自动驾驶的一个话题是激光雷达和雷达和相机更好，这个问题一直在行业争论，两个派系，可以说很多原因为什么不是另一个，事实上，理解为什么会有这个争论，我们必须首先了解这两个技术路线背后的原则，各有优缺点。
自动驾驶逐渐将汽车的驾驶能力和驾驶责任从人转移到汽车，主要包括感知、决策和执行三个核心环节。
其中，感知环节相当于人的眼睛和耳朵，主要通过车载摄像头、激光雷达、毫米波达等车载传感器完成对环境和车辆的感知，收集周围的环境数据并传输到决策层；决策环节相当于人的大脑，主要通过操作系统、芯片和计算平台实时处理接收到的数据，输出相应的操作和指令任务；执行器相当于人的四肢，将接收到的操作指令执行到动力供应、方向控制、灯控制等车辆终端。
这一次，我们将关注感知层，因为感知作为智能驾驶的先决条件，其探测精度、广度和速度直接影响自动驾驶的驾驶安全。感知层获得的数据将直接影响决策层的判断和执行层的操作，这表明它在自动驾驶中的地位至关重要。
自动驾驶领域两派的划分——
视觉派认为，既然人类可以通过，成为合格的司机。
特斯拉最近推出了基于纯视觉方案的代表性企业FSD Beta，完全放弃毫米波雷达。百度发布L4级纯视觉方案Apollo lite，也踏上了自动驾驶的南坡路。
以激光雷达派为准Waymo为代表的Robotaxi企业，
从产品分析来看，特斯拉的产品仍然存在L2.从今年第一季度的财务报告来看，纯视觉自动驾驶计划是这样解释的：目前，道路交通系统基于人类视觉感知神经网络，8台摄像头覆盖360台°，比人类感知更大、更安全；现实道路技术还有待突破，自动驾驶不会很快成为主流。
再看Apollo lite，2020年底，百度发布了高级智能驾驶解决方案ANP（Apollo Navigation Pilot），宣称可以支持高速、城市环线、城市道路使用，搭载10路摄像头、具备360°检测距离为240米，应用30 深度学习网络，单卡GPU，算力小于30TOPs。从L4应用降维至L2 依托10相机感知系统，实现端到端闭环自动驾驶，不依赖高线数机械激光雷达。
激光雷达是一种用于准确获取物体三维位置信息的传感器，本质上是激光检测和测距，其原理是通过发射和接收激光检测与目标之间的距离，然后根据反射能量大小、反射光谱范围、频率和相位信息，准确绘制目标的三维结构信息。激光雷达凭借其在目标轮廓测量、角度测量、光稳定性和通用障碍物检测方面的优异性能，正在成为L4级以上自动驾驶的核心配置。
预计2022-2025年大部分主机厂都会量产激光雷达。从国际角度来看，沃尔沃和Luminar宣布量产，国内威来选择图达通激光雷达作为ET7标配；小鹏P5配备了大疆旗下的光沃激光雷达；理想还与何塞科技开展了下一代车型的合作。从这个角度来看，激光雷达仍然是大多数企业自主驾驶的唯一途径。
视觉方案中的图像传感器可以。然而，图像传感器是一种不发光的被动传感器。成像质量受环境亮度影响较大，在恶劣环境下完成感知任务的难度将大大提高。
然而，激光雷达获得的数据激光单色的特性使其无法获得，虽然描述周围环境的测距能力突出，但由于缺点太致命，必须与其他传感器相辅相成。
目前，激光雷达的感知能力略强于纯视觉。为了加快大规模生产，许多主机制造商和主要供应商将不可避免地避免视觉识别算法、芯片、定位图等问题。
马斯克不止一次提到依赖激光雷达的公司可能没有出路，这可能与激光雷达的高成本有关。今年年初，华为宣布成功开发首款96线中长途汽车规级高性能激光雷达，测距150米，测距120米°*25°视野大，能满足城市、高速等场景的人车测距要求。同时，水平、垂直线束分布均匀，无拼接、抖动等，形成稳定的点云对后端感知算法也非常友好，满足小障碍物、近堵塞、近突出、隧道、十字路口无保护左转、地下室等复杂路况和独特场景，更符合中国复杂的路况环境。价格声称从原来的2000美元降到200美元左右。最近，特斯拉还对激光雷达进行了检测，不知纯视觉派是否会因价格优势而发生变化。
到目前为止，小鹏、蔚来、理想、极狐、长城、智己、上汽R、Lucid、沃尔沃和广汽已经明确将量产配备激光雷达的车型，而第一款配备激光雷达的量产车小鹏P也正式上市。激光雷达的优点是精度高，探测距离长，在一些极端天气和夜间比摄像头更准确，防止车辆误判，提高安全冗余。但仍存在成本高、批量生产困难等问题。
目前，激光雷达分为三类：
这三种类型都有自己的优缺点，如机械开发最成熟，扫描速度可以360度全面探测，但由于体积大，难以装载大规模生产，成本也是一个大问题；混合固态成本低，适合大规模生产，但视野有限，360度不好；纯固态将是未来的发展趋势，有OPA光学相控阵和Flash两条技术路线，但也等待技术的进一步突破才能实现量产。目前来看混合固态中的MEMS该路线将是激光雷达发展的主流，也是实现前装量产最容易的路线。
视觉方案获得的数据更类似于人眼感知的现实世界，由于相机价格低廉，视觉方案具有明显的成本优势，更容易通过汽车规则测试。此外，相机获得的图像数据更类似于人眼感知的现实世界，最接近人类驾驶。高分辨率和高帧率的成像技术也丰富了感知到的环境信息。
然而在硬件要求降低的背景下，视觉方案显著提高了对软件的要求，即需要依靠强大的算法来保证图像处理、命令和处理的效率。
在ADAS在这个阶段，决策权仍在司机手中，对汽车软件算法的要求相对较低Mobileye为代表的视觉方案被多数整车厂采用。
然而，随着智能驾驶迈向L3及以上，自动驾驶平台将取代人脑进行驾驶决策，对算法和AI目前只有特斯拉、百度、Mobileye具有软件和算法基因的制造商完全采用或考虑视觉方案。纯视觉解决方案主要是黑盒解决方案，L3及以上自动驾驶升级难度大，传统整车厂不愿意搭载。
特斯拉以影子模式和超级算法构建了自动驾驶迭代闭环，其他汽车公司难以复制。特斯拉对汽车的定义是极其简化和科技化的。它一直在减少汽车，大大降低了线束长度、零部件数量和制造工艺。在选择感知方案时，特斯拉实施了更昂贵的视觉方案Model12个超声2个超声波雷达，8个摄像头和1个置雷达收集周边信息，通过其强大的融合算法迅速构建车辆周边的3D模型，在汽车行驶中做出快速决策。
由于2D图像对物体的左后角的检测（车长的判断）存在一定盲区，车辆尾部的倾斜与向上收窄的设计加剧了对整体宽度的低估，因此，特斯拉在自动驾驶领域的全栈自研以及其在“模式识别模型”领域的领先地位（即数据规模庞大、数据覆盖多样及数据场景真实）成为其贯彻视觉融合方案的护城河。
此外，特斯拉的“影子模式”可有效控制算法训练成本，这一模式下数据搜集系统如实时跟随驾驶员的“影子”，始终观察外部环境与驾驶员的动作。若在某个特定场景中驾驶员的操作与“影子”的预判不符，则此次数据会传输到特斯拉的服务器中，对算法进行修正性训练，在下次同场景时予以更正。
百度、Mobileye采用前装用视觉、Robotaxi用激光雷达的双线并行策略，优化其感知效果。在前装领域，全球AI算法领先企业百度于2020年12月推出名为ANP的“轻传感器、轻算量、强感知”视觉方案。在成本不敏感的Robotaxi领域，百度选择拥抱激光雷达，与激光雷达公司禾赛科技一起定制激光雷达，不仅提升了感知力和可靠性，成本也大幅下降。
另一方面，以纯视觉传感器方案闻名的Mobileye，通过7个长距摄像头和4个泊车摄像头打造了自己的视觉方案。其中，前置摄像头处于主要感知位，具备120度、800万像素性能，前、后则共布置4个角摄像头，侧后视镜、前后保险杠提供190度的广角摄像头。这些感知摄像头与数据处理端的2个EyeQ5芯片组成了Mobileye的纯视觉系统方案，支持汽车安全地行驶在错综复杂的城市环境中。
与此同时，公司亦宣布旗下Robotaxi将与著名激光雷达厂商Luminar合作，通过激光雷达、雷达与摄像头的配置综合提升其无人驾驶的感知精确程度，提高车辆行驶安全性与可靠性。可见激光雷达与视觉摄像头在现阶段还没有完全分出高下，多传感器冗余在目前来说是各家厂商比较保守的发展路线。
随着激光雷达从机械式向固态式发展的趋势，其中OPA式的固态激光雷达在量产后有希望降到200美元以下。激光雷达成本的迅速下降更得益于中国相关产业链的成熟与完善，将成本迅速降低。特别是中游激光雷达已经有不少国产厂商如禾赛科技、大疆、华为、速腾聚创、镭神智能等。
之所以目前大部分车厂采用激光雷达方案，一个重要原因是此方案能够实现较快落地，并可通过多传感器配合实现安全冗余。尤其在短期内，纯视觉方案基于深度学习的算法尚未达到全路况覆盖情况下、安全性仍存疑，激光雷达方案安全性更高。
另外，纯视觉方案需要车厂掌握海量用户数据、并自己建立软件开发部门，算法开发难度极高，最早押宝的特斯拉可以拥有领先优势，形成技术壁垒。如果竞争对手都用纯视觉方案，那么只能一直跟在特斯拉的屁股后面追赶。
马斯克曾经详细解释过他对雷达和摄像头的看法：在雷达波长下，现实世界看起来像一个奇怪的幽灵世界。除了金属，几乎所有东西都是半透明的。当雷达和视觉感知不一致时，你采信哪一个？视觉具有更高的精度，因此投入两倍的精力改善视觉比押注两种传感器的融合更明智。传感器的本质是比特流。摄像头比特/秒的信息量要比雷达和激光雷达高几个数量级。雷达必须有意义地增加比特流的信号/噪声，以使其值得集成。随着视觉处理能力的提高，摄像头的性能将会远远甩开当下的雷达。因此，当视觉与雷达不一致时，马斯克认为应该相信摄像头。
但马斯克聪明的是他也为自己留了后路，2021年1月1日前后，国外网友在硅谷拍到了一些不太多见的特斯拉车型，有Model S，有Model Y，也有Model X。均搭载了360度 覆盖的激光雷达感知系统。据一位前特斯拉工程师的说法，特斯拉采购Luminar的激光雷达由来已久，在摄像头做深度感知的时候，特斯拉会用激光雷达输出的点云数据做人工标注进行比对。
说一千道一万，汽车驾驶，安全可靠才是一切技术的前提，从现今的技术水平来说，采用安全冗余的传感器方案，不失为一种更为靠谱的方法，也能更能让用户安心、放心。不管是纯视觉方案还是雷达的方案，其实都各有优劣，很难用一种传感器打遍天下。
因此业界的普遍思路是：在一辆能够实现L2及以上功能的车上需要搭载多种传感器，进行大量的冗余设计，才能确保产品的安全可靠。目前公认的是，智能驾驶等级越高搭载传感器越多。
根据车型配置信息的相关统计，智能驾驶在L2需要9-19个传感器，包括超声波雷达、长距离及短距离雷达和环视摄像头，发展到L3预计需要搭载19-27个，可能需要激光雷达、高精度导航定位等。在目前在售的新势力汽车产品中，均配备了大量摄像头、毫米波雷达、超声波雷达等传感器。
因此，对于这两大派系来说也许未来真的会在顶峰相见，也没准会一直长期共存下去，毕竟安全是自动驾驶发展的基石与底线，在保证安全的情况下，各种技术路线之间的交融与淘汰都会让安全这件事的概率更接近100%，所以我们期待着视觉算法能进一步突破，变的更贴近人眼的水平；激光雷达产业更加蓬勃发展，让价格不断下探，更能符合前装量产的要求，让我们共同见证各家技术一起进步为自动驾驶的终极目标添砖加瓦吧。