【EV视界技术解析】“傻子才用激光雷达！就像人身上长了一堆阑尾一样无用！”
有一天，“钢铁侠”马斯克说了这样一席话：
当他公开说出这句话的时候，我们所认知的自动驾驶领域就被分为了视觉摄像头派和激光雷达派两种。当然，且不说马斯克的激光雷达无用论是否准确，但是激光雷达确实已成为现在各个车企发展的重点，前不久的2021广州车展就是一个很好的例子，大量的激光雷达被装配在一些新车之上。所以看来，激光雷达已经成为各大车企实现高级自动驾驶的重要一环。那么，它真如马斯克嘴里说的那么“无用”吗？
初识激光雷达
激光雷达英文为Lidar（Light Detection and Ranging），是以激光为载体进行测距和探测的传感器。而它也属于雷达的一种，但有别于我们常见的毫米波雷达和超声波雷达，激光雷达是采用激光束来进行探测。
早在激光雷达推出以前，主流的车企辅助驾驶都采用了以毫米波雷达和摄像头为核心的感知机构。首先，毫米波雷达是一种用天线发射毫米波作为放射波的雷达传感器，通过处理目标反射信号获取汽车与其他物体相对距离、相对速度、角度及运动方向等物理环境信息。不过，毫米波雷达只能简单地获取前方是否有障碍物，但无法对障碍物的类别进行精准的识别，而这就会造成“幽灵刹车”的现象发生。
一般来说，传统的毫米波雷达会因为系统算法的问题，自动过滤掉静止物体，但是不同的硬件和系统方案，过滤的程度不太一样，这也是“幽灵刹车”的来源。比如，对不具备危险的障碍物过滤得太少，当路上的一些金属碎片产生反射时，就会出现类似的紧急刹车，因此路上的路牌、高速摄像头的龙门架、两侧的护栏、甚至路上的一个金属瓶子等等，诸如此类可以反射回波的物体都会被毫米波雷达识别为障碍物，因此导致在车辆开启自动驾驶的时候，系统自动对车辆采取减速、误刹的现象。
错把路牌当车辆的“幽灵刹车”（图片源于网络）
而车载摄像头作为辅助驾驶的必备传感器之一，其能够感知车辆周围的情况并实现前向碰撞预警、车道偏离预警、行人检测、自动泊车等自动驾驶功能，实现驾驶安全性的提升。另外，车载摄像头也会因为其设置的位置不同，拥有一定的需求特性及应用场景，是一个非常系统的存在。其中，对于环视和后视，一般采用135度以上的广角镜头，探测距离在10米以内，前置摄像头对视距要求更大，一般采用40-70度的视角范围，视距要求一般在120米以上，双目摄像头视距一般小于单目。
不过，摄像头作为车载传感器也存在一些不足，包括识别精度较低，容易受强光、雨幕、大雾等恶劣天气影响等。现阶段单独依靠摄像头识别，无法满足自动驾驶对环境感知需求。所以激光雷达的优势，就被体现在对物体识别低误差这里。
开天辟地的激光雷达
激光，它最初的中文名叫做“镭射”、“莱塞”，是它的英文名称LASER的音译，是取自英文Light Amplification by Stimulated Emission of Radiation的各单词头一个字母组成的缩写词。意思是“通过受激辐射光扩大”。之后，我国两弹一星的元勋钱学森院士把它改为了现在我们所称的激光（光受激辐射）。
其实早在1916年，爱因斯坦就发现了激光的原理，但44年后的1960年7月，美国休斯实验室的西奥多·梅曼，发明了人类历史上第一台激光器。为了达到“燃烧”所需要的条件，他用高强闪光灯管来激发红宝石，最终促成了真正意义上的激光。而就在它“出道”的第二年，也就是1961年，科学家们就提出了激光雷达的设想。
西奥多·梅曼
因为激光的指向性非常的强，并且融合了光垂直的物理特性，因此作为测距工具再好不过。1967年7月，美国人进行了第一次载人登月飞行，就在月球上安装了一个发射装置用于测算地球和月球的距离。
按在月球上的激光反射镜
1969年7月21日，乘坐“阿波罗11号”登月的宇航员尼尔·阿姆斯特郎和巴兹·奥尔德林在月球上的“宁静海”登陆后，将月球激光反射镜留在了月球上，而在20世纪60年代末70年代初，人类送上月球的“隅角镜”（月球激光反射镜）共有5面。其作用可以让地球上的天文学家向它发射激光，并捕捉到反射回来的光束。
不过，真正将激光雷达作为民用量产传感器来使用的，是在一个扫地机器人之上。
2002年，美国的军用机器人公司iRobot尝试将机器人技术与扫地功能相结合，其首款量产的扫地机器人Roomba 400就这么出现了。一经投入市场之后即大受欢迎，当年就销售出去将近10万台。但是，在当时的机器人由于感知设备不完善，所以在工作状态时产生出“走位不准”的现象。于是，在2010年，另一家名为Neato的公司把激光雷达安在了扫地机器人上面，推出了Neato XV-11。
它通过一个可以360度旋转的激光发射装置，实时对地面障碍物进行测距来完成地面建模，之后在配合SLAM（simultaneous localization and mapping，同步定位与建图）算法，可以实现对地面的“全局规划式”清扫。可以说这个革命性的配备，正式拉开了扫地机器人普及。
其实明眼人一下子就能看出，这个扫地机器人就是一个低配版的自动驾驶，那既然扫地机器人吃了“螃蟹”，那自动驾驶汽车是不是也可以配个激光雷达呢？20世纪80年代末，美国卡内基梅隆大学（Carnegie Mellon University）由一辆雪佛兰厢式货车改造成了世界上第一辆自动驾驶车辆Navlab 1，它安装了激光雷达和 GPS 接收器。货车内部则看上去有些像电视台的监视车，堆满了监控路况和控制空调机组的电脑，其中包括了一个Warp 超级计算机、3个SUN 工作站以及视频硬件等。
Navlab 1
不过由于当时技术的限制，支配这款车自动驾驶的设备非常的庞大，包含摄像机、激光测距仪，20千瓦的车载电源，Wrap超级计算机和几台Sun 3和4工作站，陀螺仪，惯性导航系统以及卫星定位系统等，并且还搭载了几个英特尔386实时处理器，用于处理传感器信息和生成车辆运动指令。可以说这辆车是带了一个“计算机房”参与工作，几乎占满了车厢的空间。
Navlab 1内部
在之后的十几年中，随着技术的不断发展，一些更为接近实用的自动驾驶车辆被相应推出，直到2014年，自动驾驶车辆开始步入正轨，而激光雷达也逐渐的迎来了新一轮的发展。
认知激光雷达
那么，激光雷达究竟是什么呢？那我们就先从它的原理说起。
一般在家庭装修的时候，设计师要测量屋内的尺寸面积时，往往会拿着一个激光测距仪来进行探测，比如这个：
其实激光雷达的原理也和其相像，可以看做是拿多个激光测距仪工作，再比如这个：
细致来讲，激光雷达通过测量激光信号的时间差和相位差来确定距离，并利用多谱勒成像技术绘制出目标清晰的3D图像。激光雷达通过发射和接收激光束，分析激光遇到目标对象后的折返时间，计算出到目标对象的相对距离，并利用此过程中收集到的目标对象表面大量密集的点的三维坐标、反射率和纹理等信息，快速得到出被测目标的三维模型以及线、面、体等各种相关数据，建立三维点云图，绘制出环境地图，以达到环境感知的目的。
由于光速非常快，飞行时间可能非常短，因此要求测量设备具备非常高的精度。从效果上来讲，激光雷达维度（线束）越多，测量精度越高，安全性就越高。
利用能探测到单光子的超高速摄像机，科学家首次捕捉到了激光在空气中飞行的画面（图片源于网络）
在系统结构上，激光雷达 = 激光发射+激光接收+信息处理+扫描系统。这些机构各司其职，共同辅佐来完成整个探测的工作。
具体来看，首先激光发射系统中激励源周期性地驱动激光器，发射激光脉冲，激光调制器通过光束控制器控制发射激光的方向和线数，最后通过发射光学系统，将激光发射至目标物体。而这需要扫描系统的支持，以稳定地转速旋转起来实现对所在平面的扫描，并产生实时的平面图信息。
之后，激光接收系统的光电探测器接受目标物体反射回来的激光，便会产生接收信号传输到信息处理系统将信号放大处理和数模转换，在由信息处理模块计算，获取目标表面形态、物理属性等特性，最终建立物体模型。
作为“非专业小白”的我们，在面对市场上琳琅满目的激光雷达产品，该怎么去认知性能的好坏呢？一般来讲，激光雷达注重的参数很多，包括激光的波长、探测距离、FOV(垂直+水平)、测距精度、角分辨率、出点数、线束、安全等级、输出参数、IP防护等级、功率、供电电压、激光发射方式(机械/固态)、使用寿命等。
但是作为我们，只要专注想数即可。那他们又分别是什么呢？我们来一个一个说。
激光波长
波长是指波在一个振动周期内传播的距离，激光的波长越大，其绕射的能力就越强，对于远处的不规则物体的识别就越清晰。目前在市面上所搭载的激光雷达波长分为905nm和1550 nm两种。其中，波长为 905nm 的激光雷达采用硅基光电探测器为发射源，且具有成本较低和技术成熟的优势。不过它也有缺点，就是905nm激光源对于人眼有一定伤害。虽然它属于不可见光源，但是在一定的能量下，该波长的激光照射人类眼球时，会灼伤视网膜，所以在被用作激光雷达发射源时要降低功率，因此其抗天气干扰能力却偏弱，对雨雾的穿透力不足。
而1550 nm激光雷达采用铟镓砷(InGaAs)近红外探测器为发射源，它的激光远离人眼吸收的可见光光谱，相比于905 nm激光, 同等功率的1550 nm激光人眼安全性提高40倍，具有较高的安全性。因此完全可以全功率运行，在对于极端天气环境有着较高的穿透性（1550nm的透过率为0.65，905nm的透过率仅为约0.51）。不过，它的缺点也很明显，就是整体的价位要高于905nm激光雷达，并系统的体积尺寸也高于前者，因此无法安装在车头位置，只能安装在车顶之上。
探测距离
激光雷达的测距与目标的反射率相关，反射率就是射到目标物的激光能够被反射回来的比率，目标反射率越高，雷达能够检测到的有效回波就越多，所以能测量的距离越远。 所以在激光雷达产品的参数表中，200m@10%反射率的意思就是激光束在200m的距离中能够识别最低 10%光线反射率的物体（白纸），所以如果一家激光雷达厂商在发布产品的时候，只提最远探测距离而不提小于10%的反射率，那绝对是不负责任的行为。
测距精度
这里是指探测距离的精确度，一般以厘米计，探测精度越高，3D景深刻画的越准。
一般来说，激光雷达的距离探测原理有两种，一种是三角测距法，另一个就是TOF测距法。
首先，三角测距法的原理是：当激光源发射出的激光信号以一定的入射角照射到了一个物体表面之后，产生了一个反射的现象。而反射出来的光斑经过了一个光学透镜后成像在CCD传感器上。而当要被测量的物体沿激光方向发生移动时，CCD上的光斑就会产生移动，并通过光斑移动距离来计算出被测物体与基线的距离值。所以，整体的测量需要由入射光、反射光构成一个三角形来算出目标物体与雷达的距离值、相对方位角度值。
而TOF测距法就是激光器在发射一个激光脉冲的同时，由计时器来记录下发出的时间，回返光由接收器接收并距离下时间，两个时间相减，得到“飞行时间”，再由光速计算出距离。
两者虽然都是根据光的传播来确定目标的距离，但三角雷达只有在近距离的时候其精度最高，如果探测远距离目标后，随着探测距离原来越远，目标图像在CCD传感器上的位置差和角度也越来越小，当测量值超过某一距离后，CCD几乎无法分辨，因此不适合远距离测量。而TOF采用脉冲激光采样，依赖飞行时间，时间精度并不会随着长度增加而变化，同时TOF能严格控制视场以减少环境光的影响。相比三角测距法，TOF雷达可以测量的距离更远，并且可以在长距离范围内保持较高精度。
激光线束
在我们去了解激光雷达的时候，往往听的最多参数就是这个款激光雷达是多少线束的，那么线束的多少与其关系究竟是什么呢？
一般来说，激光雷达分为单线和多线两种，而多线还可以继续细分4线、8线、16线、32线、64线、128线。其实，这里的线束所指的是激光雷达所发射出的激光信号，而单线激光雷达只能进行平行扫射探索而不能垂直扫射探索，因此虽然在扫描速度和分别率上有着不错的表现，但由于无法测量物体的高度，因此在使用上有很大的局限性，因此只能用于伺服机器人上使用，也就是扫地机器人之上等。
几个品牌之间的50米外照射人身线束对比（图片源于网络）
多线激光雷达，顾名思义，它可以发射出多条激光信号，可以有效地测量出物体的高度轮廓等，并且线束越多，测量的出轮廓的精度就越高，当然，处理的数据量越大，对硬件要求也就越高，价格自然也就越贵。
FOV(垂直+水平)
这个指标如果用大白话说就是激光雷达的探索视野大小，我们常见的那种在车辆头顶360度旋转的激光雷达，它的水平FOV是360度。而固态激光雷达的水平FOV会小一些，其中120度已经算是大视角了，因此水平FOV越大，能够探测的范围越广。而垂直的FOV一般在多线雷达上可以被体现，它所指的是最上面一束激光和最下面一束激光形成的夹角。而大部分的激光雷达的垂直FOV都会将视野偏下靠地面一些，度过水平为0度，那么上15度，向下25度，这样垂直FOV就是40度。这样做最大的原因就是可以让雷达探测到更多的地面车辆和行人目标，以保证行驶中扫描的精确性。
角分辨率
激光雷达输出的图像也被称为“点云”图像，相邻两个点之间的夹角就是角分辨率，一般来说角分辨率分为两种，一个是垂直分辨率，另一个是水平分辨率。其中，水平方向上做到高分辨率其实不难，因为水平方向上是由电机带动的，所以水平分辨率可以做得很高。一般可以做到0.01度级别。垂直分辨率是与发射器几何大小相关，也与其排布有关系，就是相邻两个发射器间隔做得越小，垂直分辨率也就会越小，垂直分辨率为0.1~1度的级别。另外，由于激光雷达的采样率是一定的，因此帧率越高，角分辨率越低；帧率越低，角分辨率越高。
比如上图的这款激光雷达的最小角分辨率0.08°对应的是帧率10Hz的条件下，当帧率设置为20Hz时，角分辨率自动变成0.16°。采样率表示激光雷达每秒钟进行有效采集的次数，可直观理解为一秒内产生的点云数目。采样率可以通过角分辨率和帧率计算：角分辨率0.08°时，每一帧的点云数目：360°/0.08°= 4500；每秒10帧，则每秒的点云数目：4500×10=45000；所以PAVO的采样率为45kHz。
出点数
这个就好理解了，它就是每秒激光雷达发射的激光点数。激光雷达的点数一般从几万点至几十万点每秒左右。比如，一个性能为64线，水平FOV是120°，水平分辨率在10Hz的扫描频率下是0.2°的情况下，其换算等于：激光单次可以打出64点，扫描一次120°能打出64x120/0.2=38400，1秒扫描10次，一共有384000 pts/s。所以出点数越多，扫描的效果越好。
除了以上几点，激光雷达还要注重的，就是对深色物体检出率和对环境光抗干扰能力。
深色物体检出率
在我们生活的这个世界中，万物的颜色五彩斑斓，但这其中的深色物会吸收大部分的光能（如：被涂黑的自制太阳能热水器），因此激光雷达的激光信号打在白色物体与深色物体的检出率是截然不同的，何况现在生活中大部分的物体都是以深色为主，因此激光雷达对深色物体的检出率非常重要。
目前，市场上所销售的激光雷达都是以90%反光率的白纸（漫反射物体）作为测试参考基准，但对于深色数据的有效检出也同样是一个重要的性能指标。起码正常情况下一款号称有10米以上的激光雷达，至少能实现6米以上的深色物体的有效检测才可以。
环境光抗干扰能力
除了对深色物体的探测外，环境光也会对激光雷达的探测产生影响，这其中就包括了太阳光或者室内的灯光等，它们都会对雷达传感器产生影响而产生噪点，并且也会导致雷达的有效测量距离变短或者完全无法进行距离测量。所以能否区分环境光，这对激光雷达的调教与系统和算法有着很高的要求。
激光雷达受到反射高光形成的“鬼影”现象（图片源于网络）
探知激光雷达的类别
以上说得只是激光雷达的工作方式，如果按照扫描方式的不同，它又可以分为旋转机械式激光雷达、混合半固态雷达和全固态雷达。
机械式激光雷达
机械式激光雷达一般都采用了360度旋转式扫描方式，可以对四周的环境进行物理旋转3D扫描，以此形成全面的覆盖形成点云。
不过它也有缺点，首先高频的转动和复杂的机械结构致使其平均的失效时间仅1000-3000小时，难以达到车规级设备最低13000小时的要求。并且机械式激光雷达的放置位置要放在车辆的最高点，所以不仅占地太高，还需对车辆的顶部进行加固改造，对车辆的重心安全带来了影响，另外制约它最重要的一点就是——贵！八万起，还必须是美刀。
纯固态激光雷达
纯固态激光雷达相比于前边提到的机械式结构雷达而言，由于没有了复杂的旋转机构，因此在产品耐久度有巨大的提升，并且整体设备的体积大小也被有效的压缩。目前市面上常见的固态雷达分为OPA光学相控阵和Flash闪光两种。
OPA（Optical Phased Array）光学相控阵激光雷达
在提到这个形式的激光雷达前，我们先来了解一下什么叫相阵控。
在我们生活中最常见的例子就是水波。比如：在一个方形的池子中，两处因震动而产生的两处水波会在交汇的地方产生相互叠加现象。如果有的方向两列波互相增强，有的方向则正好抵消，就可以轻易地控制水波的方向了。
所以如果基于这个现象，将采用多个光源组成阵列，通过控制各光源发射的时间差，就能合成角度灵活，且精密可控的主光束，这就是相控阵的原理。现实中，常见运用该原理的设备就是军事上常用的相阵控雷达了。通过控制相控阵雷达平面阵列各个阵元的电流相位，利用相位差可以让不同的位置的波源会产生干涉，从而指向特定的方向。往复控制相位差便可以实现扫描的效果。
常见的军用相阵控雷达如美国安放在“阿利·伯克级”驱逐舰上的AN/SPY-1D“宙斯盾”相阵控雷达和我国052C导弹驱逐舰上配置的346“海之星”相阵控雷达。
“阿利·伯克级”驱逐舰上的AN/SPY-1D“宙斯盾”相阵控雷达
我国052C导弹驱逐舰上配置的346“海之星”相阵控雷达
在激光雷达上，也同样利用了相位差控制干涉让激光“转向”特定的角度，往复控制实现扫描效果，而这被称之为光波导阵列。
光波导阵列通过加电方式来实现光束扫描，利用光波导电光效应，对波导芯层加载电压，使每个波导芯层具有不同的附加折射率，波束得以在波导阵元输出截面光场具有不同的附加相位差，相位差按一定规律分布可引起输出光速的偏转。通过相位差按照一定规律分布输出，从而实现光束的扫描。
不过，这款雷达在数据上虽好，但是在工艺上有着极高的要求。首先，阵列单元尺寸必需不大于半个波长，因此每个器件尺寸仅500nm左右，对材料和工艺的要求都极为苛刻，因此成本也相应的居高不下，所以再市场的运用上不是很高。
Flash闪光激光雷达
Flash闪光激光雷达的原理是短时间向前方发射大面积覆盖的激光，就好比连续打开的手电筒，通过高度灵敏的接收器实现对环境周围图像的绘制。Flash激光雷达的原理类似于拍照，但最终生成的数据包含了深度等3D数据，而它也是目前纯固态激光雷达最主流的技术方案。
不过，由于是在短时间内发射大面积激光，因此在探测距离上有了一定限制，基本应在低速无人车之上。
混合固态雷达
如果将机械雷达与固态雷达的特点稍微结合一下的话，混合式固态雷达是一个不错的选择。因为该雷达在成本、体积等方面更容易得到控制。目前市面上常见的混合固态雷达为MEMS振镜、转镜、棱镜模式。
MEMS（Micro-Electro-Mechanical System）振镜激光雷达
MEMS振镜激光雷达是采用控制一个微小的镜面扭转角度来实现扫描，而激光发射器不会移动，那它具体的原理是什么呢？
MEMS指微机电系统（Micro-Electro-Mechanical System），它可以被看做一个缩小的机械转镜。根据驱动分类，它可以分为电热驱动、静电驱动、电磁驱动 和压电驱动四种方式。并可以平动和扭转（x、y两个方向）两种机械运动方式进行扫描，可以实现非常高的扫描频率。现在用于激光扫描投影的MEMS芯片扫描频率可以达到40kHz，相当于一秒钟扫描4万次。另外，由于取消了马达、多棱镜等较为笨重的机械运动设备，毫米级尺寸的微振镜大大减少了激光雷达的尺寸。
不过，虽然MEMS振镜激光雷达有着耐久度高和成本低的优势，但振镜会受外界温度、振动环境影响导致谐振频率变化导致线束紊乱，最终导致成像歪曲等问题，并且MEMS振镜激光雷达也会有信噪比低，有效距离短等问题。虽然增大镜面尺寸可以有效增加MEMS激光雷达的精度，但最大偏转角度也会因此受限，FOV视场角会更加受限，这对厂家的工艺与设计能力有着很高的要求。
转镜激光雷达
转镜激光雷达则是依靠一个围绕中心旋转的反射镜来进行光折射扫描，它在功耗、散热等方面有着不错的优势。
它的缺点也与MEMS振镜一样，存在信噪比低，和有效距离短，FOV视场角受限等问题。
棱镜激光雷达
这种激光雷达的内部一般采用双楔形棱镜结构，其中激光在通过第个楔形棱镜后发生一次偏转，之后在通过第二个楔形棱镜后再一次发生偏转。只要控制两面棱镜的相对转速便可以控制激光束的扫描形态。
值得注意的是，棱镜激光雷达的扫描轨迹呈花瓣状，并非我们常见的平行扫描轨迹。这样的优点是只要扫描转速控制得当，在同一位置长时间扫描几平何以覆盖整个区域，并且它不像传统旋转激光雷达一样让收发模块在进行转动，从而避免了类似传统旋转激光雷达的多次校准。
但棱镜激光雷达最大的不足就是其FOV（视场角）较小，因此需要搭配多个棱镜激光雷达来覆盖视场补盲。
其它领域的激光雷达
激光雷达因拥有较高的识别率，分辨精度等优势，因此除了测距功能外，还发展出激光跟踪、激光测速、激光扫描成像等技术，并被广泛运用到我们生活的周边设施之上。
比如，我们常见的在3D打印里，就包含了激光雷达，其主要用来测量和监控打印物，以此来减小制作的误差。而在我们生活的城市中，激光雷达会被运用到测速方面，其探测的距离相比传统的测速雷达要更远更精准。
在海洋探索与渔业资源中，激光雷达主要被运用在渔业资源调查和海洋生态环境监测两方面。其中，业资源调查采用蓝绿脉冲光作为激发光源，通过对激光回波信号的识别提取以获得鱼群分布区域和密度信息，结合偏振特征分析可对鱼群种类进行识别。而海洋生态环境监测常采用海洋激光荧光雷达，通过对激光诱导目标物发射的荧光等光谱信号的探测分析以获得海洋浮游生物及叶绿素等物质的种类和浓度分布信息。
编辑总结：
以上虽只是一些基础类科普，但在笔者看来，车载激光雷达在自动驾驶的领域中，属于提高感知力的一个增项，是为弥补毫米波雷达、视觉摄像头和超声波雷达等自动驾驶感知系统的不足而生，所以它不应该被神话。以现有的技术来看，有了激光雷达的加持，确实可以大幅度提高自动驾驶的感知能力，也为更高级别的自动驾驶功能竖起了至关重要的作用。
目前，汽车的新四化，即：“电动化、智能化、网联化、共享化”发展趋势已成为行业共识。并且拥有自动驾驶功能的智能汽车必须具备“安全、高效、舒适、节能”行驶，并最终可实现替代人来操作的新一代汽车。所以激光雷达的加入必不可少，并且据《中国自动驾驶发展报告2020》的表述，2025年后激光雷达应用会加速，届时政策、技术、基础设施比较完善，而L3级别车型也会较大规模推出，伴随着激光雷达的价格因技术的成熟会大幅降低，搭载激光雷达的车型也将不再仅限于高端车型，而是下探到中高端走量车型。所以“旧时王谢堂前燕,飞入寻常百姓家”的时代终将来临，我们可以拭目以待。