※ 引述《bcs (= ="frailty..gggg XD)》之铭言：
: 原文：
: https://www.youtube.com/watch?v=g6bOwQdCJrc
这是完整的Workshop on Autonomous Driving at CVPR'21.
里面不只有Tesla，还有一堆开发自驾的公司
有兴趣可以去看看
https://www.youtube.com/watch?v=eOL_rCK59ZI
https://i.imgur.com/zB7N04H.jpg
https://i.imgur.com/apQGkwt.jpg
https://i.imgur.com/E9P6h1v.jpg
: 对岸摘要：
: https://www.ithome.com/0/559/432.htm
: 基本上就是tesla的20位工程师不段测试后
: ai纯视觉化>>(视觉化，激光雷达,毫米波雷达)
: cost down:
: "使用激光雷达，还需要高精地图的匹配。根据高精地图存储的车道线、红绿灯等信
: 息，就能够实现自动驾驶。"
: simplicity:
: "毫米波雷达感知数据中的噪音实际上拖累了整个自动驾驶系统的判断。"
: 突然减速之后，毫米波雷达并不能很好追踪前方车辆，因此多次重启，就像是车辆在短时
: 间内重复消失，又出现了 6 次，这很可能误导自动驾驶系统。
: 毫米波雷达没有垂直分辨率，所以会认为立交桥是一个静止在前方的物体。
之前在 #1WRyS6M7 这篇文章中提过的
传统车用雷达：量测距离、角度、相对速度
人孔盖、标志、桥墩等会造成错误侦测，目前解法是滤掉静止量测数据
也因此有了4D Imaging Radar的发展，可量测距离、方位角、高度角、速度
一些开发4D雷达的厂商
Arbe: Radar Revolution. Delivered. (rumor是特斯拉可能采用他们方案)
https://www.youtube.com/watch?v=Yc4MfzbbtuI
The RadSee 4D Imaging Radar
https://www.youtube.com/watch?v=h7t-6_wiZKM
: 停靠路边的大货车。此时，毫米波雷达无法判断前方究竟是一辆车还是一个普通的静止物
: 体。因此，毫米波雷达将这项任务交给视觉传感器，最终在距离车辆 110 米的距离时，
: 才感知到前方的卡车。用纯视觉传感器，在 180 米的距离时感知到了前方的货车，并从 145 米处有明确的感知
: 信息，开始减速。
: "特斯拉的自动标签化的方法还能够应对沙尘、雨、雾、雪等极端天气。"
简单说
绝大多数自驾厂商是采多传感器融合(sensor fusion)方案，对准Lv4自驾
也有不少厂商发展新型传感器，解决原本传感器的不足
Tesla则是单靠纯视觉方案
还打算发展Lv5，企图应用在道路号志、驾驶人习惯都不同的各国环境
另一家推出纯视觉方案的是Mobileye
但Mobileye的纯视觉方案也只应用在ADAS上 (Mobileye称之为Lv2+)
也就是说依旧是辅助系统
Mobileye认为要达到Lv4自驾必须要有Redundancy
https://i.imgur.com/sX1H8Er.jpg
https://i.imgur.com/nKgMk02.jpg
https://i.imgur.com/g1mW59o.jpg
https://i.imgur.com/Q5E0nBW.jpg