Camera’s vs LiDAR: welke aanpak wint?

Camera’s vs LiDAR: twee routes naar autonomie

FABRIKANTCLAIM Tesla gebruikt voor de huidige Tesla Vision-uitvoering camera’s en neurale netwerken. Waymo en Zoox combineren camera’s met LiDAR en radar. Waarom kiezen ze voor zulke verschillende oplossingen?

Een autonoom voertuig moet niet alleen objecten zien. Het moet afstanden en snelheden inschatten, voorspellen wat andere verkeersdeelnemers gaan doen en vervolgens binnen fracties van seconden de juiste beslissing nemen. De discussie over camera’s en LiDAR gaat daarom niet alleen over sensoren, maar ook over de intelligentie achter die sensoren.

Waarom Tesla zoveel op camera’s inzet

De gedachte achter vision is eenvoudig: mensen rijden ook voornamelijk met hun ogen en hersenen. Meerdere camera’s rondom een voertuig leveren continu videobeelden. Neurale netwerken leren daaruit rijstroken, voertuigen, voetgangers, verkeerslichten, vrije ruimte, beweging en steeds meer driedimensionale informatie af te leiden.

Het grote voordeel is schaalbaarheid. Camera’s zijn relatief goedkoop en kunnen in grote aantallen productieauto’s worden ingebouwd. Daardoor kan een fabrikant enorme hoeveelheden praktijkdata verzamelen waarmee de software verder wordt getraind.

Het moeilijke deel zit juist in de software. Een camera meet afstand niet op dezelfde directe manier als LiDAR. Het AI-systeem moet diepte, snelheid en beweging uit beelden reconstrueren. Dat vereist zeer krachtige modellen en veel trainingsdata.

Waarom LiDAR zo aantrekkelijk is

LiDAR stuurt laserpulsen de omgeving in en meet hoe snel die terugkomen. Daarmee ontstaat een nauwkeurige driedimensionale puntenwolk van de omgeving. Afstanden tot voertuigen, gebouwen en andere objecten kunnen daardoor rechtstreeks worden gemeten.

Bedrijven zoals Waymo gebruiken LiDAR samen met camera’s en andere sensoren. Iedere sensor heeft andere sterke en zwakke punten. Door gegevens te combineren ontstaat sensorfusie en daarmee extra redundantie.

Daar staat tegenover dat meer sensoren ook meer hardware, kosten, kalibratie en complexiteit betekenen. LiDAR vertelt bovendien uitstekend waar iets zich bevindt, maar niet vanzelf wat een autonoom voertuig vervolgens moet doen. Ook een voertuig vol sensoren heeft zeer goede AI nodig.

Heeft Tesla de plank misgeslagen?

Jarenlang was een veelgehoord argument dat echte autonomie zonder LiDAR niet haalbaar zou zijn. De ontwikkeling van moderne vision-systemen laat zien dat die conclusie te eenvoudig is.

Camera-gebaseerde AI kan inmiddels veel meer ruimtelijke informatie uit videobeelden halen dan oudere rijhulpsystemen. FABRIKANTCLAIM Tesla presenteert vision als schaalbare route naar verdergaande autonomie, maar de huidige Tesla Assisted Driving-functies vereisen actief toezicht en maken de auto niet autonoom. Dit bewijst dus niet dat LiDAR overbodig is of dat één architectuur definitief heeft gewonnen.

BEWEZEN Waymo voert binnen afgebakende Amerikaanse gebieden volledig autonome ritten zonder menselijke bestuurder uit met een sensorset van camera’s, LiDAR en radar. Dat toont aan dat sensorfusie in zo’n operationeel domein kan werken; het bewijst niet automatisch dat deze aanpak voor iedere weg, ieder klimaat of iedere consumentenauto de beste keuze is. De twee bedrijven optimaliseren bovendien voor een ander model: Tesla wil autonomie schaalbaar maken in grote aantallen consumentenauto’s, terwijl Waymo een speciaal ontworpen robotaxisysteem binnen geselecteerde markten exploiteert.

Waar camera’s sterk in zijn

• Veel visuele details en kleurinformatie.
• Herkennen van verkeerslichten, borden, wegmarkeringen en gebaren.
• Relatief goedkope hardware.
• Goed schaalbaar naar miljoenen productieauto’s.
• Videodata kan op grote schaal worden gebruikt voor AI-training.

Waar LiDAR sterk in is

• Zeer nauwkeurige directe afstandsmetingen.
• Sterk driedimensionaal beeld van de omgeving.
• Kan als extra onafhankelijke sensor redundantie toevoegen.
• Maakt het systeem minder afhankelijk van één type waarneming.

En slecht weer of duisternis?

Geen enkele sensor is onder alle omstandigheden perfect. Camera’s kunnen last krijgen van verblinding, vuil, mist of zeer slecht zicht. LiDAR kan eveneens worden beïnvloed door zware neerslag, reflecties of vervuiling van de sensor. Radar heeft weer andere eigenschappen en kan snelheid en afstand goed meten, maar levert veel minder visueel detail.

Daarom draait de uiteindelijke veiligheid niet om één magische sensor. Het gaat om de combinatie van waarneming, redundantie, AI, besluitvorming en de manier waarop een systeem met onzekerheid en storingen omgaat.

Welke aanpak wint?

Dat is nog niet definitief vastgesteld. Voor OutOfHands is juist het verschil interessant. Als vision-only uiteindelijk aantoonbaar veilig genoeg blijkt voor grootschalige onbemande autonomie, heeft dat enorme gevolgen voor kosten en schaalbaarheid. Als extra sensoren noodzakelijk blijken om de gewenste betrouwbaarheid te bereiken, hebben de bedrijven die vanaf het begin op sensorfusie inzetten een belangrijk voordeel.

De echte test is daarom niet welke demonstratie het indrukwekkendst is, maar welke architectuur uiteindelijk veilig, betaalbaar en op grote schaal zonder bestuurder kan functioneren.

Broncontrole 16 oktober 2026: Tesla Support over Tesla Vision en verplicht bestuurderstoezicht, Waymo over camera’s, LiDAR en radar en Zoox over de eigen multimodale sensorset.