在追求車輛智能化的市場大環境下，智能駕駛輔助系統成為各大主機廠熱衷的研究方向，這也是不少車友在茶餘飯後津津樂道的話題。如果抛棄激光雷達、超聲波雷達等傳感器，隻在車輛上配備多個攝像頭來實現各種智能駕駛輔助功能，這種看似極端的做法真的可行嗎？

　　特斯拉為何敢于移除超聲波雷達？

　　一直都看好視覺算法的馬斯克，給出了他自認為可行的答案。前不久，特斯拉官宣自2022年10月份，将車輛上的超聲波雷達逐步移除，至此也就意味着特斯拉旗下的車輛，未來會依靠100%視覺方案去實現智能駕駛輔助功能（Tesla Vision 視覺處理系統）。

　　我們先來看看被特斯拉官宣移除的超聲波雷達，有些朋友可能對這個詞彙比較陌生，不知道它是一件什麼東西，更不知道它被安裝到車輛上有什麼作用。其實在我們日常低速倒車時，車輛距離後方障礙物過近，車内會發出急促的“滴滴”警報聲，以防車輛被障礙物剮蹭或發生碰撞，這其中的大功臣非超聲波雷達莫屬。

　　講到這裡大家的腦海裡是不是浮現出了“倒車雷達”四個字？沒錯，我們所熟知的倒車雷達，其中負責車外探測障礙物距離的傳感器，大多數都是超聲波雷達，但也有像特斯拉這樣的例外存在。

　　顧名思義，超聲波雷達是一種利用超聲波來測距的雷達傳感器，它的工作原理是向外發出40Hz、48Hz等頻段的超聲波，通過接收器來計算發出到接收的時間，從而測算出和障礙物之間的距離，其工作範圍一般在15~500cm之間。

　　通俗點說，超聲波雷達的工作原理其實就是蝙蝠探路。我們生活中所見到的蝙蝠，它們一般視力非常差，在飛行時為了避免發生碰撞，蝙蝠會用嘴巴發出聲波，再用耳朵接受返回的波，以此來大概判斷出前方是否有障礙物。

　　大海中的海豚和鲸魚，也是依靠超聲波進行交流，不過它們發出的聲波傳輸距離非常誇張，鲸魚甚至可以和上千公裡外的同伴利用超聲波進行交流，相比之下車輛上的超聲波雷達可就有些相形見绌了。

　　從智能駕駛的角度來說，礙于超聲波雷達無法精确定位障礙物位置，其波速受天氣、溫度等影響較大，以及探測距離越遠測量結果越不精準等特性，車輛上配備的超聲波雷達主要是用作于人工倒車，或者是自動泊車等功能，所以它并不會對上路正常行駛産生較大的影響。或許正是因為這個原因，特斯拉才敢大膽放心的去移除車輛上的超聲波雷達。

　　攝像頭支撐智能駕駛 三維空間深度數據是重心

　　以攝像頭為探測傳感器，其工作原理類似于以人類的眼睛看東西，車輛上配備的攝像頭可以将車輛周邊的事物數據信息，經過神經網絡架構對其感知、檢測、追蹤等操作，并在系統内部形成2D圖像級的二維圖像。

　　我們都知道，理論上要實現完全智能的自動駕駛，需要用到厘米級的導航地圖，可二維圖像就像看到了馬路上有輛行駛的汽車，但是并不知道自己距離那輛車有遠，也不知道那輛車的行駛速度等深度信息，僅依靠二維圖像去實現智能駕駛，就無法保證車輛在行駛中的安全問題。要想安全的實現智能駕駛，必須要把二維圖像升級為具有深度數據的三維空間，這裡就需要多個攝像頭協作來完成了。

　　現在市場中常見的有單目、雙目等類型的攝像頭組合，單目攝像頭其實就像人閉上一隻眼睛去看東西，這種情況會導緻視角變窄，整體感知能力下降等問題。

　　雙目或多目攝像頭就像是用人的雙眼去看東西，較于單眼來說視角會變寬，感知能力也會上升，同時還能根據收集來的信息，以及多個攝像頭之間和探測目标形成的夾角，利用算法來分析距離目标有多遠等信息。

　　同一個物體，如果同時被多個攝像頭探測到，就可以根據預先設定的視覺算法，把多個攝像頭探測到的數據融合在一起，經過神經網絡訓練将二維圖像轉變為三維空間，從而精确地計算出自身距離物體有多少米，物體的運動速度等參數。

　　有了這些詳細的參數，系統就能識别出距離前方的車輛有多遠、其車速是快還是慢，最終根據工程師設定好的邏輯，實現自身的加速、制動和變道等操作，這也就是我們所說的智能駕駛。

　　攝像頭雖然也會受到天氣的影響，但它的探測距離要比超聲波雷達遠得多，探測物體位置的精準度也是高于超聲波雷達。以特斯拉Model X Plaid 版為例，它搭載的前、後、側方等多個攝像頭，探測角度可達360度，并且擁有250米的探測範圍，輔以視覺算法技術的加持，在滿足安全等各方面的前提下，智能駕駛輔助系統就可以接管并駕駛車輛，所以像泊車這種車輛以低速行駛的場景，自然也是不在話下的。

　　使用視覺算法來實現智能駕駛，一直以來都是特斯拉引以為傲的事情，隻不過貿然移除超聲波雷達，對特斯拉也是有些影響的，這點可以從官方所說的“取消雷達後的新車的前後召喚、智能召喚、自動泊車、泊車距離輔助功能将受到影響，但後續會通過OTA修複。”中可以得知。但也不難從這句話中看出，特斯拉對自家以視覺算法為核心的智能駕駛是多麼的自信。

　　特斯拉是智能駕駛視覺算法的開創者？

　　确實主要以攝像頭 視覺算法來優化智能駕駛的做法，能做到如此優秀的地步，客觀地來說特斯拉在這個領域的實力不容小觑，很多人都是因為特斯拉才知曉還有這樣的騷操作，相信不少朋友會覺得這種手段是特斯拉開創的先河，但事實并不是這樣的。

　　2014年是特斯拉HW1.0時代的開端，細數支撐起HW1.0正常運作的硬件，主要包括1顆來自Mobileye的EyeQ3視覺處理芯片，以及1顆前視攝像頭、12個超聲波雷達和1個毫米波雷達組成，重點要注意的是特斯拉當時的視覺算法技術，也是由Mobileye公司提供的。

　　在那時候特斯拉和Mobileye公司屬于是合作夥伴關系，視覺處理芯片和視覺算法都是後者着手研發，在特斯拉當時的車輛上進行打包安裝的。通俗點說，以色列這家于1999年創立的Mobileye公司，在智能駕駛視覺算法上的研究是要早于特斯拉的。其實在Mobileye公司創立之前，其創始人就以1顆攝像頭，對現實生活中的物體進行探測和識别的超前理論，在當時獲得過來自通用、豐田的大額項目研究資金。

　　雖然Mobileye公司是較早研發智能駕駛視覺算法的，可如今它也不再是單單使用攝像頭，而是加入了大量激光雷達等傳感器，使用攝像頭 激光雷達的融合算法技術，更好的去實現真正的L4、L5級别的智能駕駛。

　　特斯拉為什麼看好純視覺算法？

　　其實像特斯拉這種無限制押寶純視覺算法的思路，既不能說它是錯誤的方向，更不能說它是一個正确的方向。

　　沒有任何事情有絕對的對于錯，特斯拉押寶攝像頭的一部分原因，是自身經過很多年積累下來的成熟視覺算法技術，這些已經攥在手心裡的東西，如果抛棄不使用的話，多年的心血豈不是打了水漂？

　　如果也像多數友商一樣，使用視覺算法 激光雷達的融合技術，那麼激光雷達方面的技術就需要再去花時間研發、積累，或者是直接購買供應商的算法技術，無論是選擇自研或是購買，哪一條路都是極其耗費資金的。除了軟件層面成本的問題，硬件成本也是一個棘手的問題，相較于激光雷達來說，攝像頭的價格相對低了不少。

　　作為一名商人，作為一家公司，最終進入口袋的利潤才是關鍵所在。假如特斯拉在自家車輛上裝配激光雷達，并使用融合算法技術對智能駕駛輔助系統進行加持，這麼大的一攤成本誰來買單呢？

　　如果特斯拉不提高車輛的售價，那麼利潤空間一定會被壓縮，沒有人會想幹這樣的賠本買賣。假如把這些費用附加在售價裡，那麼車輛的終端售價會有一個不小的上浮趨勢，更加高昂的售價在面對市場中的競品時，特斯拉會不會感到壓力山大呢？再者，消費者會為更加高昂的售價買單嗎？這些都是未知數。

　　以上的種種猜測，其實也能看出一部分特斯拉為什麼要押寶視覺算法的原因了。這就像是樓下的兩家咖啡店，A家賣5塊錢一杯的速溶咖啡，B家賣35一杯的手磨咖啡，都知道手磨咖啡味道好，但5塊錢一杯的喝了也能提神，除非有極其必要的特殊理由讓我去B家買，否則我去A家買，還能省下一筆費用，放錢包裡存着它不香嗎？

　　但不得不說特斯拉的視覺算法，自2014年起已經更新叠代了很多次，旗下的車輛也是在全球範圍内頗為暢銷，雖然時不時會出現一些讓人心驚肉跳的事故新聞，但單單在智能駕駛視覺算法這塊領域，目前特斯拉确實是行業内的佼佼者之一。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!