激光雷达“上车”竞赛，变数浮现

当前，激光雷达已经被行业认为是应用于高阶智能驾驶以及自动驾驶逻辑上的“飞跃”。上周，小鹏汽车旗下全球首款量产激光雷达智能汽车——小鹏P5下线，即将在本月底开启首批车主交付。

相比于几年前奥迪搭载法雷奥激光雷达不同，小鹏P5有可能是首个将激光雷达真正应用于可以上路的智能驾驶系统的车型。

为什么是有可能？

因为按照小鹏汽车官方说明，相应增强版功能预计在2022年第二季度通过OTA实现，也就是城市NGP功能（自动导航辅助驾驶）。

此外，城市NGP功能需要逐一城市进行大量里程的标定、测试和验证，以提高可靠性，我们会从一线城市（北京除外）开始进行标定测试，逐步推广到其它城市，这个过程可能会持续较长时间；

并且城市NGP功能依赖于各城市的高级驾驶辅助地图的行政审批通过（某些行政管辖区可能会需要更长的时间），该功能推送时不能覆盖所有城市，将依据各城市审批情况逐步开放。

而按照其他车企的计划，接下来长城摩卡搭载激光雷达的版本将于年底前上市。明年，蔚来ET7、沃尔沃XC90、智己L7等车型也将陆续上市。

显然，对于激光雷达上车并且真正应用于量产系统，还是一个未知数。不过，这并不会影响激光雷达“硬件”上车，因为软件可以OTA更新。

一、

一直以来，激光雷达作为自动驾驶的主要传感器选项之一，成本一直是大规模上车的最大障碍之一。尽管L4级自动驾驶几乎都有搭载不同类型的激光雷达，但即便是Waymo，车队数量也仅仅不过千辆级别。

而对面向私人用户的乘用车市场，成本敏感度更高。1000元以下，被认为是大规模量产导入的基准线。

目前，大部分激光雷达供应商仍在处于从1000美元到500美元的降本“斗争中”。对于300美元甚至100美元的目标，部分供应商选择了“降性能”的策略。

现实是什么？

当你看到由激光雷达生成的大量点云的图像时，可以看到很多细节。比如，行人、车、停车标志甚至是车辆上的图像，但这不是点云的“真实”效果，因为通过点云处理会丢弃大部分数据，这一点类似于传统的毫米波雷达。

同时，真实的点云对象也是“模糊的”，即使是像建筑或标识这样的平面，也会有一个个小的凹凸（并非一个真正的平面），这意味着返回的点会在表面纹理的细微变化上反弹，或者因为用于去除车辆自我运动的算法会产生小错误。

即使是静止的物体，其位置也会发生轻微的变化。因为激光雷达返回的，只是物体表面的一系列点，同时必须对返回值进行卡尔曼滤波等算法来过滤掉抖动。

但对于算法处理来说，这是把双刃剑。

因为如果过滤太多，感知系统可能会“错过”实际运动的对象；但是如果过滤不够，系统可能会计算出一个物体刚刚在毫秒内移动了一个可感知的距离，这对接下来的路径规划可能会产生错判。

当有企业声称他们的激光雷达“看到”200米或250米时，他们真正的意思是，传感器足够敏感，可以探测到从某个距离物体上的某个部分返回的脉冲，但这对系统来说几乎没有任何意义。

这意味着，点云密度至关重要。

因为激光雷达的工作原理意味着点返回的密度与传感器距离的函数线性下降，无论是水平还是垂直视场。点云密度低，就会严重影响对象分割和分类，确定对象类型变得困难，甚至是几乎不可能。

比如，大疆Livox的非重复扫描模式，独特的花状扫描模式，随着融合时间的增加，点云的场覆盖将持续增加，直至场覆盖接近100%。而传统机械式扫描下，当线不够密集时，就有丢失物体的可能。

此前，Livox的Horizon系列的探测范围达260米，水平视野达81.7度，可覆盖4条车道10米的范围。不过，在中高速场景下，这种方式存在障碍物精准识别的延迟问题。

而在给小鹏汽车提供的Livox HAP车规级定制版本上，Livox增加了对ROI区域的两次扫描，从而增强对行人和骑行人的安全感知。

对于远距离探测（300米以上），Livox还推出了一种名为Avia的全新解决方案，它可以在不同的扫描模式、范围和不同的场景之间切换。其中，重复扫描模式用来应对高精度和特定区域密集点云的应用需求。

这种改进方式，目的很明确，就是提升部分区域的点云密度。

从技术维度来说，激光雷达的测距、每秒点数（PPS）以及给定视场内的角度分辨率（以及对应的视场角）是三个主要规格，其中，第三个参数用于确定目标检测和分类的能力差异。

在相同的图像刷新率下，较高的PPS倍数意味着在同一距离（R）上给定目标上的点数量显著增加，这直接提升了目标检测和分类的更高精度。

在 Innovusion自动驾驶销售市场副总裁梁鸿燚看来，为什么强调激光雷达要看的远，并不是说要看到250米距离的车辆，而是要看到100-150米距离的小物体，对系统来说才能够有一个安全的预警时间和距离。

这就需要点云密度，尤其是低反射率物体。

比如，100个光子打出去，只有10个光子返回。只有在250米可以看到反射率10%的车辆的情况下，才有可能看到150米的路边低反的轮胎，20×20cm的纸箱，才有可能看到更近距离的100米左右的黑色（更低反射率）小物体。

这背后，还得益于Innovusion激光雷达的远距离探测以及高清分辨率，在120米外的行人可以获得20多个点或者400米左右的车辆上可以获得20多个点，这对于后续的感知识别算法，至关重要。

此外，Innovusion激光雷达还具有动态聚焦功能，通过局部像素加密，对感兴趣区域关键目标和细小物体进行“凝视”，能获取更加精确的三维信息。

比如，系统在车辆行驶路径上遇到一个乱穿马路的行人。由于激光雷达能够在感兴趣的区域内实现时间和空间采样密度的动态场景自适应变化，因此可以将更多的注意力集中在这个行人身上，而较少关注无关信息，如路边停放的车辆。

二、

目前，激光雷达的降本策略之一，就是组合不同性能规格的激光雷达。但，问题是，系统可能需要更多的激光雷达来提供全视场覆盖，或者通过其他传感器来补充。这意味着，更多的数据处理、传感器融合、高数据传输以及高算力要求等。

以Ibeo的方案为例，ibeoNEXT的性能参数是在11.2度水平视场角实现260米目标物探测，32度视场角仍在开发中。这意味着，需要两颗补盲激光雷达，才能形成对前向道路的广覆盖环境感知。

比如，大陆集团在已经自研量产短距FLASH激光雷达基础上，去年通过参股激光雷达公司AEye，计划从2024年起投产远距离激光雷达。

而一径科技则是推出了长距+中短距+盲区的全套MEMS激光雷达解决方案，包括面向短距应用的大视场角MEMS激光雷达，以及基于1550nm光纤激光器的前向长距MEMS激光雷达。

不可否认，激光雷达大规模应用还需要显著降低成本、提高产品寿命，并且需要突破更高的探测距离（超过250m，甚至是300-400m）、超高扫描线束等技术瓶颈。

1550nm是主流选择之一，不管是一径科技、AEye还是luminar，都采用了该方案设计长距离探测激光雷达。使用1550nm的激光器不仅可以在人眼安全范围内提升几个数量级的出光功率，而且可以更加有效的避开阳光噪声区域，从而降低背景光噪声。

从一径科技推出的1550nm+MEMS方案激光雷达ML-Xs也可以看出，各项参数都达到了全新的高度。比如视场角达到120°×25°，角分辨率达到0.15°，线束达到200线，背景光噪声（在自然光照条件下）降低了70%。

此外，1550nm的发射器要比905nm的更安全，可加大激光器的功率、提高信噪比、减小脉冲宽度，并且对人眼安全性更高，更重要的是提升了激光雷达的有效距离。

不过，1550nm方案目前最大的障碍，还是成本。对于核心供应链体系的垂直整合也是未来降低成本、保障上游供应的关键一环。

Luminar是收购了InGaAs芯片公司OptoGration Inc.、芯片设计公司Black Forest Engineering，主要布局1550nm InGaAs光电探测器芯片以及专用数据处理芯片，理想状态下，规模化量产成本可以降至数美元范围。

一径科技同样选择底层芯片和元器件等自主研发和创新设计，目前其自研的的LiDAR专有芯片和核心算法已经成型，从而进一步降低1550nm激光雷达的成本。

在业内人士看来，“激光雷达的核心电子元器件正在向专用集成电路集成，后者具有密度更高、成本更低和可靠性更高等优点。这种趋势大致遵循集成电路的摩尔定律，意味着激光雷达体积、重量和成本大幅减少成为可能。”

而AEye公司推出的1550nm方案，则更强调了可以放置在挡风玻璃后，类似传统的前向摄像头。这对未来的车型设计来说至关重要，不会影响外型美观以及减少外置可能带来的对风阻系数的约束。

不过，从成本和供应链成熟度来说，905nm目前仍然具备特定优势，尽管这种波长带来了对眼睛安全的担忧（比如加大功率），同时限制了探测范围。

当然，只关注成本就过于简单了，这与激光雷达的性能指标、车规级、功能安全认证以及应用场景有关，比如，是用于私人消费市场还是L4级自动驾驶应用。

此外，从研发到制造（产品良率，间接影响成本）、供应能力和售后支持，激光雷达供应商还需要向市场证明，持续高效大批量生产已经准备就绪。

在这之前，这个市场还有不少变量因素。

三、

而在众多变量因素中，还有一项非常关键，那就是标准。

众所周知，在汽车前装市场，除了车规级、功能安全等一系列行业达成的默认认证之外，不同地区及市场还有相关的性能要求及测试标准，对于全新的汽车电子件，激光雷达也不例外。

按照高工智能汽车研究院数据预测，随着2022-2023年国内新车搭载L2级比例继续保持快速增长，高阶智能驾驶搭载激光雷达进入第一轮增长周期，预计到2023年国内乘用车前装激光雷达规模将超过150万颗。

这意味着，接下来技术路线如何发展，市场做出什么样的选择，有一点已经非常明确：激光雷达的前装规模化量产已经开始。而整个行业也迫切需要规范化、标准化，从而为大规模前装量产提供参考基准。

10月12日，全国汽车标准化技术委员会电子与电磁兼容分技术委员会组织召开了《车载激光雷达性能要求及试验方法》标准起草组成立会，初步确立了车载激光雷达的标准体系构成和标准研制工作的计划与分工。

其中，在国家标准方面，禾赛作为牵头单位，百度作为联合牵头单位，共同负责国标GB/T《车载激光雷达性能要求及试验方法》的制定。此外，禾赛还参与牵头制定多项激光雷达行业标准。

就在今年9月，禾赛的Pandar128激光雷达拿到了SGS颁发的全球首张激光雷达ISO 26262 ASIL B功能安全产品认证证书。而ISO 26262作为全球公认的汽车功能安全标准，是目前智能驾驶领域核心零部件前装的主要准入门槛之一。

而对于主机厂、一级零部件供应商来说，国标GB/T《车载激光雷达性能要求及试验方法》的起草，意味着，未来可以在一致的标准下对比市场上的各种产品，降低OEM的选型门槛和额外隐性成本。

从此次汽标委的标准起草会议纪要函中，对于标准完善也已经形成了初步的「意见」，在基本框架上增加了自检、故障报警、启动时间、唤醒功能等更加实用的功能，结合实际场景进一步区分了高速物体运动状态和高动态场景的点云性能要求等。

对于激光雷达的测试条件也做了进一步规范建议，例如试验室的光源，测试板的反射率；对于具体的测试布置进行了详尽的说明；对于人眼安全给出了莱茵提供的IEC标准参考；对车规环境测试也给出了全面的要求。

同时，在全球市场，IEEE也在去年启动了激光雷达性能测试方法的标准制定工作，聚焦于性能测试方法，包括距离精度/精度/分辨率、最大/最小距离、探测概率、角精度/分辨率、反射率等。

目前，激光雷达功能范围要求的模糊性，已经明确了相关标准测试方法的紧迫性，这意味着无论是激光雷达供应商还是汽车制造商都没有办法横向“比较”产品，行业缺乏透明度。

此外，激光雷达的“软”实力越来越受到关注，具备系统级供应能力或将成为下一阶段市场对激光雷达供应商提出的新要求。

今年3月，Luminar与沃尔沃汽车旗下软件子公司Zenseact达成的协议，将激光雷达硬件和感知软件进行融合，提供一整套完整的自动驾驶解决方案。

因为，对主机厂来说，在为车型筛选出符合要求的激光雷达硬件后，还需要解决如何为硬件开发算法，怎么对系统的感知能力测试验证等问题，以确保达到量产要求。在激光雷达量产项目中，软件和硬件同等重要。

比如，激光雷达的感知算法，包括目标检测、目标跟踪、目标分类、速度判断、可行驶区域的判断甚至路径规划等等，在此基础上才能实现具体功能的开发。一个典型的案例，就是激光雷达输出的原始点云数据也存在Corner Case。

这意味着，激光雷达感知算法与自动驾驶系统算法一样，同样需要大量场景数据的喂养，通过丰富的各类场景验证测试来实现算法的迭代，以保证激光雷达系统安全可靠、检测率和准确度。

此前，基于几年的激光雷达软件“开发+测试验证”闭环落地量产经验，亮道智能推出了面向整车量产的激光雷达系统解决方案，支持客户完成量产前激光雷达性能定义、产品硬件选型，感知算法开发与测试验证，以及系统集成到整车的量产目标。

“基于场景进行开发和测试验证成为行业趋势。汽车行业急需引入智能传感器软件算法开发，高质量数据采集和高效处理等技术，来应对智能化变革。”亮道智能CEO剧学铭表示。