马斯克一直主张纯视觉，别说激光雷达，甚至毫米波、超声波雷达也一并取消，完全依赖摄像头完成全场景的辅助驾驶。
并且他的核心论点是，人类开车不需要激光雷达这样的 " 盲杖 "。
我们写过一篇《马斯克再开火，激光雷达 " 加 " 错了？》，描述了视觉派和激光雷达派的 " 纷争 "，评论区的伙伴们几乎一边倒地偏向激光雷达，认为纯视觉有很多弊端，并不能完全替代人眼。
让我们先来看看车载摄像头的工作流程。
为什么摄像头或者相机能拍下照片？
其中的基础原理是镜头捕捉到物体反射或发出的光线以后，图像传感器会形成光学图像并转化成电信号，最终经过处理形成数字图像。
在吸收光线这一步，镜头质量、光线环境都很重要。
想要看得清，就得先做到 " 吸收更多光线 "。
以猫咪在夜晚的视力举例，它的瞳孔能扩大到眼球的 90%，进光量是人类的 6 倍。
特斯拉摄像头通过采用 RYYB（红 - 黄 - 黄 - 蓝）滤镜，比起传统滤镜，进光量能提升约 40% 。
还有些车企为了在黑夜中增强感知能力，会增加一颗红外摄像头。
总之，摄像头和人眼一样，都是被动的接受光。
各有优劣
自动驾驶是一场模仿游戏，摄像头就是充当人眼的作用。
你在开车时可以通过转动脖子或眼球来观察周围环境。
但摄像头位置是固定的，于是车企在车身四周都布置了摄像头，确保可以让系统无死角地观察四周。
人眼可以通过变焦来观察不同距离的物体，但车载摄像头无法变焦。
于是车企通过布置多个不同焦距的摄像头（广角、长焦、主摄）来覆盖不同视野。
摄像头和人眼有着共同的属性，所以它们之间的弱点都是类似的。
它们中的有些问题可以通过算法解决，有些则会影响辅助驾驶的功能使用。
最常见的就是强光和弱光环境。
在出隧道这种同时出现强暗光的地方，一种曝光度很难照顾到两种环境，人眼需要 1-2 秒的时间去适应，而辅助驾驶系统一般会通过 HDR 多帧融合去解决这样的问题。
它甚至可以像人类一样脑补画面，给模糊图片填补像素，但这非常考验算法拥有的数据库。
共同弱点还体现在雨雾天气下。
大雨大雾环境下，人类开车唯一能做的就是放慢车速。
摄像头同样无法很好地解决这些问题，在这样的天气条件下，毫米波雷达是一种很好地补充。
作为最极致的、最坚定的纯视觉路线拥趸，特斯拉已经通过算法改善了恶劣光线环境下的表现。
但仍然会有偶发的感知问题，最近一位北美用户在傍晚迎面夕阳使用 FSD 时，系统却因为摄像头受光线刺激无法开启功能。
但我们通过用户拍摄的图片来看，虽然是逆光，但光线并不算强烈。
所以一句话总结现阶段的视觉感知：
诸如特斯拉这样的企业已经把视觉感知拉到了很高的水平，在部分环境下的感知能力甚至强于人类双眼，但也会有同样处理不好的环境和场景。
特斯拉已经基于纯视觉能力在北美奥斯汀试运营了 Robotaxi，目前出现了偶发的剐蹭事故，但未出现严重的安全事故。
如果这套系统能够在更加复杂的场景实现自由的接驳，那么纯视觉感知就到了不再需要证明可行性的时刻了？
写在最后
目前关于硬件方案，行业内还存在争议。
在 9 月 9 日举行的深蓝发布会上，作为辅助驾驶解决方案供应商的华为车 BU CEO 靳玉志公开抨击了纯视觉路线：
纯视觉有一定短板，需要学习才能感知障碍物，而激光雷达不需要学习就能识别障碍物，带激光雷达的融合感知一定比纯视觉好。
未来究竟是走向纯视觉还是多传感器融合，我们把它交给时间来解答。作为消费者，我们还是以实际体验为决策出发点。
END
