纯视觉技术在应对恶劣环境方面，已从之前“不能用”发展到部分场景下“可以用”的阶段

【本文来自《何小鹏称激光雷达是个好东西，但汽车已不需要它了，你认同吗？》评论区，标题为小编添加】

• L霍龙血树

• 从你回答，这确实是你认知盲区，

  三维成像常见的有结构光成像，激光雷达是这个方向的，另一种是双目匹配成像，

  深度学习方向的双目成像是匹配成像的最优秀技术，缺点是很是耗费算力资源，现在车载算力解决了，那问题就解决了。

  夜晚是通过发射红外光照明，和可见光+红外滤光镜。

  最成熟的是特斯拉。它成本很高，或它定价很高。

  现在比拼的是成本，和不适用范围。最安全的办法是多方案融合。

场景一：黑暗、无光

实战表现：2026年，特斯拉已在北美奥斯汀等城市开启了Robotaxi的夜间无人监管运营，证明了其在城市夜间场景下的可靠性--37。然而在无路灯的乡村道路上，实测数据显示其人工接管频率依然较高-40。

场景二：对向强光与眩光

强光一直是纯视觉的“死穴”，目前的解决方案正从被动防御转向主动干预。

实战表现：自动驾驶公司已在奥斯汀的夜间运营中，成功验证了其系统应对各种复杂灯光和眩光的能力-37。但需要注意，在实际驾驶中，驶出隧道时遭遇的“黑白洞效应”仍是巨大挑战，曾有特斯拉车主因突遇强眩光导致车辆急刹被追尾的事故报告-40。在中汽研的测试中，强逆光下纯视觉方案的交通灯识别率一度低至约50%-40。

场景三：雨、雾等能见度下降

雨雾场景对纯视觉的挑战最大，因为有水的散射会直接导致图像失真。目前主流的解决思路分两类：AI图像恢复、多光谱融合

实战表现：在技术研发端，已有方案将暴雨天下的有效穿透距离提升至120米。但在更接近真实场景的公开道路测试中，纯视觉方案在雨雾天的可靠性仍然不佳：

物理性能衰退：随着雨势增大，系统识别能力显著下降。例如，在暴雨环境中，纯视觉方案对行人的有效识别距离会从晴天的150米骤降至78米左右。

系统被迫退出：当遭遇团雾等能见度极低的环境时，纯视觉系统因无法看清路况，会频繁要求驾驶员接管，其接管率高达15%，而激光雷达方案仅为3%。

，总结：

纯视觉技术在应对恶劣环境方面，已经从之前的“不能用”发展到了在部分场景下“可以用”的阶段。但其安全下限仍然受制于光线这一物理瓶颈，尤其在雨雾、强逆光等极端场景中，与多传感器融合方案相比仍有显著差距。---------------- 来源 Deepseek