立體視覺(jué)處理是將世界從2D平面轉(zhuǎn)換為全3D環(huán)境，不僅提供了更豐富、更密集的目標(biāo)場(chǎng)景表示，還允許感測(cè)系統(tǒng)在未經(jīng)訓(xùn)練的情況下識(shí)別一般障礙物，使倉(cāng)庫(kù)機(jī)器人、自動(dòng)駕駛車(chē)輛等的導(dǎo)航更安全、更有效。

文︱立厷

激光雷達(dá)（LiDAR）的競(jìng)爭(zhēng)者來(lái)了，本不是什么顛覆性技術(shù)，但分辨率提升15倍，成本卻與便宜的固態(tài)LiDAR相仿；埃隆·馬斯克為其點(diǎn)贊，特斯拉也開(kāi)始搭載，不過(guò)好像還沒(méi)有玩轉(zhuǎn)。要說(shuō)真正量產(chǎn)搭載的還是傳統(tǒng)意義上的豪車(chē)：奔馳S級(jí)和E級(jí)、寶馬7系和5系、雷克薩斯LS、路虎Discovery Sport SUV、捷豹XFL、XE等。

從特斯拉的攝像頭說(shuō)起

特斯拉的全電動(dòng)汽車(chē)以攝像頭數(shù)量多而聞名，其8個(gè)攝像頭主要用于崗哨模式（Sentry Mode），還有一個(gè)TeslaCam用作行車(chē)記錄儀。通常人們沒(méi)有注意的是，特斯拉在Model 3和Model Y中配備了第九個(gè)攝像頭，就在后視鏡上方，用來(lái)監(jiān)測(cè)車(chē)內(nèi)情況。

前不久，美國(guó)的Model 3車(chē)主Erik Martin曾見(jiàn)過(guò)一輛路測(cè)的Semi原型卡車(chē)，說(shuō)它配備了26個(gè)攝像頭。事實(shí)上，量產(chǎn)版Semi車(chē)型最多也就配備10個(gè)攝像頭。

早在2016年，在Model S上測(cè)試的特斯拉Autopilot 2．0（AP）硬件就“在駕駛員側(cè)安裝了某種雙目攝像頭，看起來(lái)像一副小望遠(yuǎn)鏡。”

特斯拉測(cè)試的雙目攝像頭

值得注意的是，特斯拉Model 3前視已搭載三個(gè)基于安森美半導(dǎo)體CMOS圖像傳感器的三目攝像頭（魚(yú)眼、中焦和長(zhǎng)焦）模塊，用三個(gè)不同焦距攝像頭覆蓋不同范圍場(chǎng)景，以解決攝像頭無(wú)法來(lái)回切換焦距的問(wèn)題，通過(guò)立體視覺(jué)技術(shù)實(shí)現(xiàn)3D成像。

特斯拉的三目攝像頭模塊

提供各類立體視覺(jué)解決方案的北京中科慧眼銷(xiāo)售總監(jiān)崔凱表示：“對(duì)于高級(jí)輔助駕駛系統(tǒng)（ADAS）單目就夠用，還便宜，而自動(dòng)駕駛更需要多傳感器融合。單目有一種配置叫三目，即單種焦距的單目，可以實(shí)現(xiàn)近距離寬視角和遠(yuǎn)距離的全覆蓋。但如果是三焦雙目就有很高的算力要求，開(kāi)發(fā)難度很大。”

這話在特斯拉身上得到了應(yīng)驗(yàn)，根據(jù)國(guó)外車(chē)友測(cè)試，發(fā)現(xiàn)搭載Autopilot 2．5硬件的Model 3，在開(kāi)啟AP后，前置三目攝像頭中只有一個(gè)主攝像頭在工作，而長(zhǎng)焦和魚(yú)眼攝像頭都處于關(guān)閉狀態(tài)。

另外，去年年初國(guó)產(chǎn)特斯拉被暗中減配，混裝了HW2．5和HW3．0，后者是特斯拉自己專門(mén)為FSD打造的新計(jì)算平臺(tái)，據(jù)稱其圖像處理能力是HW2．5的21倍，計(jì)算能力提升了大約7倍。但特斯拉中國(guó)卻表示：現(xiàn)階段如果沒(méi)有選裝FSD功能，使用HW2．5的Model 3車(chē)型與HW3．0的Model 3車(chē)型在駕乘體驗(yàn)和使用安全上“基本不存在區(qū)別”。由此可見(jiàn)，現(xiàn)在的三目攝像頭還是受制于算力。

的確有車(chē)主發(fā)現(xiàn)，行車(chē)記錄儀拍下來(lái)的視頻中，除了正前方的視頻較為清晰外，其他角度的視頻都比較模糊。原因就在于HW2．5（自動(dòng)駕駛芯片）硬件算力不足，只有前置主攝像頭支持全分辨率輸出，剩下的5個(gè)攝像頭全部降低了分辨率輸出。這樣，想要實(shí)現(xiàn)對(duì)側(cè)前方、后方大量車(chē)輛的識(shí)別非常難。這也AP在面對(duì)側(cè)前方車(chē)輛加塞并線時(shí)反應(yīng)沒(méi)有那么靈敏的一個(gè)原因。

特斯拉的中焦實(shí)景

如果真是那樣，特斯拉的視覺(jué)還是2D的，想象一下八個(gè)攝像頭同時(shí)處理要消耗多少GPU資源。結(jié)果可想而知，還而知了不少。

有專業(yè)人士分析說(shuō)，特斯拉方案的問(wèn)題在于，其方案主要依靠視覺(jué)，所以環(huán)境感知3D重建是基于2D的。2D轉(zhuǎn)換為3D，必然要丟失信息。通過(guò)看實(shí)際視頻，發(fā)現(xiàn)特斯拉對(duì)遠(yuǎn)處物體有誤識(shí)別的情況，特別是有穿著黑衣服的行人在晚上突然過(guò)馬路時(shí)。毫米波雷達(dá)不是看人的，超聲波距離不夠，視覺(jué)兩眼一抹黑，這不就是視覺(jué)欺騙嗎？