高考也没规定哪个题目必须做........
所以《智能网联汽车 自动驾驶系统安全要求》以结果导向是对的，管你用什么技术，能通过验证测试就是你行，你行你就可以上。

但以现实的技术水平和工程能力，想靠纯视觉有没有没可能呢？
我们就谈原理：智能驾驶的感知，本质实际上是一种测量、是对外部现实物理世界的测量。
不管任何形式的雷达，都是收发电磁波、是“物理式”的直接测量，测量的结果是确定性的。
而视觉一种是“计算式”的间接测量，本身不具备直接测量物理深度的能力，所有的三维空间信息，如距离、深度，是在摄像头获取的二维图像的基础上通过算法推算出来的，推算就存在着不确定性。

这就引发了纯视觉方案在数学建模上的一个核心痛点：
纯视觉能做高斯分布，但做不好可靠的、单一的高斯分布。 更准确地说，纯视觉的测量误差，在绝大多数场景下，都不服从（或不能被视为）理想的高斯分布。
“非精确测量”直接导致“误差分布的非高斯性”，所以纯视觉路线必须依赖海量数据训练，用“统计先验”去强行压制这种数学上的先天性缺陷。
但是有些环境下，这种“统计先验”是无效的，因为高斯分布的前提是误差是随机且独立的。但视觉误差高度依赖环境纹理。比如，面对一面纯白色无纹理的墙壁，视觉算法根本无法计算视差，此时误差会瞬间崩坏（出现“无穷远”或“无效值”）。这种因“纹理缺失”或“光线突变”引起的误差是系统性的结构误差、而非随机误差，强行用高斯拟合会严重低估风险。

“高斯分布”问题本身不是标准内容，而且是数学问题，但就是这个数学问题成了核心关键，纯视觉想要通过国标的验证测试，只有两个可能：
一，摄像头实现原理性突破
二，数学实现突破
各位觉得哪个是可能实现的？[笑cry]