《半導體行業自動駕駛產業鏈及相關港美股標的梳理:AI加持賦能自動駕駛廣闊市場-210814(91頁).pdf》由會員分享,可在線閱讀,更多相關《半導體行業自動駕駛產業鏈及相關港美股標的梳理:AI加持賦能自動駕駛廣闊市場-210814(91頁).pdf(91頁珍藏版)》請在三個皮匠報告上搜索。
純視覺or多傳感器融合,決策權重各有不同感知是實現自動駕駛極為重要的一環。只有車輛能夠感知并且可以正確識別周圍物體的時候,才能給決策機構正確的輸入信號從而實現自動駕駛。主流的環境感知設備有攝像頭、超聲波雷達、毫米波雷達以及激光雷達等。從技術路線上分為純視覺和多傳感器融合兩種:一種是以特斯拉為代表的視覺方案,主要依賴攝像頭等成本較低的傳感器而不使用成本較高的激光雷達(據2021年7月的最新消息,特斯拉FSD Beta9方案也不采用毫米波雷達數據,只使用攝像頭數據)。這種技術路線把更多精力放在研發強大的視覺算法及專用AI芯片的能力來處理自動駕駛可能遇到的所有情況;另一種是絕大多數科技公司以及車企所采用的多傳感器融合方案,因為以目前的技術發展水平來看,沒有一個傳感器能夠完成自動駕駛所需的全部功能,因此利用攝像頭以及各種雷達進行環境感知,綜合進行自動駕駛決策。純視覺更依賴視覺算法,多傳感器融合需要解決不同傳感器數據匹配問題。視覺算法目前存在測距不準、惡劣天氣適應性差等缺陷,對于算法是否能夠彌補這些缺陷,學術界尚存在爭議,不過這種路線的好處是硬件成本低,而且不需要為決策權重分配而苦惱;多傳感器融合的好處是可以發揮不同傳感器的優勢,但硬件成本高,且需要預設算法分配不同傳感器的決策權重,這也為判斷帶來一定隱患。