多次与特斯拉上演相爱相杀戏码的丰田，最近却一反常态，加入了特斯拉阵营。

近日，丰田子公司Woven Planet宣布，公司将试图在不使用激光雷达等昂贵传感器、仅配备低成本摄像头的情况下开展自动驾驶研发。对于新同盟者的到来，一向坚持视觉路线的特斯拉首席执行官马斯克则以一串省略号表达了自己的态度。得到丰田与特斯拉两大巨头支持的纯视觉路线，能否在自动驾驶感知路线之争中大获全胜？

1 公然反水 只为尽快量产

在站队纯视觉路线之前，丰田一直以多传感器融合阵营忠实拥趸的身份示人。在2017年展示的自动驾驶原型车上，丰田便在车顶和车头位置布置了共7颗来自Velodyne的激光雷达。此次“叛变”纯视觉路线的做法，自然是引起了轩然大波。丰田此举究竟意欲何为？

Woven Planet表示，选择纯视觉路线有助于降低成本，并扩大自动驾驶技术的部署规模。在他看来，为开发出强大的自动驾驶汽车系统，使用庞大车队收集多样化驾驶数据至关重要，但使用昂贵传感器测试自动驾驶汽车的成本过高，也不利于扩大规模。激光雷达、毫米波雷达等传感器高昂的成本，极大限制了丰田自动驾驶研发之路，成本相对低廉的纯视觉路线便成为了最佳选择。据悉，该公司使用的摄像头成本较以前使用的高端传感器能够节省90％成本，且能够很容易搭载在量产乘用车之上。

除却成本上的极大缩减，低成本摄像头的配置也能够让丰田自动驾驶量产之路指日可待。Woven Planet工程副总裁迈克尔·贝尼施（Michael Benisch）表示：“我们需要大量的数据，仅仅通过少量且非常昂贵的自动驾驶汽车收集少量数据是远远不够的。”在他看来，与单纯采用多传感器融合路线相比，丰田可以通过在量产车辆上配置摄像头，利用其作为大型汽车制造商所拥有的优势，获取大量有效数据，推动自动驾驶研发。2021年，丰田全球销量达1049.55万辆，其渗透率和普及度远甚于特斯拉。若采用纯视觉路线，其数据量将十分可观。

不过，清华大学苏州汽车研究院院长助理、智能网联中心主任戴一凡认为，丰田对于纯视觉路线的拥护度似乎并没有想象中那么高。“我不认为丰田会完全赌定纯视觉路线，应该还会继续研究多传感器融合路线。”他说。Woven Planet方面指出，丰田仍会在Robotaxi和其他自动驾驶车辆上使用激光雷达等多个传感器。对此，禾多科技在接受记者采访时表示，这说明厂商目前最关心的问题是能否落地量产，希望加快自动驾驶量产的步伐。

2 感知路线之争由来已久

众所周知，感知系统在自动驾驶中起着类似人类驾驶员“眼睛”、“耳朵”的作用，如何能够确保自动驾驶车辆在不同场景下对周围环境信息做出正确判断，做到“耳聪目明”，是感知系统需要解决的问题。

当前的自动驾驶感知技术主要有两大技术路线：一种是仅使用摄像头作为传感器进行信息采集的纯视觉路线，一种是同时使用“摄像头＋雷达”的多传感器融合路线。纯视觉路线即让摄像头成为汽车的“眼睛”，让软件算法模拟人的大脑进行判断。自动驾驶技术专家黄武陵告诉记者，纯视觉方案主要的优点在于摄像头传感器相对成熟且成本低廉，因此在现有车辆上部署较为方便，规模量产具有可行性。该方案无需高级自动驾驶车辆即可实现规模化采集传感器数据，这也是此次丰田宣布转向纯视觉阵营的一大原因。

作为纯视觉路线的典型代表，特斯拉一直对堆砌激光雷达的行为嗤之以鼻。马斯克还曾扬言“傻瓜才使用激光雷达”。去年，特斯拉正式发布了完全基于视觉感知方式、仅依赖摄像头和AI智能算法的FSD版本——FSD Beta V9.0。去年5月，特斯拉便取消了在美国和加拿大市场销售的Model 3和Model Y两款车型上所搭载的毫米波雷达，采用仅由8个120万像素摄像头组成的视觉系统。今年2月，特斯拉投放在北美市场的Model S和Model X也不再配备毫米波雷达。

不过，由于摄像头的技术限制，其无法真正像人眼那样随时变换焦距和景深，以确保看清视野中的细节部分。同时，即使是人眼，在极端复杂的路况、光线或环境下也会出现对行车路线、距离等的错误判断，依赖摄像头的纯视觉方案更是存在着环境上的限制。“摄像头现在做不到像人眼那样识别，很多东西都识别不到。而且遭遇逆光、黑暗、镜面反射等人眼都无法识别的情况，摄像头就更容易出现事故了。”中科院创业投资管理有限公司研究总监邵元骏如是说。

与纯视觉方案相比，“摄像头＋雷达”的多传感器融合方案则是在多种传感器的加持下覆盖更多工况。上述专家表示，这种方案在复杂天气环境下的表现优于纯视觉方案，能够对环境进行较为精确的描述，获得更多维的信息。

然而，由于激光雷达等传感器成本较高、技术尚不成熟，这给多传感器融合路线的发展带来一定桎梏。据了解，市场上L4自动驾驶车辆搭载的64线激光雷达价格可达8万～10万美元一台。激光雷达知名企业Velodyne旗下的HDL-64E售价便接近10万美元。如此昂贵的成本给企业自动驾驶量产落地带来不小压力。

此外，戴一凡还指出，多传感器融合方案的一大难题是如何融合。“当多个传感器识别出现差别时，究竟应该信谁的，这个问题现在还没有太好的解决方案。”戴一凡解释道，此前有些车辆在AEB工况下发生撞上静止物体的事故，其背后的主要问题就是感知融合没有处理好。马斯克也曾表示，在多种传感器相互配合的情况下，会出现感知结果相互矛盾的问题。

3 巨头加盟 能否引领纯视觉潮流？

尽管两大方案各有优劣，但目前大多数企业仍偏向于多传感器融合路线，仅Mobileye、特斯拉和百度Apollo等少数企业站边纯视觉路线。其中，百度Apollo则是纯视觉方案与多传感器融合方案双线并行，其ANP智驾产品以Apollo Lite视觉方案为基础，也可根据车企不同级别车型的定位和智能化预算，选配激光雷达以提升工况。

奔驰、宝马、沃尔沃、长城、蔚来、小鹏、智己等大多车企均选择了“摄像头＋雷达“路线。小鹏汽车首席执行官何小鹏曾表示，小鹏将把安全因素放在非常重要的位置，为此宁愿硬件冗余、软件冗余。蔚来汽车董事长李斌也称：“对于‘负责任’的高级别自动辅助驾驶，激光雷达不可或缺。”自动驾驶解决方案提供商禾多科技也是以“感知一盘棋”的策略，建立了对毫米波雷达、摄像头、激光雷达等传感器兼容并包的技术体系。

除却能够提升信息的准确性，上述专家指出，车企大多选择多传感器融合路线的本质原因在于，纯视觉路线的技术门槛非常高。“视觉传感器尽管成本低、技术原理更简单，但对软件算法的要求非常高。”戴一凡指出，大部分整车企业在图像算法方面缺少积累，这导致它们在纯视觉路线上无从下手。特斯拉能够成为为数不多的纯视觉支持者之一，便是以其视觉算法迭代、海量数据积累和超级计算机Dojo支持模型训练做为基础，这为其带来的竞争优势几乎是难以超越的。短时间内无法精通纯视觉路线所需的软件算法，大多数车企只好转战多传感器融合方案，以保证尽快推出自动驾驶方案，实现功能的落地。

不过，随着丰田这一传统车企巨头的加盟，纯视觉路线是否会成为新的宠儿，吸引更多企业争相跟进？

邵元骏认为，其他车企跟进纯视觉路线的可能性并不大。从路况上看，我国城市道路相对较窄而行人很多，自行车、电动车保有量也很高，对于路况识别的要求更高，因此多传感器融合的方案更适合我国国情。其次，路线选择终究是市场性的，随着激光雷达性能的持续提升和成本的不断下降，部分纯视觉路线的拥护者也可能转向多传感器融合路线。黄武陵也提到，随着激光雷达行业日趋成熟，后续车企或可考虑将其作为一个可选配的标准化配件。

戴一凡也指出，两条路线并非完全对立的关系，无需押宝或唱衰某一方。不过，在他看来，在技术的不断发展变化中，多传感器融合方案或许会成为“最终胜者”。据了解，为降低激光雷达成本，禾赛科技、速腾聚创等国产品牌都聚焦成本更低的混合固态和固态激光雷达。华为的96线激光雷达号称把价格压缩到200美元，并有可能进一步降低到100美元。此外，多传感器融合技术也在不断进步。日前，华为公开了一项自动驾驶专利，融合了摄像装置和雷达两种传感器，并将基于两种传感器所获得障碍物分布信息进行融合，融合后的车辆可行驶区域以概率的形式进行表示，所述概率表示车辆不可通行的几率。

4 自动驾驶感知 还需路端打好辅助

“除了纯视觉和多传感器融合，车路协同其实也算是自动驾驶感知技术的第三条路线。”邵元骏告诉记者，车路协同技术能够通过车端和路侧的配合，在平衡车端成本的同时，提高安全性。“把激光雷达等传感器装在路侧，能够有效降低A00级、A0级车的单车成本。其次，路上配置传感器后，能够在车端感知冗余的基础上加上一层冗余，更加保险。”他说。

清华大学自动化系系统工程研究所所长张毅也曾指出，车路协同技术能够提升自动驾驶汽车环境感知的深度和维度、提高行车安全。由于单车智能存在视野局限和视效局限，并非是不断提升单车智能化程度即可解决的。正如黑芝麻智能应用工程副总裁邓堃此前所言，不同的天气、不同的交通等因素影响下，单车智能距离永远是受限的，车路协同则可以在极端情况或交通疏导场景下起到作用。有了路端的加持，车辆不仅能够像单车智能路线的车辆一样通过自身感知周围环境，还能利用路端设备获取自身无法探测到的盲区，进而实现更安全的自动驾驶。

邵元骏指出，如果单纯靠车辆处理大量的感知信息，对芯片的要求极高。而目前我国仍旧面临芯片“卡脖子”问题，这对于我国自动驾驶的自主发展十分不利。“如果只攻单车智能，对芯片要求极高，就会延续我国智能手机的发展路线，即硬件用别人的，自己在上面搭应用，底座根本不是自己的。”他说。而车路协同技术则可以将对于车辆的计算要求分担一部分到路侧，以降低对车载芯片的要求，实现自动驾驶全产业的自主可控。

不过，戴一凡认为，纯视觉还是多传感器融合，与单车还是车路协同，属于两个不同维度的问题，不可混为一谈。受制于政策、标准、基础设施、车企研发成本等因素，车路协同在中短期内尚不能成为主流，应坚持“单车智能为主、车路协同为辅”的发展模式。在此模式下，车辆仍需承担70％甚至以上的感知和决策任务。即便是应用车路协同，车端的感知路径与单车智能差别并不大。因此，纯视觉路线还是多传感器融合路线依旧是企业需要认真考虑的问题。

全国政协经济委员会副主任苗圩强调，单车智能和网联赋能是我国实现自动驾驶的双支撑。因此，在双线并举的中国方案指导下，自动驾驶感知技术路线的选择必须将车路协同考虑在内。黄武陵告诉记者，车路协同的感知系统应更多侧重于解决非即时感知内容，类似交通流感知与预测、特殊交通场景环境描述、超视距感知、极端环境下感知、车载盲区视野补充等，为自动驾驶提供“知识”，为解决长尾场景提供补充。同时，单车智能也需同时演化，尽可能达到没有车路协同的数据支持也可以完成自动驾驶的能力，提供接口接入车路云提供的“知识”，丰富、完善和提升感知能力。