信號繪製出周圍環境的3D模型。光達的英文是Lidar,拆開看就是:

Li:Light(光),光達發射出人肉眼無法看到的紅外線。

d:detection(檢測),靠發射出的激光束找到障礙物。

a:and

r:ranging(測距離),靠返回的光束判斷物體距離。

光達:無人車的第二雙眼睛

當前最好的光達可以識別距離百米之外、大小只有幾厘米的物體,可以區分物體與行人,甚至可以辨別行人和汽車的移動軌跡和速度。谷歌、Uber等公司的無人車的感知系統都主要依賴於激光雷達。特斯拉既然說光達完全沒有必要,我們就來看看,光達和攝像頭,到底誰更厲害?

光達 PK 攝像頭

Round 1. 基本原理

光達:計算激光束的反射時間和波長。

攝像頭:將光學信號轉化成數字圖像信號。

Round 2. 成像

光達:完整繪製障礙物3D圖像。

攝像頭:必須根據2D圖像判斷/生成3D圖像。

Round 3. 顏色識別

光達:無法辨別顏色。

攝像頭:可辨別顏色。

Round 4. 擺放位置

光達:必須擺放在視野毫無阻擋的地方,所以常常放在車頂。這無疑降低了無人車的顏值。

攝像頭:像人眼一樣小的攝像頭想擺哪裡就擺哪裡。

Round 5. 測繪和識別障礙物

光達:成像可視化程度低,障礙物識別準確率高。

攝像頭:成像可視化程度高,障礙物識別準確率低。

Round 6. 測距離

光達:近,幾米到二百米。

攝像頭:遠,可達幾百米。

Round 7. 適合自然環境

光達:黑天也能看得清,影子也可識別,但受天氣因素影響較大。

攝像頭:下霧下雨也看得清, 但被外界光源強度所限制。

Round 8. 對計算機要求

光達:很低。

攝像頭:很高,需要將2D圖像轉為3D。

Round 9. 硬體成本

光達:成本高,當今一個光達的成本已經從七萬美元降到了一萬美元。不過成本仍然是批量生產無人車的瓶頸。

攝像頭:成本低。

九個回合下來,光達和攝像頭不相上下,各有千秋。Elon Musk說激光雷達可以被取代的說法也確實很難讓人信服。打造一輛完美的無人車,顯然還是需要激光雷達的輔助。或許幾年後,特斯拉可以研發出這樣完美的感測器,不過到那時候,激光雷達的成本也會大大降低,特斯拉的成本優勢也會被弱化。

點擊擴展閱讀,了解更多自動駕駛車的感測器

(雷達 | radar、激光雷達 | lidar、攝像頭 | passive visual、超聲波 | ultrasonic)

微信關注「自動駕駛說」,了解更多小編在矽谷的工作心得

推薦閱讀:

【乾貨】最新有關 DL & ML 的 R 語言書籍
李宏毅機器學習2016 第二十講 結構化線性模型
「轉行人工智慧」是否前景一片光明?
識別王者英雄 - 一個 PM 的機器學習入門之旅
機器學習系列-Logistic回歸:我看你像誰 (下篇)

TAG:自动驾驶 | 人工智能 | 机器学习 |