從最基本的原理來說，光達跟雷達就是用來測距，理論上只有一維的資訊
三維的部分是經過一些設計、運算後得到的
反而鏡頭得到的一開始就是二維資訊，然後可以經過運算得到三維的資訊，
特斯拉更進一步從中取得四維資訊（多的那維是時間軌跡預測）
以目前的技術：
距離方面，光達的精度比較高
平面部分，鏡頭的精度較高，然後鏡頭還可以判斷顏色這個重要資訊
以自動駕駛而言，兩者的精度都超過人眼了
所以關鍵還是在 AI 等其他方面
※ 引述《airforce1101 (我不宅)》之銘言：
: 影像、雷達、光達不太一樣，我把影像與雷達、光達拆成兩類好了，影像對於訊號處理來
: 說屬於二維陣列，但是雷達與光達可以帶回三維的目標資訊，雷達就是低頻段的光，因頻
: 率特性不同，所以適用場景不同，光達的脈衝時間很短，所以較於雷達相比，對於相同目
: 標，可以帶回更高精度的資訊。
: 光達的領域上有關延展性目標，可以參考K. Granstrom, M. Baum, and S. Reuter 所著
: 的這篇文章 Extended object tracking: Introduction, overview, and application.
: 在AI輔助下，或許環境良好下影像能做到光達能大多數能做的事，但某些判斷影像與光達
: 先天上的差距還是存在。
: 其實也好奇，傳感器與影像間的關聯是否讓AI找出並學習其特徵向量，有待高手解答了。