特斯拉：用算法能解决的事儿，为什么还要加毫米波雷达？

拿掉毫米波雷达的特斯拉FSDBetaV9.0 ，终于，在美国市场推送了。
特斯拉一直都是特例独行，激光雷达量产元年之时，它又开始玩儿不一样的套路。把仅有的一颗向前雷达移除，不玩儿融合感知，玩儿纯视觉感知。此时，中国市场搭载激光雷达的小鹏P5开启预售、蔚来ET7也很快到来。到目前为止，激光雷达上身的阵营中已经包含了蔚来、小鹏、奔驰、宝马等众多厂商。
相反，特斯拉没有激光雷达、高清地图，还把毫米波雷达砍了。特斯拉是真正的纯视觉派信徒，那，它的底气来自哪里？
更新，也是在做简化

FSDBetaV9.0最大的更新，开头说了，拿掉毫米波雷达，纯视觉感知是这次FSD最大的改动，一直拒绝激光雷达的马斯克这次更极端了。这个点，展开来讲就基本能明白个大概。
首先，特斯拉的工程师们肯定知道多传感器融合的重要性，也不会固执到做出明显错误的决定。但拿掉毫米波雷达最根本的原因，特斯拉没明说，但我们可以推测一波。
同时融合摄像头和毫米波雷达的数据，毫米波雷达数据信噪比低是最大的障碍，也就是会有误检测风险。而且，后融合的方案本身就是使用受损数据之后得出的结果，那么，两个传感器对同一个目标作出不同判断，该相信谁？而且，毫米波雷达在高程信息上也有不足，井盖和电线杆，在它眼里差不多。
举个例子，毫米波雷达没有高程信息所以数据上不会体现出目标物体的高度，然后又对金属比较敏感，所以在面对井盖和金属杆的时候很难区分。过分相信毫米波雷达，自动驾驶时经过井盖都有可能会''幽灵刹车''；如果忽略毫米波雷达的检测结果，那可能会撞上停在前方的车。而且，毫米波雷达在面对雾、雨、雪、黑夜这样的天气时它有天然优势。
但显然特斯拉觉得毫米波雷达很多余，而8颗摄像头+算法可以满足纯视觉自动驾驶。这次的特斯拉FSDBetaV9.0版能在城市和高速路段场景中使用，车辆在导航的指引下，执行变道、选择匝道等动作。在十字路口、视野盲区、狭窄道路的情况下，会自动执行车辆避让、绕行。
这次特斯拉自动驾驶技术从FSDV8到V9.0 ，更多的变化包括了车道线以及路肩更细腻了，这种变化绝不是显示层面的优化，而是对算法的深层优化。其次，取消了车辆模型边框，并且细分了皮卡、货车、SUV、摩托等车辆模型，还能看见人和狗的模型。还有对移动物体的预判，以及在保证安全行驶的前提下尽量规划出最优路径。以上内容根据海外车主对FSDBetaV9.0的测试视频得出。
取消的是硬件，加的是算法
特斯拉纯视觉方案的逻辑
1同时搭载雷达与摄像头存在数据融合问题，所以特斯拉选择纯视觉自动驾驶方案。
2拥有足够的真实世界数据，开发并训练一套模拟人类视觉的神经网络，从而实现自动驾驶。
3高精地图方案有地域局限性，而特斯拉希望开发一套可以任何场景都能通用的自动驾驶系统。

然后，视觉感知系统主要以摄像头作为主要传感器，计算处理之后，对车辆周围的环境信息做出精确感知。为了给融合模块提供准确且丰富的信息，包括了物体的距离、类别、速度和加速度以及朝向信息。
所以，道路交通的感知功能主要包括动态目标检测，静态物体识别，可行驶区域的分割。这三类数据信息给到同一个深度神经网络处理，提高系统检测速度减少计算参数，而且可以通过增加主干网络的层数的方式提高检测和分割精度。视觉感知可以分为目标检测、目标测量、图像分割、图像分类等。