激光雷达的定义与分类！激光雷达相对于其他传感器的优点

激光雷达（LiDAR），无人驾驶的“眼睛”，人工智能时代最具想象力的传感器。

LiDAR 能够进行主动探测，不受外界环境光影响，实时感知环境信息，获得精确可靠的三维数据，从而赋予机器人超越人类的视觉能力。

随着人工智能时代的来临，激光雷达被广泛应用于自动驾驶、机器人、安防监控、无人机、地图测绘、物联网、智慧城市等高新科技领域。据高盛估计，2020 年，全球激光雷达市场规模将超过百亿，2050 年有望超过6000 亿，发展规模呈现指数级增长。

在人工智能技术正快速产业化的自动驾驶领域，市场规模巨大，据汽车行业相关权威机构预测，至2035 年全球自动驾驶汽车销量将达到1180 万辆。麦肯锡预测，到2025 年，自动驾驶汽车将催生出一个2000 亿至1.9 万亿美元的巨大市场。与此同时，物流领域已被视为自动驾驶技术率先落地的场景之一，根据国家物流与采购联合会数据，智慧物流市场规模将在2025 年突破万亿。激光雷达凭借强大的感知能力，守护自动驾驶对人类出行安全的承诺，已成为该领域必不可少的传感器，与自动驾驶相辅相成，共同快速发展。

激光雷达的定义与分类

激光雷达（LiDAR）是通过激光测距技术探测环境信息的主动传感器的统称。它利用激光束探测目标，获得数据并生成精确的数字工程模型。

目前，激光雷达的激光测距技术有三种：

1. 激光飞行时间法（TOF），通过将光脉冲在目标与雷达间的飞行时间乘以光速除以二，就可以获得距离，该方案成熟度比较高，适用于长距离探测，绝大部分车载激光雷达采用的就是该方案。

2. 三角法，由于入射光和反射光构成一个三角形，对光斑位移的计算运用了几何三角定理，故该测量法称为激光三角测距法，适合短距离测量，多用于单线二维激光雷达。

3. 调频连续波法(FMCW)，原理类似Radar，通过多普勒效应等光的波动变化，测算发射光谱频率和接收光谱频率的差异，便可得出距离和速度，该技术方案比较前沿，尚无成熟产品。激光雷达的种类比较多，可以通过下面四个主要方面划分：

· 按照功能用途，可以分为激光测距雷达、激光测速雷达、激光成像雷达、大气探测雷达、跟踪雷达；

· 根据载荷平台，可以分为星载、机载、车载和地基；

· 根据扫描方式，可以分为机械式、MEMS、Flash、OPA；

· 根据雷达线束，可分为单线和多线；

· 自动驾驶广泛使用的激光雷达产品属于车载多线成像激光雷达，这类是本文探讨分析的对象。

激光雷达相对于其他传感器的优点

由于激光雷达与摄像头具有出色的成像能力，一直以来被当作自动驾驶的核心传感器。激光雷达相较于摄像头的好处是它能得到准确的三维信息，而且自身是主动光源，能够不受光照的影响，白天和晚上都能照常工作。

摄像头识别的颗粒度比较高，能够获得丰富的纹理色彩，所以能够实现精细化的识别，在这一点上激光雷达不如摄像头。

摄像头最大的缺点是受环境光的影响大，在强光照射、高亮反白物体、夜晚弱光环境等情景下，采集到的数据都难以通过算法进行有效可靠的环境感知。

激光雷达是通过激光主动探测成像的，不受环境光影响，直接测量物体的距离方位、深度信息、反射率等。算法首先对障碍物进行识别，然后再分类，识别准确度和可靠性远超摄像头，而消耗的计算资源低于摄像头。

可以说，激光雷达在自动驾驶中的应用，最重要的部分就是高精度定位，先确定自身所在的位置，自动驾驶车辆才会面临“要往哪里去”的问题。所以，确定“我在哪里”是第一步，也是非常关键的一步。按常规理解，定位应该只是GPS的任务，的确，自动驾驶的定位会用到GPS，但是GPS定位的精度不足，而且在遇到高楼林立或者进出隧道等情况下信号稳定性差，因此难以保证自动驾驶车辆的安全。所以自动驾驶定位需要结合激光雷达、GPS、IMU等，以完成稳定可靠的高精度定位。

激光雷达硬件配合针对自动驾驶研发的AI感知算法，可以完成对周围障碍物进行识别，对路边沿进行检测，进行高精度定位等任务，还能够实现分类标注，把障碍物分为卡车、小汽车、行人、自行车等。

激光雷达与自动驾驶的产业化发展之路

首先，我们对自动驾驶的发展做一个阶段性的划分，根据发展历史和行业未来的预测，自动驾驶的发展可以分为三个阶段。第一个阶段，2016年之前，实验室阶段；第二个阶段，2016年到2020年前后，试运营阶段；第三个阶段，2020年之后，大批量商业化运营阶段。在每一个阶段，自动驾驶都对激光雷达有着迫切的需求，激光雷达技术产品的发展也推动着自动驾驶的快速发展。

实验阶段

回顾自动驾驶的发展历史，最早应该追溯到近百年前，美国的陆军电子工程师Francis开始用无线电波控制车辆的刹车、离合以及转向。1956年，美国通用汽车用预埋电缆配合车上安装的接收器进行车辆的控制。1977年，日本筑波工程研究院开始使用摄像头传感器，指导汽车驾驶。1998年，意大利的帕尔马大学使用双目摄像头对物体进行识别、导航，当时车辆行驶了2000公里，94%的里程都是在自动驾驶模式下完成的，剩下6%左右需要在人工干预下完成。

自动驾驶发展最具有代表性的事件是2004年举办的美国无人驾驶DARPA挑战赛，当时有25支队伍参与，遗憾的是，没有一支队伍完成任务，即使比赛总里程只有11.78公里。

当时大家讨论说，这次比赛之所以没有完成任务，最主要的原因是车辆对环境感知不充分，几吨甚至接近十吨的车，碰到前面的小草堆就“不敢”过去了。这也从侧面反映出纯视觉传感器的缺陷，它们要对强光对射、黑暗、斑驳光影的道路环境进行感知，这将大大增加算法的难度。

在2005年的DARPA挑战赛上，新的突破出现了。斯坦福大学车队在车顶上装了多台单线激光雷达，这类单线激光雷达原来并不是用在机器人或自动驾驶车辆上的，而是用在工业方面，所探测的距离并不远。但是在装上激光雷达后，斯坦福大学车队的车辆完成了比赛，夺得了冠军。激光雷达在自动驾驶环境感知系统中的地位开始确立。美国激光雷达企业Velodyne也是因为参加了这个比赛，意识到激光雷达对自动驾驶的重要性，开始投入机械式多线激光雷达产品研发。

在此之后，多线激光雷达成为自动驾驶方案的常规配置， 2017年，拥有L3自动驾驶能力的全新奥迪A 正式搭载激光雷达传感器。同时，L3~L5自动驾驶车辆必须搭载激光雷达，基本达成行业共识。

试运营阶段

从2016年开始，自动驾驶开始进入试运营测试阶段，激光雷达市场需求爆发。

Waymo作为全球自动驾驶的领先企业，在2016年、2017年和2018年，汽车的下单量从100辆、600辆增长到2万辆；2018年5月底，菜鸟发布了物流小车，表示要在三年内投入10万台车；2018年6月，京东无人车总部项目落户长沙，开展区域化试运营；2018年7月4日，百度和金龙合作的自动驾驶巴士宣布小批量量产……行业对激光雷达需求量不断攀升。

2016年到2017年，各领域进入小批量路测阶段。非高速开放场景进入小规模试运营准备，面对突如其来的需求，激光雷达市场进入短暂的供不应求阶段。非高速开放场景需要快速部署软件算法与激光雷达硬件结合的环境感知解决方案，价格尚未确定是市场敏感的因素。另一方面，高速／复杂场景自动驾驶方案也进入小批量路测阶段。

2017年到2018年，各领域自动驾驶方案基本进入小批量试运营准备，非高速开放场景应用开始规模化试运营，市场需求开始发生改变：非高速开放场景追求激光雷达系统稳定性、产能、性价比；高速复杂场景路测逐渐增加，对高线束激光雷达环境感知方案需求增加。

2019年到2020年，自动驾驶的低速封闭场景和开放场景应用进入规模化试运营，在高速开放场景中的实验更加流畅，准备进入自动驾驶批量化运营阶段。激光雷达行业产品性能开始趋于统一，但市场对于产品价格、性能、系统稳定性、可制造性等全方位要求明显提高，市场竞争的内容发生改变，全新一代革命性技术产品——固态激光雷达开始进入市场。

这一阶段是激光雷达市场规模开始爆发,激光雷达初创企业快速成长的时期。由于成立时间早，Velodyne凭借传统机械式激光雷达，在市场中占据优势地位。同时，在这一阶段前后，国内外激光雷达企业纷纷成立，并快速成长为行业的核心力量。例如，2014年，成立于深圳的RoboSense(速腾聚创)，凭借超过10年的科研积累，快速完成产研转化， 2017年4月，在国内率先量产车载16线激光雷达，同年9月,量产32线激光雷达，并正式发布基于激光雷达的自动驾驶环境感知AI算法，提供软硬结合激光雷达环境感知解决方案，快速获得大量市场份额。2017年10月, RoboSense(速腾聚创)公布MEMS固态激光雷达,并于CES2018公开展示，一举成为世界上为数不多掌握固态激光雷达核心专利技术的顶级玩家。

大规模商业化运营阶段

2020年以后，自动驾驶将进入商业化运营阶段，各自动驾驶服务运营方全面竞争，自动驾驶汽车私人消费市场逐渐爆发。

全球各大OEMs或者Tier 1的自动驾驶发展时间表，基本上都集中于计划在2020年到2022年实现L3或者L4。而L5的实现则大有不同，大部分企业将实现L5的时间定在2025年，部分企业定在2022年，更有甚者选择定在2030年。

在这一阶段，各类型自动驾驶车辆将开始规模化量产，并投入各场景常规化运营，对激光雷达有车规级、易量产、高分辨率、低成本等严格要求。激光雷达需要向大规模量产、低成本以及高稳定性方向发展。

实际上，距离这一阶段到来的时间点已经非常近了，目前，传统激光雷达系统由于物理极限和成本高等因素限制，难以满足这一阶段的行业发展需求。因此,自动驾驶大规模商业化运营的实现中,有关环境感知的使命将会落到全新一代的固态激光雷达技术产品上。

固态激光雷达技术方案可分为MEMS、OPA与Flash三种。

MEMS（微机电系统）：利用MEMS微振镜对激光进行精确控制，系统内所有的机械部件都集成到单个MEMS芯片上，芯片利用半导体工艺生产。

OPA：相控阵，原理与相控阵Radar类似，采用多个光源组成阵列，通过控制各光源发光时间差，合成具有特定方向的主光束，主光束便可以实现对不同方向的扫描。

Flash：面阵方案，短时间内直接发射出一大片覆盖探测区域的激光，再以高度灵敏的接收器完成对环境周围图像的绘制。该技术发明和应用的历史比较长久，但是由于高功率问题限制了它的探测距离。

这三种革命性的方案都有基于自身技术原理带来的不同优缺点：同样是芯片化方案，千元级别的MEMS方案和OPA相比,成本难以快速降到百元甚至十元级别，但是MEMS更容易实现远距离探测，而OPA与Flash要达到200米的探测距离还有大量的工作要完成。

面对这场具有革命性技术加持的竞争，纵观全球行业市场，新一代产品核心技术已经被RoboSense、Innoviz、Quanergy等产业后起之秀所率先掌握，未来的市场将是多元化的。

目前，已经完成固态激光雷达Demo的顶级激光雷达厂商，正在进行车规级测试认证、性能提升、量产准备等工作。

2018年5月，RoboSense推出的MEMS固态激光雷达RS-LiDAR-M1Pre已经率先搭载到菜鸟无人驾驶物流车使用，成为首款在无人驾驶车辆上使用的固态激光雷达。我们希望在2020年，能够将MEMS固态激光雷达的量产成本控制在200美元以内。

激光雷达进入自动驾驶感知系统，成功推动了自动驾驶结束漫长的实验探索期，进入快速发展的试运营期。自动驾驶的快速发展和行业需求，反向激发了激光雷达技术和产业的全面爆发。全新一代固态激光雷达产品方案的成熟和量产，将推动自动驾驶商业化运营的大规模普及。

激光雷达产业未来发展

激光雷达产业有三个主要发展方向：固态化、激光雷达与摄像头底层融合、智能化。

第一，激光雷达固态化。面对即将到来的自动驾驶商业化运营的阶段性市场，低成本车规级的固态激光雷达需要肩负起它的使命，行业对固态激光雷达的真正量产期待已久。激光雷达固态化后，将消除传统机械式激光雷达中存在的物理限制，并且带来高分辨率、长距离、车规级、易量产以及低成本等优势。

第二，激光雷达与摄像头底层融合。两者作为自动驾驶的核心传感器,各自拥有独特的优势，摄像头可以获取真实世界中丰富的二维彩色信息，激光雷达能够获取三维高精度空间信息。对于自动驾驶环境感知需求，一方面，如果仅依靠摄像头获取的二维图像，感知的可靠性和探测的准确度都难以保证驾驶的安全性。另一方面，仅依靠激光雷达又很难对诸如交通路牌、红绿灯等信息做出有效识别，以及对复杂障碍物进行精细化分类。通过底层深度融合LiDAR和摄像头数据，可以发挥出更强大的感知能力。将二维彩色信息覆盖到三维高精度空间数据上，获得时空同步后的彩色点云数据，极大地提高了AI感知算法对目标物体的分割及分类探测距离、准确度、精细度，从而大幅提升自动驾驶车辆安全性。

第三，激光雷达智能感知系统。基于MEMS固态激光雷达、AI环境感知算法、激光雷达与摄像头融合，多项前沿技术形成闭环达成了智能化激光雷达感知系统。通过AI算法对彩色数据进行预处理，有选择性地对感兴趣区域进行重复探测，能够为自动驾驶带来更远的探测距离与更为准确的感知结果，有效降低中央数据处理单元的数据处理压力，从而确保汽车迅速完成安全可靠的驾驶操作响应。

总结

激光雷达推动了自动驾驶行业的迅速发展，加速了商业化进程，提供了高效快捷的物流运输，更守护了人类安全可靠的出行。

可以说，自动驾驶完成商业化，将加速自动驾驶时代的到来。激光雷达产业和技术在迫切的市场需求下快速成长。未来，更先进的激光雷达产品和更成熟的产业链，又将通过精确、可靠、低成本的三维环境感知能力，加速机器人、无人机、安防监控、智慧城市等人工智能产业商业化的进程，推动人类全面跨入人工智能时代。