针对智能驾驶的感知方案一直存在着不同的路线，其中部分车企坚持走依靠摄像头的纯视觉路线，而另一部分车企则把精力放在激光雷达、毫米波雷达、摄像头等多传感器融合的技术发展上。两者的感知光源虽然本质上都是电磁波，但在技术特性、数据融合及信息感知方面存在诸多不同，在典型场景下的识别效果也有所差异。

一、传感器特性决定信息获取精确性

纯视觉方案依赖于视觉传感器获取的二维图像信息向三维环境信息的转化，需要通过先进的算法和海量的数据让AI自主学习，使它在判断上变得更“聪明”，来确保数据转化的准确性。

融合方案中激光雷达作为视觉传感器的一种补充，依靠发射激光束来探测目标的形态、位置和速度，在三维信息的获取上比纯视觉方案来的更为高效精准，能够辅助视觉传感器避免由于判断失误造成事故。同时在视觉传感器感光能力下降的低光照环境下，激光雷达依然能够稳定发挥功能，补足视觉传感器的检测能力，提升夜晚行车中的人车安全。

在具体特性上二者的差异包括但不限于：

1、有源性

有源性使激光雷达作为主动式传感器，工作不易受到外部自然光照条件的影响，即便是在黑夜或者暗光的环境里，仍然能够有效感知周边行车环境信息。相较而言，作为被动式传感器的摄像头本身并不发光，其成像质量很大程度上受环境亮度的影响，在无光、暗光和逆向强光等环境下难以正常工作。

2、相干性

激光作为相干光，其一致性及指向性远优于自然光，利用这种特性我们可以有效获取周边环境的深度信息，从而直接构建出周边的三维环境用于行车策略的信息输入。相比而言视觉图像直接获取的是二维信息，而通过图像重建三维环境信息在精确度上无法与前者媲美，同时过程较为复杂。

3、稀疏性

除了以上相较于视觉的优点，激光雷达同样存在一些劣势，相较于图像采样的“稠密感知”，激光雷达点云采样属于“稀疏感知”，一定程度上存在关键特征信息遗漏的风险，尤其是目标物较远点云稀疏的情况下。

为了充分发挥激光雷达长处并且消弱风险，机甲龙搭载了等效96线激光雷达，以每秒百万级的密集点云对周边环境进行采样，有效减少了重要特征信息丢失的风险，性能表现在10%有效反射率情况下，对车辆有效探测距离达200m。

二、软件算法辅助信息加工

如果说传感器硬件差异决定了智能驾驶所接收到数据的质量，那么软件算法无疑便是考验机器对原始数据的加工能力。两种方案在算法层面的差异分为融合与信息感知两方面。

在数据融合方面，由于自动驾驶解决的是三维空间中的行车问题，而激光点云固有三维特性，可以通过点云拼接等手段进行多激光雷达的数据融合，数据的前处理非常直观和便捷，相较而言，采用Transformer等深度学习网络建立“向量空间”进行对图像进行数据融合的方式更加抽象和复杂，对于算力方面的依赖也更多。

视觉感知

雷达融合感知

在信息感知方面，视觉领域以卷积运算为基础的各类深度学习衍生方法非常丰富，并且被激光雷达感知和语言处理等领域所借鉴，视觉感知技术具有更大的先发优势和丰富的工程实践经验。而典型激光雷达感知需要借鉴部分视觉感知相关技术，通过点云的聚类、降维等处理，将激光雷达获取的数据变成与视觉“同构”的数据，以进行以进一步的感知信息提取。

总体而言两者各具优势，数据前融合和空间感知方面激光雷达具有天然优势，视觉感知数据在信息提取方面更加直接，先发优势明显。

随着激光雷达硬件技术的不断发展，获取的点云密度不断提高，激光雷达所获取的数据信息丰度已经越来越接近图像感知了，同时如“图神经网络”等适配点云结构数据的深度学习方法也涌现出来，激光雷达蕴含的潜力不容小觑。

三、典型应用场景下的识别差异

最后让我们回归到实际体验中，来看看两种感知方案在以典型场景下的效果差异。

静态物体感知

静态物体感知：以毫米波雷达感知技术为主的AEB功能（主动安全技术）对于行人及静止物体探测性能较差，通过借助融合感知技术有效利用激光雷达的探测能力，可以显著提升应对静态障碍物的场景，减轻或消除静止障碍物碰撞风险，增强车辆安全行车性能表现。

暗/逆光环境感知：以视觉感知为主的AEB功能在夜间暗光，迎面强光等行车场景下难以分辨道路前方行车环境，而激光雷达因其主动感知特性可以很好应对以上场景，减轻或消除人及障碍物碰撞风险，增强安全行车性能表现。

非常规障碍物感知

非常规障碍物感知：视觉感知发挥作用依赖于对标目的分类学习，而对于未经训练集训练的非常规障碍物表现较差，因此以视觉为主的AEB功能在应对“穿恐龙衣服的小朋友”等corner case场景的时候表现糟糕，而激光雷达感知可以有效应对此类非常规障碍物，减轻或消除非常规障碍物碰撞风险，增强安全行车性能表现。

四、总结

感知路线策略是自动驾驶领域存在争议的问题之一，其争议点在于感知系统是否应该引入激光雷达，业界既有坚定的视觉感知路线推崇者也有融合路线的拥护者。当然，路线的选择只是手段，无论选择哪种技术路线，首先一定是要把当下的用户体验放在首位。