Автомобильный лидар против камеры: какие датчики лучше для автопилота

Сенсорный стек роботакси Waymo стоит уже тысячи долларов. Но сравнение цен само по себе мало что говорит о безопасности: у камеры и лидара разные сильные стороны, и у каждого есть условия, в которых его показания становятся менее надёжными.

Автомобильный лидар против камеры в автопилоте — это не спор о единственном правильном датчике. Это выбор между стоимостью, качеством визуального распознавания и прямым измерением расстояния. Поэтому многие беспилотные автомобили используют несколько типов сенсоров: одни сообщают системе, что именно находится перед ней, другие помогают определить, где находится объект и как он движется.

Физика восприятия пространства: 2D против 3D

Камера фиксирует двухмерное изображение. Расстояние до объекта в нём напрямую не записано. Нейросеть может оценить, насколько далеко находится машина, пешеход или дорожный знак, по их видимому размеру, перспективе, взаимному положению и другим визуальным признакам. В привычных дорожных сценах такие оценки могут работать хорошо. Но это всё же расчёт по изображению, а не измерение расстояния отдельным сенсором.

Лидар посылает световые импульсы и регистрирует их отражения. По времени возвращения сигнала система вычисляет расстояние до поверхностей, формируя облако точек в трёхмерном пространстве. Для автомобильных лидаров соответствующего класса типична точность измерения в пределах нескольких сантиметров, но итог зависит от конкретного устройства и условий наблюдения. Лидар даёт геометрическую информацию, однако сам по себе не объясняет, что именно перед машиной: автомобиль, знак или ветка дерева.

Камера помогает системе ответить на вопрос, что находится перед автомобилем. Лидар добавляет точные координаты объектов в пространстве. В реальной системе эти сведения нужно сопоставить: распознанный камерой объект должен соответствовать точкам, которые вернул лидар. Когда данные согласуются, система получает более полную картину; когда расходятся, ей приходится оценивать причину и выбирать, каким сигналам доверять.

Есть и промежуточные решения. Камеры могут оценивать глубину по нескольким изображениям, сделанным с разных ракурсов или в разные моменты движения. Такие методы расширяют возможности оптики, но требуют от алгоритма устойчиво сопоставлять детали сцены. Лидар решает задачу иначе: он измеряет расстояние до отражающих поверхностей, однако не добавляет к этому измерению смысловую метку. Ни один принцип восприятия не отменяет необходимости интерпретации.

Экономика сенсоров: цена комплекта и цена всей системы

Камеры сравнительно недороги и хорошо подходят для массового производства. В архитектуре Tesla Vision используются камеры кругового обзора, программная обработка изображений и вычислительная платформа. Оценки стоимости комплекта примерно в 400–500 долларов относятся к самим камерам, а не ко всей системе помощи водителю: вычислители, разработка программного обеспечения, тестирование и обновления тоже входят в стоимость технологии.

Цена лидара зависит от конструкции, характеристик и масштаба выпуска. Ранние механические сканирующие устройства были дорогими и затрудняли их установку на серийные легковые автомобили. Более компактные решения сделали лидар доступнее, но стоимость отдельного модуля нельзя напрямую сравнивать со стоимостью набора камер: роботакси обычно оснащают несколькими лидарами, радарами и камерами, а также мощной вычислительной системой.

В описаниях сенсорного стека Waymo шестого поколения фигурируют 13 камер, 4 лидара и 6 радаров. Такая конфигурация показывает, почему автономный автомобиль нельзя оценивать по цене одного сенсора: важны число устройств, их характеристики, обработка данных и резервирование. Для роботакси дополнительные компоненты оправдывают задачей перевозки без водителя в заданных условиях эксплуатации. Для обычного автомобиля с системой помощи водителю требования к архитектуре и цене могут быть другими.

Цена сенсора важна, но сама по себе не отвечает на вопрос, насколько надёжно автомобиль воспринимает дорогу. Сравнивать нужно всю систему, включая алгоритмы и условия, в которых она должна работать.

В массовом автомобиле каждый дополнительный компонент должен оправдать место, стоимость и энергопотребление. В роботакси расчёт другой: эксплуатация без водителя предъявляет более строгие требования к наблюдению за окружающей средой, а отказ одного канала восприятия может иметь более серьёзные последствия. Поэтому сравнение сенсорных комплектов частного автомобиля и беспилотного такси показывает не только технологический выбор, но и разницу в назначении машин.

Поведение в сложных условиях

Камере необходим свет, отражённый от объектов. Яркое солнце в кадре, глубокая тень, блики, загрязнённое стекло и быстрый переход из света в темноту способны усложнить распознавание. При въезде в тоннель изображение резко меняется, и системе нужно обработать новую картину освещения. Насколько сильно ухудшится работа, зависит от камеры, алгоритмов, скорости адаптации и самой сцены. Одна универсальная цифра здесь вводит в заблуждение.

Лидар использует собственный световой сигнал, поэтому способен измерять расстояние и в темноте. В тоннеле отсутствие внешнего освещения само по себе не лишает его возможности получать отражения. Однако это не означает, что лидар одинаково хорошо работает в любых погодных условиях. Капли воды, туман и снег могут рассеивать или ослаблять сигнал, создавать дополнительные отражения и затруднять выделение объектов. Собственный источник света помогает ночью, но не делает датчик невосприимчивым к атмосферным помехам.

Дождь, снег и туман влияют на сенсоры по-разному. Камера может терять контраст из-за капель на стекле, бликов и низкой видимости. Лидар может получать отражения от частиц в воздухе и хуже видеть объекты за плотной завесой осадков. Радар обычно лучше переносит часть таких условий, но тоже имеет ограничения: его показания нужно интерпретировать и сопоставлять с данными других датчиков.

На качество работы влияет и поверхность объекта. Стекло может пропускать или отражать лазерный сигнал не так, как ожидает система. Мокрая дорога тоже способна изменить характер отражений. Поэтому ложное срабатывание нельзя свести к простому правилу вроде «лидар увидел лужу за препятствие»: результат зависит от конфигурации сенсора, алгоритма и сцены. Один из способов повысить устойчивость системы состоит в сопоставлении данных разных датчиков, хотя и оно не гарантирует безошибочного решения.

Слепые зоны лазерных систем

Лидар измеряет геометрию, но не распознаёт цвета так, как камера. По облаку точек нельзя определить, горит ли красный сигнал светофора, прочитать надпись на дорожном указателе или разобрать рисунок разметки. Эти задачи остаются за камерами и программным распознаванием изображения.

Для движения важны не только форма и расстояние. Автомобилю нужно различать сигналы светофора, читать дорожные знаки, видеть стрелки направления и соотносить разметку с положением полос. Камера может извлечь такую информацию из изображения, но ей требуется правильно интерпретировать сцену, в том числе при бликах, загрязнении или частично закрытом знаке. Лидар полезен для оценки расположения объектов, однако визуальное содержание дороги ему недоступно.

Лидар сообщает системе, где находятся отражающие поверхности. Камера помогает понять, что именно перед автомобилем. Для движения нужны оба вида информации.

Есть у лидара и ограничение по дальности. В технических описаниях автомобильных устройств встречаются значения порядка 150–250 метров, но это типичный диапазон, а не обещание обнаружить любой объект на такой дистанции. Результат зависит от модели лидара, размера и отражающих свойств цели, погоды, взаимного положения датчика и объекта, а также критериев, по которым система считает объект обнаруженным.

Дальность важна не только сама по себе. Система должна успеть распознать объект, оценить его движение и принять решение. Радар может дополнять лидар и камеры измерением относительной скорости по эффекту Доплера, а также помогать контролировать пространство на дистанции. Но и здесь нельзя считать один датчик универсальной заменой остальным: измерение скорости не сообщает, что за объект находится впереди, а изображение камеры не всегда даёт столь же прямую оценку расстояния.

Гибридные архитектуры: камеры, лидары и радары вместе

Многие системы автономного вождения строятся на сочетании нескольких типов датчиков. Камеры распознают цвет, текст, дорожную разметку и классы объектов. Лидары дают измерения расстояния и геометрию сцены. Радары дополняют их данными о движении объектов и помогают в условиях, где оптическим сенсорам сложнее. Программная часть сводит эти сведения в общую модель окружающей обстановки.

Такой подход называют слиянием данных сенсоров. Системе мало получить несколько независимых потоков: нужно сопоставить их, понять, относятся ли разные сигналы к одному объекту, и оценить надёжность каждого источника. Например, камера может распознать автомобиль, а лидар помогает определить его положение и форму. Если дождь ухудшил качество одного канала, остальные могут дать дополнительные сведения, но степень этой поддержки зависит от архитектуры и конкретных условий.

В беспилотных такси, включая платформы Waymo, применяются комплексные наборы камер, лидаров и радаров. Их конфигурация рассчитана на работу в определённых условиях эксплуатации и не означает, что каждый автомобиль должен иметь точно такой же набор устройств. У машины с системой помощи водителю могут быть другие задачи, ограничения и требования к стоимости.

Tesla, напротив, сделала ставку на распознавание окружающей среды с помощью камер и программной обработки, отказавшись от ряда других сенсоров в отдельных конфигурациях своих автомобилей. Такой подход позволяет опираться на визуальные данные и вычислительные алгоритмы, но делает качество камерного восприятия особенно важным. В индустрии продолжаются споры о том, какая архитектура сможет обеспечить необходимую надёжность и в каких условиях. Универсального ответа не даёт ни число камер, ни наличие лидара само по себе.

Выбор между лидаром и камерой поэтому нельзя свести к цене модуля или одной характеристике дальности. Камера приносит в систему цвет и смысл визуальной сцены. Лидар добавляет прямые измерения расстояния. Радар помогает оценивать движение и дополняет картину в сложных условиях. Важно, как эти каналы работают вместе, как система распознаёт противоречия и где проходит граница её возможностей.

Для автономного вождения гибридная архитектура остаётся убедительным способом компенсировать слабые стороны отдельных сенсоров. Для серийного автомобиля с более ограниченными функциями производитель может выбрать иной баланс цены и возможностей. Но ни камера, ни лидар не дают оснований говорить о всевидении: надёжность зависит от всей системы, условий движения и того, насколько честно производитель обозначает её ограничения.