|
rvajs05qpa56404373517.gif
|9 X1 o. l1 q4 y* \. ~. ]
点击上方蓝色字体，关注我们
, W, m5 k0 k3 [1 C% C% i4 R$ s( ~1 F6 g/ J3 M1 e: v
# q" T4 P6 R$ Y7 y
我们认为，纯视觉方案更适配端到端模型的需求。
$ U0 m, g. T0 n6 K7 l9 |2 h迭代速度和成本优势：纯视觉方案相比激光雷达方案有明显的迭代速度优势，因为纯视觉的算法更新和优化周期通常较短。此外，视觉传感器的成本远低于激光雷达，且无需对点云数据进行额外的融合或验证。技术瓶颈和不足：目前，采用激光雷达+端到端方案的大部分智驾车型存在一些技术瓶颈，比如激光雷达数量不足、车端算力不足，或是算法能力相对弱等问题。激光雷达的点云数据融合和处理较为复杂，且在一些复杂环境下仍存在盲区。预计算法优化：纯视觉方案能够通过不断的算法优化弥补一些测距和天气影响的缺陷，尤其是通过强大的计算平台来进行动态优化和快速迭代，这一点对端到端模型至关重要。- S) C, D# U* y
4 o k9 e% D" F: ~9 m' t r- P4 a! H- e- U% l
cy3bbzrtrei6404373617.png
7 Y) M1 ~9 O1 Q) ?3 O: j
$ e+ j* V5 X5 C0 `2 j1 P: n( h/ P" M* B: ? e
纯视觉 vs. 激光雷达比较一：迭代效率+ }3 f5 `' Z* e( b
' A+ r; L0 Z; G; i
与激光雷达相比，纯视觉方案的响应速度更快，算法迭代周期较短。
. u' F8 L+ p8 k& P4 g5 v( Q8 ^6 j
! Y' b! j( ^$ c例如，小鹏P7+作为国内首款摒弃激光雷达的纯视觉端到端智驾车型，在上市首月即实现了0速激活、环岛通行、紧急转向辅助、拥堵换道等功能。
# W8 p- a# e! _+ f7 l
6 o4 E* k2 v, H( T4 T2 g相比之下，华为ADS方案在经历了多次优化迭代后，才实现类似的功能。5 z1 D' @) W& b/ \2 O% Q+ m$ a6 Z
8 J( R( v2 o \
kkz1t5sx3vq6404373717.png
' R B ~, H& F. ? p: E6 R3 y+ d4 @: K% I$ i3 U
0 Y" i/ ~7 {- G
kfwb2vcffrq6404373817.png
0 t5 I2 w- H% |1 U/ x, H, y) d; b; y' a0 T' r+ a
0 Q3 Y. g+ m. a! o2% w) w; U% S& X2 \$ T2 l2 Q( M0 W
纯视觉 vs. 激光雷达比较二：成本优势0 c: m5 M( T) j3 O3 G
纯视觉方案的成本大幅低于激光雷达方案。
+ N. X& h$ M# H3 e: C' v7 U3 s" E* X" K$ F. E
根据小鹏管理层的指引，XNGP智驾系统（摒弃激光雷达）的成本预计下降50%。. K; {' Y% h/ h0 [$ L8 q* K
5 e/ I% C% g8 K) ^1 m( V: i! [
在小鹏P7+的案例中，智驾传感器BOM成本仅约1.5万元，而搭载激光雷达的小鹏P7i的成本显著较高。+ c' ]5 B1 w! t
" A. p! g4 n, U# K% y3 h得益于更低的成本，P7+的售价降至20万元以下，使其在市场上更具竞争力。5 O( y* w9 o4 V, a+ v8 Z
. H! ?! \0 O7 C( `5 Y2 L# u
44y1nmnb1wr6404373918.png
$ I7 F4 @+ [; k" x3 L
1 g e) A: S4 h9 Z8 b! v" |* H
纯视觉方案在中低端市场的竞争力更强，尤其是在毛利率方面，因其较低的硬件成本能够提供更高的利润空间。: f- ^' M0 ^; U
' ^2 s: x1 A9 l5 N, t& M1 l
随着激光雷达成本逐渐占据智能驾驶硬件总成本的10%以上，摒弃激光雷达的纯视觉方案逐渐成为首选的优选方案。
/ P8 n/ s7 q3 S3 k% K E y- L2 K, G) a) G% |- ]& j% s8 b
wry3gkntbpt6404374018.png
* m2 j( @# a- z" R8 t
4 S* y9 l' E) v0 }; M
3
( v% j( |" r* Q9 \纯视觉 vs. 激光雷达比较三：激光雷达的盲区问题* `8 M9 I! `5 |) H. E9 X
目前，很多搭载激光雷达的智驾车型仅配备1颗FOV水平视角120°、垂直视角25°的激光雷达，无法实现360度全景感知。0 R3 v, e/ i5 y/ N* Z4 e# n
9 x7 c# z1 N; C+ S* s" C
相比之下，L4级Robotaxi需要至少5颗激光雷达以实现全面的感知。5 E' N: j* n+ N& |0 x( i/ T
$ z( Z0 p, C5 j3 {: O( e: R
大多数25-30万元及以上定价的激光雷达+大模型方案仍存在感知盲区，传感器数量、硬件算力以及算法能力仍有待提升。/ Y! }( C) N* W, L0 i( F7 d& s7 W5 {
- H7 h/ U3 W) T0 a2 p# p$ d- \
pcfzzj4qeat6404374118.png
& @* o _/ O p M6 R' ]
' C* ^7 t' l2 x
* i! m5 Y. ]- D( t9 b3 u
r3zqephgeul6404374218.png
, t* X+ S9 }. y6 s' c) q4 }( C' G8 K' E1 d4 B
4
9 @, b2 v) k/ V2 V2 T! s: C摒弃激光雷达的关键：车端算力和算法突破
! K8 _$ h4 Y8 [; D5 ?当前大多数汽车厂商采用后融合或特征级融合方案，将不同传感器（如摄像头、雷达、激光雷达等）的数据融合进行感知。
# i, Z7 o' `8 M8 h) X5 [
! e& N) P1 D) f7 P然而，这种后融合方案可能会带来信息延迟和丢失的问题，尤其当依赖激光雷达时，可能导致感知的准确性不足。 A l- N2 z# p- r1 R2 Q# w j
" u4 n8 Q8 B8 B6 b9 ^; u. q
相比之下，前融合方案能够确保信息完整输入，但在算力和算法上要求极高，因此仍然是端到端技术应用的主要挑战之一。# }: h8 b2 n/ Q- _: E1 t3 m' B' t/ U
7 Y x' X9 V" r% N* L( `9 ?- D+ g前融合方案的车端算力需求通常在500-1,000TOPS之间，而后融合和特征级融合的算力需求则分别低于100TOPS和300-400TOPS。' m& q: x1 C! \, h, o
: w4 K7 P% f& j; {) L因此，纯视觉+端到端的技术路线在算力需求上相对较低，而通过算法优化，仍能实现高效的感知和决策处理。& B8 s0 w$ v; h% D/ f6 r
1 m0 A6 O) o3 C& B4 [, S6 [最终，突破端到端技术路线的关键在于算法的优化与迭代。# r0 X: B5 W( Y' f# d2 J+ @
# Z7 K) B* D4 T6 R) i通过持续提升车端算力和优化感知算法，纯视觉系统能够在性能上逐步接近甚至超过传统激光雷达系统，特别是在动态、复杂环境下的表现。
1 v' v. W" l! \
# J5 j% P+ {& J. u
gyuqkap0osc6404374318.png
% C( U3 Q5 h" a
9 i4 C! G6 p, f2 ]) q- a
g3nuag2fwvd6404374418.jpg
2 S0 o$ `$ s' V8 ~; t4 L e9 @
1oh4lbc4mha6404374518.gif
" \/ X3 e8 J9 ?: c点击阅读原文，更精彩~ | 
电子产业一站式赋能平台
窥视卡
置顶卡
变色卡
