昨天跟俩哥们喝酒，其中一个兄弟也是就职国内某著名汽车软件服务公司，一直在做北汽极狐长安汽车的自动驾驶。虽然对我一声一声的俊哥的叫着，但是对业务的了解深度、代码的算法也好、代码的产量也好，我照比人家的水平差远了。
期间就聊到一个话题，就是自动驾驶的解决方案。因为他一直在做国内的业务，所以基本上解决方案就是毫米波雷达、激光雷达、超声波雷达加上摄像头这种多传感器融合感知技术。而我说起特斯拉的纯视觉自动驾驶解决方案，只是通过摄像头来实现自动驾驶也是非常强大的。他马上就反驳我说，那雨雪天气、大雾天气款式不同的雷达能够实现穿透进行3D建模。那么你单纯靠摄像头你怎么进行3D建模？孙建也是给我问没电了，但是你说Tesla Vision系统用强大的算法来实现自动驾驶，但是你说特斯拉威震系统具体怎么个理论实现3D建模确实是我的知识盲区。今天有空我就开始恶补了一下。明白了之后就赶紧掏出来给大伙分享一下。
由于看我视频的受众都是跟我一样的平头老百姓，所以我就尽量说一些俗话，想看更深层次的解读。我把链接放在评论区，感兴趣的可以瞅一瞅。言归正传，麻四科的核心思想就是通过机器来模拟人类驾驶对物体的识别，基本上也还是AI人工智能那一套。人类幼崽就好比说这个也不知道什么是粑粑，能吃还是不能吃，也是通过大量训练才能得到这种能力。
在这块再补充一下人工智能的三大基本要素：数据、算法、算力。不太明白可以翻看我以前的视频。总之人和机器一样不是下生就知道什么能吃什么不能吃的，都是需要慢慢的感受然后形成习惯。只是这种习惯人类都习以为常了，感觉是与生俱来的。机器是需要慢慢学习的。
关于机器学习重点说一下深度学习的算法。因为摄像头采集的彩色的2D图片，提取图片信息，已有的图片，提取算法已经很成熟了，搞就完了。
不过车辆在高速行驶当中，周围的车辆和路况是瞬息万变，怎么通过图像来识别物体的距离，这确实是纯视觉自动驾驶的一大薄弱环节。
提一个名词叫做深度估计网络，其实就是估算测距，主要是通过视差预测来得出的双目摄像头采集的图像(计算深度)。可以通过分别采集的两张图片的视觉差来进行预测深度。
再解释一下，首先在行驶当中采集T时刻的照片，通过深度估计卷肌网络神经CNN，得出一个T时刻的深度图片，然后拿着深度图片去合成前后两张图，再拿两个时刻的真正的原图来进行对比训练。特斯拉通过30亿英里的疯狂训练，才能让预期预测达到一个相当精准的效果。同时车辆也会去记忆，智能记忆人类在这种情况下的操作，反复将视觉内容和操作进行匹配，类似于人类在识别到车距之后进行跟车、超车变道这些操作。
再回过头来说雨雪天气或者是晚上这种视线不好的情况下，同样也是通过多摄像头进行采集，采集大量数据分析匹配，做出最后的决定。就好比人在大雾大雪天一一样，看不清路况，但如果有两个人四只眼睛一起看，是不是就大大的增加了路况的识别成功率。如果是4个人8只眼睛，当然在极端情况下几只眼它也不好使，这也正常。多传感器融合，就好比是看见很重要，主要是靠摸，摸着什么就是什么，纯视觉感知。
就好比是只是拿眼看，看到什么就是什么，拿眼看肯定有它的劣势，但不能说完全不能用。为什么要发展纯视觉自动驾驶？因为便宜特斯拉的8个摄像头加在一起的成本，也没有一个激光雷达的成本高。
为什么只有特斯拉在发展纯视觉自动驾驶？因为只有特斯拉才拥有着长达十几年数以百万计的客户，全球超过30亿英里的投喂数据，才能投危出这么高智商的这个Tesla Vision系统，这一期。
就说到这，下一期聊聊酒桌上的另一个话题，就是国产大飞机C919，拜拜。
