当前，提到自动驾驶汽车环境感知技术，很多人会首先想到激光雷达。的确，相较于摄像头、毫米波雷达等车载传感器，激光雷达具有高精度、高分辨率的优势，并已在很多自动驾驶试验车上广泛搭载。但这种技术也有其无法忽略的缺点——成本高，譬如Ibeo的LUX 4线激光雷达，售价就高达1.5万美元，而谷歌虽然在年初宣称其自主开发的激光雷达可以降低90%的成本，每台依然要7500美元。如此高昂的价格，对于最终要走向商业化的自动驾驶汽车来说，明显不现实。
因此，在已有激光雷达方案之余，如何找到一种成本更低的环境感知解决办法成了很多企业关心的问题。针对这个难题，在日前召开的第四届APEC车联网研讨会上，来自中国工程院的高文院士给出了自己的答案——视觉导航。
在他看来，不管企业如何优化激光雷达成本，要想把其价格降至譬如1000美元甚至更低——毕竟这一价位对于量产车来说才是合理的，都面临较大的挑战。比较而言，以“摄像头+软件”的视觉导航技术，更容易达到。
激光雷达价格高 视觉导航赋能自动驾驶
视觉导航，顾名思义即通过视觉摄像头捕捉图像信息，以获取移动物体在空间中所处的位置、方向和其他环境信息，并用一定的算法对所获信息进行处理，建立环境模型，进而寻找一条最优或近似最优的无碰路径，实现安全移动，到达目的地。
在此技术方案中，有两大关键点——视觉摄像头和人工智能算法，其中前者主要用于获取环境信息，后者则用来分析数据，提取特征量，从而为下一步的行动提供决策依据。相较于激光雷达，以视觉技术为主导的环境感知解决方案，技术更成熟，门槛和研发成本更低，因此在近两年随着计算机视觉技术的日趋成熟，以及互联网、人工智能、云计算等新兴技术的快速发展，获得了越来越多自动驾驶相关企业的关注，其中最具代表性的企业便是特斯拉。
作为特斯拉的CEO，马斯克曾公开表示特斯拉不会使用激光雷达，因为后者的成本过高。之后，在特斯拉的Model S、Model X、Model 3上，果然没有看到激光雷达的身影，这些车上仅安装了一定数量的摄像头、毫米波雷达和超声波传感器，来驱动自动驾驶仪Autopilot。即使在2016年特斯拉汽车凭借摄像头等传感器没能正确辨别驾驶环境而引发交通事故，饱受争议后，这家公司依然没有对激光雷达“松口”的意思，这一点从特斯拉今年屡次升级其驾驶辅助系统就可以看出。
而如特斯拉一样“倚重”计算机视觉技术来实现自动驾驶的企业还有图森未来。这家成立于2015年的自动驾驶初创公司，在其自动驾驶解决方案中，也是以低成本的计算机视觉为核心，并辅以人工智能算法。
“因为我们需要考虑怎么把东西卖出去，所以首先会考虑价格相对较低的方案。”这是图森未来CTO侯晓迪想法。在他看来，激光雷达还没有量产，价格贵，目前无法产生足够多的价值，但图森并不排除在降价之后选择使用激光雷达。
不过，正如高文院士所说，激光雷达降成本那么难，究竟何时价格能降到符合量产要求、能被大多数企业所接受，目前谁也不知道。而另一方面，随着自动驾驶领域各家企业争相推进其产品量产进程，留给这些企业的时间并不多了，与其都在激光雷达一项技术上“死磕”，不如转而寻找其他更可行、在短期内有可能落地的技术。
视觉导航虽美 仍有诸多难题待解
视觉感知作为一条走低成本和借助大数据就能够解决问题的技术路线，虽然相较于激光雷达，有诸多优势，更易于推动自动驾驶汽车商业化。但这条路线本身，目前也面临一些技术难题。
“要想凭借视觉感知把导航问题处理好，AI决策的算法很关键。”高文院士表示。“以视觉测距为例，当视觉摄像头输入一些环境图像后，通过相关的计算，我们就可以反向推演出车子距离房子、行人、信号灯的距离。所以这里一定要测距的算法足够好，才能测的准、定位准确。”
然而在实际工况中，使用视觉测距常常会出现位置漂移的现象。因为视觉测距是依靠摄像头获取不同的环境图像，然后与原有的地图做比对，并通过相关算法，计算出距离。在此过程中，如果数据处理速度跟不上，或者算法不够好，就会发生漂移，与实际结果产生一定的差距。这就需要有专门的算法去解决漂移的问题，比如通过特征匹配，提取一些关于“特征”的数据，来比较差别，从而检测是否存在漂移，以及位置漂移的程度，然后反向纠正。除此以外还可以通过全局优化的思路，也可以帮助车辆进行精准定位。
另外一个问题是，视觉导航对光照的要求比较高，不像激光雷达不需要光照，就可以检测障碍离车的距离。视觉导航由于是依靠摄像头来采集环境信息，而摄像头本身不发光，因此光线不好的时候，需要用辅助光来照明，就像人眼在夜里也需要开灯才能看清周围的环境一样。
