激光雷達（LiDAR），無人駕駛的“眼睛”，人工智能時代最具想象力的傳感器。

LiDAR 能夠進行主動探測，不受外界環(huán)境光影響，實時感知環(huán)境信息，獲得精確可靠的三維數(shù)據(jù)，從而賦予機器人超越人類的視覺能力。

隨著人工智能時代的來臨，激光雷達被廣泛應(yīng)用于自動駕駛、機器人、安防監(jiān)控、無人機、地圖測繪、物聯(lián)網(wǎng)、智慧城市等高新科技領(lǐng)域。據(jù)高盛估計，2020 年，全球激光雷達市場規(guī)模將超過百億，2050 年有望超過6000 億，發(fā)展規(guī)模呈現(xiàn)指數(shù)級增長。

在人工智能技術(shù)正快速產(chǎn)業(yè)化的自動駕駛領(lǐng)域，市場規(guī)模巨大，據(jù)汽車行業(yè)相關(guān)權(quán)威機構(gòu)預(yù)測，至2035 年全球自動駕駛汽車銷量將達到1180 萬輛。麥肯錫預(yù)測，到2025 年，自動駕駛汽車將催生出一個2000 億至1.9 萬億美元的巨大市場。與此同時，物流領(lǐng)域已被視為自動駕駛技術(shù)率先落地的場景之一，根據(jù)國家物流與采購聯(lián)合會數(shù)據(jù)，智慧物流市場規(guī)模將在2025 年突破萬億。激光雷達憑借強大的感知能力，守護自動駕駛對人類出行安全的承諾，已成為該領(lǐng)域必不可少的傳感器，與自動駕駛相輔相成，共同快速發(fā)展。

激光雷達的定義與分類

激光雷達（LiDAR）是通過激光測距技術(shù)探測環(huán)境信息的主動傳感器的統(tǒng)稱。它利用激光束探測目標，獲得數(shù)據(jù)并生成精確的數(shù)字工程模型。

目前，激光雷達的激光測距技術(shù)有三種：

1. 激光飛行時間法（TOF），通過將光脈沖在目標與雷達間的飛行時間乘以光速除以二，就可以獲得距離，該方案成熟度比較高，適用于長距離探測，絕大部分車載激光雷達采用的就是該方案。

2. 三角法，由于入射光和反射光構(gòu)成一個三角形，對光斑位移的計算運用了幾何三角定理，故該測量法稱為激光三角測距法，適合短距離測量，多用于單線二維激光雷達。

3. 調(diào)頻連續(xù)波法(FMCW)，原理類似Radar，通過多普勒效應(yīng)等光的波動變化，測算發(fā)射光譜頻率和接收光譜頻率的差異，便可得出距離和速度，該技術(shù)方案比較前沿，尚無成熟產(chǎn)品。激光雷達的種類比較多，可以通過下面四個主要方面劃分：

· 按照功能用途，可以分為激光測距雷達、激光測速雷達、激光成像雷達、大氣探測雷達、跟蹤雷達；

· 根據(jù)載荷平臺，可以分為星載、機載、車載和地基；

· 根據(jù)掃描方式，可以分為機械式、MEMS、Flash、OPA；

· 根據(jù)雷達線束，可分為單線和多線；

· 自動駕駛廣泛使用的激光雷達產(chǎn)品屬于車載多線成像激光雷達，這類是本文探討分析的對象。

激光雷達相對于其他傳感器的優(yōu)點

由于激光雷達與攝像頭具有出色的成像能力，一直以來被當作自動駕駛的核心傳感器。激光雷達相較于攝像頭的好處是它能得到準確的三維信息，而且自身是主動光源，能夠不受光照的影響，白天和晚上都能照常工作。

攝像頭識別的顆粒度比較高，能夠獲得豐富的紋理色彩，所以能夠?qū)崿F(xiàn)精細化的識別，在這一點上激光雷達不如攝像頭。

攝像頭最大的缺點是受環(huán)境光的影響大，在強光照射、高亮反白物體、夜晚弱光環(huán)境等情景下，采集到的數(shù)據(jù)都難以通過算法進行有效可靠的環(huán)境感知。

激光雷達是通過激光主動探測成像的，不受環(huán)境光影響，直接測量物體的距離方位、深度信息、反射率等。算法首先對障礙物進行識別，然后再分類，識別準確度和可靠性遠超攝像頭，而消耗的計算資源低于攝像頭。

可以說，激光雷達在自動駕駛中的應(yīng)用，最重要的部分就是高精度定位，先確定自身所在的位置，自動駕駛車輛才會面臨“要往哪里去”的問題。所以，確定“我在哪里”是第一步，也是非常關(guān)鍵的一步。按常規(guī)理解，定位應(yīng)該只是GPS的任務(wù)，的確，自動駕駛的定位會用到GPS，但是GPS定位的精度不足，而且在遇到高樓林立或者進出隧道等情況下信號穩(wěn)定性差，因此難以保證自動駕駛車輛的安全。所以自動駕駛定位需要結(jié)合激光雷達、GPS、IMU等，以完成穩(wěn)定可靠的高精度定位。

激光雷達硬件配合針對自動駕駛研發(fā)的AI感知算法，可以完成對周圍障礙物進行識別，對路邊沿進行檢測，進行高精度定位等任務(wù)，還能夠?qū)崿F(xiàn)分類標注，把障礙物分為卡車、小汽車、行人、自行車等。

激光雷達與自動駕駛的產(chǎn)業(yè)化發(fā)展之路

首先，我們對自動駕駛的發(fā)展做一個階段性的劃分，根據(jù)發(fā)展歷史和行業(yè)未來的預(yù)測，自動駕駛的發(fā)展可以分為三個階段。第一個階段，2016年之前，實驗室階段；第二個階段，2016年到2020年前后，試運營階段；第三個階段，2020年之后，大批量商業(yè)化運營階段。在每一個階段，自動駕駛都對激光雷達有著迫切的需求，激光雷達技術(shù)產(chǎn)品的發(fā)展也推動著自動駕駛的快速發(fā)展。

實驗階段

回顧自動駕駛的發(fā)展歷史，最早應(yīng)該追溯到近百年前，美國的陸軍電子工程師Francis開始用無線電波控制車輛的剎車、離合以及轉(zhuǎn)向。1956年，美國通用汽車用預(yù)埋電纜配合車上安裝的接收器進行車輛的控制。1977年，日本筑波工程研究院開始使用攝像頭傳感器，指導(dǎo)汽車駕駛。1998年，意大利的帕爾馬大學(xué)使用雙目攝像頭對物體進行識別、導(dǎo)航，當時車輛行駛了2000公里，94%的里程都是在自動駕駛模式下完成的，剩下6%左右需要在人工干預(yù)下完成。

自動駕駛發(fā)展最具有代表性的事件是2004年舉辦的美國無人駕駛DARPA挑戰(zhàn)賽，當時有25支隊伍參與，遺憾的是，沒有一支隊伍完成任務(wù)，即使比賽總里程只有11.78公里。

當時大家討論說，這次比賽之所以沒有完成任務(wù)，最主要的原因是車輛對環(huán)境感知不充分，幾噸甚至接近十噸的車，碰到前面的小草堆就“不敢”過去了。這也從側(cè)面反映出純視覺傳感器的缺陷，它們要對強光對射、黑暗、斑駁光影的道路環(huán)境進行感知，這將大大增加算法的難度。

在2005年的DARPA挑戰(zhàn)賽上，新的突破出現(xiàn)了。斯坦福大學(xué)車隊在車頂上裝了多臺單線激光雷達，這類單線激光雷達原來并不是用在機器人或自動駕駛車輛上的，而是用在工業(yè)方面，所探測的距離并不遠。但是在裝上激光雷達后，斯坦福大學(xué)車隊的車輛完成了比賽，奪得了冠軍。激光雷達在自動駕駛環(huán)境感知系統(tǒng)中的地位開始確立。美國激光雷達企業(yè)Velodyne也是因為參加了這個比賽，意識到激光雷達對自動駕駛的重要性，開始投入機械式多線激光雷達產(chǎn)品研發(fā)。

在此之后，多線激光雷達成為自動駕駛方案的常規(guī)配置， 2017年，擁有L3自動駕駛能力的全新奧迪A 正式搭載激光雷達傳感器。同時，L3~L5自動駕駛車輛必須搭載激光雷達，基本達成行業(yè)共識。

試運營階段

從2016年開始，自動駕駛開始進入試運營測試階段，激光雷達市場需求爆發(fā)。

Waymo作為全球自動駕駛的領(lǐng)先企業(yè)，在2016年、2017年和2018年，汽車的下單量從100輛、600輛增長到2萬輛；2018年5月底，菜鳥發(fā)布了物流小車，表示要在三年內(nèi)投入10萬臺車；2018年6月，京東無人車總部項目落戶長沙，開展區(qū)域化試運營；2018年7月4日，百度和金龍合作的自動駕駛巴士宣布小批量量產(chǎn)……行業(yè)對激光雷達需求量不斷攀升。

2016年到2017年，各領(lǐng)域進入小批量路測階段。非高速開放場景進入小規(guī)模試運營準備，面對突如其來的需求，激光雷達市場進入短暫的供不應(yīng)求階段。非高速開放場景需要快速部署軟件算法與激光雷達硬件結(jié)合的環(huán)境感知解決方案，價格尚未確定是市場敏感的因素。另一方面，高速／復(fù)雜場景自動駕駛方案也進入小批量路測階段。

2017年到2018年，各領(lǐng)域自動駕駛方案基本進入小批量試運營準備，非高速開放場景應(yīng)用開始規(guī)模化試運營，市場需求開始發(fā)生改變：非高速開放場景追求激光雷達系統(tǒng)穩(wěn)定性、產(chǎn)能、性價比；高速復(fù)雜場景路測逐漸增加，對高線束激光雷達環(huán)境感知方案需求增加。

2019年到2020年，自動駕駛的低速封閉場景和開放場景應(yīng)用進入規(guī)模化試運營，在高速開放場景中的實驗更加流暢，準備進入自動駕駛批量化運營階段。激光雷達行業(yè)產(chǎn)品性能開始趨于統(tǒng)一，但市場對于產(chǎn)品價格、性能、系統(tǒng)穩(wěn)定性、可制造性等全方位要求明顯提高，市場競爭的內(nèi)容發(fā)生改變，全新一代革命性技術(shù)產(chǎn)品——固態(tài)激光雷達開始進入市場。

這一階段是激光雷達市場規(guī)模開始爆發(fā),激光雷達初創(chuàng)企業(yè)快速成長的時期。由于成立時間早，Velodyne憑借傳統(tǒng)機械式激光雷達，在市場中占據(jù)優(yōu)勢地位。同時，在這一階段前后，國內(nèi)外激光雷達企業(yè)紛紛成立，并快速成長為行業(yè)的核心力量。例如，2014年，成立于深圳的RoboSense(速騰聚創(chuàng))，憑借超過10年的科研積累，快速完成產(chǎn)研轉(zhuǎn)化， 2017年4月，在國內(nèi)率先量產(chǎn)車載16線激光雷達，同年9月,量產(chǎn)32線激光雷達，并正式發(fā)布基于激光雷達的自動駕駛環(huán)境感知AI算法，提供軟硬結(jié)合激光雷達環(huán)境感知解決方案，快速獲得大量市場份額。2017年10月, RoboSense(速騰聚創(chuàng))公布MEMS固態(tài)激光雷達,并于CES2018公開展示，一舉成為世界上為數(shù)不多掌握固態(tài)激光雷達核心專利技術(shù)的頂級玩家。

大規(guī)模商業(yè)化運營階段

2020年以后，自動駕駛將進入商業(yè)化運營階段，各自動駕駛服務(wù)運營方全面競爭，自動駕駛汽車私人消費市場逐漸爆發(fā)。

全球各大OEMs或者Tier 1的自動駕駛發(fā)展時間表，基本上都集中于計劃在2020年到2022年實現(xiàn)L3或者L4。而L5的實現(xiàn)則大有不同，大部分企業(yè)將實現(xiàn)L5的時間定在2025年，部分企業(yè)定在2022年，更有甚者選擇定在2030年。

在這一階段，各類型自動駕駛車輛將開始規(guī)模化量產(chǎn)，并投入各場景常規(guī)化運營，對激光雷達有車規(guī)級、易量產(chǎn)、高分辨率、低成本等嚴格要求。激光雷達需要向大規(guī)模量產(chǎn)、低成本以及高穩(wěn)定性方向發(fā)展。

實際上，距離這一階段到來的時間點已經(jīng)非常近了，目前，傳統(tǒng)激光雷達系統(tǒng)由于物理極限和成本高等因素限制，難以滿足這一階段的行業(yè)發(fā)展需求。因此,自動駕駛大規(guī)模商業(yè)化運營的實現(xiàn)中,有關(guān)環(huán)境感知的使命將會落到全新一代的固態(tài)激光雷達技術(shù)產(chǎn)品上。

固態(tài)激光雷達技術(shù)方案可分為MEMS、OPA與Flash三種。

MEMS（微機電系統(tǒng)）：利用MEMS微振鏡對激光進行精確控制，系統(tǒng)內(nèi)所有的機械部件都集成到單個MEMS芯片上，芯片利用半導(dǎo)體工藝生產(chǎn)。

OPA：相控陣，原理與相控陣Radar類似，采用多個光源組成陣列，通過控制各光源發(fā)光時間差，合成具有特定方向的主光束，主光束便可以實現(xiàn)對不同方向的掃描。

Flash：面陣方案，短時間內(nèi)直接發(fā)射出一大片覆蓋探測區(qū)域的激光，再以高度靈敏的接收器完成對環(huán)境周圍圖像的繪制。該技術(shù)發(fā)明和應(yīng)用的歷史比較長久，但是由于高功率問題限制了它的探測距離。

這三種革命性的方案都有基于自身技術(shù)原理帶來的不同優(yōu)缺點：同樣是芯片化方案，千元級別的MEMS方案和OPA相比,成本難以快速降到百元甚至十元級別，但是MEMS更容易實現(xiàn)遠距離探測，而OPA與Flash要達到200米的探測距離還有大量的工作要完成。

面對這場具有革命性技術(shù)加持的競爭，縱觀全球行業(yè)市場，新一代產(chǎn)品核心技術(shù)已經(jīng)被RoboSense、Innoviz、Quanergy等產(chǎn)業(yè)后起之秀所率先掌握，未來的市場將是多元化的。

目前，已經(jīng)完成固態(tài)激光雷達Demo的頂級激光雷達廠商，正在進行車規(guī)級測試認證、性能提升、量產(chǎn)準備等工作。

2018年5月，RoboSense推出的MEMS固態(tài)激光雷達RS-LiDAR-M1Pre已經(jīng)率先搭載到菜鳥無人駕駛物流車使用，成為首款在無人駕駛車輛上使用的固態(tài)激光雷達。我們希望在2020年，能夠?qū)EMS固態(tài)激光雷達的量產(chǎn)成本控制在200美元以內(nèi)。

激光雷達進入自動駕駛感知系統(tǒng)，成功推動了自動駕駛結(jié)束漫長的實驗探索期，進入快速發(fā)展的試運營期。自動駕駛的快速發(fā)展和行業(yè)需求，反向激發(fā)了激光雷達技術(shù)和產(chǎn)業(yè)的全面爆發(fā)。全新一代固態(tài)激光雷達產(chǎn)品方案的成熟和量產(chǎn)，將推動自動駕駛商業(yè)化運營的大規(guī)模普及。

激光雷達產(chǎn)業(yè)未來發(fā)展

激光雷達產(chǎn)業(yè)有三個主要發(fā)展方向：固態(tài)化、激光雷達與攝像頭底層融合、智能化。

第一，激光雷達固態(tài)化。面對即將到來的自動駕駛商業(yè)化運營的階段性市場，低成本車規(guī)級的固態(tài)激光雷達需要肩負起它的使命，行業(yè)對固態(tài)激光雷達的真正量產(chǎn)期待已久。激光雷達固態(tài)化后，將消除傳統(tǒng)機械式激光雷達中存在的物理限制，并且?guī)砀叻直媛省㈤L距離、車規(guī)級、易量產(chǎn)以及低成本等優(yōu)勢。

第二，激光雷達與攝像頭底層融合。兩者作為自動駕駛的核心傳感器,各自擁有獨特的優(yōu)勢，攝像頭可以獲取真實世界中豐富的二維彩色信息，激光雷達能夠獲取三維高精度空間信息。對于自動駕駛環(huán)境感知需求，一方面，如果僅依靠攝像頭獲取的二維圖像，感知的可靠性和探測的準確度都難以保證駕駛的安全性。另一方面，僅依靠激光雷達又很難對諸如交通路牌、紅綠燈等信息做出有效識別，以及對復(fù)雜障礙物進行精細化分類。通過底層深度融合LiDAR和攝像頭數(shù)據(jù)，可以發(fā)揮出更強大的感知能力。將二維彩色信息覆蓋到三維高精度空間數(shù)據(jù)上，獲得時空同步后的彩色點云數(shù)據(jù)，極大地提高了AI感知算法對目標物體的分割及分類探測距離、準確度、精細度，從而大幅提升自動駕駛車輛安全性。

第三，激光雷達智能感知系統(tǒng)。基于MEMS固態(tài)激光雷達、AI環(huán)境感知算法、激光雷達與攝像頭融合，多項前沿技術(shù)形成閉環(huán)達成了智能化激光雷達感知系統(tǒng)。通過AI算法對彩色數(shù)據(jù)進行預(yù)處理，有選擇性地對感興趣區(qū)域進行重復(fù)探測，能夠為自動駕駛帶來更遠的探測距離與更為準確的感知結(jié)果，有效降低中央數(shù)據(jù)處理單元的數(shù)據(jù)處理壓力，從而確保汽車迅速完成安全可靠的駕駛操作響應(yīng)。

總結(jié)

激光雷達推動了自動駕駛行業(yè)的迅速發(fā)展，加速了商業(yè)化進程，提供了高效快捷的物流運輸，更守護了人類安全可靠的出行。

可以說，自動駕駛完成商業(yè)化，將加速自動駕駛時代的到來。激光雷達產(chǎn)業(yè)和技術(shù)在迫切的市場需求下快速成長。未來，更先進的激光雷達產(chǎn)品和更成熟的產(chǎn)業(yè)鏈，又將通過精確、可靠、低成本的三維環(huán)境感知能力，加速機器人、無人機、安防監(jiān)控、智慧城市等人工智能產(chǎn)業(yè)商業(yè)化的進程，推動人類全面跨入人工智能時代。