基础逻辑

首先我们要了解智能驾驶的一个逻辑架构，先是感知层收集信息，把数据给到决策层来分析路况，最后再下达指令到执行层来完成车辆操作。他其实是像我们开车一样，首先眼睛看到路，然后大脑分析路况最后下达指令给手脚来进行操作；

感知层就相当于咱们的眼睛，把收集到的信息传递给决策层（大脑），决策层在通过各种模型数据来对接下来的情况进行预测分析，下放到执行层来做出驾驶决策（加速还是减速）其中纯视觉方案和多传感器融合感知方案的区别就在于感知层采集数据的方式的不同。

纯视觉方案

顾名思义就是指依靠摄像头和高强的AI算法来收集信息分析路况从而进行操作。他的最大优势就在于成本低，而且可以通过不停地数据喂养，模型训练来实现更好的操作与判断，随着经验的累积，出错的几率会明显下降。缺点也很明显，光照、天气都会有一定影响，而且感知距离相对来说比较短。

但是视觉方案的好坏差异非常大，它主要是依赖庞大的数据和强力算力，你想拥有一套成熟的视觉方案智驾，首先就需要储备大量的行驶数据，再匹配强大的算力，对车企本身的实力是有着非常严格的考验，有一定的技术壁垒。摄像头捕捉到的都是2D数据，需要通过后期分析用算法来还原3D场景（摄像头捕捉光影后经过图像传感器将光信号转换成电信号，并且要把图像进行视觉处理（例降噪、识别等）再输出给芯片处理）。

但是车辆是一直在运动的，所以有很多因素会影响数据的稳定性。为了能更好地获取数据，就有了双目/三目摄像头。如果使用双/三目摄像头，那收集到的信息就会存在累积误差，需要再叠加一层算法来处理这些累计的数据，这对硬件算力和软件算法有更高的难度。

除此之外，用庞大的数据库来支持AI学习也是至关重要的。就像新手司机和老司机，比如说老司机在路上看到右侧车辆突然亮起刹车灯，会习惯性减速，因为极大可能在视线盲区内会突然跑出来一个行人或者车辆。这种情况下新手司机和老司机都有视觉盲区的，只不过老司机根据自己多年的经验来进行了一个防御性驾驶，从而避免事故发生。

多传感器方案

传感器分为很多种，每一种都有自己的优势和劣势，多传感器方案就是将车上多种传感器的数据融合，互相弥补劣势来提升环境感知的准确性和鲁棒性。（鲁棒性的意思是系统在受到外部干扰，环境变化的时候数据分析的一个稳定性，来降低出错率）

成本自然是要比传统摄像头要高，但是经过多重传感器的配合，他完全不受天气和光照的影响，比如说我们常经历的隧道致盲，雨雪看不清车道这些问题在多传感器面前都是不存在的。他的精度和感知距离都是领先于纯视觉方案的，看得更远看的更全这样可以更好的判断路况。

但是多传感器融合感知方案抛开最大成本问题，众多信息的融合也是非常考验功力的。系统芯片需要处理的数据有非常多的重叠部分，分析过滤的信息数据也非常庞大，对计算芯片有更高的算力要求，车企功底也是一个考验。

就好比神兵和内功是缺一不可的，倚天剑在掌门手里是绝世好兵，到了门派小弟子面前却只能当一个虚有其表的武器。这也是为什么很多品牌看似硬件很硬，但是出来的智驾效果却差强人意。

总结

我们在回到最初的问题：纯视觉方案真的会被多传感器方案所淘汰吗?

我想这个是否定的。虽然我国新能源车企大多都选择了多传感方案，但是不代表纯视觉方案就此路不通，纯视觉方案是可以通过不停地数据喂养，模型训练来实现更好的操作与判断,而且他的成本也会越来越低。(例如特斯拉HW3.0后,直接砍掉了用来处理图像的SOC和MCU,成本降低60%)。同样,随着技术的进一步成熟,多传感器（例激光雷达,4D毫米波雷达）的成本也会进一步降低,特别是激光雷达的成本，这两年是肉眼可见的速度降低。

在未来很长的一段时间内，自动驾驶的派系之争并不会停止，但是不管是纯视觉方案还是多传感器方案最终的目的都是为了让自动驾驶更安全，更人性化。或许我们应该抛开对立思想，通过思辨过程，车企内卷来促进了智能驾驶的飞速发展，相信未来终有一天，视觉与传感器不再是对立面，而是通过相辅相成的方式来达到一个低成本，高效率的理想智驾方案。

以上就是本期的全部内容，欢迎各位多多点赞评论支持，有任何想法和意见也可以在评论区友好讨论，我是咪娅，我们下期再见。