一、硬件
2019年4月，特斯拉发布了 Autopilot 3.0 套件：包括 8 个摄像头、12 个超声波传感器和一个增强版毫米波雷达（前向），双冗余 FSD 计算机
每个摄像头262.5帧/秒，每张图片720P。
二、没有选择主流的激光雷达
激光雷达的优势就在于探测范围广，探测精度高，但有致命缺陷
1.价格贵：尚未达到量产
十多年前，Velodyne 公司创始人兼 CEO David Hall 发明了一种新型雷达传感器——激光雷达，它的出现拯救了 DARPA 自动驾驶挑战赛的参赛车队，也助推了自动驾驶汽车的勃兴。
“虽然激光雷达已经诞生十多年了，但连 Velodyne 都没搞清它的终极形态到底是什么。我们还是会继续努力，争取最先拿出究极进化版的激光雷达产品。”Hall 信心满满的说道。
在第二届全球智能汽车前沿峰会上(2019.9)，Velodyne 亚太区执行总监翁炜分享了这样一组数据：「 从 2005 年到现在我们卖了 3 万颗激光雷达，炒了半天，其实这个量只有 3 万，价值大概 5 亿美金左右，所以激光雷达的蓬勃期还远远没有到来。」
目前，Velodyne主要有64线、32线、16线3类产品在售，官方定价分别为8万美金（约合52.3万人民币）、4万美金（约合26万人民币）和8千美金（约合5.23万人民币）。
翁炜向记者表示，如果能接到10万台的订单，VLS 128线产品的价格能够做到1000美金以内，VLS 32线的产品在650美金左右。而32线的Velarry固态激光雷达在量产时则能做到500美金，8线产品则能做到150美金。
相比现在，这是一个具有“质变”效应的价格。
2.容易受环境因素的干扰
1）雨雪雾等极端天气下精度会下降
波长短（目前市场上三维成像激光雷达最常用的波长是905nm和1550 nm），没有穿透能力，测距很少超过200米，最远超过了300米
2）马路上所有的车都顶着激光雷达，不同的激光雷达之间频率相同，就会因为频率干扰出现检测错误
我们公司用的两千块的激光雷达，甚至阳光直射的时候，也会产生激光杂点
3）对于漫反射性不好的物体，激光雷达直接致盲
激光雷达主要是通过发射激光束来探测周遭环境，遇到黑色物体或者镜面物体，激光雷达无法发挥作用
公司机器人在遇到不锈钢栏杆时，无法检测出来
三、现有硬件优缺点
毫米波雷达和超声波传感器：作为高级辅助驾驶不可或缺的核心传感器，造价低，技术成熟，体积小巧
全天候和全天时：毫米波雷达穿透雾、烟、灰尘的能力强，在恶劣天气下也可使用
测距远：轻松超过200米，最远1000米
但缺点就是毫米波雷达受制于波长，探测效果欠佳，无法像激光雷达那样对周围的环境进行精准建模
毫米波雷达：后向预警类，前向控制功能
超声波传感器更是只能用于探测汽车周围的障碍物（2米左右，最大15米），且极易被干扰
四、硬件不够，算法来凑
采用8 个摄像头用于环境感知，摄像头的背后就是图像识别技术，也是深度学习和算法的问题
同时将自动驾驶的功能推给用户，让用户出去测，之后特斯拉再把数据采集回来，不断调整和更新算法，使自动驾驶更加成熟
而且收集数据的方式让人乍舌：给每辆车装上硬件，让用户免费为其收集数据；当客户需要使用该功能时，收费开通
相比起其他天天把测试车开出去收集数据的公司，特斯拉更聪明，同时把不成熟但技术推向市场，也是拿用户生命开玩笑
五、雷达无法识别静态障碍物？
特斯拉一直排斥激光雷达，把毫米波雷达作为主传感器
从特斯拉当几次重大事故来看，雷达似乎无法识别静态障碍物。
原因在于雷达的空间分辨率很差，在算法上只能通常忽略相对于路面不移动的雷达回波。否则，每次经过路标等静物时，汽车都会惊慌失措
参考资料：
激光雷达销量突破3万台后，求变的Velodyne要如何在ADAS市场争先？
