自动驾驶发展如火如荼，究竟摄像头和激光雷达哪条线才会成为主流？

财报季到来，82只无人驾驶概念股至今已有35只披露了上半年业绩预告，其中长安汽车、长城汽车、比亚迪已经“预订”了净利润前三名的宝座。北汽蓝谷虽然与华为、百度等大厂深度合作，但依旧难以逃脱亏损的命运。

此外，盛路通信和高鸿股份杀出重围，分别预计实现最高10529.92%和3787.76%的净利润增幅，前者可以为无人驾驶提供毫米波产品，后者则提供C-V2X车联网技术解决方案，可以加强车辆与交通灯的互动。

从财报中不难看出，无人驾驶浪潮之下，产业链上下游企业都有所收益。其中，特斯拉选择的摄像头技术路线和国内大量车企选择的激光雷达技术路线都带活了一批企业。券商预计我国乘用车领域激光雷达市场空间到2030年将达到980亿元。

不过，清华大学车辆与运载学院副研究员仇斌向贝壳财经记者表示，如果单一车型在自动驾驶上投入的成本过高，势必会影响车型的售价，进而影响市场占有率。目前车企面临的主要问题是如何在技术和成本之间做平衡。

净利涨幅最大的两家都有“绝活”

Wind数据显示，截至8月23日，无人驾驶概念股共有82只，其中有35只已经公布了今年上半年的业绩预告。这其中有20家公司预计实现盈利，有15家则未必。

预计今年上半年实现净利润上限最高的三家企业分别是长安汽车、长城汽车和比亚迪，预计净利润分别最高可以达到62亿元、59亿元、36亿元，预计净利润最低也可以达到50亿元、53亿元、28亿元。

长安汽车表示，今年上半年利润增长主要得益于公司品牌持续向上，产品结构持续优化，自主品牌盈利能力持续提升。

比亚迪的无人驾驶在今年也取得了不小的进展。比亚迪与美国科创公司Nuro联合研发设计的第三代纯电动无人驾驶配送车已经正式发布。据了解，此次合作中，比亚迪将负责整车开发，车辆测试和生产制造，并提供刀片电池、电机、电控以及人机交互等核心总成部件。

除了上述三家体量庞大的整车厂之外，预计净利润上限最高的第四至十名的净利润维持在8亿元至1亿元之间。其中，拓普集团、中科创达、高鸿股份预计最高可以实现净利润7.37亿元、4.15亿元、2.90亿元，最低分别可以实现6.67亿元、3.88亿元、2.5亿元。

除了今年“盈利之王”以外，还有一些企业净利润大涨，共有9家企业预计净利润最高上涨超过100%。

其中，盛路通信预计净利润最高涨幅可以达到10529.92%，高鸿股份预计净利润最高可以涨3787.76%。

盛路通信的毫米波产品颇为知名。公司2021年报显示，公司的民用通信业务主要从事移动通信天线、射频器件和有源一体化通信设备、垂直行业整体解决方案等产品和服务的研发、生产和销售，掌握通信天线、射频微波尤其是毫米波产品设计和制造的关键技术。公司产品涵盖汽车天线等，形成了较为完整的通信天线产品线，客户主要包括国内外电信运营商和通信设备集成商、汽车整车厂等。传感器融合是汽车无人驾驶技术的关键之一。

总的来说，自动驾驶的四大核心技术，分别是环境感知、精确定位、路径规划、线控执行。由于环境感知和精确定位都需应用多个传感器，传感器融合技术正是归类于这两大核心技术的。

举个例子，感知是通过摄像头、LiDAR和RADAR来精确地对障碍物的类别、位置和速度进行检测。而另一方面，定位是指将GPS、LiDAR和摄像头数据融合在一起，从而精准获得厘米级精度的定位。

本文将重点介绍环境感知的过程，尤其是LiDAR与摄像头之间的数据融合。

目前，自动驾驶领域的传感技术，存在两个较大的技术分歧，一个是激光雷达方案，还有一个就是摄像头，无论传统车企还是造车新势力，都基本采用激光雷达感知，只有特斯拉还在坚持摄像头纯视觉传感的方法。

特斯拉的理念是，既然人可以靠双眼观察周围环境开车，那么自动驾驶系统也可以用同样的逻辑靠摄像头做到，所以特斯拉的摄像头就是在仿造人类的眼睛。

摄像头能将最真实的路面图像传递给处理器，然后将这些图像转换成数据，这其中最难的不是如何还原真实的图像，而是如何将图像转换成数据，这就对数据的处理和存储能力有着非常之高的要求。

视觉方案对样本数据的依赖度比较高，需要用大量的数据进行训练，不断优化，不断学习，所以特斯拉很早就构建了一整数据采集与学习的闭环框架，通过摄像头收集各种行驶场景数据，并上传到特斯拉云端，构成真实而庞大的数据池。

这种云端数据库能够对特斯拉的智能算法提供学习模版，赋予了算法不断升级的能力。基于收集到的行驶数据，特斯拉会通过“影子模式”不断优化算法，最后对每一辆特斯拉的FSD自动驾驶进行OTA升级。

激光雷达通过激光束进行探测和测距，由激光发射器、光学接收器、和信息处理系统三部分组成。

激光雷达可以通过发射和接受激光束，分析激光遇到目标对象后的折返时间，计算出目标对象与车的相对距离，并利用收集的目标对象表面大量的密集点的三维坐标、反射率等信息，快速复建出目标的三维模型及各种图件数据，建立三维点云图，绘制出环境地图，以达到环境感知的目的。

由于测距公式都是固定的，这些的算法自然也相同，所以激光雷达的提升就在于测距的精准度上，完全依赖硬件性能，不能通过自我学习提升。

两者的区别和特点

激光雷达是一种主动式传感器，通过发射脉冲激光并探测目标的散射光特性获取目标的深度信息，具有精度高、范围大、抗干扰能力强的特性，可以在一些极端天气下和夜间做到比摄像头更高的精准度，防止车辆的误判，提升安全的冗余度。

但是，激光雷达获取的数据稀疏无序、难以直接利用，且激光单色的特性让其无法获取颜色和纹理信息，虽然对于周边环境测距描绘的能力突出，在一些没有特征的道路，比如没有中心线指示牌的路段，激光雷达会存在不易分辨甚至缺失的问题，所以必须搭配其它传感器互补使用。

作为乘用车自动驾驶领域的领头羊，特斯拉在纯视觉这条路上走的十分决绝，甚至连仅有的毫米波雷达，也在前不久被特斯拉抛弃了。然而，在感知层面，领头羊几乎快成了“独羊”，更多的品牌不约而同的在感知方案中加入了激光雷达的选项，甚至已经“卷”了起来。

不同于上海车展激光雷达刚刚上车时给我们的震感，经过半年多的发展，广州车展上大家对各家展台上普遍出现的激光雷达方案已经习以为常。在这样的大环境下，对激光雷达的宣传也变得五花八门，广汽埃安打出了3颗激光雷达”领先一代“的口号;而长城旗下的全新品牌沙龙，更是直接在宣传海报上挑衅式的写到”4颗以下别说话“......

纯视觉路线和感知融合路线之争，已经是老生常谈的话题了。从传感器上来说，摄像头本身有着绝对的优势，只闻马斯克毅然砍掉毫米波雷达，不见哪家铁憨憨敢直接踢掉摄像头。即便是激光雷达的坚定支持者，感知方案中一样需要将摄像头摆在足够重要的位置。

这是整个社会环境，甚至是亿万年来的自然环境决定的。我们的地球身处太阳系，享受着阳光给予地球的能量。而太阳辐射的能量，绝大部分是波长在380～780nm之间可见光，当然也有不少临近的红外线和紫外线，而地球大气层中的臭氧层尽职尽责的帮我们过滤掉了绝大部分紫外线，让我们免受皮肤癌等问题的侵扰。所以，地球上的生物进化出了可以通过可见光观察周遭事物的眼睛。

而快速发展的人类文明，也是基于人自身的感知能力进行建设，交通系统都保证人通过肉眼就能够做出判断，不需要给司机植入各种天线才能开车。所以，能够模拟人眼观察世界方式的摄像头，自然也成为了机器感知的重要途径，毕竟机器也身处地球。

包括自动驾驶在内的机器学习依赖近几年高速发展的人工智能技术的进步，人工智能依赖的深度学习算法需要海量的数据进行训练。芯片算力的提升和移动互联网发展形成的海量数据是人工智能近几年能够高速发展的重要基础，我们能够训练出什么样的算法，强依赖我们有什么样的数据。我们有什么数据?最多的当然是基于可见光拍摄的照片，人手一部的手机几乎都带有摄像头，激光雷达可没普及到这种程度。这也是人工智能快速发展中，发展最快的基础应用是语音识别和图像识别的重要原因，因为这里有人本身能够大量创造的数据，也是人们最基础的需求。