所以从根本上说，这次车祸是在一个非常极端的情况下，各种负面因素累加而成的结果。虽然技术上来说一次漏报并不足以对整个自动辅助驾驶系统判死刑，但是不能不说这次事故不够警醒，这里面的教训让Tesla 延迟了计划中的 8.0系统的发布，直接加速雷达主导的自动辅助驾驶时代的来临。

　　从这次严重的事故至今已经过去了有小半年，Tesla在路上行驶的的车更多了，使用自动辅助驾驶的车也更多，但是并没有再发生类似的事故，一定程度上也佐证了那次事故的唯一性和漏报特征——因为如果这是一次误报的话，类似的事情应该随着用户的增加而层出不穷才对。就像现被报道的某厂热门手机，由于电池的故障导致充电可能自燃，全球召回耗资10亿不说还得承担巨大的信誉损失。

　　Tesla自动驾驶1.0——是游刃有余还是如履薄冰？

　　说完了Tesla自动辅助驾驶技术的来源，我们现在来看看Tesla的自动辅助驾驶是怎样一种技术，又是如何炼成的：

　　首先，我们不妨回顾一下目前业界对车自动驾驶等级的定义：

　　参照美国的标准，其中NHTSA是美国国家公路交通安全管理局，SAE是美国汽车工程师协会

　　图片来源：

　　目前Tesla的自动辅助驾驶Autopilot达到了第二级，部分实现了第三级功能，在向完整实现第三级乃至第四级迈进。

　　同时目前业界和学术界对自动驾驶的实现方法来说主流是摄像头和Lidar，雷达都是作为辅助信号。

　　Lidar，j2直播，摄像头，雷达之间有什么区别呢？对此非专业研究自动驾驶的笔者只能简单介绍一下：

　　Lidar，俗称的激光雷达：

　　摄像头，以Mobileye举例就是特殊定制的单色摄像头，位于车顶玻璃上方：

　　而雷达，则是分布于车四周以及前方的雷达探测点：

　　在很多自动驾驶开发平台上，往往是综合运用这三者，然后通过相应的软件算法去处理这些设备收集而来的数据

　　雷达穿透力很强，不受雨雾等环境影响，也不受限于光线，但是生成的3D环境图在Tesla 8.0自动辅助驾驶公布之前并没有多少实际应用范例

　　Lidar穿透力其次，可以生成3D影像图，但是成本巨大，甚至达到整车的成本，同时体积也是个需要解决的问题，多为学术界和研究时的标配，在量产路上还需要很长的时间，此外Lidar由于是可见光域，所以也受到雨，尘埃，雾的影响，同时反射效果并不强。

　　摄像头没有穿透力，需要光线，只能获取2D图像，3D环境建模只能靠算法理解，一旦获取的图形有误差，会极大的影响最终分析结果，好处当然是成本非常低，而且技术普遍被工业界研究，例如Mobileye，NVIDIA等图像识别巨擎。

　　简单分析完三种技术的优劣，我们来看Tesla的自动驾驶方案，下面的截图来自于Tesla 自动驾驶部门负责人Sterling Anderson在2016年5月于MIT的演讲：[8]

　　Sterling一上台就开门见山的说Tesla为什么要搞自动驾驶：

　　为了“ 更快的推进世界向可持续能源前进”，这个愿景被转化成两个目标：

　　让我们的 交通资源更高效

　　让我们 更高效的使用目前的交通资源

　　所以第一条便是指Tesla的电动车，电能存储等。

　　第二条便是对应的自动驾驶系统，正是目前低效的驾驶系统和各种人为失误导致每年单在美国就有3万3千人丧生，55亿个小时被堵车浪费掉，同时还需要2740平方公里用来作停车场。

　　Tesla 目前在Model S和Model X上面采用的自动辅助驾驶系统集成了12个超声波传感器，用来识别周围环境：

　　一个前置摄像头，用来辨识前方物体：

　　一个前置雷达，用来辨识前方物体：

　　以及卫星高精度地图：