fangyidong 的讨论

发布于: 雪球回复:7喜欢:2
即使采用激光雷达,也会出现幽灵刹车的,原因是机器判断一般产生两个问题:误判(前方没有障碍物判断为有)和漏判(前方有障碍物判断为没有)。从安全角度看,漏判引起的后果更严重,所以算法会向前者倾斜,这样就产生了幽灵刹车事件。引入一个激光雷达会发生什么呢?就是会产生视觉和激光雷达判断不一致的情况,如果是这样,该听谁的?这样最安全的策略是:只要是视觉或者激光雷达认为前方有障碍物,则都认为有障碍物。这样的结果是:幽灵刹车的概率反而上升了。

热门回复

2022-02-23 13:02

这是一个常见的似是而非的论点。多一份纯视觉不能充分覆盖的输入数据,肯定是可以通过联合判断的数据训练提升判断的准确度,而判断的准确度对前方有风险还是没有风险都是同样有效的。之所以有这样的说法,很可能是因为激光雷达的成本目前还太高,不能大规模应用编的托词。如果视觉摄像头也很贵,估计也有人会说11个摄像头比8个摄像头更容易引起误判。马斯克也是一个为了目的可以满嘴跑火车的人,当然这丝毫无损他的伟大。

2022-02-23 13:30

漏检和误判是同源的。如果判断精度得以提升,既可以减少漏检,也同样可以减少误判。

2022-02-23 15:59

多传感器信息融合的技术难度是很高的,深度学习的拟合目前很难完美,总有到临界点的时候产生误判。特斯拉除了激光雷达成本贵外,还有就是技术复杂了,软件版本推出时间不可控了,商业变现弱。还不如专门优化纯视觉,目标就是90分的技术水准,不去追求95分

“估计也有人会说11个摄像头比8个摄像头更容易引起误判”,这个反驳很有力。

2022-02-23 13:57

我理解你的观点。如果激光雷达和视觉是两套完全不相干的系统,各自独立判断,确实会出现你说的情况。不过,深度学习算法应该可以整合视觉和激光雷达的数据进行统一判断,以提升判断精度。这样既减少了漏检,也减少了误判。

2022-02-23 13:24

你仔细看我的评论,如果引入激光雷达和视觉一起判断,结果是减少了漏检率,而增加了幽灵刹车的概率。

让主机厂为自动驾驶服务 承担绝对责任。管它视觉还是激光,小白鼠谁愿意谁来。