※ 引述《ykjiang (York)》之铭言：
: ※ 引述《ewings (火星人当研究生)》之铭言：
: : ※ 引述《ykjiang (York)》之铭言：
: : : OK, 以雷达波的特性，的确如你说的，可以一个雷达波出去，同时有多组天线接收
: : : 这部分跟光达有差异。
: : 笑死，光达输出的资料从来就是三维的，只有一维的叫雷射测距仪。
: : 如果是更早之前还在用LADAR为名的时代，还有更多是利用全像原理，用相位差生成三
: 维资料的技术。
: : 对系统来说，不过传感器是用什么原理，输出的资料格式如果是三维的，那就是三维，
: : 有差别的只是更新率而已。
: : 而光达输出的一直都是三维资料，即使是平面光达，也是三维资料降维。
: 我没说光达最后的输出资料不是三维，我只是说初代的光达是用一维的雷射测距，经巧
: 妙设计后得到三维的资料
笑死，你又把你自己的妄想拿来当证据了，啥“初代光达”！
https://www.researchgate.net/publication/250192756_Three-Dimensional_Imaging_Laser_Radars_with_Geiger-Mode_Avalanche_Photodiode_Arrays
20年前，连名称都还没统一叫Lidar时，就已经在研究使用光电传感器阵列直接生成三维影像了，
一开始研究光达的时候，就有人从雷射全像技术出发，从来没有你想像的“一维”Lidar
: : : 你讲的应该是 Rolling Shutter 造成的果冻效应，
: : : CMOS 会采取 Rolling Shutter 有很多因素，例如为了功耗、快门速度、共用元件等
: : : CMOS 后来也有 Global Shutter 的设计
: : : Rolling Shutter 是同时一排 cell 曝光（不算逐个 cell，硬要挑的话）
: : : Global Shutter 是全部的 cell 一起曝光
: : : 至于 CCD 是采用 Global Shutter 的设计
: : : 你说的为了输出 NTSC/PAL 逐个 cell 扫描，是发生在后段处理上
: : 笑死，再掰嘛
: : 特斯拉用的就是CMOS影像传感器，照你的讲法，那也是一维的。
: : 现在不管是哪种摄影机，都是输出序列讯号，不管是用rolling还是globe shutter,
: : 都是一个一个cell的资料丢到暂存器，再以一维资料格式（NTSC)输出
: 这部分也是，我一开始表达的也是 camera 的传感元件一开始就是二维的 cell 阵列
: 一个 cell 一个 cell 读是你要抬杠，才提出来的，然后你还提了果冻效应佐证。
: 另外，camera 一般内部有 buffer 储存完整的 2D data
: 输出时才用你说的 NTSC 序列输出，NTSC 基本上是旧时 TV 格式，高分辨率的 camera
: 不用这种输出格式了。而且 NTSC 还有奇偶交错的问题，在处理上容易碰到另一种跟果
: 冻效应有点类似的问题，不过这也扯远了。
: 其余的输出格式还有很多，也是各种取舍，不再赘述。
总归来说，就是你自己鬼扯说啥“一维”的鬼东西，结果，CMOS的工作原理打你的脸罢了。
CMOS要在每一个cell就将电荷转换为电压，就注定只能逐个扫描读取，
就刚好打脸你所谓“光达是一维，而摄影机不是”的蠢说法
: : : 1__2_.5e834778af184.png
: : : 80m镜头，我是敲“侧”前方的两个前向镜头，不是敲（正）前向镜头
: : : 而且这已经不是重点了，
: : : 如之前推文说的，特斯拉 3D 视觉，主要是靠正前方那三个镜头
: : : 基本上没侧前方那两个镜头的事了
: : 别搞笑了
: : 特斯拉的三个镜头焦距相差那么多，说能构成视觉深度，是你在幻想吧
: : iphone手机上面有两到三颗镜头，但是还不是乖乖的上Lidar?
: : 不同焦段的镜头，物体的影像在镜头内的像素差距非常大，光是判断是不是同一个物体
: 都要消耗不少演算力了，
: : 还妄想能构成深度视觉？
: : 更别提特斯拉用的还是非常悲剧的1.2M像素镜头。如果像NIO用的是8M的，还勉强有点
: 机会构成2.5D
: : 如果两个焦段差那么多的镜头就能构成深度视觉，你都可以去apple总部前面呛他们白
: 痴才要额外用Lidar了。
: 我不确定你说的 2.5D 多出的那 0.5D 指的是什么
笑死，连2.5D都没听过，那你是要啥资格在前面鬼扯深度视觉的东西？
第三维的资料精度只能当参考用，统计学上达不到七成的可靠度，就只配用0.5D
: 不过前面推文中也有人给连结了，证明一个摄像头就能测得深度，多个摄像头更准确。
证明啥？证明用Lidar的apple公司是傻子，你才是天才？
要用伪测距骗这种傻瓜特教教徒还不简单？
直接假设路人的身高是170公分，再用摄影机焦距和像素高度换算，就得到伪测距了，
这个方式在100年前就出现了，像狙击镜上面就有刻度让射手可以用人当参考物，粗略的估算距离。
但是如果路人身高不到150，又恰巧特别瘦，或是行进间突然弯腰，使像素高度变化率大幅改变，
让伪测距出现很高的误差怎么办？
你以为特斯拉之前出包，撞上横躺地上的货车、撞上等等红灯的机车的事件是怎么来的？
AI再怎么训练，还是会有大数据资料没涵盖到的少数情况。当自驾车数量增加至上千万辆时
就算这些少数情况发生机率再低，在这么大的母体数量下，发生次数也会变得很高。
所以对自驾系统真正负责任的公司，才会用光达等可以真测距的传感器来设计。
: 因为车子行进间可以拍很多个对同一物体不同距离下的 frame
: 至于特斯拉是怎么办到的细节部分，我不知道，唯一确定的要耗费很多算力，
: 连结如下：
: 《Autopilot》AK谈论AP开发细节 (2020/02)
: https://www.mobile01.com/topicdetail.php?f=741&t=6137451
: 《Autopilot》FSD初探25－遮住镜头还能在路口转弯吗？
: https://www.mobile01.com/topicdetail.php?f=741&t=6246238