激光雷达真的没有用吗？

【技术解析】“只有傻子才用激光雷达！就像人身上长了一堆阑尾一样没用！”有一天，“钢铁侠”马斯克这样说道：当他公开说出这句话的时候，我们所知道的自动驾驶领域就分为两种：视觉相机派和激光雷达派。

当然，先不说马斯克的激光雷达有没有用，但激光雷达确实已经成为各车企发展的重点。

最近的广州车展就是一个很好的例子。

一些新车上大量安装了激光雷达。

优越的。

如此看来，激光雷达已经成为各大车企实现先进自动驾驶的重要组成部分。

那么，它真的像马斯克所说的那样“没用”吗？ Lidar的英文是Lidar（光探测和测距）。

它是一种利用激光作为载体进行测距和检测的传感器。

它也是雷达的一种，但与我们常见的毫米波雷达和超声波雷达不同，激光雷达使用激光束进行探测。

早在激光雷达推出之前，主流车企就采用以毫米波雷达和摄像头为核心的传感机制来实现辅助驾驶。

首先，毫米波雷达是利用天线发射毫米波作为辐射波的雷达传感器。

通过处理目标反射信号，获得汽车与其他物体之间的相对距离、相对速度、角度、运动方向等物理环境信息。

但毫米波雷达只能简单获取前方是否有障碍物，而无法准确识别障碍物类型，从而会造成“鬼刹”现象。

一般来说，传统毫米波雷达会因为系统算法问题，自动过滤掉静止物体。

但不同的硬件和系统方案，其过滤程度不同，这也是“幽灵制动”的根源。

例如，如果非危险障碍物过滤得太少，当道路上的一些金属碎片反射时，就会发生类似的紧急制动。

因此，路标、高速摄像龙门架、两侧护栏，甚至路边的金属瓶等，以及其他能反射回波的物体都会被毫米波雷达识别为障碍物。

因此，当车辆开启自动驾驶时，系统会自动减速并错误制动车辆。

误将路标当成车辆“鬼刹”（图片来自网络）。

车载摄像头作为辅助驾驶必备的传感器之一，可以感知车辆周围的情况，实现前方碰撞预警、车道偏离预警、行人检测、自动泊车等自动驾驶功能，提高驾驶安全性。

此外，车载摄像头由于所处位置的不同，也具有一定的需求特点和应用场景。

它们是一个非常系统的存在。

其中，环视和后视一般采用10度以上的广角镜头，检测距离在10米以内。

前置摄像头需要较大的观看距离，一般采用40-70度的视角范围，观看距离要求一般在1米以上。

双目相机的观看距离一般比单目相机要小。

但摄像头作为车载传感器也存在一些缺点，包括识别精度低、易受强光、雨、雾等恶劣天气影响。

现阶段单纯依靠摄像头识别无法满足自动驾驶的环境感知需求。

因此，激光雷达的优势体现在其物体识别误差低。

开创性的激光雷达激光器，它的中文原名是“激光”、“激光”，是其英文名LASER的音译，是取英文Light Amplification by Stimulated Emission of Radiation中每个单词第一个字母的缩写。

意思是“受激辐射引起的光膨胀”。

后来我国两弹一星的奠基人钱学森院士将其改为我们现在所说的激光（光受激辐射）。

事实上，爱因斯坦早在2008年就发现了激光的原理，但44年后的2016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。

为了达到“燃烧”所需的条件，他使用高强度闪光管来激发红宝石，最终创造出了真正的激光。

而在它“登场”的第二年，也就是2009年，科学家就提出了激光雷达的想法。

Theodore Maiman 由于激光具有非常强的方向性，并且融合了光的垂直物理特性，因此非常适合作为距离测量工具。

2007年7月，美国人进行了首次载人登月，并在月球上安装了发射装置，测量地球与月球之间的距离。

将激光反射器按在月球上。

2018年7月21日，搭乘阿波罗11号登陆月球的宇航员尼尔·阿姆斯特朗和巴兹·奥尔德林身处月球上的“宁静之海”。

着陆后，月球激光反射器被留在月球上。

20世纪60年代末和70年代初，人类总共向月球发射了5块“角镜”（月球激光反射镜）。

这将使地球上的天文学家能够向其发射激光并捕获反射光束。

然而，真正使用激光雷达作为民用量产传感器的是扫地机器人上。

2008年，美国军用机器人公司iRobot尝试将机器人技术与扫地功能结合起来。

其首款量产扫地机器人Roomba问世。

一经投放市场就大受欢迎，当年销量近10万台。

但由于当时机器人的传感设备不完善，在工作状态时出现了“动作不准”的现象。

于是，2009年，另一家名为Neato的公司在扫地机器人上安装了激光雷达，推出了Neato XV-11。

它采用可旋转的激光发射装置，实时测量地面障碍物，完成地面建模。

然后，借助SLAM（simultaneous Localization and Mapping，同时定位与建图）算法，可以实现地面的“全局视图”。

有计划的清洁。

可以说，这一革命性的设备正式启动了扫地机器人的普及。

事实上，明眼人一眼就能看出，这款扫地机器人是低端版自动驾驶。

既然扫地机器人吃“螃蟹”了，自动驾驶汽车也能配备激光雷达吗？ 20世纪80年代末，美国卡内基梅隆大学将一辆雪佛兰面包车改造成世界上第一辆自动驾驶汽车Navlab 1，该汽车配备了激光雷达和GPS接收器。

卡车的内部看起来有点像电视台的监控卡车，里面装满了监控路况和控制空调机组的计算机，包括一台 Warp 超级计算机、三台 SUN 工作站和视频硬件。

不过，由于当时Navlab 1的技术限制，控制这辆车自动驾驶的设备非常庞大，包括摄像头、激光测距仪、20千瓦车载电源、Wrap超级计算机以及几台Sun 3和4个工作站、陀螺仪、惯性导航系统和卫星定位系统等，并且还配备了多个英特尔实时处理器来处理传感器信息并生成车辆运动指令。

可以说，这辆车自带了一个“电脑室”来参与工作，几乎占据了车厢的空间。

Inside Navlab 1 在接下来的十年里，随着技术的不断发展，一些更实用的自动驾驶车辆也相应推出。

直到2000年，自动驾驶汽车才开始走上正轨，激光雷达逐渐迎来新一轮发展。

认知激光雷达 那么，激光雷达到底是什么？那么让我们从它的原理开始吧。

一般在装修家居的时候，设计师想要测量房子的尺寸和面积时，往往会使用激光测距仪来检测，比如这个：其实激光雷达的原理也差不多。

可以看作是采取多个激光测距仪的工作，另一个例子是这样的：具体来说，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，并利用多普勒成像技术绘制出清晰的3D图像。

目标。

激光雷达发射和接收激光束，分析激光遇到目标物体后的再入时间，计算到目标物体的相对距离，并利用目标表面大量密集点的三维坐标和反射率过程中收集的对象。

和纹理等信息，快速获取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，绘制环境地图，达到环境监测的目的洞察力。

由于光速非常快，飞行时间可以非常短，因此要求测量设备具有非常高的精度。

实际上，激光雷达的尺寸（线束）越多，测量精度越高，安全性越高。

利用可探测单光子的超高速相机，科学家首次捕捉到激光在空中飞行的图像（图片来自网络）。

从系统结构来看，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，共同完成整个检测工作。

具体地，首先，激光发射系统中的激发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激光线的方向和数量。

最后，激光通过发射光学系统发射到目标物体。

这就需要扫描系统的支持，以稳定的速度旋转来扫描平面并生成实时平面图信息。

之后，激光接收系统的光电探测器接收目标物体反射的激光，然后产生接收信号并传输到信息处理系统，对信号进行放大并进行数模转换。

经过信息处理模块计算后，得到目标表面形貌和物理性质。

等特征，最终建立对象模型。

作为“非专业新手”，面对市场上琳琅满目的激光雷达产品，我们该如何认识性能好坏呢？一般来说，激光雷达关注的参数很多，包括激光波长、探测范围、FOV（垂直+水平）、测距精度、角分辨率、输出点数、线束、安全等级、输出参数、IP防护等级、功率等。

、电源电压、激光发射模式（机械/固态）、使用寿命等。

但作为我们，我们只需要关注计数即可。

那么它们是什么？我们来一一说一下。

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，其衍射能力越强，对远处不规则物体的识别越清晰。

目前市场上的激光雷达波长分为nm和nm两种。

其中，波长为nm的激光雷达采用硅基光电探测器作为发射源，具有成本较低、技术成熟的优势。

但它也有缺点，那就是纳米激光源对人眼有一定的伤害。

虽然它是不可见光源，但在一定能量下，当该波长的激光照射到人的眼球时，会灼伤视网膜。

因此，作为激光雷达发射源时，必须降低功率，因此其抵抗天气干扰的能力较弱。

，对雨雾的穿透力不够。

纳米激光雷达采用铟镓砷（InGaAs）近红外探测器作为发射源。

其激光远离人眼吸收的可见光谱。

与纳米激光相比，相同功率的纳米激光对人眼的安全性是纳米激光的40倍。

它具有更高的安全性。

因此可以全功率工作，在极端天气环境下具有高穿透力（nm的透过率为0.65，nm的透过率仅为0.51左右）。

但它的缺点也很明显，那就是整体价格比纳米激光雷达高，系统尺寸也比前者高，所以不能安装在汽车前部，只能安装在车尾。

屋顶。

探测距离激光雷达的测距与目标的反射率有关。

反射率是指照射到目标上的激光被反射回来的速率。

目标的反射率越高，雷达能够探测到的有效回波就越多，因此能够测得的距离就越远。

所以在激光雷达产品的参数表中，m@10%反射率是指激光束可以识别距离为m处具有最低10%光反射率的物体（白皮书），所以如果激光雷达厂家发布产品时讲对此，只提及最大检测距离而不提及小于10%的反射率是绝对不负责任的。

这里的测距精度是指探测距离的精度，一般以厘米为单位来衡量。

检测精度越高，3D景深绘制就越准确。

一般来说，激光雷达的距离检测原理有两种，一种是三角测距法，另一种是TOF测距法。

首先，三角测距法的原理是：当激光源发射的激光信号以一定的入射角照射物体表面时，会发生反射现象。

反射光点穿过光学透镜并在 CCD 传感器上成像。

当被测物体沿激光方向移动时，CCD上的光点会发生移动，根据光点的移动距离计算出被测物体到基线的距离。

因此，整体测量需要通过入射光和反射光形成的三角形来计算目标物体与雷达之间的距离值和相对方位角值。

TOF测距方法是激光器发射激光脉冲的同时，通过计时器记录时间。

返回光被接收器接收并测量距离。

两个时间相减就得到“飞行时间”，然后通过时间计算光速计算距离。

虽然两者都是根据光的传播来确定目标的距离，但三角雷达仅在近距离时才具有最高的精度。

如果检测到远距离目标，随着检测距离变远，CCD传感器上的目标图像的位置差和角度会越来越小。

当测量值超过一定距离时，CCD几乎无法区分，因此不适合远距离测量。

TOF 使用脉冲激光采样，依赖于飞行时间。

时间精度不会随着长度的增加而改变。

同时，TOF可以严格控制视野，减少环境光的影响。

与三角测距方法相比，TOF雷达可以测量更远的距离，并且在长距离上保持更高的精度。

激光线束我们在了解激光雷达的时候，最常听到的参数就是这个激光雷达有多少条线束。

那么线束的根数和它有什么关系呢？一般来说，激光雷达分为单线和多线，多线又可以进一步细分为4线、8线、16线、32线、64线、线等。

其实，这里的线光束是指激光雷达发射的激光信号，单线激光雷达只能进行平行扫描探测，而不能进行垂直扫描探测。

因此，虽然它在扫描速度和分辨率方面具有良好的表现，但由于它无法测量物体的高度，因此在使用中存在很大的局限性。

因此只能用在伺服机器人上，即扫地机器人上。

几个品牌50米人体照射光束对比（图片来自网络） 多线激光雷达，顾名思义，可以发射多个激光信号，可以有效测量物体的高度轮廓等，而且线数越多光束越多，测量轮廓的精度越高。

当然，处理的数据量越大，对硬件的要求就越高，价格自然也就越贵。

简单来说，FOV（垂直+水平）指标就是激光雷达视场的大小。

常见的激光雷达在车辆头部上方旋转一定角度的水平FOV为度。

固态激光雷达的水平FOV会更小，介质已经算大视角了。

因此，水平FOV越大，可检测的范围越宽。

垂直FOV一般可以在多线雷达上反映出来。

它是指最上面的激光束和最下面的激光束形成的角度。

大多数激光雷达的垂直视场将使视场低于地面。

水平角度为0度，因此向上15度，向下25度，因此垂直FOV为40度。

这样做的最大原因是为了让雷达能够探测到更多的地面车辆和行人目标，保证行驶时扫描的准确性。

角分辨率激光雷达输出的图像也称为“点云”图像。

两个相邻点之间的角度就是角分辨率。

一般来说，角分辨率分为两种，一种是垂直分辨率，另一种是水平分辨率。

其中，在水平方向上实现高分辨率并不困难，因为水平方向是由电机驱动的，所以水平分辨率可以很高。

一般可以达到0.01度的水平。

垂直分辨率与发射器的几何尺寸及其排列方式有关。

也就是说，两个相邻发射器之间的距离越小，垂直分辨率就越小。

垂直分辨率为0.1至1度级别。

。

另外，由于激光雷达的采样率是固定的，帧率越高，角分辨率就越低；帧速率越低，角分辨率越高。

例如，上图激光雷达的最小角分辨率为 0.08°，对应于 10Hz 的帧速率。

当帧速率设置为20Hz时，角度分辨率自动变为0.16°。

采样率代表激光雷达每秒能有效采集数据的次数，可以直观地理解为一秒内生成的点云数量。

采样率可以通过角分辨率和帧率计算：当角分辨率为0.08°时，每帧点云数量：°/0.08°=；每秒10帧时，每秒点云数量：×10=0；所以PAVO的采样率为45kHz。

点数很容易理解。

它是激光雷达每秒发射的激光点的数量。

激光雷达的点数一般为每秒数万到数十万点。

例如，如果性能为64线，水平FOV为°，扫描频率为10Hz时水平分辨率为0.2°，则换算为：激光单次可打印64点，激光一次扫描可打印 64x/0.2=。

0，1秒扫描10次，共00点/秒。

所以点越多，扫描效果就越好。

除了以上几点之外，激光雷达还需要关注暗物体的检测率以及抵抗环境光干扰的能力。

暗物体的检测率在我们生活的世界中，一切都是色彩斑斓的，但是其中的暗物体吸收了大部分的光能（比如发黑的自制太阳能热水器），因此激光雷达对激光信号的检测率白色物体和深色物体是完全不同的。

而且，现在生活中的物体大多以深色物体为主，因此激光雷达对深色物体的检测率非常重要。

目前，市场上销售的激光雷达采用反射率90%的白纸（漫反射物体）作为测试参考基准，但对深色数据的有效检测也是一个重要的性能指标。

至少在正常情况下，号称超过10米长的激光雷达可以实现对6米以上长暗物体的有效探测。

除了对黑暗物体的检测外，环境光抗干扰能力也会影响激光雷达的检测，包括阳光或室内灯光等，都会影响雷达传感器并产生噪声。

并且还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。

因此，能够区分环境光对激光雷达的训练、系统和算法提出了很高的要求。

激光雷达上反射强光造成的“重影”现象（图片来自网络）。

探测激光雷达的类别。

以上只是激光雷达的工作模式。

根据扫描方式的不同，可分为旋转机械激光雷达。

，混合半固态雷达和全固态雷达。

机械激光雷达机械激光雷达一般采用旋转扫描方式，可以对周围环境进行物理旋转3D扫描，形成全面覆盖的点云。

然而，它也有缺点。

首先，其高频旋转和复杂的机械结构导致平均故障时间仅为1小时，难以满足汽车级设备的最低0小时要求。

而且机械激光雷达必须放置在车辆的最高点，这样不仅占用了过高的面积，而且车辆的顶部也需要进行加固和改造，影响了车辆中心的安全。

重力并限制其最重要的点。

就是这样——贵！八万起，一定是一把漂亮的刀。

纯固态激光雷达与上述机械结构雷达相比，纯固态激光雷达由于没有复杂的旋转机构，在产品耐用性上有了巨大的提升，整体设备的尺寸也有效减小。

压缩。

目前，市场上常见的固态雷达分为两种：OPA光学相控阵和Flash闪存。

OPA（Optical Phased Array）光学相控阵激光雷达。

在提到这种形式的激光雷达之前，我们先来了解一下什么是相控阵控制。

我们生活中最常见的例子就是水波。

例如：在一个方形水池中，两处振动产生的两条水波会在交汇处相互叠加。

如果两个波在某些方向上相互增强，而在其他方向上相互抵消，则可以轻松控制水波的方向。

因此，基于这种现象，会采用多个光源组成阵列。

通过控制各个光源发射的时间差，可以合成角度灵活、可控性精确的主光束。

这就是相控阵的原理。

事实上，采用这一原理的最常见设备是军队中常用的相控阵雷达。

通过控制相控阵雷达平面阵各阵元的电流相位，可以利用相位差使不同位置的波源发生干涉并指向特定方向。

通过控制前后相位差即可实现扫描效果。

常见的军用相控阵雷达有美国“阿利伯克级”驱逐舰上安装的AN/SPY-1D“宙斯盾”相控阵雷达和我国C型导弹驱逐舰上安装的“海星”相控阵控制雷达。

雷达。

“阿利·伯克级”驱逐舰上装备的AN/SPY-1D“宙斯盾”相控阵控制雷达，我国C型导弹驱逐舰上装备的“海星”相控阵控制雷达也在激光雷达上采用了相位差。

控制干涉使激光以特定角度“转动”，往复控制达到扫描效果，称为光波导阵列。

光波导阵列通过上电实现光束扫描。

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。

光束在波导阵列元件的输出横截面中可以具有不同的光场。

附加的相位差，按照一定规律分布的相位差会引起输出光速的偏转。

通过相位差将输出按照一定的规律分布，从而实现光束的扫描。

不过，这款雷达虽然数据不错，但在技术方面却有着极高的要求。

首先，阵列单元的尺寸必须不大于半个波长，因此每个器件的尺寸只有nm左右，对材料和工艺的要求极其严格。

因此，成本相应较高，因此市场应用程度不是很高。

闪光激光雷达闪光激光雷达的原理是在短时间内向前发射大面积激光覆盖，就像不断打开的手电筒一样，通过高灵敏度的接收器绘制周围环境的图像。

Flash激光雷达的原理与拍照类似，但最终生成的数据包含深度等3D数据，也是目前纯固态激光雷达最主流的技术方案。

但由于短时间内发射大面积的激光，所以探测范围有一定的限制，基本上应该在低速无人车之上。

混合固态雷达如果稍微结合机械雷达和固态雷达的特点，混合固态雷达是一个不错的选择。

因为这种雷达在成本、尺寸等方面更容易控制。

目前，市场上常见的混合固态雷达有MEMS振镜、旋转镜、棱镜模式。

MEMS（微机电系统）振镜激光雷达 MEMS振镜激光雷达利用微小的反射镜扭转角度来实现扫描，但激光发射器并不移动。

那么它的具体原理是什么呢？ MEMS是指Micro-Electro-Mechanical System，可以看作是缩小的机械镜。

按驱动分类可分为电热驱动、静电驱动、电磁驱动和压电驱动四种方式。

它可以以两种机械运动模式进行扫描：平移和扭转（x、y方向），可以实现非常高的扫描频率。

目前用于激光扫描投影的MEMS芯片的扫描频率可以达到40kHz，相当于每秒扫描4万次。

此外，由于取消了电机、多角镜等笨重的机械运动设备，毫米级的微镜大大减小了激光雷达的尺寸。

然而，虽然MEMS振镜激光雷达具有高耐用性和低成本的优点，但振镜会受到外部温度和振动环境的影响，导致谐振频率发生变化，导致线束紊乱，最终导致成像失真等。

问题，而MEMS振镜激光雷达也会存在信噪比低、有效距离短等问题。

虽然增加镜面尺寸可以有效提高MEMS激光雷达的精度，但最大偏转角度也会受到限制，FOV视场更加有限，这对制造商的工艺和设计能力提出了很高的要求。

转镜激光雷达 转镜激光雷达依靠绕中心旋转的镜子来进行光折射扫描。

在功耗和散热方面具有良好的优势。

其缺点也与MEMS振镜相同，如信噪比低、有效距离短、FOV视场有限等。

棱镜型激光雷达这种激光雷达内部一般采用双楔形棱镜结构，激光通过第一个楔形棱镜后偏转一次，通过第二个楔形棱镜后再次偏转。

只要控制两个棱镜的相对旋转速度，就可以控制激光束的扫描形状。

值得注意的是，棱镜激光雷达的扫描轨迹是花瓣状的，不是我们常见的平行扫描轨迹。

这样做的好处是，只要扫描速度控制得当，就可以长时间在同一位置扫描几何体，覆盖整个区域，并且不会像传统旋转激光雷达那样让收发模块旋转，从而避免了像传统旋转激光雷达那样的多次扫描。

校准。

但棱镜激光雷达最大的缺点是其FOV（视场）较小，因此需要使用多个棱镜激光雷达来覆盖视场并补偿盲区。

其他领域的激光雷达 激光雷达具有识别率高、分辨精度高等优点。

因此，它除了测距功能外，还发展了激光跟踪、激光测速、激光扫描成像等技术，并广泛应用于我们的生活中。

关于周边设施。

例如，我们常见的3D打印包括激光雷达，它主要用于测量和监控打印的物体，以减少生产错误。

在我们生活的城市中，将会使用激光雷达来测量速度，其检测距离比传统测速雷达更远、更准确。

在海洋勘探和渔业资源方面，激光雷达主要应用于渔业资源调查和海洋生态环境监测。

其中，工业资源调查采用蓝绿脉冲光作为激发光源。

通过识别和提取激光回波信号，可以获得鱼类分布面积和密度信息。

结合偏振特征分析，可以识别鱼类种类。

海洋生态环境监测常采用海洋激光荧光雷达，通过检测分析激光诱导目标物体发出的荧光等光谱信号，获取海洋浮游生物、叶绿素等物质的种类和浓度分布信息。

此外，激光雷达还可以广泛应用于危险预报、医疗扫描、军事探测等。

编者总结：虽然以上只是一些基础科普，但在笔者看来，车载激光雷达是提升感知的附加项在自动驾驶领域。

是为了弥补毫米波雷达、视觉摄像头、超声波雷达等自动化问题。

驾驶感知系统正是因其缺点而诞生的，所以它不应该被神话。

从现有技术来看，在激光雷达的支持下，自动驾驶的感知能力可以得到大幅提升，对于更高级别的自动驾驶功能也发挥着至关重要的作用。

当前，汽车新四化“电动化、智能化、网联化、共享化”的发展趋势已成为行业共识。

而具备自动驾驶功能的智能汽车必须具备“安全、高效、舒适、节能”的驾驶，最终能够实现可以替代人类的新一代汽车。

因此，激光雷达的加入势在必行，而且根据《中国自动驾驶发展报告》的说法，年后激光雷达的应用将会加速。

届时，政策、技术、基础设施将相对完善，L3级别的模型也将更大规模地推出。

随着激光雷达技术的成熟，激光雷达的价格将会大幅降低，搭载激光雷达的车型将不再局限于高端车型，还将触及中高端大众市场车型。

所以，“老君燕飞堂前，飞入寻常百姓家”的时代终将到来，我们可以拭目以待。