2012 年底，Dirk Van Dijck 教授和連續(xù)創(chuàng)業(yè)者 Johan Van den Bossche 的注意力落在了一張谷歌自動(dòng)駕駛汽車(chē)的照片上。山景巨人的第一個(gè)原型剛剛在許多媒體上被披露為首頁(yè)。

在改裝后的豐田普銳斯車(chē)頂上，旋轉(zhuǎn)的 Velodyne LiDAR 使汽車(chē)能夠以 3D 方式查看周?chē)h(huán)境，為定位和定位算法以及其感知堆棧的第一層提供必要的數(shù)據(jù)。兩人開(kāi)始想象這輛車(chē)在汽車(chē)行業(yè)激烈競(jìng)爭(zhēng)的壓力下將如何發(fā)展。

運(yùn)輸中的挑戰(zhàn)之一一直是移動(dòng)人和物，以盡量減少移動(dòng)部件的數(shù)量。對(duì)于我 8 歲的孩子來(lái)說(shuō)，這個(gè)概念也很清楚，他希望遠(yuǎn)程交通取代汽車(chē)：噪音更小，污染更少，當(dāng)然更快。機(jī)械運(yùn)動(dòng)系統(tǒng)由許多部件組成，這些部件需要能量來(lái)加速質(zhì)量，并贏得摩擦和動(dòng)量，從而導(dǎo)致效率和可靠性的損失，從而導(dǎo)致總體成本增加。

在汽車(chē)系統(tǒng)的發(fā)展過(guò)程中，首先要優(yōu)化的元素通常是運(yùn)動(dòng)部件。我們有很多這樣的例子，比如自適應(yīng)前照燈，旨在更好地照亮轉(zhuǎn)彎并避免使用復(fù)雜的快門(mén)和云臺(tái)系統(tǒng)產(chǎn)生眩光，現(xiàn)在已被數(shù)千個(gè)固態(tài) LED 所取代。

在第一款 Google AV 中，完整的感知堆棧依賴(lài)于一個(gè)移動(dòng)元素：一個(gè)旋轉(zhuǎn)的激光雷達(dá)來(lái)掃描周?chē)h(huán)境。

許多其他創(chuàng)新者發(fā)現(xiàn)了第一款 AV LiDAR 的同樣弱點(diǎn)，并引發(fā)了對(duì)改進(jìn) LiDAR 方法的戲劇性探索，并催生了數(shù)十家初創(chuàng)公司。許多人看到了機(jī)會(huì)，許多人選擇了應(yīng)用漸進(jìn)式創(chuàng)新的方式，專(zhuān)注于掃描原理、減少質(zhì)量、小型化組件（例如引入 MEMS（微機(jī)電系統(tǒng)），同時(shí)提高性能。

這位教授和企業(yè)家在簡(jiǎn)歷上都擁有大量專(zhuān)利、技術(shù)初創(chuàng)企業(yè)和成功案例，他們選擇了不同的道路，因?yàn)樗麄冎谰哂懈邼摿Φ膭?chuàng)新往往伴隨著重大決策。如果掃描的弱點(diǎn)是運(yùn)動(dòng)，為什么不完全消除掃描的需要呢？為什么不一次發(fā)射數(shù)千個(gè)激光束，而不是使用幾個(gè)旋轉(zhuǎn)激光呢？真正固態(tài)激光雷達(dá)的想法與第一家開(kāi)發(fā)它的激光雷達(dá)公司 XenomatiX 一起誕生。那是 2013 年。

真固態(tài)激光雷達(dá)

“固態(tài)”定義已被用于對(duì)不同類(lèi)型的 LiDAR 進(jìn)行分類(lèi)，這在 LiDAR 社區(qū)內(nèi)也引起了一些混淆。固態(tài)可以描述激光源和檢測(cè)器的類(lèi)型，例如，當(dāng)使用半導(dǎo)體時(shí)。盡管依靠移動(dòng)微元件來(lái)改變激光方向，但基于 MEMS 的激光雷達(dá)通常被認(rèn)為屬于這一類(lèi)。固態(tài)系統(tǒng)是否意味著沒(méi)有運(yùn)動(dòng)部件？此外，Aurora、英特爾和 Aeva 等大公司最近采用的 FMCW 技術(shù)假裝是固態(tài)的。顯然，當(dāng)仍然需要掃描機(jī)制來(lái)控制激光波時(shí)，這是不正確的。一些使用 OPA（光學(xué)相控陣）的 FMCW LiDAR 的技術(shù)準(zhǔn)備程度非常低，還有許多技術(shù)方面需要解決。與原來(lái)的 Velodyne LiDAR 相比，

由于需要區(qū)分其技術(shù)，XenomatiX 引入了“True”屬性來(lái)識(shí)別在各個(gè)方面都符合定義的固態(tài) LiDAR 系統(tǒng)：XenomatiX 技術(shù)是真正的固態(tài)，因?yàn)樗怯苫诎雽?dǎo)體的激光源制成的，并且檢測(cè)器，因?yàn)樗鼰o(wú)需掃描或移動(dòng)組件即可實(shí)現(xiàn)，提供可靠的大規(guī)模生產(chǎn)所需的簡(jiǎn)單性和可擴(kuò)展性。

最近，越來(lái)越多的玩家采用了這種方法。帶有數(shù)字 LiDAR 的 Ibeo 和帶有全固態(tài) LiDAR 的 Ouster 都承諾解決方案很快準(zhǔn)備好進(jìn)行大規(guī)模生產(chǎn)。Apple 正在 iPad 激光雷達(dá)中使用這種方法。

原始設(shè)備制造商對(duì)真正的固態(tài)感興趣。2017 年，通用汽車(chē)獲得了一項(xiàng)專(zhuān)利，描述了模塊化 LiDAR，沒(méi)有移動(dòng)部件，集成并分布在車(chē)輛周?chē)哂?360° 覆蓋范圍。

最近，長(zhǎng)城汽車(chē)宣布與 Ibeo 建立合作伙伴關(guān)系。

Marelli 于 2020 年與 XenomatiX 啟動(dòng)了一個(gè)聯(lián)合開(kāi)發(fā)項(xiàng)目。

對(duì)于 Dirk Van Dijck 和 Johan Van den Bossche 來(lái)說(shuō)，這些事實(shí)證實(shí)了他們自 2012 年以來(lái)的愿景。

多波束

真固態(tài)的一個(gè)特點(diǎn)是用成千上萬(wàn)的光束照亮場(chǎng)景，將相干光聚焦在離散的點(diǎn)上，這些點(diǎn)同時(shí)測(cè)量并轉(zhuǎn)換成點(diǎn)云。這種多光束技術(shù)也不同于閃光激光雷達(dá)。與真正的固態(tài)激光雷達(dá)一樣，傳統(tǒng)的閃光激光雷達(dá)也不使用機(jī)械部件來(lái)逐步照亮場(chǎng)景。相反，他們使用鏡頭將光線(xiàn)散布在整個(gè)場(chǎng)景中。閃光 LiDAR 不僅照亮觀察到的目標(biāo)，還照亮未測(cè)量的點(diǎn)，失去了達(dá)到中遠(yuǎn)距離所需的光學(xué)效率。Flash LiDAR 主要用于需要最大 20 到 50 米范圍的應(yīng)用。多光束方法解決了這一限制，僅將發(fā)射的光子集中在將要測(cè)量的點(diǎn)，確保高分辨率，并達(dá)到高速公路所需的遠(yuǎn)距離。達(dá)到更遠(yuǎn)距離的唯一限制是由眼睛安全法規(guī)規(guī)定的。對(duì)于不需要激光 1 類(lèi)分類(lèi)的應(yīng)用，多光束可以在 500m 及以上有效。

發(fā)射器 – VCSEL

多光束可以從毫米尺寸的芯片產(chǎn)生，其中數(shù)千個(gè) VCSEL（垂直腔面發(fā)射激光器）發(fā)射器被封裝成陣列。VCSEL 陣列以短脈沖發(fā)射具有高光功率的垂直于半導(dǎo)體表面的激光束，不會(huì)過(guò)熱且需要有限的電力。一個(gè) 20,000 到 40,000 個(gè)激光器的 VCSEL 陣列需要幾瓦，這與單個(gè)汽車(chē) LED 近光燈的消耗量大致相同，并且比鹵素?zé)羯?5 倍。

VCSEL 技術(shù)和性能在過(guò)去幾年中呈指數(shù)級(jí)提高，這得益于在光通信中用作光纖上的信號(hào)發(fā)生器；這種進(jìn)步在汽車(chē)和消費(fèi)激光雷達(dá)領(lǐng)域得到了直接應(yīng)用。

探測(cè)器

探測(cè)器是激光雷達(dá)技術(shù)最關(guān)鍵的組件，因?yàn)樗鼈冃枰哽`敏度、大動(dòng)態(tài)范圍和高分辨率。旋轉(zhuǎn)、機(jī)械和固態(tài)激光雷達(dá)主要基于雪崩光電二極管 (APD) 或單光子雪崩光電二極管 (SPAD)。這種傳感器一旦被光擊中，就會(huì)產(chǎn)生高增益電流，可以對(duì)其進(jìn)行測(cè)量和后處理，以直接或間接計(jì)算激光脈沖在目標(biāo)上反彈的飛行時(shí)間，從而揭示其距離。

在激光雷達(dá)探測(cè)器的背景下，XenomatiX 采用了完全不同的方法。汽車(chē)對(duì)于滿(mǎn)足大批量生產(chǎn)和較長(zhǎng)的車(chē)輛壽命有非常嚴(yán)格的要求。Dirk Van Dijck 和 Johan Van den Bossche 設(shè)定了使用經(jīng)過(guò)驗(yàn)證且具有成本效益的技術(shù)設(shè)計(jì) LiDAR 系統(tǒng)的目標(biāo)。標(biāo)準(zhǔn)相機(jī) CMOS 具有與汽車(chē)相關(guān)的所有特性。兩人找到了一種在創(chuàng)新像素設(shè)計(jì)中實(shí)施飛行時(shí)間測(cè)量的方法，創(chuàng)建了基于 CMOS 的 APS（有源像素傳感器）。與智能算法一起，像素對(duì)光子進(jìn)行計(jì)數(shù)，減去背景噪聲，并計(jì)算到目標(biāo)的距離。百萬(wàn)像素 APS 每幀可捕獲 36,000 個(gè) 3D 點(diǎn)，是 SPAD CMOS 的兩倍多。

第一個(gè)重要結(jié)果是點(diǎn)云以全局快門(mén)模式捕獲，消除了圖像失真的風(fēng)險(xiǎn)。傳統(tǒng)的中遠(yuǎn)程激光雷達(dá)需要重建 3D 圖像，因?yàn)樗鼈冊(cè)诓煌臅r(shí)刻捕獲每個(gè)點(diǎn)。使用掃描方法，圖像不是在同一時(shí)刻捕獲，而是自上而下或從左到右捕獲，從而形成滾動(dòng)快門(mén)模式。卷簾快門(mén)可能會(huì)導(dǎo)致速度非常快的目標(biāo)（例如高速公路上的車(chē)輛）的形狀變形。卷簾快門(mén)是在照片中使直升機(jī)的葉片變形而形成彎曲形狀的效果。發(fā)生這種情況是因?yàn)楫?dāng)傳感器捕獲轉(zhuǎn)子的中心時(shí)，葉片的尖端正在移開(kāi)。與滾動(dòng)快門(mén)相反，全局快門(mén)在同一實(shí)例中捕獲完整圖像。

這種革命性方法的第二個(gè)結(jié)果是固有的傳感器融合。當(dāng) APS CMOS 不用于采集 3D 點(diǎn)云時(shí)，在激光脈沖之間，它可以像標(biāo)準(zhǔn)相機(jī)一樣采集 2D 圖像。用于計(jì)算對(duì)象位置的同一像素也用于捕獲此類(lèi)對(duì)象的圖像。相機(jī)和激光雷達(dá)現(xiàn)在在物理上和本質(zhì)上融合在一起。讓系統(tǒng)和軟件開(kāi)發(fā)人員松了一口氣，APS CMOS 允許跳過(guò)繁重的傳感器融合過(guò)程，并消除了兩種數(shù)據(jù)中的一種的視差錯(cuò)誤或盲點(diǎn)的任何可能性。自治系統(tǒng)開(kāi)發(fā)人員現(xiàn)在可以從同一個(gè)成像儀獲得高分辨率圖像和點(diǎn)云，從而大大簡(jiǎn)化了感知環(huán)境所需的硬件和軟件。

APS CMOS 帶來(lái)的第三個(gè)優(yōu)勢(shì)是對(duì)干擾和其他 LiDAR 信號(hào)的魯棒性。每個(gè)檢測(cè)激光并計(jì)算目標(biāo)距離的像素都經(jīng)過(guò)校準(zhǔn)，以?xún)H識(shí)別特定發(fā)射器的信號(hào)及其在空間中的獨(dú)特位置。如果一個(gè)像素被其他激光雷達(dá)或來(lái)自不同方向的信號(hào)照射，同時(shí)比較來(lái)自周?chē)袼氐?a target="_blank">信息，它可以識(shí)別干擾，并丟棄測(cè)量。

多光束激光雷達(dá)需要最少數(shù)量的組件。借助兩個(gè)鏡頭、PCBA 上的兩個(gè)芯片和一個(gè)外殼，這些傳感器提供的材料清單可與同等價(jià)格范圍內(nèi)的立體相機(jī)相媲美。使用立體相機(jī)的相同裝配線(xiàn)和校準(zhǔn)工具，可以輕松擴(kuò)大生產(chǎn)規(guī)模。使用現(xiàn)有的芯片技術(shù)和組裝概念使 XenomatiX 能夠建立并依賴(lài)成熟的供應(yīng)商生態(tài)系統(tǒng)，并將單位成本預(yù)測(cè)在 100 美元范圍內(nèi)，這使得 LiDAR 技術(shù)不僅適用于豪華車(chē)。

4D人工智能

用于計(jì)算點(diǎn)云的 APS CMOS 還可以捕獲對(duì)象反射率和 2D 圖像。

用于物體檢測(cè)和分類(lèi)的標(biāo)準(zhǔn) AI 方法要么基于從 2D 相機(jī)圖像分析的形狀和顏色，要么基于最近由 LiDAR 或立體相機(jī) 3D 點(diǎn)云捕獲的幾何信息。最復(fù)雜的算法結(jié)合了兩種方法，比較和驗(yàn)證兩個(gè)系統(tǒng)在所謂的傳感器融合中獲得的結(jié)果。

真正的固態(tài) LiDAR 可以改為運(yùn)行AI 算法基于 3D 幾何信息以及此類(lèi)傳感器捕獲的物體表面反射率。使用純幾何信息的 3D-AI 需要高分辨率和精度來(lái)區(qū)分非常接近的物體，例如，計(jì)算擁擠空間中的人數(shù)。這是因?yàn)槿斯ぶ悄鼙挥?xùn)練來(lái)識(shí)別物體的形狀和尺寸，當(dāng)兩個(gè)物體重疊時(shí)，它們的形狀就會(huì)變得混亂。添加與表面屬性相關(guān)的信息使算法能夠使用形狀內(nèi)的特征（例如面部與軀干）進(jìn)行訓(xùn)練，并使用這些特征來(lái)區(qū)分和計(jì)算人群中的人數(shù)。使用幾何和反射率的人工智能稱(chēng)為 4D AI。因?yàn)樗蕾?lài)于對(duì)外部照明條件不敏感的激光雷達(dá)捕獲的數(shù)據(jù)，

?

可集成性/模塊化

但是，這些吸引汽車(chē)行業(yè)興趣的優(yōu)勢(shì)的實(shí)際應(yīng)用是什么？交通運(yùn)輸領(lǐng)域不可忽視的兩個(gè)先決條件是由空氣動(dòng)力學(xué)驅(qū)動(dòng)的風(fēng)格和效率。這種風(fēng)格一直是汽車(chē)的中心舞臺(tái)。多年來(lái)，燃油效率和空氣動(dòng)力學(xué)一直很突出。不再局限于跑車(chē)，這一方面在汽車(chē)領(lǐng)域進(jìn)行了優(yōu)化，特別是在電動(dòng)汽車(chē)中，以增加續(xù)航里程和 EPA 評(píng)級(jí)。

AV 或 ADAS 傳感器堆棧必須被成熟的 OEM 造型和空氣動(dòng)力學(xué)部門(mén)所接受。因此，傳感器集成是絕對(duì)必要的。在這一點(diǎn)上，掃描系統(tǒng)表現(xiàn)出一些弱點(diǎn)。此類(lèi)設(shè)備依賴(lài)于昂貴的組件和復(fù)雜的架構(gòu)，只有當(dāng)它們能夠覆蓋大視野時(shí)才會(huì)變得具有成本效益。另一方面，大視野需要廣闊的視野和消除任何可能的“死角”。不幸的是，這與當(dāng)今車(chē)輛的形狀完全不相容——根據(jù)車(chē)展上的趨勢(shì)，在可預(yù)見(jiàn)的未來(lái)似乎也是如此。特斯拉采用了一種解決方案，將攝像頭隱藏和集成在車(chē)輛周?chē)燥L(fēng)格和空氣動(dòng)力學(xué)驅(qū)動(dòng)攝像頭位置，反之亦然。

查看通用汽車(chē)的專(zhuān)利，我們計(jì)算每側(cè) 10 個(gè) LiDAR 或 20 個(gè)完整的 360 度。考慮到完整 LiDAR 套件的 2000 美元目標(biāo)成本，每個(gè)傳感器 100 美元成為實(shí)現(xiàn)更高級(jí)別自主性的必要推動(dòng)因素。由于 Dirk Van Dijck 和 Johan Van den Bossche 于 2012 年開(kāi)始的創(chuàng)業(yè)冒險(xiǎn)，多光束真固態(tài) LiDAR 可以實(shí)現(xiàn)如此嚴(yán)格的限制。

?

?

參考

US9831630B2；2015-08-06 ; 通用汽車(chē)全球技術(shù)運(yùn)營(yíng)有限責(zé)任公司；“用于汽車(chē)的低成本小尺寸激光雷達(dá)”

作者：XenomatiX 北美銷(xiāo)售和業(yè)務(wù)發(fā)展經(jīng)理 Jacopo Alaimo 和首席執(zhí)行官 Filip Geuens

審核編輯 黃昊宇