现在的自动驾驶汽车配备的视觉传感器，比较主流的有激光雷达和高清摄像头两种技术。对于未来趋势，很多人会猜测：究竟哪种技术会胜出？

激光雷达和高清摄像头的特点是：激光雷达技术更优，对驾驶安全性更有保证，但成本更高；摄像头主要通过算法进行图像识别，劣势比较明显，但是成本更低。

就价格来看，摄像头系统价格普遍在200美元以下；而激光雷达由于成本原因，迟迟未能普及，以Velodyne为例，他们的16线激光雷达售价虽然已经降至3999美元，但车载标配的64线激光雷达仍然高达50万元，128线更是天价。特斯拉的CEO马斯克曾经在公开演讲的场合声称激光雷达没有用，认为用视觉的摄像头就可以解决自动驾驶问题。但是在视觉摄像头技术还未完全成熟的情况下，还不能证明它的安全性能达到激光雷达的水平，因此完全不用激光雷达目前来看是不可能的。

所以，一种价格高，性能优；一种价格低，性能相对劣势。两种技术之间的竞争，是否有普遍的发展规律呢？

技术产业化的一个普遍的规律是，随着技术的大量应用，性能好的更贵的硬件（比如激光雷达）会随着产量增加，价格急剧下降，最后被市场接受。但是在之前的过渡阶段，就自动驾驶来说，很有可能出现两种技术融合的趋势，比较一辆汽车同时配备激光雷达和高清摄像头，进行优势互补。

但是要注意了，也有另外一种可能：更加便宜的第三条技术路线会脱颖而出。

全球科技创新产业专家、海银资本创始合伙人王煜全说过，虽然科技创新没有办法预测，但是科技创新进入社会对市场形成影响是可以预测的。意味着如果你从高校的科研成果就有系统的监督和跟踪，那么你对科技趋势的判断也会有一个准确的把握。

就自动驾驶的视觉传感器技术来说，哈佛大学的一项科研成果：利用超透镜（超薄的纳米光子组件）的深度传感器，有可能成为继激光雷达和高清摄像头之后的第三种技术路线。

为什么它非常有价值？因为它实现了深度视觉，也就是说光学镜头不仅仅能依靠算法来判断物体，它也能够像激光雷达一样来测量距离了。

在得到知识城邦上，王煜全介绍了这项前沿的科技成果。经过深入的分析后我们发现，这项技术的应用可不仅仅是自动驾驶那么简单，其发展潜力远远超乎了我们的想象。

技术的原理是从蜘蛛身上受到的启发。我们人类的眼睛获得距离信息的方法，是将左眼和右眼同时获取到的两幅略有差异的图像进行搜索对比（你可以把手指放在面前，交替睁开左右眼，这时你就有体会了吧），但是，这种方法不够精确，而且处理繁琐。人类有一个强大的大脑可以处理这些任务，但是蜘蛛却没有。

其实，蜘蛛已经进化出了一个比我们人类更为先进的深度感知系统。蜘蛛捕获猎物（比如苍蝇）之前，用主眼注视苍蝇，这时只有主眼视网膜的图像是清晰的，而其他眼睛视网膜上的图像会显得模糊，这种模糊变化的背后则直接隐藏着距离的信息。确定好距离后，蜘蛛能够准确地跳跃到离自己身躯好几倍远的地方，对猎物发起致命的攻击。

在哈佛大学的实验中，研究小组模仿蜘蛛的原理，将两个具有不同深度焦距的透镜共同放到一个光圈中，构建出一个“超透镜深度传感器”。在下方我们放了一张实验中的拍摄图片，可以看到在不同距离下拍摄到的物体模糊程度的变化，包括果蝇、水柱，还有半透明的蜡烛（这类物体往往无法通过激光雷达或ToF测量）。

那么哈佛大学的这项研究成果未来会不会取代激光雷达呢？王煜全认为，虽然现在判断还为时尚早，但至少这项研究成果为我们提供了另一种可能性。未来激光雷达和具有深度视觉的摄像头进行互补，发挥各自优势的可能性会更大。

这项技术还有一些优化的空间：一个是传感器体积。目前，用现代设备也可以实现这种方法，但是需要非常大型的光学摄像头和电动机械组件，这种摄像头可以拍摄不同焦点的照片，但是由于体积庞大而笨重，限制了传感器的速度和实际应用场景。而哈佛大学在实验中的“超透镜深度传感器”，体积只有4×4×10cm。虽然这个体积还不算小，但这只是一个实验室里的原型，其中超透镜材料（也就是超薄的纳米光子组件）直径仅有3mm，未来传感器的尺寸还有很大的缩小空间。

另外，实验中的计算机采用了英特尔i5-8500K处理器和NVIDIA Titan V显卡，通过优化代码和硬件，还可以进一步提升速度。基于以上两点，未来还可以用于微型机器人、侵入式医疗设备、小型穿戴设备、轻便型AR眼镜/VR眼镜、甚至手机等产品的传感器上。

顺便说一句，手机的要求也极大推动了摄像头的进步，苹果的iPhone 11的三摄像头设计被称为浴霸，但华为随后就推出了四摄像头手机。摄像头越做越小，光学透镜已经难以满足需求了，更小的金属透镜是未来的方向，如果能在手机上叠加超透镜传感器，是否会增强手机的3D建模能力，也是我们希望看到的。