※ 引述《ykjiang (York)》之銘言：
: ※ 引述《ewings (火星人當研究生)》之銘言：
: : ※ 引述《ykjiang (York)》之銘言：
: : : OK, 以雷達波的特性，的確如你說的，可以一個雷達波出去，同時有多組天線接收
: : : 這部分跟光達有差異。
: : 笑死，光達輸出的資料從來就是三維的，只有一維的叫雷射測距儀。
: : 如果是更早之前還在用LADAR為名的時代，還有更多是利用全像原理，用相位差生成三
: 維資料的技術。
: : 對系統來說，不過感測器是用甚麼原理，輸出的資料格式如果是三維的，那就是三維，
: : 有差別的只是更新率而已。
: : 而光達輸出的一直都是三維資料，即使是平面光達，也是三維資料降維。
: 我沒說光達最後的輸出資料不是三維，我只是說初代的光達是用一維的雷射測距，經巧
: 妙設計後得到三維的資料
笑死，你又把你自己的妄想拿來當證據了，啥“初代光達”！
https://www.researchgate.net/publication/250192756_Three-Dimensional_Imaging_Laser_Radars_with_Geiger-Mode_Avalanche_Photodiode_Arrays
20年前，連名稱都還沒統一叫Lidar時，就已經在研究使用光電感測器陣列直接生成三維影像了，
一開始研究光達的時候，就有人從雷射全像技術出發，從來沒有你想像的“一維”Lidar
: : : 你講的應該是 Rolling Shutter 造成的果凍效應，
: : : CMOS 會採取 Rolling Shutter 有很多因素，例如為了功耗、快門速度、共用元件等
: : : CMOS 後來也有 Global Shutter 的設計
: : : Rolling Shutter 是同時一排 cell 曝光（不算逐個 cell，硬要挑的話）
: : : Global Shutter 是全部的 cell 一起曝光
: : : 至於 CCD 是採用 Global Shutter 的設計
: : : 你說的為了輸出 NTSC/PAL 逐個 cell 掃描，是發生在後段處理上
: : 笑死，再掰嘛
: : 特斯拉用的就是CMOS影像感測器，照你的講法，那也是一維的。
: : 現在不管是哪種攝影機，都是輸出序列訊號，不管是用rolling還是globe shutter,
: : 都是一個一個cell的資料丟到暫存器，再以一維資料格式（NTSC)輸出
: 這部分也是，我一開始表達的也是 camera 的感測元件一開始就是二維的 cell 陣列
: 一個 cell 一個 cell 讀是你要抬槓，才提出來的，然後你還提了果凍效應佐證。
: 另外，camera 一般內部有 buffer 儲存完整的 2D data
: 輸出時才用你說的 NTSC 序列輸出，NTSC 基本上是舊時 TV 格式，高解析度的 camera
: 不用這種輸出格式了。而且 NTSC 還有奇偶交錯的問題，在處理上容易碰到另一種跟果
: 凍效應有點類似的問題，不過這也扯遠了。
: 其餘的輸出格式還有很多，也是各種取捨，不再贅述。
總歸來說，就是你自己鬼扯說啥“一維”的鬼東西，結果，CMOS的工作原理打你的臉罷了。
CMOS要在每一個cell就將電荷轉換為電壓，就注定只能逐個掃描讀取，
就剛好打臉你所謂“光達是一維，而攝影機不是”的蠢說法
: : : 1__2_.5e834778af184.png
: : : 80m鏡頭，我是敲「側」前方的兩個前向鏡頭，不是敲（正）前向鏡頭
: : : 而且這已經不是重點了，
: : : 如之前推文說的，特斯拉 3D 視覺，主要是靠正前方那三個鏡頭
: : : 基本上沒側前方那兩個鏡頭的事了
: : 別搞笑了
: : 特斯拉的三個鏡頭焦距相差那麼多，說能構成視覺深度，是你在幻想吧
: : iphone手機上面有兩到三顆鏡頭，但是還不是乖乖的上Lidar?
: : 不同焦段的鏡頭，物體的影像在鏡頭內的像素差距非常大，光是判斷是不是同一個物體
: 都要消耗不少演算力了，
: : 還妄想能構成深度視覺？
: : 更別提特斯拉用的還是非常悲劇的1.2M像素鏡頭。如果像NIO用的是8M的，還勉強有點
: 機會構成2.5D
: : 如果兩個焦段差那麼多的鏡頭就能構成深度視覺，你都可以去apple總部前面嗆他們白
: 癡才要額外用Lidar了。
: 我不確定你說的 2.5D 多出的那 0.5D 指的是什麼
笑死，連2.5D都沒聽過，那你是要啥資格在前面鬼扯深度視覺的東西？
第三維的資料精度只能當參考用，統計學上達不到七成的可靠度，就只配用0.5D
: 不過前面推文中也有人給連結了，證明一個攝像頭就能測得深度，多個攝像頭更準確。
證明啥？證明用Lidar的apple公司是傻子，你才是天才？
要用偽測距騙這種傻瓜特教教徒還不簡單？
直接假設路人的身高是170公分，再用攝影機焦距和像素高度換算，就得到偽測距了，
這個方式在100年前就出現了，像狙擊鏡上面就有刻度讓射手可以用人當參考物，粗略的估算距離。
但是如果路人身高不到150，又恰巧特別瘦，或是行進間突然彎腰，使像素高度變化率大幅改變，
讓偽測距出現很高的誤差怎麼辦？
你以為特斯拉之前出包，撞上橫躺地上的貨車、撞上等等紅燈的機車的事件是怎麼來的？
AI再怎麼訓練，還是會有大數據資料沒涵蓋到的少數情況。當自駕車數量增加至上千萬輛時
就算這些少數情況發生機率再低，在這麼大的母體數量下，發生次數也會變得很高。
所以對自駕系統真正負責任的公司，才會用光達等可以真測距的感測器來設計。
: 因為車子行進間可以拍很多個對同一物體不同距離下的 frame
: 至於特斯拉是怎麼辦到的細節部分，我不知道，唯一確定的要耗費很多算力，
: 連結如下：
: 《Autopilot》AK談論AP開發細節 (2020/02)
: https://www.mobile01.com/topicdetail.php?f=741&t=6137451
: 《Autopilot》FSD初探25－遮住鏡頭還能在路口轉彎嗎？
: https://www.mobile01.com/topicdetail.php?f=741&t=6246238