深度学习可以解决自我驾驶问题吗？

到目前为止，自动驾驶汽车中使用的LiDAR的成本要高于某些低档汽车本身。激光雷达的维护和处理输出仍然是一项昂贵的工作，令人头疼。因此，这使得它们成为自动驾驶汽车的商业化生产的较不适合的选择。

激光雷达在计算“深度”信息方面非常准确，深度信息是无人驾驶汽车执行路径规划，与物体保持安全距离等操作的最重要内容之一。这使LiDARs成为集成到自动驾驶汽车中的理想选择。但是问题是，它们太贵了！

此前，高射程激光雷达的成本约为75，000美元。但是，为降低激光雷达的成本一直在进行昂贵的研究。Alphabet公司的母公司Waymo通过广泛的研究将成本降低了90％！

到目前为止，自动驾驶汽车中使用的LiDAR的成本要高于某些低档汽车本身。激光雷达的维护和处理输出仍然是一项昂贵的工作，令人头疼。因此，这使得它们成为自动驾驶汽车的商业化生产的较不适合的选择。

其次，LiDAR在恶劣的天气条件下不能很好地工作，它们会产生噪点，这可能会使LiDAR点云的输出不准确。

尽管如此，公司仍应该投资使用LiDAR和点云处理进行自动驾驶的方法，因为谁知道，也许有一天LiDAR也会变得便宜吗？

相机非常适合捕捉场景的高分辨率细节。但是问题是，它们没有像LiDAR那样为我们提供“深度信息” ：（折衷方案在世界上到处都是。相机的输出是高分辨率，但是是2D平面图像。这几乎是不可能的。可以从单个图像中获取“深度信息”，有些方法可以使用立体视觉从图像中获取深度。

给定从放置在同一水平高度一定距离的两个摄像机捕获的两个图像，我们可以使用计算机视觉算法估计深度信息。