特斯拉的重要考虑点是什么？不是机器学习、不是大数据训练等等技术，而是商业成本！是如何把自动驾驶转化为特斯拉的产品特色，并且可以在大家能接受的价格销售出去，这也是马斯克作为一个商人最看重的一点。

【资料图】

因此依据商业成本，Tesla发展出自己方案的三大核心：Model 3自动驾驶硬件布置视觉感知方案，自研芯片，影子数据，三者环环紧扣，互相补充来构成全面优势，这也是为什么特斯拉敢叫板激光雷达方案的原因，因此我们将拆分三方面来看其利弊。

Model 3自动驾驶硬件配置 图片来源于网络

视觉感知方案特斯拉车辆标配总共有 8 个摄像头，后面是一个倒车摄像头，前面是一个三目的总成件。两侧一边还有两个，毫米波雷达就装了 1 个，160 米， 77G Hz。

请注意特斯拉在方案整体上并非全视觉，而是在前方也设置了毫米波雷达，进行摄像头与雷达的融合，完成精准定位。

这也暴露了视觉感知算法的第一个弊端，强分类但弱距离检测。

强分类在于摄像头可以获取物体二维轮廓、颜色、通过目标物追踪与图像语义分割（semantic image segmentation），一帧一帧的将结果进行比对，从而实现对物体的类别区分，这样车辆就可以了解周围存在的物体是什么样子。

弱距离检测：特斯拉使用的三目摄像头每个相机的视野不同，因此近处的测距交给宽视野摄像头，中距离的测距交给主视野摄像头，更远的测距交给窄视野摄像头。这样一来每个摄像机都能发挥其最大优势。

但三个摄像头在判断、测算障碍物距离的时候，会有一个核心的逻辑问题。由于摄像头的精准度是有一定的误差范围，因此三个不同的摄像头，检测障碍物的精准性都会有一定的误差。

那么在不同摄像头覆盖距离范围的交汇处，两个相邻摄像头测算出障碍物的距离很可能是不同的，会存在10米左右的误差。而且由于空间维数的增加，最小二乘三维空间点的计算复杂度急剧增高，也就需要毫米波雷达来作为信息冗余方。

以上也看出，要想达到精准的检测，一个方向上需要毫米波雷达+多目视觉才可以达到。同时视觉还存在受光照、雨雾、遮挡等因素限制，使得视野范围受限。

第二个弊端，大量数据池喂养

例如自动驾驶车辆在通过一个曲率很大的弯度，基本上看不到隐藏的那部分道路是怎样的，但是车子进行了很好的预测和规划，这些都是海量数据喂养的功劳。类似这样的例子还有很多，都需要从神经网络中放置一个种子数据集，随机采集大量数据然后进行标注，从实现到解决有很长的使用历程。

特斯拉称他们利用影子模式（shadow-mode）功能，收集了大量的真实数据。特斯拉指出，旗下车辆在“影子模式”下运行新款车载软件，这意味着Autopilot的新功能将在系统后台运行，无需启动车辆控制，旨在提供车辆新功能在真实路况环境下的实时运行数据。但过程中如何保证获取的数据质量。

特斯拉自动驾驶 图片来源于网络

第三个弊端，需要很强大的算力支撑

一共8个摄像头密布车身，为了识别障碍物，处理器需要对多路摄像头实时拍摄的数据进行解析，而单颗1080P的高清摄像头每秒可以产生超过1G的数据，数据量不可谓不大。而为了准确识别图像、视频中的有效信息，业内多采用深度学习神经网络。背后算力预计将达到80-100Tops。

特斯拉为了解决这个问题自研了定制化的FSD 电脑，由三星进行生产，根据目前公布的数据，其拥有 144TOPS 的算力，特斯拉给出的比较对象是英伟达的 Xavier，算力 21TOPS。

相比于 HW2.5，FSD 的能耗略有增加 ，但是成本上降低了 20%；FSD 芯片上的神经网络可以同时处理 8 路摄像头产生的图像数据，每秒处理帧数可以达到 2300，是 HW2.5 的 21 倍，能量消耗大概每英里 250 瓦

以上数据也只是公开前，具体实际效果估计还会打折。Tesla FSD未封装前状态那激光雷达可以弥补这些缺点吗？

激光雷达，是以发射激光束探测目标的位置、速度等特征量的雷达系统。其工作原理是向目标发射探测激光信号，然后将接收到的从目标反射回来的信号与发射信号进行比较，作适当处理后，就可获得目标的有关信息，如目标距离、方位、高度、速度、姿态、甚至形状等参数，并且具备以下优点

分辨率高。激光雷达可以获得极高的角度、距离和速度分辨率。通常激光雷达的角分辨率不低于0.1mard也就是说可以分辨3km距离上相距0.3m的两个目标，并可同时跟踪多个目标；距离分辨率可达0.1m；速度分辨率能达到10m/s以内。如此高的距离、速度分辨率意味着激光雷达可以利用多普勒成像技术获得非常清晰的图像。

精度高。激光直线传播、方向性好、光束非常窄，弥散性非常低，因此激光雷达的精度很高。

抗有源干扰能力强。与微波、毫米波雷达易受自然界广泛存在的电磁波影响的情况不同，自然界中能对激光雷达起干扰作用的信号源不多，因此激光雷达抗有源干扰的能力很强。

点云转化需求算力较低。直接通过点云可进行密度较高的绘制，输出可以通行的空间，无再进行二次转化

激光雷达在拥有这么多优点同时，也因为价格昂贵、民用版本可靠性差成为了最大的应用阻碍。

但最近几年，自动驾驶应用的固态激光雷达，尤其是使用微机电系统（MEMS），只需一个很小的反射镜就能引导固定的激光束射向不同方向。由于反射镜很小，因此其惯性力矩并不大，可以快速移动，速度快到可以在不到一秒时间里跟踪到 2D 扫描模式。

MEMS 激光雷达 图片来源于网络

MEMS 激光雷达的一大优势是传感器可以动态调整自己的扫描模式，以此来聚焦特殊物体，采集更远更小物体的细节信息并对其进行识别，这是传统机械激光雷达无法实现的

因此综合对比单纯视觉与激光雷达方案都存在较大的缺陷，当激光雷达成本降低更多或可靠性更佳时，二者融合将会是未来更好的方向，尤其是自动驾驶目前正在逐渐商业化的过程中，从成本角度未必不会成为一种互相补足的方式。