從 Face ID 到自駕車！特斯拉 Cybercab 傳導入結構光強化邊緣場景感知力
在 2024 年「We, Robot」活動中，特斯拉公開展示其無人自駕計程車 Cybercab，其中一段特殊的雷射光圖樣投影引發外界關注。雖然官方尚未針對此技術進行說明，但從現場觀察來看，該投影方式與結構光（Structured Light）技術高度相似，顯示特斯拉可能在維持現行以視覺為主的感知策略下，嘗試導入結構光作為近距離感測的輔助方案。
本文主要內容
結構光與特斯拉視覺策略並行 結構光技術特性與應用場景 各類 3D 感測技術比較 車用結構光面臨的技術挑戰
結構光與特斯拉視覺策略並行
特斯拉自 2021 年起陸續取消雷達與光達感測器，轉而推行以攝影機為核心的 Tesla Vision 系統，主張透過模仿人類視覺即可實現自動駕駛。Cybercab 作為一款主打低成本與高產能的無人計程車，並未配備傳統光達，但在低速停車、上下乘客與進出狹小空間等特殊場景中，仍需強化近距離的三維感測能力。
結構光是一種主動式 3D 感測技術，透過將特定圖樣投影至環境中，再由攝影機分析圖樣的變形程度，重建物體與場景的深度資訊。此技術具備高解析度與毫米級深度精度，特別適合用於短距離且對空間辨識精度要求較高的應用情境。
結構光技術特性與應用場景
根據 Yole Intelligence 發布的感測器市場研究，結構光、立體視覺與光達（LiDAR）是目前主流的 3D 感測技術。其中，結構光因具備高解析度與系統體積小等優勢，廣泛應用於消費性電子與機器視覺領域。在車用情境中，結構光可發揮以下功能：
- 在停車時精準感知車輛與周遭物體的相對位置
- 偵測低矮障礙物，降低碰撞風險
- 將車輛意圖資訊投影於地面，強化與行人的溝通與引導
- 輔助無人接駁場景中的上下乘客指引
相關技術須搭配 IR 發射器與紅外線攝影機模組運作，並透過專屬處理器即時解碼光斑變形資訊，才能建構穩定且可靠的深度圖像。雖然傳統結構光系統通常需額外配置獨立光源模組，但從 Cybercab 現場展示的光圖樣判斷，該技術有可能整合於前方燈組中，例如透過雷射頭燈或專屬投影單元，實現主動式光圖樣投射，成為 Cybercab 專屬的整合式感測設計。
各類 3D 感測技術比較
結構光具備在光線不足環境中進行主動投影的能力，能有效彌補純視覺系統在夜間、室內停車場或地形複雜區域的不足，進一步強化 Cybercab 的任務執行穩定性與行駛安全。
技術名稱 感測原理 優勢 限制 結構光 投影圖樣並分析變形 精度高，適用於短距離與細部辨識需求 容易受環境光干擾，投影距離有限 立體視覺 透過多攝影機計算視差 成本低、耗電少，適合光線充足的戶外環境 軟體運算負擔重，低光環境下表現不佳 光達（LiDAR） 發射雷射並量測反射時間差 精度高，具備穩定的遠距離偵測能力 成本較高，體積大，整合至車體設計較具挑戰性
若 Cybercab 以 Tesla Vision 作為主要感知系統，並輔以結構光強化近距離辨識能力，將可在維持成本效益的同時，提升低速與細部場景的感測精度，有助於符合其大量部署於城市街道的技術定位與實務需求。
車用結構光面臨的技術挑戰
結構光技術已廣泛應用於各類消費性電子產品中，最具代表性的案例包括 Apple 在 iPhone 的 TrueDepth 相機中導入的 Face ID 臉部辨識系統，以及 Microsoft 所推出的 Kinect 體感裝置。這兩項技術皆透過投射紅外光圖樣並分析其變形，建構精準的 3D 臉部或動作模型，顯示結構光在近距離感測領域具備高度成熟度與實用性。
隨著自動駕駛技術持續演進，車用感測市場已成為新興競爭重點，全球感測元件供應商如 STMicroelectronics、Infineon、Sony 及 Lumentum 等皆積極投入車規級產品的研發。目前雖尚未有車廠正式採用結構光作為主要感測來源，但在結合車載視覺系統、強化邊緣場景處理能力方面，該技術已逐漸受到市場關注。
相較於 iPhone、Kinect 等消費性電子裝置，車用環境對結構光技術提出更嚴格的要求。應用於車輛外部的感測模組必須具備抗自然光干擾的能力，同時滿足防塵、防水與耐候性等車規級耐用標準。此外，若特斯拉計劃將結構光模組整合至 Cybercab 車體外觀，仍須克服散熱設計、成本控制與量產可行性等實務挑戰。
延伸閱讀
留言 0