摄像头、激光雷达和毫米波雷达，谁更有希望“绝杀”智能驾驶？

摄像头、激光雷达和毫米波雷达，哪一个才是智能驾驶的重要发展方向？

摄像头、激光雷达和毫米波雷达都是智能汽车的重要传感器，三者各有优缺点，目前为止也无法完全替代对方；如果说非要选择其中一个来大力发展，我认为会是毫米波雷达的进化版本：4D成像雷达，这是后话。下面我来具体聊聊车载摄像头、激光雷达和毫米波雷达各有哪些优缺点。

先说车载摄像头。它的优势在于角度探测范围大、分辨率更高；缺憾在于成像容易被环境因素干扰，比如下雨下雪导致镜头起雾结霜，夜间感光能力下降，被强光照射后影响成像质量等等，光学稳定性略差，需要通过不断更新迭代来优化成像质量。

激光雷达拥有更强的的环境感知精度，位移和角度探测范围高，它能够以更高频率的光波发射和反射接收，精确地计算被测物的距离、角度和速度等信息，生成的三维图像更具参考性，相比车载摄像头而言抗天气环境的干扰能力更强。

然而，喜欢特斯拉的同学应该记得，马斯克当年突然“放弃”了激光雷达，转向8颗摄像头的纯视觉方案。其最主要原因有2个，一是特斯拉有自研芯片和视觉神经网络的算法优势，第二个原因更简单：纯视觉方案更省钱。

没错，激光雷达的痛点在于传感器成本高昂，多用两颗就要增加几万成本，不利于智能驾驶的大规模商业化。而特斯拉纯视觉方案识别信息量丰富、可用数据量适中，全天侯适应性也不错，最重要的是便宜。商业利润高，谁不喜欢？但我要提醒各位：特斯拉未没有完全弃用激光雷达，真实的情况是“纯视觉为主+毫米波雷达辅助”，并不是像特粉吹的那样依靠纯视觉天下无敌。

为啥要用毫米波雷达做辅助？因为毫米波雷达的位移探测范围高、分辨率更好，测算速度、位移能力强，而且抗环境干扰胜过摄像头，可以弥补纯摄像头的劣势，增加整个系统的冗余性和稳定性。但是，毫米波雷达的目标分类能力较弱，和摄像头组队刚刚好。

实事求是地讲，目前限制三类传感器系统的并不是硬件技术，发展遇阻的瓶颈主要还是在AI学习能力方面。无论哪一种技术都依靠巨量的计算资源和存储空间，成本限制之下，价格适中的4D毫米波雷达或许可以成为更好的方案。

事实上，我们看到主流市场上更多的智能驾驶大多采用了摄像头+毫米波雷达+激光雷达融合的感知系统。倘若系统数据分析处理的水平能够达到一个新的高度，那么未来三类传感器都可能发挥出更强大的作用。