假设摄像头数据为x1，激光雷达数据为x2，而神经网络可以认为是一个黑盒f(x)。
那么只要我定义h(x1, x2) =f(x1) + g(x2)，其表达能力一定大于等于f(x1)：如果神经网络认为x2完全无用，它会将g(x2)学成0，此时h(x1, x2) = f(x1)。
而且，当训练出h(x1, x2)后，可以进行一个实验：随机扔掉f或者g，看看最终效果的差别，就可以知道网络在何种情况下更信赖哪边的数据。
希望有能力的厂商在说纯视觉>融合方案时，是拿着这样一个实验报告来说的，而不是空口白话说xxx上限更高。
