全部回帖
纯视觉方案采集道路信息只依赖摄像头，而采用激光雷达的厂商会同时用激光雷达和摄像头采集道路信息，厂商们不用毫米波雷达的唯一原因就只有贵，为了节省成本，当国产供应链能解决毫米波雷达成本问题的时候，你觉得哪种是更加优秀的解决方案呢？
[图片]
纯视觉方案采集道路信息只依赖摄像头，而采用激光雷达的厂商会同时用激光雷达和摄像头采集道路信息，厂商们不用毫米波雷达的唯一原因就只有贵，为了节省成本，当国产供应链能解决毫米波雷达成本问题的时候，你觉得哪种是更加优秀的解决方案呢？
最好再加上红外
最好再加上红外
纯视觉方案采集道路信息只依赖摄像头，而采用激光雷达的厂商会同时用激光雷达和摄像头采集道路信息，厂商们不用毫米波雷达的唯一原因就只有贵，为了节省成本，当国产供应链能解决毫米波雷达成本问题的时候，你觉得哪种是更加优秀的解决方案呢？
[图片]
纯视觉方案采集道路信息只依赖摄像头，而采用激光雷达的厂商会同时用激光雷达和摄像头采集道路信息，厂商们不用毫米波雷达的唯一原因就只有贵，为了节省成本，当国产供应链能解决毫米波雷达成本问题的时候，你觉得哪种是更加优秀的解决方案呢？
这么说吧，裸眼视力2.0的聋子不能考驾照。
这么说吧，裸眼视力2.0的聋子不能考驾照。
那边还办着丧事，这边又开始吹上了
那边还办着丧事，这边又开始吹上了
就吹，你不服吗？
就吹，你不服吗？
我给你举例子，比如说前面有一辆车倒了，摄像头说，前面有一副画，激光雷达说前面有个障碍物，那你肯定得设定规则，这种情况下优先激光雷达刹车。又比如前面有一汽车尾气，激光雷达说不好了有大块异形障碍物，快刹车，激光雷达判断不了这是什么东西，他优先级越高就越占算力，因为你需要无数模型去匹配他。而纯视觉就只需要匹配这个场景我要转方向盘还是减速还是刹车，不需要识别出道路上各种东西，也就天生有算力的优势。
我给你举例子，比如说前面有一辆车倒了，摄像头说，前面有一副画，激光雷达说前面有个障碍物，那你肯定得设定规则，这种情况下优先激光雷达刹车。又比如前面有一汽车尾气，激光雷达说不好了有大块异形障碍物，快刹车，激光雷达判断不了这是什么东西，他优先级越高就越占算力，因为你需要无数模型去匹配他。而纯视觉就只需要匹配这个场景我要转方向盘还是减速还是刹车，不需要识别出道路上各种东西，也就天生有算力的优势。
你根本没搞懂，图像识别比雷达识别更耗性能好不好？汽车尾气在暗环境下图像识别出错的概率大，还是雷达识别出错的概率大？你所谓的视觉方案要识别出是什么物体，雷达只需识别是否障碍即可，哪个更快更省算力？
你根本没搞懂，图像识别比雷达识别更耗性能好不好？汽车尾气在暗环境下图像识别出错的概率大，还是雷达识别出错的概率大？你所谓的视觉方案要识别出是什么物体，雷达只需识别是否障碍即可，哪个更快更省算力？
无穷无尽啊，依靠激光雷达不可能穷尽道路的所有情况，而不穷尽所有情况就会发生事故，误解
无穷无尽啊，依靠激光雷达不可能穷尽道路的所有情况，而不穷尽所有情况就会发生事故，误解
视觉方案可以穷尽道路所有情况了？哈哈哈哈
视觉方案可以穷尽道路所有情况了？哈哈哈哈
如果你想更了解一点纯视觉，最好再去b 站看一下图像学，怎么实现人脸追踪的，你就知道纯视觉不是你想的那么简单
如果你想更了解一点纯视觉，最好再去b 站看一下图像学，怎么实现人脸追踪的，你就知道纯视觉不是你想的那么简单
我用YOLO做图像处理的时候，你都不知道在哪。现在是要你来论证好吗？
我用YOLO做图像处理的时候，你都不知道在哪。现在是要你来论证好吗？
视觉方案可以穷尽道路所有情况了？哈哈哈哈
视觉方案可以是可以按匹配程度来决定决策的，如果人戴了帽子，那可以设定百分之99匹配成功执行减速让行，但是激光不行，他可能会识别不出，因为这是个异形障碍物在模型里面没有。
视觉方案可以是可以按匹配程度来决定决策的，如果人戴了帽子，那可以设定百分之99匹配成功执行减速让行，但是激光不行，他可能会识别不出，因为这是个异形障碍物在模型里面没有。
视觉方案可以是可以按匹配程度来决定决策的，如果人戴了帽子，那可以设定百分之99匹配成功执行减速让行，但是激光不行，他可能会识别不出，因为这是个异形障碍物在模型里面没有。
视觉方案可以是可以按匹配程度来决定决策的，如果人戴了帽子，那可以设定百分之99匹配成功执行减速让行，但是激光不行，他可能会识别不出，因为这是个异形障碍物在模型里面没有。
你在说啥？为什么要识别戴帽子？模型都是自己训练的，你说没有所谓的异形障碍物，我加到训练集里不行吗？
你在说啥？为什么要识别戴帽子？模型都是自己训练的，你说没有所谓的异形障碍物，我加到训练集里不行吗？
那边还办着丧事，这边又开始吹上了
那边还办着丧事，这边又开始吹上了
你在吃人血馒头嘛
你在吃人血馒头嘛
激光雷达就是智能机的机械键盘，可以有，没必要
激光雷达就是智能机的机械键盘，可以有，没必要
你这个比喻我不赞同，虽然没有专门搞过感知智能这块，但通用的原理还是知道一些，视觉方案需要依赖海量的数据来进行标注训练，主要依赖摄像头采集图像，成本虽然较低，但是在处理复杂环境和极端恶劣天气环境下的能力是非常有限的。
激光雷达刚好相反，成本高，但对复杂环境和极端恶劣天气的感知能力是比较高的。
最优的情况其实是两者结合起来，可以最大限度提升自动驾驶整体性能和安全性。
你这个比喻我不赞同，虽然没有专门搞过感知智能这块，但通用的原理还是知道一些，视觉方案需要依赖海量的数据来进行标注训练，主要依赖摄像头采集图像，成本虽然较低，但是在处理复杂环境和极端恶劣天气环境下的能力是非常有限的。
激光雷达刚好相反，成本高，但对复杂环境和极端恶劣天气的感知能力是比较高的。
最优的情况其实是两者结合起来，可以最大限度提升自动驾驶整体性能和安全性。
你在说啥？为什么要识别戴帽子？模型都是自己训练的，你说没有所谓的异形障碍物，我加到训练集里不行吗？
道路上那么多东西，你能全加入训练？那么多奇怪的模型和模型组合，你能训练全，你得多少算力能满足。
道路上那么多东西，你能全加入训练？那么多奇怪的模型和模型组合，你能训练全，你得多少算力能满足。
