Re: [分享] 特斯拉FSD beta 來比眼力有沒有比AI好

[ykjiang (York)]

※ 引述《ewings (火星人當研究生)》之銘言：
: ※ 引述《ykjiang (York)》之銘言：
: : 從最基本的原理來說，光達跟雷達就是用來測距，理論上只有一維的資訊
: : 三維的部分是經過一些設計、運算後得到的
: : 反而鏡頭得到的一開始就是二維資訊，然後可以經過運算得到三維的資訊，
: 這邊看完，我的感想只有“供三小？”
: 雷達與光達在原理上是利用掃描的方式，取得距離與向量，本質上資料的維度就是大於二維了。
: 是什麼時候變一維的？如果要這麼瞎扯，那鏡頭裡的CMOS一次也只能讀一個cell的資料，
: 一樣得要逐個掃描才能得到二維影像（這個就是所謂的果凍效應的成因），
: 照你的說法，鏡頭不也一樣是一維的？

雷達基本上是機械動作在掃描
初代的光達也一樣，最新的發展小型化後，有搞陣列方式同時發射好幾組雷射，不過
解析度還是個問題

你講的 CMOS 果凍效應，不是 CMOS 的本質，而是數位化後，要將資料放在記憶體，
從記憶體讀取時有先後順序，這基本上是電子式的掃描，跟前面的機械式有差距。


: : 特斯拉更進一步從中取得四維資訊（多的那維是時間軌跡預測）
: 這邊也不知道在供三小
: 在半個世紀前，雷達後處理技術就已經發展出利用比對前後時間目標的變化，預測目標未來位置，
: 並且持續追蹤的技術。甚至還有類似合成孔徑雷達（SAR）那種利用時間與位移積分，
: 利用二維掃描形成3維雷達影像的技術。
: 而利用都卜勒濾波技術，甚至不需要比對前後時間的資料，就能直接得到目標的速度，
: 在半個世紀前，雷達就能直接利用都卜勒測速，外插推估目標的未來位置。
: 但也沒人講雷達是四維資料的探測器。

你可以搜尋一下，有人就說這個是 4D 雷達


: 而特斯拉的前鏡頭並沒有構成立體視覺，就算加上時間預測，也只能構成2.5D，

去年 10 推出的 FSD Beta 8.1 跟今年三月的 FSD Beta 8.2 已經有立體視覺
預計四月（如果沒延期的話）推出的 FSD Beta 9 會是 Musk 說的 4D 視覺


: （三個定焦鏡只能利用影像模糊的程度大致判斷距離）,這也是特斯拉自動駕駛在視覺深度一直為人所詬病的地方。
: : 以目前的技術：
: : 距離方面，光達的精度比較高
: : 平面部分，鏡頭的精度較高，然後鏡頭還可以判斷顏色這個重要資訊
: : 以自動駕駛而言，兩者的精度都超過人眼了
: : 所以關鍵還是在 AI 等其他方面
: 無腦特粉才會覺得只靠鏡頭和AI就行
: 真的在搞自動駕駛的，在研究的是怎麼做多感測器的融合。
: https://global.kyocera.com/ces/img/sensing-technology/sec11_img03.jpg
: 像是直接將光達和攝影機做成同一個感測器，就是其中一個方向。

就算如後面推文你說的，特斯拉前向三個鏡頭是不同測交距離的鏡頭，搞不出立體視覺
但你忽略了特斯拉側前方還有兩個前向鏡頭，是完全對稱的測焦距離是一樣的80M以內



--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 59.105.112.74 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/car/M.1617911317.A.D70.html
※ 編輯: ykjiang (59.105.112.74 臺灣), 04/09/2021 03:57:05
→ ykjiang     : 已回到原PO推文，Tesla主要靠前向三個鏡頭估算距離
→ ykjiang     : 原理上任兩個鏡頭拍同一物體呈現不同位置或大小即可
→ ykjiang     : 即可估算出距離
推 bluemkevin  : vADAS 有些潛在開發廠商，但是傳統車廠不太敢全壓vA
→ bluemkevin  : DAS
推 spinnerl    : 隨AI進步多鏡頭可以做更多事情 但也別忽略latency
→ spinnerl    : 3D sensing可以直接得到深度raw data是其優勢
→ ykjiang     : latency應該都有吧，以目前的原理，
→ ykjiang     : 就看這latency是發生在sensor段，還是CPU/GPU段
推 bluemkevin  : 不只CPU，GPU，前置ISP也有latency