引言

隨著智能駕駛技術(shù)從L2級(jí)輔助駕駛向L3級(jí)有條件自動(dòng)駕駛加速演進(jìn)，感知系統(tǒng)作為自動(dòng)駕駛的“眼睛”，其技術(shù)路線的選擇一直成為行業(yè)核心議題焦點(diǎn)，在3D智駕感知賽道，究竟誰會(huì)更勝一籌呢？目前市場(chǎng)主流的高階智駕感知傳感器為單目攝像頭+毫米波雷達(dá)+激光雷達(dá)，并且擁有大部分市場(chǎng)占有率，但是隨著技術(shù)的發(fā)展雙目立體視覺憑借其特色優(yōu)勢(shì)在智駕感知逐漸占有一席之地，以立體視覺為技術(shù)的雙目、三目、一體機(jī)、Adas等產(chǎn)品的市場(chǎng)占有率也逐漸提升，“智駕未來Lidar方案”逐步向“視覺+雷達(dá)”多元化結(jié)合的方案轉(zhuǎn)變，此次我們圍繞“3D智駕感知領(lǐng)域”推出兩篇文章，做一個(gè)客觀解讀，探討立體視覺在智駕領(lǐng)域的優(yōu)勢(shì)以及未來的發(fā)展。

激光雷達(dá)必要嗎？

特斯拉首席執(zhí)行官埃隆?馬斯克經(jīng)常在正式場(chǎng)合就激光雷達(dá)(我們后文稱之“LiDAR”)應(yīng)用在智駕領(lǐng)域多次發(fā)表自己的觀點(diǎn)，他認(rèn)為：不同傳感器的信息在融合時(shí)會(huì)出現(xiàn)偏差，從而引發(fā)安全風(fēng)險(xiǎn)，而自動(dòng)駕駛的勝利一定屬于大道至簡(jiǎn)的人眼仿生學(xué)。

他認(rèn)為L(zhǎng)idar是昂貴、多余且脆弱。視覺可以“復(fù)制人類駕駛的方式”。經(jīng)過充分開發(fā)和訓(xùn)練基于視覺算法的AI系統(tǒng)，能應(yīng)用于智能駕駛，甚至可以做得更好。

感知技術(shù)原理

在現(xiàn)代智能感知系統(tǒng)中，LiDAR與雙目立體視覺是兩種三維環(huán)境感知技術(shù)，均可以應(yīng)用于智駕感知領(lǐng)域。它們分別模擬了主動(dòng)激光探測(cè)與人類視覺的物理機(jī)制，但是各自在數(shù)據(jù)獲取方式、信息表達(dá)形式和系統(tǒng)構(gòu)建邏輯上存在一定的差異性。LiDAR的優(yōu)勢(shì)在于精確的測(cè)距能力和可靠性，而雙目立體視覺的核心優(yōu)勢(shì)在于它提供了與人類視覺相似的、富含紋理和語義的深度信息，而且成本更低，在經(jīng)濟(jì)形勢(shì)發(fā)展趨緩當(dāng)下社會(huì)認(rèn)可度逐漸提升，應(yīng)用范圍逐漸擴(kuò)大。

LiDAR與雙目立體視覺逐漸成為自動(dòng)駕駛、機(jī)器人感知等領(lǐng)域的兩大核心感知技術(shù)，二者基于不同原理（激光測(cè)距 vs 視覺匹配）形成差異化能力。雙目立體視覺的性能優(yōu)勢(shì)主要集中在成本控制、語義感知維度、環(huán)境適應(yīng)性、系統(tǒng)集成靈活性等方面，我們?cè)诮酉聛碜鲈敿?xì)介紹。

差異分析

在現(xiàn)代智能感知系統(tǒng)中，LiDAR與雙目立體視覺在數(shù)據(jù)獲取方式、信息表達(dá)形式和系統(tǒng)構(gòu)建邏輯上存在根本性差異。理解這些差異是評(píng)估其性能優(yōu)劣的前提。

（一）激光雷達(dá)

LiDAR是一種主動(dòng)式三維測(cè)距傳感器，其工作原理是通過發(fā)射激光脈沖（通常為近紅外波段），并精確測(cè)量激光束從發(fā)射到被物體反射后返回接收器的時(shí)間差（Time of Flight, ToF）或相位差，從而直接計(jì)算出目標(biāo)點(diǎn)與傳感器之間的距離。

LiDAR通過高速旋轉(zhuǎn)或掃描鏡陣列，對(duì)周圍環(huán)境進(jìn)行多角度、高密度的點(diǎn)云掃描，每秒可生成數(shù)十萬至上百萬個(gè)三維點(diǎn)，形成連續(xù)的、高精度的三維空間結(jié)構(gòu)圖。這種點(diǎn)云數(shù)據(jù)直接包含了每個(gè)點(diǎn)的三維坐標(biāo)（X, Y, Z）以及反射強(qiáng)度等物理屬性，能夠精確還原物體的幾何輪廓、形狀和空間位置，無需依賴復(fù)雜的圖像推斷。其數(shù)據(jù)獲取方式具有直接物理測(cè)量的特性，從根本上避免了因算法推斷帶來的信息損失和誤差累積，因此在測(cè)距精度和空間結(jié)構(gòu)還原上具有天然優(yōu)勢(shì)。

（二）雙目立體視覺

相比之下，雙目立體視覺擁有其自身的特色，其核心原理基于視差三角測(cè)量，模仿人類雙眼的立體感知機(jī)制如下圖所示。

系統(tǒng)由兩個(gè)攝像頭組成，以一定的物理基線（即兩攝像機(jī)之間的距離）并行安裝，同時(shí)拍攝同一場(chǎng)景的兩幅二維圖像。通過算法在兩幅圖像中尋找同一空間點(diǎn)的對(duì)應(yīng)像素（即特征匹配），計(jì)算其在左右圖像中的位置差異（視差），再結(jié)合已知的基線長(zhǎng)度和相機(jī)內(nèi)參，利用三角幾何關(guān)系推算出該點(diǎn)在三維空間中的深度信息。這一過程本質(zhì)上是被動(dòng)式感知，依賴環(huán)境中的自然光照，不主動(dòng)發(fā)射能量，因此其性能高度依賴于場(chǎng)景的紋理豐富度、光照均勻性和圖像質(zhì)量。

其技術(shù)流程通常包括：圖像獲取、攝像機(jī)標(biāo)定、特征提取、立體匹配和三維重建五個(gè)關(guān)鍵步驟。其中，立體匹配是算法中最復(fù)雜且易出錯(cuò)的環(huán)節(jié)，尤其是在紋理缺失、光照不均或存在重復(fù)圖案的區(qū)域，容易產(chǎn)生誤匹配，從而影響深度圖的準(zhǔn)確性。

（三）數(shù)據(jù)類型

從數(shù)據(jù)類型上看，LiDAR直接輸出的是三維點(diǎn)云數(shù)據(jù)，每個(gè)點(diǎn)都是一個(gè)獨(dú)立的、精確的物理坐標(biāo)，信息表達(dá)更為直接和可靠，雙目立體視覺則是輸出的是二維圖像序列，其深度信息是通過算法從圖像中“推算”出來的，屬于一種間接的、基于模型的估計(jì)。二者本質(zhì)差異決定了兩者在處理復(fù)雜場(chǎng)景時(shí)的底層邏輯不同：LiDAR像一個(gè)“測(cè)繪儀”，直接“打點(diǎn)”獲取空間坐標(biāo)，而雙目立體視覺更像一個(gè)“解碼器”，需要從圖像中解析出深度。

在一定程度上立體視覺擁有其獨(dú)特的優(yōu)勢(shì)，下一章我們就立體視覺的優(yōu)勢(shì)做具體介紹。