目前基本上是后融合，每个毫米波雷达、激光雷达、摄像头的自带处理器做自己的算法处理，输出结果，就会有置信度的问题。前融合相当于把各个传感器的ADC采集到的原始数据高速传到中央计算单元（专业术语是域控制器）来分析，数据量会大很多个数量级，而且如果是不同种传感器，数据的形式、算法和knowhow完全不一样，需要对不同传感器的底层数据有深刻的理解，然后再做融合和策略。

前融合更难，商务上也需要打通（一般做融合、策略和做传感器不是同一类公司），当然做好了效果会更好，另外节省了每个传感器的处理器的成本，总成本大幅度降低。

前融合是概念和方向，目前很热！



【 在 juinjwst 的大作中提到: 】
: 似乎没有这么简单。我读了一篇分析文章，说特斯拉以前是靠post-fusion，也就是先把单个摄像头的数据进行分析，然后聚合结果。现在是做front-fusion，也就是先聚合多个摄像头的影像，然后再喂给ai去理解。聚合多个摄像头的结果就类似双目/多目了。
:
--
FROM 183.195.95.*

好的激光雷达（注意是好的）在视觉算法不够强的前提下可以给出更准确的深度信息。特斯拉另外一个问题是hw3的摄像头太烂了，720p，全靠视觉算法和数据。hw4升级摄像头，同时处理器肯定也要升级，推理的深度精度肯定会有提升。hw4里继续没有lidar这个拐棍，但是要有hd radar了。
【 在 hawkabc 的大作中提到: 】
: 我说摄像头90%对只是打个比方。
: 自动驾驶靠的不是某个传感器，而是传感器融合，再中央处理单元做算法分析、策略和控制。
: 你那特斯拉的视觉方案中的摄像头和激光雷达比，没有可比性。人也是用眼睛也是视觉，并不需要精确测距测速，靠的是大脑。
: ...................
--
FROM 174.249.131.*

我用的特斯拉是2019年买的，应该是hw3，不到100万像素。
就我使用的经验，最危险的2次还是完全依赖AP后，在高速路上遇到修路路障的情况，就像主题提到的情况。
但是我很确定，不是没有检测到或者识别到修路路障（为此，我在高速上测试过几次），但确实他也不会避障（很近的时候，我感觉速度好像还是没有下降，就踩刹车了）。猜测还是训练样本量不够，或者策略的问题。
其他情况没出现过问题，表现令人满意。出差5个小时内的高速是利器。

当然我不知道hw4或者更新的处理器后，会不会更好一些。
听说特斯拉是在开发4D毫米波雷达，比大陆的408会更先进，但依照我的理解，最先进的4D成像毫米波雷达的效果（数万点云）和激光雷达（2-3百万）或摄像头（单个上百万）还是没法比，这些数据来了，怎么和摄像头融合并做策略还是一个问题。

最终还是个AI和策略的问题。类似于人开车。

【 在 GeneralMilk 的大作中提到: 】
: 好的激光雷达（注意是好的）在视觉算法不够强的前提下可以给出更准确的深度信息。特斯拉另外一个问题是hw3的摄像头太烂了，720p，全靠视觉算法和数据。hw4升级摄像头，同时处理器肯定也要升级，推理的深度精度肯定会有提升。hw4里继续没有lidar这个拐棍，但是要有hd radar了。
--
FROM 183.195.95.*

这个碰到大面积均匀材质障碍物就GG了，例如白色大货，而激光雷达毫无压力
【 在 hawkabc 的大作中提到: 】
: 特斯拉的摄像头，是靠对前面物体的一帧的图像尺寸大小，和上一帧的图像尺寸大小做比较来做距离判断的。
: 另外特斯拉的摄像头是完全可以识别雪糕筒、行人和栅栏的，只是没有做策略刹车，这个我猜测可能是避免过多刹车情况出线。之前小鹏也是类似的情况撞上雪糕筒了。
: 所以关键不是有没有探测到，而是探测到了后怎么处理的问题。
: ...................
--
FROM 139.159.170.*