同高科技

綠色立體盒是對地面真實汽車的探測。黃色為激光雷達(dá)顯示點云。粉色點云由獨立訓(xùn)練的深度估算器生成，位于綠盒之外，因此非常不準(zhǔn)確。通過端到端的深度估算和三維目標(biāo)物體檢測，得到了更準(zhǔn)確的藍(lán)色點云。（圖片來源：論文《用于基于圖像的3D目標(biāo)物體檢測的端到端“虛擬激光雷達(dá)”》）同高科技

據(jù)麥姆斯咨詢報道，特斯拉創(chuàng)始人埃隆·馬斯克（Elon Musk）反對自動駕駛車輛采用激光雷達(dá)（LiDAR）的態(tài)度眾所周知，他認(rèn)為依賴激光雷達(dá)就像行走依賴拐杖一樣，因此他從未打算在特斯拉中使用激光雷達(dá)。然而目前這個觀點仍具有爭議性，未來表現(xiàn)如何還有待歷史來評判。同高科技
    特斯拉現(xiàn)在推崇一種稱為“虛擬激光雷達(dá)”或“偽激光雷達(dá)”（pseudo-LiDAR）的技術(shù)。該技術(shù)涉及到構(gòu)建工具來進(jìn)行攝像頭圖像采集（三維立體或二維）并計算出圖像中每個像素的距離信息。激光雷達(dá)則是通過計算光脈沖抵達(dá)目標(biāo)物體并返回所需的時間來確定與每個像素之間的距離。同高科技
        在今年2月份的Scaled Machine Learning大會上，特斯拉就分享了如何僅用幾個攝像頭獲得傳統(tǒng)激光雷達(dá)精度的技術(shù)。通過將視覺傳感器（攝像頭）收到的視覺信息進(jìn)行3D渲染、用人工智能（AI）軟件將車道線、交通、行人等信息與進(jìn)行匹配，最終使車輛作出決策。目前，特斯拉將計算機(jī)視覺提升到了前所未有的水平，不僅能夠分析圖像，而且還能夠分析圖像中的單個像素。隨著時間推移，這樣做也許能夠復(fù)制傳統(tǒng)激光雷達(dá)的大部分功能，這意味著可以利用已經(jīng)為激光雷達(dá)處理開發(fā)的所有軟件解決方案，或?qū)⑦M(jìn)一步提高特斯拉在3D物體探測方面的技術(shù)水平。同高科技

另一方面，人類可以通過大腦來估算距離。我們知道目標(biāo)物體有多大，知道它們是如何移動的，因此我們知道距離它們有多遠(yuǎn)。同時，人類還擁有一些“天賦”，如人眼的立體視覺特性，但只適用于中等距離。還有一個天賦是“運動視差”，視線在視野中橫向移動時見到的物體的運動方向和速度具有差異性，這也為我們提供了判斷遠(yuǎn)近的信息。同高科技
    這么看來，人的大腦就可以完全勝任這項任務(wù)了，事實上，開車時閉上一只眼睛也能夠估算距離。目前，人們正在嘗試通過神經(jīng)網(wǎng)絡(luò)來構(gòu)建機(jī)器學(xué)習(xí)技術(shù)，從而判斷與圖像之間的距離。這就是“虛擬激光雷達(dá)”技術(shù)。同高科技
    最早提出“虛擬激光雷達(dá)”概念的，要追溯到2018年一篇來自康奈爾大學(xué)的技術(shù)論文，該論文提出了一種新方法來縮短純視覺技術(shù)架構(gòu)與激光雷達(dá)間的性能差距。同高科技

該論文通過改變立體攝像頭目標(biāo)檢測系統(tǒng)的3D信息呈現(xiàn)形式，將基于圖像的立體視覺數(shù)據(jù)轉(zhuǎn)換為類似激光雷達(dá)生成的3D點云，通過數(shù)據(jù)轉(zhuǎn)換切換成最終的視圖格式。同高科技

在那之后的兩年，康奈爾大學(xué)等又陸續(xù)發(fā)表了基于該方法的視覺深度估計、目標(biāo)識別、3D Packing等論文。有研究者發(fā)現(xiàn)，采用其新方法之后，該攝像頭在目標(biāo)物體檢測方面的性能已接近激光雷達(dá)。以鳥瞰圖來分析攝像頭捕捉到的圖像，可以將目標(biāo)檢測準(zhǔn)確率提升2倍，從而使立體攝像頭成為激光雷達(dá)的可行替代方案，且其成本要低很多。同高同高科技科技
    訓(xùn)練“虛擬激光雷達(dá)”并不是非常困難的，但通常，訓(xùn)練需要提供足夠多的標(biāo)記圖像。一輛測試車上可能裝有昂貴的激光雷達(dá)，因此可以開車四處獲取與激光雷達(dá)“地面真實”距離數(shù)據(jù)相結(jié)合的訓(xùn)練數(shù)據(jù)。通過激光雷達(dá)計算出的真實距離來顯示神經(jīng)網(wǎng)絡(luò)中的大量圖像，這樣它就能很好地自行計算出距離。這種技術(shù)是“無監(jiān)督學(xué)習(xí)”的變體，因為不需要提前對數(shù)據(jù)進(jìn)行人工標(biāo)記，比監(jiān)督學(xué)習(xí)成本低很多，因此，如果神經(jīng)網(wǎng)絡(luò)發(fā)展得好，那就應(yīng)該是這樣的。同時，還可以訓(xùn)練模擬器數(shù)據(jù)來改善模型。同高科技    

另一種有效的訓(xùn)練方法是依賴于現(xiàn)實世界中以可預(yù)測的方式改變距離的物體。例如，當(dāng)你看到物體沿著物理學(xué)允許的路徑移動時，你的估算很可能是正確的。但是，如果你看到物體以不可能的運動方式在某個空間移動，你就知道那是錯誤的。同高科技    

神經(jīng)網(wǎng)絡(luò)的問題在于傾向于看單幀圖像，而不是像人類那樣看運動圖像。實際上，單看靜止圖像，人類會出現(xiàn)較多錯誤。相信隨著時間的推移，機(jī)器學(xué)習(xí)技術(shù)會克服這一點。問題是，我們必須獲得高可靠性才能脫穎而出。同時還需要具有對從未見過的事物進(jìn)行處理的能力，而這個能力對于神經(jīng)網(wǎng)絡(luò)技術(shù)來說將是巨大的挑戰(zhàn)。例如，你在開車，前方道路上有一物體，你需要盡可能快速并準(zhǔn)確地知道它離你有多遠(yuǎn)。如果該物體是汽車，你已知汽車的大小，所以能很快判斷它的距離。同理，一輛汽車如果發(fā)生側(cè)翻，但是訓(xùn)練數(shù)據(jù)庫可能從未遇到過此類事件。對于某一隨機(jī)物體，你想知道是遠(yuǎn)處的大型物體的還是附近的小型物體？唯一的方法就是看它與道路幾何形狀的關(guān)系。這個情況更復(fù)雜。同高科技    

如果可以解決以上問題，那么他們一定擁有一款可以捕獲攝像頭圖像，并且也能夠生成激光雷達(dá)生成的“3D點云”的工具，而且由于攝像頭價格便宜，因此它的成本要低得多。同時，在遠(yuǎn)距離范圍內(nèi)，該工具也能夠做到這一點。通常激光雷達(dá)的探測距離只有約120 m，好一點的大概能到240 m。眾所周知，人類肉眼看到的距離能夠達(dá)到1600 m。同高科技    

然而諷刺的是，致力于激光雷達(dá)技術(shù)的開發(fā)人員已經(jīng)建立了依賴于這些點云的系統(tǒng)，并花費了大量時間對其進(jìn)行完善。如果“虛擬激光雷達(dá)”系統(tǒng)可用于生成高質(zhì)量點云，則人們可以立即使用它。那些一直希望使用“虛擬激光雷達(dá)”技術(shù)的人在使用這種形式的數(shù)據(jù)方面沒有類似的經(jīng)驗。相反，他們還計劃將視覺系統(tǒng)的其它元素（將圖像分為不同的對象，并對它們進(jìn)行分類）與距離估算結(jié)合在一起。但是目前來說，他們可能還沒有足夠的能力來實現(xiàn)他們期待的突破。同高科技    

另一方面，使用激光雷達(dá)的公司會說“太好了，終于可以用便宜的技術(shù)代替昂貴的激光雷達(dá)了?！钡?，如果是熱衷于激光雷達(dá)的廠商（如福特、Cruise、Waymo和Aurora），他們可能會覺得浪費了一大筆錢。同高科技    

很明顯的一點是，你需要了解到道路上所有物體的距離，并且必須正確且快速地完成距離估算。新聞已多次報道特斯拉自動駕駛汽車撞向卡車、防護(hù)欄以及前方車道上的熄火車輛，因為這些車輛被一輛突然駛離的汽車擋住了。當(dāng)?shù)缆飞系恼系K物突然被車上的傳感器感應(yīng)到時，你需要知道它距離你有多遠(yuǎn)，并且數(shù)據(jù)具有高可靠性，這樣你就可以啟動緊急制動。激光雷達(dá)幾乎都是這樣運行的，但計算機(jī)視覺卻不行。“虛擬激光雷達(dá)”技術(shù)是解決該問題的關(guān)鍵。但目前，大多數(shù)公司還是計劃使用激光雷達(dá)來解決此問題，他們知道激光雷達(dá)是有效的，而且他們希望看到它變得越來越便宜。同高科技    

當(dāng)然，如果特斯拉可以內(nèi)部解決此問題，就不會與其他人分享了（盡管公開演示可能會引發(fā)其他公司開發(fā)同樣的技術(shù)）。目前特斯拉的感知研發(fā)團(tuán)隊也在嘗試開發(fā)一種工具使距離估算與圖像分類進(jìn)行匹配，而不是生成激光雷達(dá)樣式的點云。這項技術(shù)并不是“虛擬激光雷達(dá)”，但如果可靠性高，將同樣有效。同高科技