激光雷达产业为无人驾驶添砖加瓦

曾经贵为“天子”，如今难为“草夫”没错！曾经，激光雷达的应用可谓高大上！作为雷达和激光“孕育”的产物——激光雷达（以下简称LiDAR）起源于20世纪60年代早期，首次应用是在气象学中，国家大气研究中心用它来测量云层。但走入公众视野，则是在1971年阿波罗执行15号任务期间宇航员采用一种LiDAR设备——激光高度计来绘制月球表面图。由此，LiDAR的精准度和用处得到了证明。50多年过去，LiDAR技术从最简单的激光测距技术开始，逐步发展出激光跟踪、激光扫描成像、激光多普勒成像等技术，同时，LiDAR应用领域也逐渐拓展。此前的几十年，LiDAR在军事领域广受欢迎，作为一种能够抵抗电子战、反辐射导弹、超低空突防和隐身的高灵敏雷达，可以探测和跟踪目标，获得目标方位、速度等信息，即使身价不菲，但仍不能阻挡不了各国军事部门矢志不渝地对其精益求精的追求。LiDAR作为无人驾驶的核心部件，而无人驾驶有望在未来五年内正式上路，因此汽车行业是LiDAR市场增长的主要贡献者。Yole在其近期发布的《汽车MEMS和传感器市场及技术趋势-2017版》报告中预测，汽车LiDAR市场将在未来五年获得巨幅增长，其市场规模将从2017年的3亿美元增长至2022年的14亿美元，到2027年更是有望快速增长到44亿美元。

Yole对激光雷达、雷达以及图像传感器市场的预测或许大家还记得谷歌在2012年推出的无人驾驶汽车顶上的“全家桶”——造价高达7万美刀的LiDAR系统！Word天，这个“全家桶”价格烫手，在美国足以买部中端汽车了。

谷歌在2012年推出的无人驾驶汽车LiDAR想从高大上的应用走入寻常百姓家，在保证安全性的同时，通过技术革新走价格亲民路线是必须的！否则，消费者不会为如此高昂的功能买单。据Technavio推测，到2020年，一套LiDAR设备的价格有望将至100美元。

LiDAR设备价格预测（单位：美元）LiDAR技术流派LiDAR，全称为Light Detection and Ranging，即激光探测和测距。LiDAR的工作原理：飞行时间法（ToF），就是根据激光遇到障碍物后的折返时间，计算目标与自己的相对距离。激光光束可以准确测量视场中物体轮廓边沿与设备间的相对距离，这些轮廓信息组成所谓的点云并绘制出3D环境地图，精度可达到厘米级别。

LiDAR的工作原理：飞行时间法（ToF）LiDAR能探测的对象：白天或黑夜下的特定物体与车之间的距离，甚至连车道线和路面也是可以区分开来的。众所周知雷达技术已经在许多具有先进驾驶辅助系统（ADAS）的量产车上装配使用。但是为了进一步提高汽车的环境感测精度和运行可靠性，可以说在严苛的无人驾驶系统中，LiDAR将成为一种不可替代的传感器。

LiDAR技术为无人驾驶保驾护航LiDAR的分类方式有很多种。按线束数量的多少，LiDAR可分为单线束LiDAR与多线束LiDAR。顾名思义，单线束LiDAR扫描一次只产生一条扫描线，其所获得的数据为2D数据，因此无法区别有关目标物体的3D信息。多线束LiDAR扫描一次可产生多条扫描线，目前市场上多线束产品包括4线束、8线束、16线束、32线束、64线束等，其细分可分为2.5DLiDAR及3DLiDAR。2.5DLiDAR与3DLiDAR最大的区别在于LiDAR垂直视野的范围，前者垂直视野范围一般不超过10°，而后者可达到30°甚至40°以上。按有无机械旋转部件分类，包括机械LiDAR、混合固态LiDAR、全固态LiDAR。固态？难道LiDAR还跟水的三态一样，分固态、液态和气态不成？当然不是！如果您对硬盘的机械式、混合固态、固态早有耳闻，那么理解LiDAR的三种技术流派就没那么费力了！LiDAR的固态主要跟激光发射装置是否存在机械旋转部件有关，固态LiDAR中是没有机械旋转部件的，取而代之的是电子部件来实现发射激光束的转动。机械LiDAR通过不断旋转发射头，将速度更快、发射更准的激光束从“线”变成“面”，并在竖直方向上排布多束激光（即32或64线雷达），形成多个面，达到动态3D扫描的目的。但其有“大、重、贵”的缺点，确实让人难以接受，想必大家都不喜欢车顶上顶着偌大个“金球”吧！

图中最大个是Velodyne公司第一代机械LiDAR：HDL-64E，也是谷歌无人驾驶汽车车顶的“全家桶”在2016年1月的美国CES消费电子展上，Velodyne发布了其第一款汽车专用的3DLiDAR——混合固态超级冰球（Solid-State Hybrid Ultra Puck Auto），这款产品为32线束LiDAR，体积小巧、便于汽车安装携带，同时价格低廉，未来在大规模量产的情况下，其目标价格可降至500美元，性价比较高。所谓混合固态LiDAR，是外形上不存在可见的旋转部件，但是为了360全视角其内部实际上仍然存在一些机械旋转部件，只是这套机械旋转部件做的非常小巧可以内藏而已，如采用微机电技术制作的MEMS扫描镜。为了将这样的产品概念和传统“固态”概念区分开来，因此引入了“混合固态”的称呼。

Velodyne公司混合固态超级冰球全球领先的固态LiDAR传感器和智能传感解决方案提供商Quanergy Systems提供的S3是全球首款汽车级固态LiDAR系统。通过发射器、接收器和信号处理器三个主要组件的交互，S3每秒生成五十万个数据点。激光器在水平120°内发射平行光脉冲，光接收器探测反射光脉冲。信号处理器计算每个光脉冲的飞行时间。通过在各个方向扫描，S3在车辆周围创建出实时3D视图，以检测、分类和跟踪场景中的对象。所谓固态，指无论是宏观还是微观尺度上都没有可动部件或振动部件，保证了最高水平的性能、可靠性、寿命和成本效益。这也是未来的LiDAR技术趋势！

Quanergy Systems发布全球首款汽车级固态LiDAR系统而关于机械LiDAR、混合固态LiDAR、全固态LiDAR三种技术流派的细节，我们将后续系列文章中逐个详谈。无人驾驶LiDAR融合技术趋势无人驾驶的传感器方案之争一直是个经久不衰的话题，此前，包括Mobileye联合创始人Amnon Shashua、特斯拉CEO马斯克在内的一众大佬曾公开宣誓对摄像头传感器的“孤注一掷”，但如今声音也开始变得不一样，Amnon Shashua在公开演讲的口径已经开始倾向于表达多传感器冗余的必要性。的确，多数汽车ADAS或无人驾驶都有赖于三类传感器的融合进行环境感知：摄像头、毫米波雷达、LiDAR。而随着传感器和环境感知技术的重要性日渐增强，目前业界普遍持有的观点是，传感器融合将提供鲁棒性更强的自动化系统。多LiDAR耦合多LiDAR耦合是指多个LiDAR经过合理设计布局，通过LiDAR联合标定以及数据同步处理，达到自由组合LiDAR点云密度变化的目的。以速腾聚创的多LiDAR耦合方案为例， 4 个标准版 16 线LiDAR耦合，相比于单个64线激光雷达，价格会便宜四分之三；同时在性能上能够实现高速自动驾驶实际使用所需的相同点云密度，其测量距离达到 150 米；另外，多激光雷达耦合方案，可以根据客户不同需求进行拆装组合，适用不同场景。

多LiDAR耦合应用效果演示LiDAR和摄像头融合在无人驾驶应用中，摄像头价格便宜，但是受环境光影响较大，可靠性相对较低。LiDAR探测距离远，对物体运动状态判断精准，可靠性高，但是价格仍居高不下。摄像头可以完成的工作有：车道线检测，障碍物检测和交通标志的识别；而LiDAR完成的任务有：路沿检测、动态和静态物体识别，定位和地图创建。对于动态的物体，摄像头能判断出前后两帧中物体或行人是否为同一物体或行人，而LiDAR则得到信息后测算前后两帧间隔内运动速度和运动位移是多少。

摄像头和LiDAR分别对物体识别后再进行标定对于安全性要求100%的无人驾驶，LiDAR和摄像头融合将是未来互补的方案。随着LiDAR技术的进步，价格的下降，我们有望看到兼备美貌和高性能的LiDAR以亲民的价格，在无人驾驶时代大有作为！LiDAR和毫米波雷达融合作为ADAS不可或缺的核心传感器类型，毫米波雷达从上世纪起就已在高档汽车中使用，技术相对成熟，价格亲民。毫米波的波长介于厘米波和光波之间，因此毫米波兼有微波制导和光电制导的优点，且其引导头具有体积小、质量轻和空间分辨率高的特点。此外，毫米波导引头穿透雾、烟、灰尘的能力强，弥补了激光雷达的“软肋”。但毫米波雷达受制于波长，探测距离非常有限，也无法感知行人，并且对周边所有障碍物无法进行精准的建模。这恰恰是激光雷达的强项。激光雷达和毫米波雷达，不仅可以在性能上实现互补，还可以大大降低使用成本，这样一来可以为无人驾驶的开发提供一个新的选择。此外，美国初创公司Aeva刚刚发布了一款集激光雷达和雷达于一身的新型传感器，既可确定周围物体的位置，也可确定物体速度。该传感器的连续波将比现有激光雷达提供更广的探查范围和更高分辨率的图像，并且能更好地应对天气变化及如桥栏杆这样的高度反光物体，并避免干扰其它光学传感器。LiDAR、摄像头、毫米波雷达等多传感器融合其实要想准确可靠地识别车辆周围的情况，多传感器融合必不可少！多传感器融合的目标是：组合使用特点不同的多种传感器，在所有场合提高对车辆周围的识别精度。日本电装、中国驭势科技等企业都希望通过采用高度可扩展的多传感器融合框架，融合多种传感器数据，比如摄像头、毫米波雷达、激光雷达、超声波传感器等，做出智能可靠的智能驾驶解决方案。据麦姆斯咨询报道，位于德国斯图加特的Vector Informatik公司还发布了ADAS及无人驾驶应用的多传感器融合开发工具。该工具提供成熟的传感器数据可视化、图形配置及整合。最重要的一点，该工具提供了一个可扩展的数据记录仪产品方案，可应对并及时处理当下ADAS系统多传感器（摄像头、雷达、激光雷达）产生大数据，流量超过1GB/秒。