现阶段，该不该去激光雷达？ 小鹏今天谈到了 XNGP 两颗激光雷达的用处（图一-图三）： -相比顶置激光雷达，底部两侧对近场盲区更小，能够感知低矮物体。 -水平视场角可视范围超过 180 度。 -通过激光雷达立体点云可以获取白名单以外的各种障碍物，包括位置、尺寸等信息。 昨天看康总的讨论，也有几个思考。 1、目前市场有几大处理异形障碍物的路径： -视觉派：特斯拉（视觉占用网络）、理想（视觉占用网络）、智己/Momenta（DD4D）、大疆车载（立体双目）； -视觉+激光雷达融合派：小鹏、蔚来、问界（ADS 2.0） 、极越（百度）、飞凡PP-CEM（融合 4D 毫米波为主）。 但比如理想在“障碍物输出方法”专利中（图四），其中对障碍物的检测方法提到：“基于目标点云数据得到背景障碍物和前景检测结果。 当前景检测模型检测不稳定时，即无法检测到前景障碍物时，将背景障碍物输出，背景障碍物可以为感知结果兜底，进而避免自动驾驶车辆感知不到障碍物的情况发生，使得该车辆可以感知到并避开障碍物。” （我理解的是：这里前景指的应该是已知类别障碍物,背景是未知类别障碍物。下文还提到通过置信度阈值判断，如果没有检测到前景障碍物，则以背景障碍物输出，所以激光雷达理论是以监督作用 ） 2、一些去激光雷达想法： -在解决障碍物识别上，占用网络的出现对有激光雷达的车企来说，没有带来太大变化。 -现在大家主流的占用网络算法，有个误区是它实际不是一个单独的算法，拿来即用，既可以替代激光雷达。占用网络考验的是一整个算法框架的提升。同时它的精度和车企的训练规模、数据量、仿真体系强相关。 反观大家谈论的激光雷达、立体双目或者 4D 毫米波，更多的是通过改变感知方式来解决。但只有特斯拉的占用网络从视觉算法、数据、训练、仿真从根本上慢慢摆脱障碍物识别的障碍，这部分国内大部分车企还在储备阶段。 但不可否认占用网络绝对是未来的主流方向，相比 2D 转 3D ，直出 3D 形态效果。 -所以接下来大家核心路线是视觉为主，激光雷达为辅基础上，搭建数据闭环、仿真。 目前视觉还需要大量数据训练，精度还不够（我们这次就有突发很多次雨天误检带来急刹的情况），激光雷达作为安全冗余或者数据真值（比如理想等）。 这个理论其实和目前高精地图有些类似，如果你想要去高精地图，搭建的模型实际学习对象还是高精地图，所以模型算法搭建后，更关键的是如何拿到高精的数据喂给模型学习，才有去高精地图的可能，例如小鹏在这方面一直跑在最前。 但这些往往也都是有清晰架构设计的车企才会有的考虑，所以激光雷达在去不去的路线选择上，怎么用的好才是问题的核心关键...