大部分车企的最终目标就是实现自动驾驶，虽然现在部分汽车已经搭载辅助驾驶功能，但是依然不能离开驾驶员操作，也就是说，现在的汽车技术还不够发达，依然不能实现真正的自动驾驶功能，但已经实现了基本自动驾驶功能，比如自动泊车功能。
而现在新能源汽车要比传统燃油车配置高，尤其是科技配置，根据大部分车企的研究表明，要想实现汽车自动驾驶功能，就需要 LiDAR（光探测和测距）传感器，激光雷达工作原理是利用激光对周围环境进行3D分析，通过测量发射激光脉冲并从目标返回所需的时间来计算距离和三维效应，从而达到自动驾驶的功能。
也就是说，传感器从目标返回的速度足够快，让车内电脑作出快速反应，而这个反应速度必须要达到人脑反应速度，甚至超过人脑反应速度才可以，并且一定要精准无误的技术，很多车企认为这就是自动驾驶功能的关键。
早期，奔驰就与激光雷达公司进行了合作，并确认了激光雷达技术的安全性和准确性，而搭载自动驾驶技术的车型为S级，配置为L3 级自动驾驶系统，除了奔驰之外，大部分新能源汽车也搭载激光雷达自动驾驶技术，并认可激光雷达技术安全性，以此来实现汽车自动驾驶功能。
而作为新能源汽车的领头羊，特斯拉不可能对自动驾驶功能不感兴趣，而特斯拉的自动驾驶技术却与其他车企不同，特斯拉并没有采用激光雷达技术，特斯拉觉得激光雷达技术并不是自动驾驶技术的最终选择，而是在雷达前提下加入了摄像技术，也就是搭载摄像头，并且是全车360度无死角对周围环境进行拍摄。
这种技术工作原理就是精准获取周围环境信息，来判断行驶方向和速度，所以，特斯拉坚持使用摄像头加雷达来实现自动驾驶技术，另外，特斯拉还废除了之前搭载的激光雷达技术，并宣布采用依赖摄像头的“特斯拉视觉”系统，但特斯拉这种独特的选择受到了各界关注。
目前，如果想要实现自动驾驶全面商业化，前提是必须最可靠地保证安全，因此很多人对特斯拉“视觉仅依靠摄像头”的方法表示担忧和质疑，因为在正常情况下，摄像头要比激光雷达冲脉更容易受到天气环境影响，也就是说，摄像头不如激光雷达实用性高，那为什么特斯拉会依然坚持摄像头自动驾驶功能呢？
多数车企使用激光雷达，为什么特斯拉坚持采用摄像头？
激光雷达vs视觉感知性能比拼
激光雷达感知技术是以激光雷达为主导，毫米波雷达、超声波传感器及摄像头作为辅助。激光雷达感知环境的工作原理，是通过激光雷达发射激光束，测量激光在发射及收回过程其中的时间差、相位差，来确定车与物体之间的相对距离，实现环境实时感知及避障功能。
激光雷达具有较长的探测距离与较高的精准度，抗干扰能力强，可以主动检测周围多物体环境，获取周围环境点云构建3D环境模型。即使夜间光线不好，也不会影响探测效果。虽然激光雷达不怕暗光但是对于天气敏感，雨雪、沙尘、大雾天气等影响激光雷达识别效果。激光雷达融合高精地图方案可有效弥补视觉方案环境依赖度高、算力需求大的缺陷，其性能优势使得大多车厂将激光雷达列为面向L3级及以上级别自动驾驶不可或缺的感知器件。
视觉感知是以摄像头为主导的方案，摄像头成本相较激光雷达优势极大。摄像头的价格在几十美元左右，而激光雷达在几百美元，是其数倍。再者摄像头技术逐渐成熟，高分辨率、高帧率成像技术使得感知的环境信息更为丰富，但摄像头在黑暗环境中感知受限，精度及安全性有所下降。
例如特斯拉最为诟病的幽灵刹车故障，就是在一些隧道和大桥阴影处，因为摄像头的结构原因，算法将突然出现的阴影当做障碍物导致车辆会突然自动减速，造成安全隐患。视觉方案中比较硬件性能，摄像头功能被秒成渣渣。得益于软件算法的加成，视觉方案才能依靠强大的算法保证图像处理、决策执行的功能正常进行。
与激光雷达相比，视觉感知的弱点较为明显：摄像头依赖光线条件，感知方式精度较低，对算法、算力的依赖程度和要求极高，而数据的获取及算法迭代壁垒高。性能方面激光雷达明显胜出，特斯拉花费巨大的成本在算力和算法上，投入不小，头铁一直挺身坚持视觉感知路线，到底是有哪些角度的考量呢？
特斯拉专注纯视觉路线逻辑
在马斯克看来，“纯视觉感知才是通往真实世界 AI 的道路”，而这也是他解决问题奉行的底层思路——第一性原理，即回归事物最基本的条件，将其拆分成各要素进行结构分析，从而找到实现目标的最优路径。
在驾驶车辆的过程中，我们是通过眼睛收集路况信息辅以大脑处理的方式进行，那自动驾驶按理说也能通过视觉感知辅以算法处理的方式进行安全驾驶。
特斯拉想要做的就是模仿人类视觉获取信息的能力来实现自动驾驶。既然视觉摄像头的感知方式精度较低，那么就依靠特斯拉独有的数据优势和构建算力、算法的能力来抹平这个缺陷。
数据方面，当其他自动驾驶厂商还在路测阶段收集数据，特斯拉得益于在全球售出数百万辆有摄像头的汽车，已经积累了海量真实路况的数据。用于深度学习模型训练的数据让特斯拉的算法早已建立起壁垒，而这些数据样本的积累速度与算法的效率其他厂商无法复制，只能干瞪眼瞎着急。
算力方面，特斯拉新建立的超级计算机 Dojo，拥有强大的算力，这个超级计算机就是为特斯拉的自动驾驶系统设立，用来集中力量训练 Autopilot 在内的整个自动驾驶系统。
而在摄像头的技术层面，特斯拉也进行了技术的革新，使用“伪激光雷达”技术代替，对摄像头中的像素进行深度估计，类似激光雷达的点云功能一般形成3D目标检测，提高了深度估计的准确性，激光雷达和相机之间的差距开始缩小。
人们驾驶车辆的时候依赖视觉，我们的神经网络可以处理视觉信息中的距离、速度等信号，而特斯拉的神经网络似乎也可以逐渐做到。特斯拉的视觉感知路线，逐渐在缩小与激光雷达方案的差距，但是其背后所付出的代价，让后来者们无法跟随复制，这也为特斯拉建立起强大的壁垒。纯视觉方案以海量样本数据训练学习和先进的图像处理算法算力支撑，注定是一个少数攀登者选择的艰难路线。
结语
特斯拉已经走上了纯视觉FSD之路，尽管有一些事故，但目前其自动驾驶体验总体来说还是比较先进的，毫无疑问，特斯拉将在这条纯视觉FSD之路上一直走下去。
当然，采用激光雷达传感器的自动驾驶路线拥有除了特斯拉以外更多的厂商和更多的客户、消费群体，采用纯视觉FSD还是采用多种传感器融合的自动驾驶，目前还无法证明谁能更胜一筹。
也许，这与智能手机市场的苹果iOS和安卓阵营一样，最终两者都有各自的市场。
而市场上，再也没有第二个苹果，却有无数的安卓厂商。
来源：森蔚汽车
E N D