激光雷达能解决辅助驾驶的缺陷吗？

导语：以摄像头加毫米波雷达作为感知基础的智能驾驶方案存在先天能力不足，激光雷达的出现将改变这一局面。随着智能网联汽车领域玩家增多，高企的激光雷达价格有所降低，并且在车端的应用也逐渐增多。多种传感器协同工作，将使得汽车产品的智能驾驶功能更加安全。
辅助驾驶终归不是自动驾驶，驾驶员不可以将注意力转移到驾驶以外的其他事情上，更不可以脱离对车辆的控制。
近日，某新势力品牌车型在高速路段上追尾前方事故车辆，造成前车车主死亡。据后车车主描述，车辆当时开启了驾驶辅助功能，车速为80km/h，车辆平时有异常情况都会预警，但这次没有任何提示，加上车主自身注意力分散，导致了事故的发生。
这不是智能驾驶的第一次事故，近两年，国内外多个品牌都出现过原因相似的追尾事故。关于智能驾驶功能安全性的讨论再次被推上热搜，作为卖点的功能不断导致事故的发生，为什么总是失灵，这个问题的答案或许要从智能驾驶功能的实现逻辑说起。

智能驾驶的“一生之敌”
与人类的行为类似，智能驾驶功能的实现也要经过感知、决策、命令、执行这一过程。
现阶段，智能驾驶系统的感知需要通过多种传感器共同作用来实现，常见的传感器有摄像头、毫米波雷达以及激光雷达等。由于单一传感器的感知和冗余能力无法覆盖当今愈发复杂的道路环境，所以需要多种传感器来增强智能驾驶的感知能力。
在这一过程中，不同车企受限于技术以及成本因素，也发展出了不同的感知方案。以特斯拉为例，其在视觉感知路线上的坚守可谓极端。2021年8月的特斯拉AI日上，特斯拉公布了纯视觉感知方案，此前其采用的是摄像头加毫米波雷达的融合感知方案，新方案提到完全去掉激光雷达、毫米波雷达等非摄像头传感器，仅通过摄像头进行感知，在自动驾驶领域尚属新鲜事物。
马斯克认为，视觉感知具有更高的精度，因此投入精力改善视觉比押注两种传感器的融合更明智。但马斯克并未抛弃毫米波雷达，他只是认为传统毫米波雷达能够提供的信息实在是太少了。
理想汽车创始人李想曾在社交平台发文点明视觉方案的弊端：“摄像头加毫米波雷达的组合像青蛙的眼睛，对于动态物体的判断还好，对于非标准的静态物体判断几乎无能为力。”
对于视觉方案识别静态物体的难点，法雷奥中国CTO顾剑民认为，静态物体种类多，形态千差万别，需要大量样本识别训练。摄像头在识别物体时对天气和照明条件十分敏感，对于快速移动的汽车，摄像头通常最终会捕捉到模糊或扭曲的物体图像。而毫米波雷达则会受目标对电磁波反射敏感度影响。此外，静止物体同样会反射毫米波，如果不忽略龙门架、道路标牌等静止物体，系统将经常会出现误判。
同济大学汽车学院教授朱西产持有相似的观点，“现在的辅助驾驶系统在开发的过程中要尽可能地消灭误刹车，不该刹车的时候不能刹车。这样的开发思路的的确确能够控制误刹车以后，但减少了误刹车以后，就会有很多漏刹车。”
虽然智能驾驶功能的行为逻辑与人脑类似，但对静态物体的感知能力却完全与人类相反。“人类驾驶员识别静态物体的反而容易一些”。朱西产表示。

破解局面的关键角色
在目前大规模量产的L2级别智能驾驶辅助系统中，一般都采用毫米波雷达和摄像头两种传感器。这其实要求驾驶员来进行感知冗余，所以在规范驾驶辅助的使用方面，车企都会要求驾驶员时刻观察路况，并且驾驶员必须随时准备好重新取得驾驶控制权。
国际自动机工程师学会（SAE）对于自动驾驶等级有着明确的划分——L0至L5，代表车辆的自动化程度由弱至强，对驾驶员的参与度需求由高至低，更高的自动化能力自然需要更强的感知和决策能力。
为了保证高等级驾驶辅助甚至自动驾驶的安全，必须采用多种传感器组成的融合感知方案。激光雷达的出现补全了视觉感知的不足。因为激光雷达是三维的传感器，可以重构三维点云信息，它能判断面前的物体是障碍物，而且能判别具体形状是什么，可以有效对应各类极端案例。
以前，受限于成本原因，仅有少数高端车型配置有激光雷达，用以增强智能驾驶辅助功能的可靠性，但不断增加的产业玩家，将高企的价格打了下来。
朱西产表示，一颗激光雷达的成本在前几年高达十几万元，现在已经下探至几万元，未来甚至有可能低至几千元，当一项技术的成本低于人工成本的时候，才是它普遍推广使用的时刻。
自2021年4月起，搭载激光雷达的汽车产品便不断出现在市场上，包括小鹏P5、蔚来ET7、极狐阿尔法S、奥迪S级、宝马iX、智己L7、理想L9等。
魏牌CMO乔心昱认为，激光雷达不仅要“上车”，更要在城市中“落地”。他表示，目前很多智能辅助驾驶并没有配合激光雷达，虽然市场上已有部分车型搭载了激光雷达，但也仅限于在高速工况下的应用。对于辅助驾驶而言，克服路况更复杂的城市路况应用，才是“大学”水准。

自动驾驶的最终方案
在中国汽车工程学会理事长、清华大学教授、中国工程院院士李骏看来，单车智能存在五大弱点：一是无人驾驶必须要依靠人工智能，如何克服人工智能的黑箱效应；二是自动驾驶需要110亿英里的道路测试，如何实现；三是完全自动驾驶至少会面临几百万种极端工况，软件层面设计如何做到完整的验证；四是L3、L4、L5自动驾驶的成本较高，如何下放给私家车进行应用；五是完全自动驾驶汽车的实际行驶安全和伦理道德如何保证。
并且李骏认为，单车智能驾驶技术已经遇到瓶颈。一方面，车辆所搭载的传感器数量已经接近饱和，而且单车传感器对于道路的感知数据已经接近上限。另一方面，实现完全自动驾驶所需要的芯片算力将会更高，这就意味着更高耗电量，将会一定程度上影响车辆的续航里程。
车路云协同迫在眉睫。在车辆、道路都配备传感器的前提下，自动驾驶系统将能够获取到更为全面的道路交通数据，车辆间的相互连接也可以最大程度地纠正单个传感器所提供的数据错误。这样的技术前提下，全天候、全方位的自动驾驶将真正成为可能。
朱西产表示，车路协同技术、末端感知和5G通讯，的确可以提高汽车的智能驾驶能力，甚至达到无人驾驶。但是这项技术需要基础设施的支撑，现在还不具备大范围推广的条件。他预计，三年左右，市面上应该会出现具备L3级自动驾驶功能的汽车产品。