Idd.
Mijn reply is niet specifiek op u gericht maar het valt me op dat iedereen hier losjes vanuit gaat dat zonder Lidar je niet geen autonoom kan rijden. Die stelling is volgens mij enkel waar als Europa Lidar zou verplichten als primaire of secundaire sensor. Lidar is een soort tussenstap tot er meer AI modellen uitkomen die niet meer via een 3D punten map moeten gaan, maar al hun informatie uit een beeld kunne halen.
De meeste mensen gaan compleet voorbij aan het feit dat AI een beetje werkt zoals ons brein en er dus geen complexe wiskundige berekeningen plaatsvinden die exacte 3D punten nodig hebben. Onze hersenen rijden ook zonder die zware wiskundige berekeningen of 3D map maar kunnen een inschatting maken. Dat is een fundamenteel andere aanpak.
Een 3D puntenwolk helpt vooral fabrikanten snel een autonoom systeem op poten te zetten zodat ze hard coded routes kunnen uitstippelen in gekende gebieden. Mercedes scant bijvoorbeeld bepaalde snelwegen milimeter precies in. Ze maklen een complete 3D map van een omgeving en met lidar en GPS positioneren ze het voertuig op die 3D kaart. Dat is een compleet andere aanpak en dan heb je natuurlijk Lidar nodig omdat je dan exact weer waar je rijdt.
Wij mensen weten niet exact waar we rijden, we schatten dat in op basis van ervaring. Dat is een compleet andere aanpak. Het is moeilijker om te ontwerpen maar eens het werkt is het wel belachelijk kostenefficient want je kan meer omstandigheden aan en je moet geen heel land in kaart brengen tot op de mililmeter.
Ik ben er echt zeker van dat Lidar maximaal een secundaire technologie gaat worden en camera's een primaire technologie omdat de wereld nu eenmaal gemaakt is voor ogen. Secundair wil zeggen dat het niet wordt opgenomen in de sensorfusion maar dienst doet als fall back.
Lidar is wat mij betreft gewoon een tussenfase. Zodra neurale netwerken zelf begrijpen waar hun positie in de ruimte is en ruwe objecten kan detecteren op basis van 2D inschatting en beeld is er geen tussenstap van die 3D puntenwolk nodig. Dat wil zeggen dat uw systeem veel krachtiger wordt en minder complex en bijgevolg goedkoper. Je wil immers +- 100x per seconde een idee krijgen van de situatie. Bijv 100x per seconde 'intentie voetganger in de volgende 10 miliseconde'.
Lidar werkt met sensor fusion en sensor fusion is complex. (je hebt camera's nodig om uw lidar beeld om bijv de wegmarketing te zien) Ook de redundancie die je moet ontwerpen is complex omdat je met meerder sensoren zit die 1 beeld vormen voor de AI. Dus je moet multi sensor fall back voorzien. Het kan wel, en het werkt wel maar het is gewoon niet efficient.
Lidar is zoals een Jet engine op een go-card. Super krachtig maar niet schaalbaar.
Ik vermoed dat de hele wereld gaat overschakelen op die zogenaamde Vision Based Occupancy Networks met een end-to-end transformer. Dus directe Camera-stuurinput. De vraag is gewoon op welk camera based model de industrie gaat overnemen. Mogelijk op dat van Nvidia maar als je enkel afgaat op het aantal papers dan zullen het Chinese systemen zijn want ze zijn et veel en scoren goed: zie:
https://opendrivelab.com/challenge2023/#overview
Je ziet ook dat bedrijven zoals Mobileye, XPeng en Baidu minder en minder inzetten op Lidar.
Ik vermoed dat Imaging radar het van Lidar zal winnen om vision netwerken bij te staan in mist, zware regen, totale duisternis of laagstaande zon etc. Lidar werkt bij niet in mist en heeft ook last van zware regen dus het is niet 100% complementair met vision.
Samenvatting: Veel mensen denken dat autonoom rijden onmogelijk is zonder LiDAR, maar dat klopt alleen als wetgeving het zou verplicht stellen. En dat is niet het geval. Vision-based AI werkt eerder zoals het menselijk brein: via visuele inschatting, niet via exacte 3D-puntenwolken. LiDAR is vooral nuttig voor systemen met vooraf gescande routes, maar niet schaalbaar of efficiënt voor algemene toepassingen. Vision-first netwerken met imaging radar als back-up zijn goedkoper, eenvoudiger en flexibeler dan Camera + Lidar. Daarom schuift de industrie steeds meer richting camera-centrische oplossingen zoals Occupancy Networks en end-to-end modellen.