这是一篇写给小白的激光雷达文章
但最核心的原因，还是激光雷达的成本快速下降。我举个简单的例子，几年前一个 Velodyne 的 64 线机械式激光雷达成本还要 7 万美金，而且单笔订单达到 100 万美金才提供技术支持。而 Luminar 即将量产的 300 线 1550 nm 波长激光雷达，据官方的说法，软硬件打包的价格不超过 1 千美金。
回到正题，先简单说下激光雷达的工作原理，主要是由激光发射器、光学接收器以及信息处理三部分组成，它会不断向外发射激光束，光束在遇到障碍物后会反射，再通过接收传感器，接收物体反射回的光脉冲。
根据已知光速（约为 30 万千米/秒）计算出两者信号之间的时间差、相位差来确定车与物体之间的相对距离，再通过水平旋转扫描或相控扫描测量物体的角度，再通过获取不同俯仰角度的信号，就可以获得世界的高度信息。
结合以上三种功能，激光雷达可以感知到与物体之间的距离以及角度，再通过软件算法去做 3D 建模，就能把我们人眼看到的真实世界做成一个机器能够理解的虚拟世界。
在这当中，激光雷达每次发射以及接收激光信息，通过这么一个「闭环」的动作，获得的位置信息我们称之为「点云」。点云越多，说明激光雷达对这个世界感知更为精准，当然需要处理的信息也就越多，对应算力要求也就越高。
由于我们车是在移动的，环境实时在变，为了采集到完整的点云信息，传感器采集点云的速度就要跟上，也就是出点数。
但光看「出点数」依然不够，扫描频率以及测距采样率也同样重要，三者综合起来看，构成了激光雷达对于位置信息感知的实时性。说白了就是，要像人眼一样，实时更新我们能看到的世界。
另外，为了能更大范围地感知这个世界，激光雷达能感知到的角度就显得非常重要。传统的方式是采用旋转组件，简而言之就是让激光雷达旋转起来，进行 360 度扫描。
固态激光雷达也有相对应的解决方案，我举个结构相对简单的 MEMS 激光雷达为例，这种技术是通过转动内置的一块反光镜来实现周围环境的扫描，也就是把激光射向这块不断旋转的反光镜，再通过反光镜反射到各个角度，从原理上看，跟以前小时候拿着镜子反射太阳光的无聊玩法有异曲同工之妙。
通过以上方式，激光雷达可以向周围发射激光点阵，同时还接收反射回来的激光脉冲，测量发射器与被测量物体之间的相对距离，直接可以获得三维矢量数据，而得知自己在环境中的准确位置，这比视觉方案中的二维平面图像采用视差深度算法相比更为精准。你可以简单粗暴地理解为「目测」与「拿尺子测」之间的差别。
这不仅解决了静态物体无法识别的问题，而接收反射回来的激光脉冲可以描绘出物体的形状以及距离，其中含括了整个道路状态以及其他交通参与者，这就可以构建出一个完整的机器能够理解的道路场景了。那这样就可以在技术层面上极大程度解决长尾效应带来的问题。
另外激光雷达能做的事还有很多，例如通过不同物体发射回来激光信号的不同，去给物体做分类，可以参考上文说的「卷积神经网络」，那么这个时候激光雷达也可以学会「自我思考」。
由于激光雷达是自身发射激光束，相比摄像头最大的优势在于不受外界环境条件的影响，无论是夜晚还是白天情况下，工作都会更稳定。那么至于如何应对「雨雪雾霜」极端天气以及逆光的影响，请下下文。
01
我们需要什么样的 LiDAR
激光雷达是我见过分类最广的物种之一了，按照线束来说，有 16 线、32 线、64 线以及茫茫多。按技术结构来看，分为机械式、混合固态以及纯固态。另外非机械型激光雷达的扫描方式还有 MEMS、相控阵以及微透镜阵列等。按发射器的波长来分，又有 905 nm 以及 1550 nm。
综合所有，我先立个 Flag，真正符合车规级使用的激光雷达要先满足 300 线，固态结构以及 1550 nm 波长这三个先决条件，其他的都是过渡技术。
先说线束，这里说的 300 线并不是类似机械式垂直排列了 300 条激光线束，而是通过串行以及并行的扫描方式，达到类似于 300 线的分辨率，理论上以后哪怕 900 线也可以按照这样的技术手法来实现。
再来看自动驾驶的实际场景需求，首先激光雷达要解决的是感知问题，线束越多，发射光脉冲更多，意味着获取点云信息更多，对环境感知更为精准。而 300 线的激光雷达理论上可以实现图像级的识别精度，这对于傻憨憨的机器来说特别友好，还是那句话，只能这样机器才能理解我们人眼看到的世界。
再说技术发展路径，激光雷达分为机械旋转式、混合固态以及纯固态这三种。从成本、可靠程度来说，机械旋转式注定不会被商业化应用。
因为我还没见过哪个机器天天裸露在外面天天不停地疯转，而且还不坏的。一旦雷达故障了，还要请一个技术手法堪比瑞士手表工匠水平的老师傅去更换零部件以及校准，这不仅「伤钱包」，而且体验也不好。至于混合固态的激光雷达，同理，我也不看好。只有纯固态激光雷达才是对「钱包」友好且稳定的。
最后再来聊一下波长，这里多说几句。为什么我认为 1550 nm 波长的激光雷达才是符合车规级的，这里涉及到激光辐射的安全性问题，而影响安全性的三大要素是波长、输出功率以及激光辐射时间的综合作用的结果。
首先强光在通过眼睛晶状体时会聚焦到眼睛的视网膜上，而这个时候会给视网膜带来一定的灼烧效果，而存在一定的风险。如果你小时候玩过放大镜点火，应该就很好理解了。
因此出于保护人眼的原因，IEC 规定激光雷达的波长安全上限为 900 nm 左右，这也就意味着 905 nm 波长的激光雷达出于对人眼保护的原因，不会高功率运行。当然应用在火箭以及国防场景的情况，不在本次讨论范围内。
但有意思的是，波长 1400 nm 以上的激光会在到达视网膜之前就会被眼球的透明部分吸收完了，对人眼并没有伤害，所以并不在 IEC 的规则内。因此 1550 nm 波长激光雷达可以相比 905 nm 波长提升 40 倍的功率运行，而提升功率带来最直接的好处就是增加探测距离、点云分辨率以及增强复杂环境的穿透力。
其实这三点都很重要，但第三点才是「压死骆驼的最后一根稻草」。这里也呼应一下上文。全面自动驾驶意味着车辆要应付各种复杂的环境，其中就包含了「雨雪雾霜」，再极端一点就「沙尘暴」。
先说个常识，光波在大气中传播是会衰减的。而采用 1550 nm 波长的话可以加大功率，因为与毫米波雷达「对半透明物体不会产生回波」不同的是，激光雷达在雨天、雾天的场景中，「水滴」这种半透明物体是会引起对脉冲的反射。
但只是「部分反射」且会向四周进行扩散，尤其是在「浓雾」的天气下，这会造成反射信号准确度的下降。举个不恰当的例子，我们带着的眼镜如果起雾或有水滴，我们也看不清外面的世界，因为「水」会影响视觉效果。
而这个时候，激光雷达通常通过「提升发射功率」和「提升接收器敏感度」来提升整体的感知能力，不要忘了，提升发射功率就是 905 nm 波长的死穴，这就是我不看好 905 nm 波长的原因，而提升功率后，还能降低 1550 nm 会受到环境光照的影响，也就是针对「逆光」的场景，有了个靠谱的解决方案。
另外我说一下，为什么像 Velodyne 这样的激光雷达巨头公司至今还死守着 905 nm 波长，而且对外永远说「够用」了。首先 Velodyne 有将近一半的激光雷达份额来自非车业务，对于非车规级使用，905 nm 波长够用这句话没毛病。
而且除了技术壁垒以外，我认为还有个重要的原因，就是「接收传感器」的成本问题。905 nm 波长的接收器可以用硅来做原材料，而 1550 nm 是「光纤传感器」，而这种接收传感器要用到「铟镓砷」这种材料，这种材料的成本是硅的 10 倍，而且目前还看不见成本下降的趋势。
那这里就要提一下 Luminar 这家明星公司，据官方公布的消息，他们通过收购了一家专门做铟镓砷材料的公司，解决了铟镓砷的成本问题，目前可以把单个传感器控制在 3 美元。那么我比较好奇的是，如果有大神知道，同为 1550 nm 波长路线的华为以及 Innovusion，他们是怎么解决传感器成本问题的，请在评论区留言。
综上所述，我认为车规级激光雷达要同时具备 1550 nm 波长、 300 线还有固态结构三者，缺一不可。
写在最后
写这篇文章的过程，经历了蔚来 NIO Day 发布了 Innovusion 的 300 线激光雷达，也经历了 Mobileye 总裁兼首席执行官 Amnon Shashua 教授精彩演讲，其中也确认了采用 Luminar 的激光雷达产品。
而这就留下马一龙独自在支撑纯视觉阵营，但我相信在未来激光雷达成本进一步降低，老马也会真香打脸。
而比拼硬件只是自动驾驶的一个方面，就好像现在激光雷达已经是厘米级的定位精，单颗芯片的算力也突破 200 TOPS，我也相信随着技术的迭代「毫米级」激光雷达以及单颗芯片算力破千，在未来也不是梦想。
但更为重要的是各厂商如何把硬件有效地利用起来，那接下去比拼的就是软件算法层面，例如把毫米波、摄像头以及激光雷达三者的感知信息更好地融合、优化自动驾驶算法逻辑，还有 5G 时代下的 V2X 应用场景。
而这一切的结合，才是自动驾驶有机会从梦想变成现实的基础。
撰文：卖白菜的黄老板
编辑：大吉
这些也值得读
- 发表于:
- 原文链接：https://kuaibao.qq.com/s/20210118A0FDEK00?refer=cp_1026
- 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号（企鹅号）传播渠道之一，根据《腾讯内容开放平台服务协议》转载发布内容。
- 如有侵权，请联系 cloudcommunity@tencent.com 删除。
相关快讯
扫码
添加站长 进交流群
领取专属 10元无门槛券
私享最新 技术干货
腾讯云开发者
