自动驾驶汽车激光雷达的未来

　　与普遍的看法相反，自动驾驶尚未实现几年前承诺的结果。不幸的是，感官、光学、定性和时序层面的许多问题对传统 LiDAR 的性能产生了负面影响。

　　尽管如此，许多公司仍在不断改进他们的方法和技术，并且已经在市场上看到了出色的结果。其中一家公司 Baraja 已为多项技术申请了专利，这些技术将显着改善自动驾驶汽车的未来。

　　激光雷达的挑战

　　自动驾驶领域仍处于起步阶段，汽车要像人类一样自动驾驶还需要一段时间。尽管在优化检测和感知方面仍然存在许多挑战，但技术无疑会一一解决所有这些挑战。

　　正在进行一项大型研究以改进人类使用的技术。换句话说，解决方案必须精确地基于人类驾驶员的方法和他们遵循的道路规则。

　　实现完全驾驶自主需要克服的一些最困难的挑战包括：

　　从人类驾驶员那里学习主要驾驶技术并在自主系统中实施

　　人工智能与自动驾驶相关的改进

　　充分利用传感器

　　优化传感器以准确检测远距离物体

　　收集大量数据

　　增加以自主模式行驶的公里数

　　这些都是关键要求，旨在确保驾驶员、乘客、行人和机动车的极其安全驾驶。

　　未来自动驾驶将优于人类驾驶

　　克服上面列出的所有挑战，在未来，至少在大部分行驶里程中，自动驾驶和自动驾驶的优势可能超过人类所执行的驾驶。一般来说，一个人需要几年的时间才能学会如何开车。研究表明，在 25 岁时达到了完全的能力。换句话说，人类必须学会理解和概念化他们的周围环境。此外，在学习驾驶技术之前，他们必须了解车辆、障碍物和危险、人行横道和道路标志的概念。Baraja 首席商务官 Joseph Notaro 在汽车技术论坛的一次演讲中说：“这些是极其复杂的想法，大脑以自然而简单的方式执行这些想法。”。 “为了更接近人类驾驶行为，必须使用多模式传感套件，配备用于停车辅助的超声波传感器、用于自动紧急制动的雷达、多个摄像头，以及最后但并非最不重要的车载激光雷达。这已被证明可以显着提高安全性。”

　　中央凹是人眼中的一个小区域，可产生最高分辨率的视觉，例如，当驾驶员需要对道路上或道路附近的物体进行分类时。当头部指向一个物体时，中央凹被激活以对细节进行分类。一旦大脑获得了信息，驾驶员就可以通过再次将注意力集中在地平线上来安全地返回驾驶。

　　因此没有必要以高分辨率持续监控整个道路和周围环境。监测可以通过低分辨率周边视觉进行，优化大脑生成和处理的数据量。获取与对象速度相关的信息也非常重要，因为它允许您从一组点中分割和提取更多数据。今天的激光雷达并非旨在帮助自动驾驶汽车比人类表现得更好、更安全。

　　激光雷达系统能够“看到”最远几公里的东西是不够的。最重要的信息是系统可以正确准确地解释对象的最大距离。因此，在任何情况下都必须根据数据和信息进行远距离准确的目标检测。

　　光谱扫描激光雷达

　　与标准 LiDAR 系统不同，Baraja 的 Spectrum-Scan 专利平台采用了不同的方法。通过类似棱镜的光学元件折射光线用于扫描周围区域，而不是使用易碎的移动部件和摆动镜。另一方面，在快轴上使用机械扫描的传感器具有昂贵、笨重且容易发生故障的移动部件。根据 Notaro 的说法，Baraja 的频谱扫描 LiDAR 即使在最极端的环境中也能提供前所未有的范围、精度和可靠性，并使用一种称为随机调制连续波 （RMCW） 的信号处理方法，与更传统的测距和检测方法。

　　在实践中，光通过光学棱镜折射，可以轻松生成高分辨率扫描图案。该系统通过利用这样一种现象来“扫描”环境，即穿过棱镜的白光被分成不同的颜色分量，每个分量都有自己的波长，当它穿过棱镜时会以不同的角度折射。因此，使用工作在 1，550 nm 的可调谐波长激光器和类似棱镜的光学器件来代替昂贵、笨重且不可靠的机械解决方案来引导激光束。

　　通过这种方式，无需使用任何机械部件即可管理和扫描数百行图像。在实践中，分辨率甚至可以管理 2000 行的垂直轴，比传统方法好 10 倍。传感器数据非常可靠，完美地描述了现实世界。它不受环境和其他激光雷达传感器的干扰。因此，该系统基于折射光学，折射光可以以每秒超过 100 万次的速度扫描，而无需任何移动部件。

　　注视点

　　一些当前的 LiDAR 架构无法动态改变视场 （FoV） 中的点密度，就像固定激光阵列的情况一样。其他的，如振镜和 MEMS，可能能够在 FoV 内产生高达单个更高密度的波段，但这样做的代价是在其精细、快速移动的扫描机制中产生额外的漏洞，使其不太适合汽车应用程序。在现代 LiDAR 系统中，检测和聚焦 FoV 中物体的能力至关重要。Baraja 的光谱扫描 LiDAR 可以动态（帧到帧或帧内）改变扫描模式，以在感兴趣的区域提供最大密度，例如目标远离传感器时跟随的地平线。

　　每点多普勒速度

　　即时速度测量旨在简化和改进事件分割和预测，是下一代 LiDAR 传感器启用的附加功能。目前，从计算的角度来看，后续帧速率的计算是缓慢的、不精确的和昂贵的。如果行人意外走进街道，感知系统必须能够尽快识别事件。根据 Notaro 的说法，Baraja 的 LiDAR 无需额外计算即可提供瞬时、精确的每点多普勒速度信息。按速度分组有助于分割和预测物体的轨迹，从而获得更好的感知结果。

　　无模糊点云

　　该解决方案允许人们在远距离获得高质量的点云，而不会因非固态扫描而产生模糊）。由于扫描过程中镜子或激光的快速移动，在机械扫描 LiDAR 系统中，模糊是一种正常现象。当相机快速移动时会出现类似的效果，从而导致产生模糊的照片。在 200 米的距离处，模糊可能会使物品变得难以察觉和难以理解。

　　Spectrum-Scan 技术通过实时从一个点跳到另一个点的可调波长激光器进行扫描来消除模糊。与受错误数据阻碍的传统技术相比，这导致了无模糊的点云和更可靠的信息。

　　“高分辨率点云不仅取决于‘像素’的数量，还取决于‘像素’的质量，”Notaro 说。“在 Baraja，我们努力设计我们的光学器件，以确保真正紧密、准确的光束放置，因此您可以信任我们提供的数据。”

　　无斑点点云

　　这种方法可以实现一尘不染的图像和高质量的点云数据，在所有级别都具有更高的检测概率。由于缺陷导致的图像退化也是当今 LiDAR 传感器的一个典型问题，这会导致误报并大大降低正确分类的可能性。得益于专有的硅光子芯片设计，Baraja 消除了图像中的斑点，为它们提供了更好的视觉范围，并为在高速公路上行驶做好了准备。

　　抗干扰性

　　在受控条件下，激光雷达可以极其准确地复制其环境。然而，当外部影响出现时，例如强大的前照灯或直射阳光，外来光源可能会淹没 LiDAR 的镜头并可能使探测器过饱和。Spectrum-Scan 平台是第一款对所有干扰具有独特内置免疫力的 LiDAR。多层保护意味着不再有感知盲点和增强的安全性，为明天充满传感器的世界做好准备。

　　结论

　　可靠的自动驾驶成为现实只是时间问题。目前限制这项技术全面发展的问题必须得到解决。最重要的因素是精确可靠数据的可用性，这将使自动化系统能够执行高度可靠的实时分析和处理，从而实现无缝汽车集成。

　　审核编辑：郭婷