【太平洋汽車網(wǎng) 技術頻道】1638年，伽利略提著一盞燈站在山頭上，默默的把燈蓋了起來......

遠處的另一個山頭上，他的助手在看到燈滅的一瞬間也把自己手上的燈蓋了起來。伽利略想用這樣的辦法計算出光的速度?？上粌H沒能測出光速，甚至沒能判斷出光速是不是無限的，對于當時的技術手段，光速實在太快了。

不過伽利略的想法并沒有錯。今天我們已經(jīng)能測出一束光射出，遇到物體后返回的精確時間差，同時我們也知道精確的光速，于是這個辦法就可以用來測量發(fā)射點到目標物體的距離，這種方法叫做“飛行時間”，簡稱TOF。

今年開始，突然冒出一大堆配備激光雷達的量產(chǎn)車，正是利用TOF測距，通過激光感知周邊的三維環(huán)境。激光雷達究竟有什么用讓這么多品牌趨之若鶩，有為什么直到今天才突然被廠商如此垂青？

激光雷達為什么會“躥紅”

近幾年來，自動駕駛的概念越來越被頻繁的提及，而自動輔助駕駛技術也在快速的發(fā)展。隨著自動駕駛輔助系統(tǒng)在量產(chǎn)車型上的需求與日俱增，相關的感知硬件也得以快速發(fā)展。

我們平時開車需要用眼睛觀察路況，而自動（輔助）駕駛便是通過感知硬件來感知周圍的路況。目前汽車上應用到的感知硬件包括但不限于：攝像頭、毫米波雷達、超聲波雷達、激光雷達以及V2X相關硬件等。

毫米波雷達在汽車上的應用更久，ACC自適應巡航就是靠毫米波雷達實現(xiàn)的。目前毫米波雷達成本可控，同時毫米波雷達在惡劣天氣下也可以正常工作，并且可以更直接的判斷其他車輛的速度，因此在自動（輔助）駕駛中應用廣泛。但毫米波雷達識別精度有限，難以判斷障礙物的具體輪廓，目前主流的毫米波雷達甚至無法判斷垂直高度信息，對小尺寸障礙物的判斷更加模糊。

上海車展期間，華為發(fā)布了其最新的可裝車的4D成像雷達，其實也是一種毫米波雷達，不過在精度上進行了大幅優(yōu)化。在成像精度上有了大幅提升，不僅可以勾勒出車、人等障礙物的大致輪廓，甚至可以越過前車探測前方兩臺車的速度與距離。相應的，成本也有較大升高。且毫米波雷達對金屬敏感，對非金屬探測能力較弱的特性也一樣存在。

接下來就是激光雷達了，相比前兩者，激光雷達可以準確的感知周邊環(huán)境的三維信息，探測精度在厘米級以內。這就使得激光雷達能夠準確的識別出障礙物具體輪廓、距離，且不會漏判、誤判前方出現(xiàn)的障礙物。相比前兩者目前主流水平，激光雷達普遍的有效探測距離也更遠。

當然缺點也很明顯，一個是貴，早期的機械式激光雷達動輒幾十萬上百萬，如今華為、大疆等將激光雷達的價格控制在了一千美元以內，已經(jīng)達到了實用的程度，但相較其他感知傳感器依然顯得十分昂貴。

另外，激光雷達對工作環(huán)境要求也很高。我們知道，光和電磁波一樣由自己的波長，而波長越短走的線路越直，繞過障礙物的能力也越弱。毫米波雷達發(fā)射的電磁波波長在1-10mm之間，而目前主流的激光雷達發(fā)射的激光波長為905nm和1550nm。激光的優(yōu)勢在于聚焦，很長的距離上都不會發(fā)散，但這樣就無法繞過障礙物，在雨霧、風沙等天氣時會受到極大的干擾，甚至無法工作。

因此，激光雷達不能作為單獨的感知硬件，但激光雷達與毫米波雷達、攝像頭等進行數(shù)據(jù)融合，可以得出更全面的周遭環(huán)境信息，對自動（輔助）駕駛的路徑規(guī)劃和安全性有著極大的幫助。

尤其在當下，系統(tǒng)算法還沒有海量的數(shù)據(jù)訓練升級的情況下，單純依賴攝像頭會有較大的安全隱患，而激光雷達正好可以與之互補，而同時激光雷達價格已經(jīng)下探到可以接受的程度，也因此成為了各大廠商趨之若鶩的自動駕駛感知硬件新寵。

激光雷達歷史回顧

1916年，愛因斯坦提出了光的受激發(fā)射理論，人類對激光開始有了認知。激光并不像紅外線、紫外線之類的是某一波段的光的總稱，而是有著精確的單一顏色和單一波長的光，相比由多種顏色、波長混合的自然光，激光有著亮度高、能量大、方向性好的特點。

直到1960年，人類研制出了第一臺激光發(fā)生器，終于揭開了利用激光的序幕。根據(jù)發(fā)生器材料的不同，可以生成從紫外線（10-400nm）到可見光（390-780nm）到紅外線（760-1000000nm）波段內的不同激光。

激光誕生之后便廣泛應用在軍事、醫(yī)療、通訊、工業(yè)、航空等各個領域，被認為是繼核能、電腦、半導體之后人類最重要的發(fā)明之一。

而激光雷達的想法，也是在激光發(fā)生器誕生后立馬就被考慮的一種用途。1969年7月美國第一次登月，在月球表面安裝了一個類似鏡子的后向反射器裝置，在地球上向該裝置發(fā)射激光，人類測得了精確的地月距離。

不過激光并沒有停留在測距這一單一的用途上，密集的激光束可以將被測物體的每一個細節(jié)都精確的建模還原，很快便被應用在了測繪、文物保護、3D建模等領域。

應用最廣泛的當然是測繪，將高精度的激光雷達安置在汽車、飛機甚至衛(wèi)星上可以對大范圍的地形地貌進行精確的還原，并且激光可以穿過狹窄的縫隙，因此在植被覆蓋的地表也能夠探測到植被下方的詳細地貌，這是其他測繪雷達等無法比擬的優(yōu)勢。

不過測繪對激光雷達的進度等要求很高，而市場相對而言并不是很大，因此激光雷達一直都在追求更好的性能，而價格也居高不下，早前Velodyne品牌的一套128線機械式激光雷達售價高達70萬，而動輒百萬以上的激光雷達也并不鮮見。

故事的轉折發(fā)生在2005年，隨著九十年代末人工智能的發(fā)展，自動駕駛概念也在飛速進步。

2004年，美國國防部高級研究計劃局為了能夠找到為軍方打造無人駕駛汽車的解決方案發(fā)起了一項名為DARPA無人駕駛車挑戰(zhàn)賽的比賽。參賽隊伍中有一支來自音響品牌Velodyne，參賽的原因也很簡單，創(chuàng)始人兼CEO David Hall為了打發(fā)“無聊”找的樂子。

David Hall改裝了一輛帶有全景攝像頭的皮卡參加了2004年的DARPA無人駕駛車挑戰(zhàn)賽，并未能完賽。但也正是在這屆比賽中，David Hall聽說了一個新玩意——激光雷達。

隨后，David Hall帶領Velodyne制造一款360°旋轉式激光雷達，而這一發(fā)明讓Velodyne成為談及自動駕駛繞不過去的一個名字，上市估值超過了30億美元。

2005年、2006年Velodyne帶著裝有激光雷達的無人駕駛參加了DARPA無人駕駛車挑戰(zhàn)賽，成績雖不理想，但卻讓Velodyne名聲大噪。

2007年，第四屆DARPA在美國西部加利福尼亞州維克多維爾的喬治空軍基地舉辦，在53支報名隊伍中，11支通過了資格測試，７支車隊跑完了全程，而完賽車隊中有６支搭載了激光雷達。

而此時，音響起家的Velodyne已經(jīng)成為了專業(yè)的激光雷達制造商，并推出了其知名的64線激光雷達產(chǎn)品。2010年，開始布局無人駕駛汽車的谷歌也選用了Velodyne提供的激光雷達。

隨著Velodyne的崛起和無人駕駛汽車配備激光雷達的前景被看好，越來越多的企業(yè)開始了車載激光雷達的研發(fā)，涌現(xiàn)出了Velodyne LiDAR、Luminar、Ouster、法雷奧、禾賽科技、華為、大疆覽沃、圖達通等一眾激光雷達頭部企業(yè)，激光雷達的成本也開始大幅度降低。

在谷歌開始自動駕駛項目后，全球涌現(xiàn)出了大量的自動駕駛研發(fā)的企業(yè)，包括百度、Uber、Cruise、文遠知行、小馬智行等等。而這些企業(yè)無一例外的選擇從L4級無人駕駛開始著手，自己打造測試車在法規(guī)限定的區(qū)域進行測試。

由于尚未涉及量產(chǎn)，因此對于所搭載的激光雷達也沒有車規(guī)級要求，而高昂的成本本身也尚不是嚴重的問題。

2015年，特斯拉宣布推出AutoPilot，率先拉開了L2+、L3級自動駕駛在量產(chǎn)車型上的大規(guī)模普及進程。由于當時激光雷達仍然價格高昂，馬斯克提出了純視覺的自動駕駛方案，摒棄了昂貴的激光雷達。純視覺與激光雷達的路線之爭也由此開始。

另一個問題是機械式激光雷達需要布置在車身最高點避免遮擋，對車輛造型造成很大的影響，凸起的雷達也較容易受損。

而在車頂布置激光雷達及其他設備以及加強結構，對車輛重心也容易帶來影響。2017年，Uber一輛自動駕駛測試車在自動駕駛狀態(tài)與對向車輛發(fā)生碰撞導致側翻，被認為與車頂過中的設備帶來的重心提高有關。

另外，機械式激光雷達復雜的結構也不易控制成本，高昂的售價也是影響其廣泛裝備量產(chǎn)車型的一大因素。目前尚沒有達到車規(guī)并搭載在（準）量產(chǎn)車型的經(jīng)銷商激光雷達問世。

● 純固態(tài)激光雷達

針對車規(guī)級設備需要在連續(xù)振動、高低溫、高濕高鹽等環(huán)境下連續(xù)工作的特點，固態(tài)激光雷達成為了較為可行的發(fā)展方向。相比機械式激光雷達，固態(tài)激光雷達僅面向一個方向一定角度進行掃描，覆蓋范圍有所限制。但取消了復雜高頻轉動的機械結構，耐久性得到了巨大的提升，體積也可以大幅縮小。純固態(tài)激光雷達主要包括OPA光學相控陣和Flash閃光激光雷達兩種。

◆ OPA光學相控陣

喜歡軍事的朋友應該都聽過軍機、軍艦上搭載的相控陣雷達，而OPA光學相控陣激光雷達的原理與之相似。

相控陣雷達發(fā)射的是電磁波，同樣也是波的一種，波與波之間會產(chǎn)生干涉現(xiàn)象。通過控制相控陣雷達平面陣列各個陣元的電流相位，利用相位差可以讓不同的位置的波源會產(chǎn)生干涉，從而指向特定的方向。往復控制相位差便可以實現(xiàn)掃描的效果。

我們知道光和電磁波一樣也表現(xiàn)出波的特性，因此同樣可以利用相位差控制干涉讓激光“轉向”特定的角度，往復控制實現(xiàn)掃描效果。

OPA光學相控陣激光雷達發(fā)射機采用純固態(tài)器件，沒有任何需要活動的機械結構，因此在耐久度上表現(xiàn)更出眾。

但是，OPA激光雷達要求陣列單元尺寸必需不大于半個波長，因此每個器件尺寸僅500nm左右，對材料和工藝的要求都極為苛刻，因此成本也相應的居高不下，目前也很少有專注開發(fā)OPA激光雷達的品牌。

◆ Flash閃光

Flash閃光激光雷達原理完全不同，他不是通過掃描的方式，而是在短時間內直接向前方發(fā)射出一大片覆蓋探測區(qū)域的激光，通過高度靈敏的接收器實現(xiàn)對環(huán)境周圍圖像的繪制。Flash激光雷達的原理類似于拍照，但最終生成的數(shù)據(jù)包含了深度等3D數(shù)據(jù)。

由于結構簡單，F(xiàn)lash閃光激光雷達是目前純固態(tài)激光雷達最主流的技術方案。

但是由于短時間內發(fā)射大面積的激光，因此在探測精度和探測距離上會受到較大的影響，主要用于較低速的無人駕駛車輛，例如無人外賣車、無人物流車等，對探測距離要求較低的自動駕駛解決方案中。代表品牌包括Ibeo、大陸、Ouster、法雷奧等。

● 混合固態(tài)激光雷達

混合固態(tài)激光雷達是前兩者的折中方案，相較機械式激光雷達，混合固態(tài)激光雷達也只掃描前方一定角度內的范圍，而相比純固態(tài)激光雷達，混合固態(tài)激光雷達也有一些較小的活動部件。不過混合固態(tài)激光雷達在成本、體積等方面更容易得到控制。目前，混合固態(tài)激光雷達也有多種解決方案，主要包括MEMS振鏡、轉鏡、棱角等。

◆ MEMS微振鏡

MEMS微振鏡是通過控制微小的鏡面平動和扭轉往復運動，將激光管反射到不同的角度完成掃描，激光發(fā)生器本身固定不動。對于反射的微振鏡也有靜電驅動、電磁驅動、電熱驅動、壓電驅動等多種不同的控制方案。

由于取消了馬達、多棱鏡等較為笨重的機械運動設備，毫米級尺寸的微振鏡大大減少了激光雷達的尺寸，同時也提高了可靠性。而可以精確控制偏轉角度的微振鏡的引入可以減少減少激光器和探測器數(shù)量，通過控制掃描路徑達到等效機械式更多線束激光雷達的覆蓋區(qū)域和點云密度，極大地降低成本。

也正因此，MEMS微振鏡激光雷達會出現(xiàn)信噪比低，和有效距離短等問題。增大鏡面尺寸可以有效增加MEMS激光雷達的精度，但最大偏轉角度也會因此受限，F(xiàn)OV視場角會更加受限。

目前，MEMS微振鏡激光雷達的代表品牌包括Innoviz、速騰聚創(chuàng)、先鋒等等。

◆ 轉鏡

與MEMS微振鏡平動和扭轉的形式不同，轉鏡是反射鏡面圍繞圓心不斷旋轉。轉鏡在功耗、散熱等方面有著更大優(yōu)勢。法雷奧推出的全球首款車規(guī)級激光雷達就采用了轉鏡形式。

在轉鏡方案中，也存在一面掃描鏡（一維轉鏡）和一縱一橫兩面掃描鏡（二維轉鏡）兩種技術路線。一維轉鏡線束與激光發(fā)生器數(shù)量一致，而二維轉鏡可以實現(xiàn)等效更多的線束，在集成難度和成本控制上存在優(yōu)勢。

不過轉鏡方案與MEMS一樣存在信噪比低，和有效距離短，F(xiàn)OV視場角受限等問題。目前轉鏡方案代表品牌包括華為、法雷奧、Ibeo、禾賽、Luminar、Innovusion等。

◆ 棱角

棱鏡激光雷達也稱為雙楔形棱鏡激光雷達，內部包括兩個楔形棱鏡，激光在通過第一個楔形棱鏡后發(fā)生一次偏轉，通過第二個楔形棱鏡后再一次發(fā)生偏轉。控制兩面棱鏡的相對轉速便可以控制激光束的掃描形態(tài)。

與前面提到的掃描形式不同，棱鏡激光雷達累積的掃描圖案形狀狀若菊花，而并非一行一列的點云狀態(tài)。這樣的好處是只要相對速度控制得當，在同一位置長時間掃描幾乎何以覆蓋整個區(qū)域。

不過對于高速移動的汽車來說，顯然不存在長時間掃描的情況，因此也存在中心區(qū)域點云密集。兩側點云相對稀疏的情況。因此采用棱鏡激光雷達的小鵬P5選擇在車頭兩側分別配備一枚激光雷達，保證車頭前方區(qū)域有密集的點云覆蓋。

相比MEMS微振鏡和轉鏡方案，棱鏡激光雷達可以通過增加激光線束和功率實現(xiàn)更高的精度和更遠的探測距離，不過機械結構也相對更加復雜，體積叫前兩者更難以控制，存在軸承或襯套的磨損等風險。目前發(fā)力棱鏡激光雷達的主要有大疆旗下的Livox覽沃，大疆憑借無人機時積累了精密電機制造技術，有信心克服棱鏡軸承或襯套壽命的難題。

按波長分類

前文已經(jīng)提到，激光是一種單一顏色、單一波長的光，根據(jù)發(fā)生器的不同可以產(chǎn)生紫外線（10-400nm）到可見光（390-780nm）到紅外線（760-1000000nm）波段內的不同激光，相應的用途也各不相同。

由于要避免可見光對人眼的上海，激光雷達選用的激光波長一般不低于850nm。而目前主流的激光雷達主要有905nm和1550nm兩種波長。

● 905nm

由于905nm激光雷達接收器可以直接選用價格較低的硅材質，因此成本也更加可控，905nm激光雷達成為了當下最主流的激光雷達所選用的波長。

不過人眼可識別的可見光波長處在390-780nm，而400-1400nm波段內激光都可以穿過玻璃體，聚焦在視網(wǎng)膜上，而不會被晶狀體和角膜吸收，人眼視網(wǎng)膜溫度上升10℃就會造成感光細胞損傷。因此905nm激光雷達為了避免對人眼造成傷害，發(fā)射功率需先在在對人無害的范圍內。

正因如此，905nm激光的探測距離也會受到限制。

● 1550nm

相比905nm激光，1550nm激光會被人眼晶狀體和角膜吸收，不會對視網(wǎng)膜產(chǎn)生傷害，因此1550nm激光雷達可以發(fā)射更大功率，探測距離也可以做到更遠。

但是1550nm激光雷達無法采用常規(guī)的硅吸收，而需要用到更加昂貴的銦鎵砷（InGaAs）材質，因此在價格上較905nm激光雷達會貴出很多。

其他分類

除了以上提到的分類，根據(jù)測距原理的不同，激光雷達還可以分為飛行時間（dTOF）激光雷達和相位偏移（iTOF）激光雷達，飛行時間（dTOF）激光雷達采用非連續(xù)的脈沖激光，根據(jù)發(fā)射和接收的時間差直接算出距離，正式本文開頭提到的原理，也是目前車載激光雷達最常用的測距原理。而相位偏移（iTOF）激光雷達采用的發(fā)射特定頻率的調制的激光，通過計算相位差間接計算出距離。dTOF理論上其精度不隨距離增加而下降、抗干擾強、功耗較低，但工藝相對復雜；iTOF精度偏低、抗干擾性較弱、功耗較大，但工藝相對簡單。

從光源分類，常見的激光雷達包括邊緣發(fā)射激光器、垂直面激光發(fā)射器、光線激光發(fā)生器等等。

另外，機械式激光雷達也經(jīng)常提及光源線束，即有多少組發(fā)射和接收器，線束越多形成的點云越密集，探測精度也越高。不過，除了一維轉鏡，二維轉鏡和MEMS微振鏡激光雷達可以進行左右上下掃描，而棱鏡激光雷達會在中心區(qū)域重復多次掃描，廠家一般會發(fā)布區(qū)域內等效線束數(shù)據(jù)，而非發(fā)射和接收器數(shù)量。

此外，根據(jù)激光雷達四大要素：測距原理、光束操作方式、光源、探測器的不同還可以有更多的分類依據(jù)，這里就不再一一列舉。

激光雷達還有更多用處

目前，汽車領域受到廣泛關注的是用于自動（輔助）駕駛感知硬件的車載激光雷達。不過激光雷達在汽車領域的運用遠不止于此。

隨著自動駕駛相關概念的興起，高精度地圖也開始越來越受到關注和普及，在高精度地圖數(shù)據(jù)的采集過程中，激光雷達強大的3D建模能力能夠得到極大的發(fā)揮。

而隨著搭載激光雷達的量產(chǎn)車逐漸普及，實時上傳的眾包高精度地圖概念也被提出。不過由于高精度地圖涉及國家機密等原因，目前法規(guī)下這一概念尚不能實現(xiàn)。不過，在停車場等非敏感地帶通過激光雷達進行眾包數(shù)據(jù)采集的路線也正在探索中。

另外，視覺攝像頭相較雷達的一大優(yōu)勢在于包含了顏色信息，不過激光雷達采集的數(shù)據(jù)也并非單純只有“一種顏色”。激光雷達對于不同反射率的物體有不同的感知，而道路車道線、交通標識等多采用高反光率的涂層。視覺目前探測距離，識別能力等有諸多限制因素，因此通過激光雷達識別車道線等也是一種極佳的技術路線。

而目前尚未大規(guī)模普及的C-V2X技術中，路側感知設備也在積極探索對激光雷達的運用。

憑借高精度的感知能力，固定在路側的激光雷達可以更準確的捕捉到車輛視覺盲區(qū)的行人等潛在障礙，通過V2X技術將視野盲區(qū)的潛在風險“告知”車輛，可以有效的避免“鬼探頭”，有遮擋交叉路口側翻車輛等難以主動避免的安全隱患。

其實，路側的激光雷達等V2X硬件并非單純的為路上的汽車服務，還可以在安防、智慧城市等更多領域發(fā)揮作用。而激光雷達也不止在交通領域發(fā)力，前不久發(fā)布的iPhone12 Pro也配備了激光雷達，在VR游戲，室內建模等更多的領域有著很大的潛力。

隨著激光雷達在自動（輔助）駕駛汽車上越來越多的被搭載，激光雷達也從測繪這樣的小眾市場進入了大眾消費市場，產(chǎn)業(yè)鏈逐步成熟，開始出現(xiàn)在了更多的領域，未來將有望出現(xiàn)在我們生活的更多場景中，也可以發(fā)揮出更大的作用。（文：太平洋汽車網(wǎng) 郭睿）

本文鏈接：http://m.bjaowei.com/Read/1440.html 轉載需授權！