s******n
发帖数: 3946 | 1 虽然马应龙还是一如既往的吹亩产万斤。
用摄像头加上机器学习确实是未来的关键。
lidar有各种天气限制，lidar的强处是测远近和建模。
多个摄像头也能识别物体远近（人的双眼三角定位原理），
Demo展示了摄像头完成三维建模街景的结果，虽然肯定
不如Lidar精确，但是够用了。
Lidar一个都很贵了，更没法冗余，多个摄像头可以实现冗余。
要做自动驾驶4到5级，物体建模已经不是关键。
需要检测物体本身的特征，这只能由图像识别来完成。
比如stop sign, 地上的stop标记，道路分割线识别。
高级一点的需要识别行人动作和预测行人动作，都需要
人工智能。
不过马应龙吹嘘1年内搞定自动驾驶还是不靠谱。 |
b********6
发帖数: 35437 | 2 天气对于lidar影响大还是对摄像头影响大？
除了马应龙只用摄像头之外，其他所有做自动驾驶的都在用lidar + 摄像头
每年拉斯维加斯的CES展览上，demo自动驾驶的一大堆，在一个提前测量好的地方做
demo完全没问题。 |
l*********n
发帖数: 1676 | 3 目前的机器学习，搞几个work的case吹吹牛，灌灌水，骗骗funding足矣，把自动驾驶
交给它？只能呵呵了。
【在 s******n 的大作中提到】
: 虽然马应龙还是一如既往的吹亩产万斤。
: 用摄像头加上机器学习确实是未来的关键。
: lidar有各种天气限制，lidar的强处是测远近和建模。
: 多个摄像头也能识别物体远近（人的双眼三角定位原理），
: Demo展示了摄像头完成三维建模街景的结果，虽然肯定
: 不如Lidar精确，但是够用了。
: Lidar一个都很贵了，更没法冗余，多个摄像头可以实现冗余。
: 要做自动驾驶4到5级，物体建模已经不是关键。
: 需要检测物体本身的特征，这只能由图像识别来完成。
: 比如stop sign, 地上的stop标记，道路分割线识别。
|
d********f
发帖数: 43471 | 4 哎呀妈呀，你就别装粉了，摄像头没有天气限制？摄像头对天气情况根本无法处理
【在 s******n 的大作中提到】
: 虽然马应龙还是一如既往的吹亩产万斤。
: 用摄像头加上机器学习确实是未来的关键。
: lidar有各种天气限制，lidar的强处是测远近和建模。
: 多个摄像头也能识别物体远近（人的双眼三角定位原理），
: Demo展示了摄像头完成三维建模街景的结果，虽然肯定
: 不如Lidar精确，但是够用了。
: Lidar一个都很贵了，更没法冗余，多个摄像头可以实现冗余。
: 要做自动驾驶4到5级，物体建模已经不是关键。
: 需要检测物体本身的特征，这只能由图像识别来完成。
: 比如stop sign, 地上的stop标记，道路分割线识别。
|
n****i
发帖数: 1772 | 5 你说的不错。建模的问题已经解决了，Waymo和cruise等公司的问题在于多年的数据都
是基于Lidar，很难转换。
Lidar为主的方式还是有不少优点，安全上的冗余是其中之一。
价格上问题不大，asic设计，产线设定都属于可分摊成本，价格在逐渐下降。
【在 s******n 的大作中提到】
: 虽然马应龙还是一如既往的吹亩产万斤。
: 用摄像头加上机器学习确实是未来的关键。
: lidar有各种天气限制，lidar的强处是测远近和建模。
: 多个摄像头也能识别物体远近（人的双眼三角定位原理），
: Demo展示了摄像头完成三维建模街景的结果，虽然肯定
: 不如Lidar精确，但是够用了。
: Lidar一个都很贵了，更没法冗余，多个摄像头可以实现冗余。
: 要做自动驾驶4到5级，物体建模已经不是关键。
: 需要检测物体本身的特征，这只能由图像识别来完成。
: 比如stop sign, 地上的stop标记，道路分割线识别。
|
I****s
发帖数: 1167 | 6 天气当然对lidar影响更大。我觉lidar作为一个sensor的补充挺好的，但是以它为主的
不太靠谱。 |
m*****3
发帖数: 13701 | 7 小六忘了强调智商了吧？
【在 I****s 的大作中提到】
: 天气当然对lidar影响更大。我觉lidar作为一个sensor的补充挺好的，但是以它为主的
: 不太靠谱。
|
I****s
发帖数: 1167 | |
m*****3
发帖数: 13701 | 9 我不会吃饱了撑的总是自以为比别人聪明还不停的自己吹自己，天外有天人外有人，自
知之明按说每个人都应该有，可惜这个班上总有那么几位缺这个 |
n****i
发帖数: 1772 | 10 做补充它还真不是第一选择，实际上不做lidar based 点阵云图，根本没必要用Lidar,
就好像拍苍蝇非要用锤子一样。
【在 I****s 的大作中提到】
: 天气当然对lidar影响更大。我觉lidar作为一个sensor的补充挺好的，但是以它为主的
: 不太靠谱。
|
|
|
m**x
发帖数: 1084 | 11 天气和互相干扰的问题能很容易解决吗？
Lidar,
【在 n****i 的大作中提到】
: 做补充它还真不是第一选择，实际上不做lidar based 点阵云图，根本没必要用Lidar,
: 就好像拍苍蝇非要用锤子一样。
|
I****s
发帖数: 1167 | 12 嗯，我现在暂时看不出哪家的方案更好。tesla的方案更容易实现，而且马上要上路了
，但是有缺陷。谷歌的方案离能上路还有一段距离，但是确实在有效的测试环境下精度
更高，测试下来的效果也是最好。 |
n****i
发帖数: 1772 | 13 天气这是两个方案都要解决的问题。两个方案也都可能被人为干扰。二者在这方面没有
本质区别。
【在 m**x 的大作中提到】
: 天气和互相干扰的问题能很容易解决吗？
:
: Lidar,
|
m*****3
发帖数: 13701 | 14 同意
我不同意在这些东西还不可靠的时候用，一旦这玩意儿算错一点点就麻烦了，这东西还
在学习，需要很长的过程，离成熟安全可靠还有相当距离，特别是被马斯克吹的他娘的
好像离了他世界没法转了，哈哈
【在 I****s 的大作中提到】
: 嗯，我现在暂时看不出哪家的方案更好。tesla的方案更容易实现，而且马上要上路了
: ，但是有缺陷。谷歌的方案离能上路还有一段距离，但是确实在有效的测试环境下精度
: 更高，测试下来的效果也是最好。
|
m**x
发帖数: 1084 | 15 互相干扰，我觉得camera不是问题。可是lidar的问题大了。
lidar可看成是高光灯，如果车多，大家都开高光，大家都被晃得看不见。
【在 n****i 的大作中提到】
: 天气这是两个方案都要解决的问题。两个方案也都可能被人为干扰。二者在这方面没有
: 本质区别。
|
m**x
发帖数: 1084 | 16 telsa的auto steer至少我在下雨时用没问题，已经解决了。估计是综合了毫米波雷达
辅助的。
【在 n****i 的大作中提到】
: 天气这是两个方案都要解决的问题。两个方案也都可能被人为干扰。二者在这方面没有
: 本质区别。
|
b********6
发帖数: 35437 | 17 你们特粉就喜欢在不懂的事情上硬拗，建议你们多谈谈情怀，不要讨论技术问题
激光的波长和偏振方向都单一，滤波不要太容易。比如全世界的通信都是通过几条跨洋
光缆，那里面不知道有多少独立的激光信号
[在 mfnx (yxinar) 的大作中提到：]
:互相干扰，我觉得camera不是问题。可是lidar的问题大了。
:lidar可看成是高光灯，如果车多，大家都开高光，大家都被晃得看不见。 |
n****i
发帖数: 1772 | 18 这两个阵营互相吵已经很久了吧，很奇怪知乎之类的平台上没人写科普。
搞Lidar的那些人的主要攻击点是对方的做法反人类。camera based都是要从level 2
做上去，搞lidar的是要跳过这些直接搞出L4/L5自动驾驶造福人类。
至于L3是不是真的反人类，就是另外一个话题了，和Lidar + HD Map能不能落地关系不
大。
我个人比较倾向于同意driver vigilance要求会长期存在, 谁能抢占市场要看user
experience, 而不是可能性安全性。
【在 I****s 的大作中提到】
: 嗯，我现在暂时看不出哪家的方案更好。tesla的方案更容易实现，而且马上要上路了
: ，但是有缺陷。谷歌的方案离能上路还有一段距离，但是确实在有效的测试环境下精度
: 更高，测试下来的效果也是最好。
|
m*h
发帖数: 85 | 19 Lidar的大问题是计算能力，就是图片实时处理能力都紧张，别说lidar,autopilot这次
升级硬件就是提高计算能力
另外lidar和摄像头都不是完美的，所以没什么好争的
貌似tesla准备用神经网络来解决削头问题，通过网络从静态照片判断物体距离，以后
削头的可预测性就更差了，beta测试员每一秒钟都要提高警惕
本来削头用立体摄像头很容易解决的，不过这意味着特斯拉扔掉以前所有数据，只能在
这条路上越走越黑
【在 s******n 的大作中提到】
: 虽然马应龙还是一如既往的吹亩产万斤。
: 用摄像头加上机器学习确实是未来的关键。
: lidar有各种天气限制，lidar的强处是测远近和建模。
: 多个摄像头也能识别物体远近（人的双眼三角定位原理），
: Demo展示了摄像头完成三维建模街景的结果，虽然肯定
: 不如Lidar精确，但是够用了。
: Lidar一个都很贵了，更没法冗余，多个摄像头可以实现冗余。
: 要做自动驾驶4到5级，物体建模已经不是关键。
: 需要检测物体本身的特征，这只能由图像识别来完成。
: 比如stop sign, 地上的stop标记，道路分割线识别。
|
m**x
发帖数: 1084 | 20 你是说每个lidar发射不同波长的激光？几百万，上千万的lidar都不一样？成本如何？
【在 b********6 的大作中提到】
: 你们特粉就喜欢在不懂的事情上硬拗，建议你们多谈谈情怀，不要讨论技术问题
: 激光的波长和偏振方向都单一，滤波不要太容易。比如全世界的通信都是通过几条跨洋
: 光缆，那里面不知道有多少独立的激光信号
: [在 mfnx (yxinar) 的大作中提到：]
: :互相干扰，我觉得camera不是问题。可是lidar的问题大了。
: :lidar可看成是高光灯，如果车多，大家都开高光，大家都被晃得看不见。
|
|
|
b**l
发帖数: 33123 | 21 这回我站特分一边, 狗做的产品就没有靠谱的
【在 I****s 的大作中提到】
: 嗯，我现在暂时看不出哪家的方案更好。tesla的方案更容易实现，而且马上要上路了
: ，但是有缺陷。谷歌的方案离能上路还有一段距离，但是确实在有效的测试环境下精度
: 更高，测试下来的效果也是最好。
|
s******n
发帖数: 3946 | 22 恶劣天气，雨雪雾下，lidar波长太短，不能穿透小颗粒。
可见图像也有问题，但是稍微好一点。
这方面资料太少，没啥专业分析的科普文章。
毫米波雷达完全不受天气影响。 |
b********6
发帖数: 35437 | 23 建议你们多谈谈情怀，不要讨论技术问题
激光可以任意控制偏振方向
[在 mfnx (yxinar) 的大作中提到：]
:你是说每个lidar发射不同波长的激光？几百万，上千万的lidar都不一样？成本如何
？【 在 beetle1986 (beetle) 的大作中提到: 】 |
a***e
发帖数: 27968 | 24 没做好就上路尼玛草菅人命
出了事倒霉的可不止特斯拉车主
★ 发自iPhone App: ChinaWeb 1.1.5
【在 I****s 的大作中提到】
: 嗯，我现在暂时看不出哪家的方案更好。tesla的方案更容易实现，而且马上要上路了
: ，但是有缺陷。谷歌的方案离能上路还有一段距离，但是确实在有效的测试环境下精度
: 更高，测试下来的效果也是最好。
|
s******n
发帖数: 3946 | 25 Tesla的神经网专用芯片可以每秒处理2100帧图像。
还有很大潜力提高摄像头分别率，或者增加摄像头来增加精确度。
硬件来讲没什么稀奇的，马应龙是在吹牛，英伟达谷歌都能分分钟钟做出类似的芯片。
软件上看来，tesla是远远领先了。 |
a***e
发帖数: 27968 | 26 激光有个东西叫相干性，你想俩不同源的激光相干可是个技术活
激光pulse还是调制的
毫米波雷达你不怕干扰你倒担心起激光了。那鬼洞啥Q值你可懂？
★ 发自iPhone App: ChinaWeb 1.1.5
【在 m**x 的大作中提到】
: 你是说每个lidar发射不同波长的激光？几百万，上千万的lidar都不一样？成本如何？
|
a***e
发帖数: 27968 | 27 尼玛lidar红外线，波长比你摄像头的用的可见光还长有没有。毫米波声纳都是辅助
你的车每秒30米，刹车距离50米
你的东西必须有能力判断100米距离的东西的大小速度，毫米波的问题角分辨率太低了
没法用
低速度近距离这些都是小事。以为能自动找个坑平趴进去其他的都行了属于文科生行为
★ 发自iPhone App: ChinaWeb 1.1.5
【在 s******n 的大作中提到】
: 恶劣天气，雨雪雾下，lidar波长太短，不能穿透小颗粒。
: 可见图像也有问题，但是稍微好一点。
: 这方面资料太少，没啥专业分析的科普文章。
: 毫米波雷达完全不受天气影响。
|
a***e
发帖数: 27968 | 28 连基本的距离和立体信息都有困难这不扯淡么，能把阴影当障碍物把隔离墩当路的技术
老大悠着点。完全靠软件的，软件一个glitch就是一条命
★ 发自iPhone App: ChinaWeb 1.1.5
【在 s******n 的大作中提到】
: Tesla的神经网专用芯片可以每秒处理2100帧图像。
: 还有很大潜力提高摄像头分别率，或者增加摄像头来增加精确度。
: 硬件来讲没什么稀奇的，马应龙是在吹牛，英伟达谷歌都能分分钟钟做出类似的芯片。
: 软件上看来，tesla是远远领先了。
|
d********f
发帖数: 43471 | 29 你这个思考能力就不要谈什么物理问题了，好好回去用js谢谢前端就好了
【在 m**x 的大作中提到】
: 你是说每个lidar发射不同波长的激光？几百万，上千万的lidar都不一样？成本如何？
|
s******n
发帖数: 3946 | 30 你说的对，lidar比可见波长。
lidar没法分别物体颜色，是色盲。
: 尼玛lidar红外线，波长比你摄像头的用的可见光还长有没有。毫米波声纳都是
辅助
: 你的车每秒30米，刹车距离50米
: 你的东西必须有能力判断100米距离的东西的大小速度，毫米波的问题角分辨率
太低了
: 没法用
: 低速度近距离这些都是小事。以为能自动找个坑平趴进去其他的都行了属于文科
生行为
: ★ 发自iPhone App: ChinaWeb 1.1.5
【在 a***e 的大作中提到】
: 连基本的距离和立体信息都有困难这不扯淡么，能把阴影当障碍物把隔离墩当路的技术
: 老大悠着点。完全靠软件的，软件一个glitch就是一条命
:
: ★ 发自iPhone App: ChinaWeb 1.1.5
|
|
|
f******t
发帖数: 7283 | 31 tesla这种路子是走入死胡同，这条死胡同的终点处可能离终极目标不太远，但无论怎
么走都去不到。
最根本的解决方案是彻底搞明白人脑意识的本质。只有人类意识这个领域研究清楚了，
人工智能的发展才能走上正途。显然，这种基础性研究要花费巨大的人力物力还有时间
，按照当前人类的智慧和科学技术水平，很可能未来几十年上百年都没有什么突破。这
种实事求是的科研精神，对于马应龙这种一心只想着要尽快把社会财富掠夺进自己口袋
里的商人，肯定是极力反对的。
【在 m*h 的大作中提到】
: Lidar的大问题是计算能力，就是图片实时处理能力都紧张，别说lidar,autopilot这次
: 升级硬件就是提高计算能力
: 另外lidar和摄像头都不是完美的，所以没什么好争的
: 貌似tesla准备用神经网络来解决削头问题，通过网络从静态照片判断物体距离，以后
: 削头的可预测性就更差了，beta测试员每一秒钟都要提高警惕
: 本来削头用立体摄像头很容易解决的，不过这意味着特斯拉扔掉以前所有数据，只能在
: 这条路上越走越黑
|
f******t
发帖数: 7283 | 32 人眼+人脑来手动驾驶汽车，没有各种fancy技术还有什么激光硬件之类的辅助，已经成
为是自动驾驶的终极目标。
假如用了各种纷繁复杂花哨的软/硬件，问题还没得到什么根本性的突破，那说明这条
路子已经走错了。 |
b**l
发帖数: 33123 | 33 没法证明你所说的真的是"最根本解决方案", 人工智能并不意味着必须在人类意识的框
架内
这次
以后
能在
【在 f******t 的大作中提到】
: tesla这种路子是走入死胡同，这条死胡同的终点处可能离终极目标不太远，但无论怎
: 么走都去不到。
: 最根本的解决方案是彻底搞明白人脑意识的本质。只有人类意识这个领域研究清楚了，
: 人工智能的发展才能走上正途。显然，这种基础性研究要花费巨大的人力物力还有时间
: ，按照当前人类的智慧和科学技术水平，很可能未来几十年上百年都没有什么突破。这
: 种实事求是的科研精神，对于马应龙这种一心只想着要尽快把社会财富掠夺进自己口袋
: 里的商人，肯定是极力反对的。
|
a***e
发帖数: 27968 | 34 色盲司机多的很
不色盲的吧隔离墩的Mark当路了有个屁用
★ 发自iPhone App: ChinaWeb 1.1.5
【在 s******n 的大作中提到】
: 你说的对，lidar比可见波长。
: lidar没法分别物体颜色，是色盲。
:
:
: 尼玛lidar红外线，波长比你摄像头的用的可见光还长有没有。毫米波声纳都是
: 辅助
:
: 你的车每秒30米，刹车距离50米
:
: 你的东西必须有能力判断100米距离的东西的大小速度，毫米波的问题角分辨率
: 太低了
:
: 没法用
:
: 低速度近距离这些都是小事。以为能自动找个坑平趴进去其他的都行了属于文科
|
f******t
发帖数: 7283 | 35 严格来讲，没法定义什么是“最根本”的；但是我们都知道我们想达到什么样的目的。
假如我坐别人的车，我可以很放心地在车上闭上眼睛睡觉，到达目的地之后把我叫醒就
可以了。对于自动驾驶，我没其它要求，我就只要告诉车子目的地之后我可以全程闭上
眼睛睡觉什么都不管。
显然，现在tesla用的这套方法是永远达不到这样的要求的。举个很简单的例子，下雨
天，如何判断前面路上是否有积水？假如有的话，怎么判断水深，是否能安全通过？假
如是我来手动开车的话，我首先会看前面有没有车已经开过去（有的话我大概能知道自
己的车也能否过去）；假如没有的话，我会找路边的参照物，从参照物被淹没的部分来
估测积水深度——比如说假如挑选的是一颗树，我还得看这是一种什么数，假如是很矮
的那样水把树干都淹没了可能也没多深；但假如是比较高的树种，那水深可能就很深了
。这个时候人脑已经进行了很多高阶的逻辑推理和创造活动。假如水深没问题，我也不
一定会往前走，我还得看被水淹没的路面下面有没有问题。比如说假如我看到前面水淹
的水面上出现了一个漩涡，那我还得判断这个漩涡是因为正常的排水井盖进行排水，还
是说路面出现了一个大洞，车子开过去会陷进去的那种——这两种情况下出现的漩涡，
样子是不一样的。
假如自动驾驶能做到这么智能化，基本上就要求计算机把整个人脑给实现出来，显然不
是目前的这些所谓的算法能应付的——本来路子就没走对，无论怎么改进都达不到要求
的。
【在 b**l 的大作中提到】
: 没法证明你所说的真的是"最根本解决方案", 人工智能并不意味着必须在人类意识的框
: 架内
:
: 这次
: 以后
: 能在
|
z****k
发帖数: 1057 | 36 车子不可能做到这么智能。做到这么智能人类早就被机器统治了。
所以唯一的解决方案是制定规则，改造道路，从freeway开始，所有的自动驾驶会识别
，只能驾驶在认证的道路上。
【在 f******t 的大作中提到】
: 严格来讲，没法定义什么是“最根本”的；但是我们都知道我们想达到什么样的目的。
: 假如我坐别人的车，我可以很放心地在车上闭上眼睛睡觉，到达目的地之后把我叫醒就
: 可以了。对于自动驾驶，我没其它要求，我就只要告诉车子目的地之后我可以全程闭上
: 眼睛睡觉什么都不管。
: 显然，现在tesla用的这套方法是永远达不到这样的要求的。举个很简单的例子，下雨
: 天，如何判断前面路上是否有积水？假如有的话，怎么判断水深，是否能安全通过？假
: 如是我来手动开车的话，我首先会看前面有没有车已经开过去（有的话我大概能知道自
: 己的车也能否过去）；假如没有的话，我会找路边的参照物，从参照物被淹没的部分来
: 估测积水深度——比如说假如挑选的是一颗树，我还得看这是一种什么数，假如是很矮
: 的那样水把树干都淹没了可能也没多深；但假如是比较高的树种，那水深可能就很深了
|
h*********n
发帖数: 11319 | 37 这个在点。模型门槛很低，门槛高的是数据。
这又是一个路径依赖的技术路线，和tsla搞gigafactory，supercharger的思路一脉相
承。
【在 n****i 的大作中提到】
: 你说的不错。建模的问题已经解决了，Waymo和cruise等公司的问题在于多年的数据都
: 是基于Lidar，很难转换。
: Lidar为主的方式还是有不少优点，安全上的冗余是其中之一。
: 价格上问题不大，asic设计，产线设定都属于可分摊成本，价格在逐渐下降。
|
d***a
发帖数: 13752 | 38 恶劣天气下确实是毫米波雷达最可靠。我有一次黑夜大雨中跟车，前车后灯都看不太清
楚，时隐时现，毫米波雷达稳稳地跟踪着，和大白天表现一样。
【在 s******n 的大作中提到】
: 恶劣天气，雨雪雾下，lidar波长太短，不能穿透小颗粒。
: 可见图像也有问题，但是稍微好一点。
: 这方面资料太少，没啥专业分析的科普文章。
: 毫米波雷达完全不受天气影响。
|
b********6
发帖数: 35437 | 39 GM的super cruise 已经可以在inter state 公路上hands free了，但是不准睡觉
GM拿到更多数据以后应该可以睡觉，而且这个可以应用在长途卡车上面
[在 zirtek (疹子) 的大作中提到：]
:车子不可能做到这么智能。做到这么智能人类早就被机器统治了。
:所以唯一的解决方案是制定规则，改造道路，从freeway开始，所有的自动驾驶会识别
:，只能驾驶在认证的道路上。 |
