“不能简单地讲‘难’或‘不难’,要看对谁而言。我们走这条技术路线之前已经评估过,如果我们有能力做好,那这个‘难’,反而就是我们的护城河。这套方案,我们在2019年就已经公开售卖了,但我们不怕别人拆机, 因为里面的技术壁垒很高——知道怎么做,很简单,但要做好,会非常难。”
“整个激光雷达行业目前还不成熟,如果一味地想把性能做到极致,车规可靠性便会受到极大影响。如果某种技术只是先进但还不成熟,我们一定不会出于商业利益考虑去推广。”
自激光雷达前装量产之战打响之后,小鹏P5的激光雷达供应商Livox 就一直令不少车企及广大投资者充满好奇。
这家由大疆孵化出来的公司曾在2020年CES率先亮出了让人惊讶的价格,并在随后陆陆续续公布了更多工规产品如浩界Horizon等产品。而目前备受主机厂关注的车规级产品HAP也公开了更多参数信息。
从产品性能角度而言,笔者从行业了解到,HAP的参数基本能满足大多数主机厂对于前装主激光雷达的要求,比如HAP不仅能检测到150米外的黑色车辆(反射率约5%),还能检测到120米外穿黑色衣服的行人。
而且笔者发现很有意思的是,在激光雷达的市场推广中,有的公司会宣称探测距离“最远”能达到200米,但不会讲这个探测距离对应的分辨率是多少;还有的公司会片面强调分辨率有多高,但不会讲这个分辨率对应的探测距离有多少。而Livox 这款产品比较难得的是,他们很好地实现了这两个指标的平衡,并将这种平衡延伸至他们对产品性能、可靠性、成本、可量产性这四个互相掣肘要素的考量与权衡中。
虽然业界普遍像笔者一样对Livox 产品综合实力有基本的认知,但对于其背后到底在哪些底层核心技术上做了突破,以及Livox 面向车规正在实践何种产品之道,是包括笔者在内的诸多业内人士都不甚了解的。
从3月中旬到4月底,笔者分两次跟Livox 市场商务负责人以及产品技术团队做了深入交流。对方除了详细阐释Livox 独有的“棱镜式”、“非重复扫描”和“DL-Pack封装”等核心技术外,他们还首次系统性披露了Livox 围绕“可量产”、“车规”所做的一系列努力以及取得的成果。
交流下来,令我印象最深刻的是,为了确保产品的车规可靠性,Livox 并没有一味追求性能参数的华丽,这无疑是在智能驾驶“参数内卷”时代的一次“逆潮流”之举。
1. 为什么采用棱镜式扫描方案?
Livox HAP虽然只有6个激光发射器与接收器,却能达到较高的点云密度,这在很大程度上是因为其采用了独特的棱镜式扫描方案。
从外观上看,棱镜与MEMS振镜及转镜的最明显区别是:后两者的扫描件镜都是薄的反光镜,其中,MEMS是围绕着悬臂梁振动,转镜是围绕着转轴旋转;而棱镜则是通过一边薄一边厚的透明玻璃进行旋转。
MEMS微振镜工作示意图
图片版权属于MEMS咨询公司
转镜式激光雷达示意图,摘自网络*
棱镜示意图,图片版权属于Livox
Livox 团队分享道:“本质上,我们不排斥对任何一种技术路径的探索,我们的前瞻预研团队也面向各种扫描技术进行研究。在我们看来,MEMS是一种已经广泛应用在各个工业领域的成熟技术,但对于激光雷达所需的大口径MEMS(3mm以上双轴扫描)来说,这套方案是未经过真正量产验证的,其在批量制造的一致性、成本、自动化组装固定、内外应力扭曲形变、高低温变形等方面存在较多的难点。”
在Livox 看来,排除开MEMS,无论采用旋转棱镜还是旋转反射镜,其所涉及到的电机轴承转动技术,都也已长时间、大规模应用到车载市场的各种零部件工艺之中,相比之下是车规激光雷达更加稳健的选择。
至于Livox 采用的棱镜为何要“一边厚一边薄”,他们解释道:“这样激光光线发射之后会偏折,通过光学参数设计无需多个模组的拼接就能实现更大的FOV,由此在高温振动等恶劣工况下,点云整体性能更加稳定可靠,不易出现分层、错位等问题。”
采用棱镜式的另一个好处是,可以通过较少的收发单元,相应降低成本以实现一帧之内更高的线数。据悉,HAP的激光发射器和接收器都只有6个,高速旋转的棱镜通过折射,在最中间ROI(Region of Interest)区域即可形成“等效144线”的效果。
据了解,国外也有个别公司在尝试棱镜方案,但总体而言主流激光雷达厂商鲜有涉猎这一方案的。一方面原因是,Livox 在该领域已积累了587项专利,其他公司若采用类似设计,较难绕开专利风险。但另一方面,棱镜式方案需要将光学能力和机械知识结合起来,而这有很高的技术壁垒。
众所周知,电机的寿命跟转速负相关,即转速越高,电机的寿命就越短。在转镜式方案下,以法雷奥的Scala为例,电机的转速只有600转/分钟,而在棱镜方案下,电机的转速可能超过6000转/分钟——因为选择前者只需转一圈就可以覆盖整视场范围,而后者需要不断旋转形成足够多不同激光折射方向,获得不同出射角度从而达到覆盖整个视场范围的效果。而如此高速的转动必然对轴承的鲁棒性提出极高要求。
其次,在电机高速转动下,轴承内部的油脂(润滑剂)会甩出并容易粘到棱镜镜面。而油脂甩出问题会对光路造成不可预测的散射和折射干扰,进而降低激光雷达的量程、精度或增加噪点。在最严重的情况下,由于润滑油流失过多,轴承滚珠与滚道润滑油膜难以产生,滚珠与滚道摩擦导致轴承滚动阻力变大,轴承逐步失效。
上述两点问题Livox 都清楚知道其挑战有多大,但经过4年的研发他们已经攻克了这些难点。
首先,Livox 棱镜方案的电机有两种工艺:工规版的Horizon的电机轴承比较大(直径30mm),棱镜是被包裹在外面的电机驱动转动;然而在车规版HAP中,Livox 导入了运用在泰览Tele-15上的小轴承方案,其轴承直径只有5mm,电机被嵌入棱镜中心。
在转速不变的前提下,轴承的半径越小线速度就越低,相应地寿命也会越长。并且,当轴承的半径缩小了6倍后,在转速不变的前提下,寿命的提升不止6倍。
图片版权属于Livox
与此同时,笔者了解到,根据车规可靠性加速模型,在85℃ 高温条件下激光雷达运转2100小时可等效于汽车要求的综合工况12000小时工作时间,而据Livox 方面透露,泰览Tele-15这一工规产品的寿命就已达到2倍于乘用车要求(已测试通过4200小时@85℃高温耐久试验)。据悉,HAP的高温耐久测试已经通过,但由于测试起始时间原因,暂时还未超越泰览Tele-15 4200小时的纪录。但Livox 团队很有信心,基于更高设计标准的HAP的寿命一定会在泰览Tele-15的基础上有进一步提升。
另一方面,轴承变小之后,对油脂注入量的需求会大大减少(如工规版Horizon的油脂注入量为600mg,而泰览Tele-15与HAP的油脂注入量则分别为40mg与16mg),根本就没有多少油脂“供甩”;同时由于线速度降低,油脂甩出风险被进一步遏制。也由此,泰览Tele-15与HAP的高温加速老化实验中并不存在油污问题。
聊到这里,笔者提出一个疑问:轴承变小的代价是什么呢?Livox 团队回答:“通常情况下,采用小轴承方案会影响到通光孔径,但由于我们的通光口径很大,所以对性能的影响有限。“
针对该技术路径工艺难攻克的问题,Livox 产品经理提到:“不能简单地讲‘难’或‘不难’,要看对谁而言。我们走这条技术路线之前已经评估过,如果我们有能力做好,那这个‘难’,反而就是我们的护城河。”
譬如,做出HAP这种符合要求的小电机确实很难,但孵化Livox 的大疆在做无人机产品时已经有了相关的技术积累——对高速旋转电机的精准调控是保证无人机稳定飞行的前提,HAP激光雷达里带动棱镜旋转的电机技术,跟大疆在无人机中使用的电机技术是一脉相承的。
据悉,大疆每台无人机上有6-7个精密小型电机做飞行动力输出和云台增稳,而大疆每年的无人机出货量有数百万台,这使得大疆对电机转速控制、可靠性、轴承方案、油脂方案甚至上游供应链的管理,都有着领先全球的深厚底蕴和经验。
Livox 表示:“这套方案,我们在2019年就已经公开了,但不怕别人拆机, 因为这里技术壁垒很高——知道怎么做,很简单,但要做好,会非常难。”
2. 如何看待非重复扫描的特殊性?
依托于棱镜方案,Livox 还探索出超帧率及非重复扫描两种技术。
根据笔者的研究,激光雷达在探测时的“注意力”(点云分布)分为以下几种类型:
整个FOV内均匀分布;
FOV内整体相对均匀分布,但由于拼接等原因,可能在中间区域存在缝隙;
在FOV中间区域点云最密。
当人在开车的时候,注意力(人体视觉感知)并不会在视线所到之处均匀分布,而是在正前方比较集中,对其余区域只依赖眼睛的余光去留意。而Livox 团队在跟许多自动驾驶客户深度沟通后,从“第一性原理”出发,认为将更多点云集中到中间区域更加合理。
“产品设计的思路其实也是利用有限的资源做更大的事儿,要将好钢用在刀刃上”。为做到这一点,Livox 在业界首次推出了“超帧率”的技术。
所谓“超帧率”,即在扫描“感兴趣区域”(Region of Interest,即ROI区域)时,将以两倍于扫描其他区域时的帧率进行——本来,整个FOV的刷新频率是10Hz,但在扫描中间区域的时候频率提升至20Hz,即在100ms内扫两遍。进而保证对正前方ROI区域的物体识别更快速。超帧率技术可以让系统在50ms内(20Hz)检测目标物,而主流传统激光雷达则需要100ms(10Hz)。
HAP 超帧率技术示意动图
说完“超帧率”,我们再来聊聊Livox 的 “非重复扫描”技术。
目前,市面上的激光雷达普遍采用的是重复式扫描方案,每一帧点云扫描的位置是线性重复的(在同一个区域内重复扫),即在FOV范围内只扫描一次;而Livox 所采用的非重复扫描,每一帧的扫描曲线都会发生微小的偏移,从而实现FOV范围内扫描多次。
据Livox 介绍,非重复扫描在拥堵路段、泊车和标定等低速或静态场景中具有极大的优势,因为这些场景留给激光雷达的扫描时间比较充足,而非重复扫描放方案后一帧和前一帧扫描的位置会稍微错开一点,各帧的扫描区域不重复,因而连续帧之间进行点云积分就会形成越来越密的点云图像,等效的分辨率甚至能达到高清照片的水平,这样更有利于细小障碍物检测。
但有客户也曾对Livox 提出疑问:非重复扫描是否意味着需要累计很长时间才能达到很高的分辨率?实则不然,Livox 的HAP即便在标准的10Hz帧率下,也能达到0.16°*0.2°的高分辨率(等效144线)。“144线这是一个硬性指标,是我们这款雷达的性能底线。在此基础上的非重复扫描其实可理解为锦上添花的性能加持”,Livox 团队回答道。
“10Hz、144线”是个什么概念呢?市场里某些产品自称能达到超过600线的效果,但实际这只是在刷新率为1Hz的时候能达到的数值,在行业常用的10Hz刷新率下其实只能达到64线的效果。“我们给到市场的参数都是有限定条件的,只有在其他限定条件也是合理的情况下,核心参数的高低才值得讨论”。
当然,Livox 并非执意要在任何场景下都使用非重复扫描技术。
比如,在高速场景下没有那么多的时间让激光雷达去积分,可能在积分1s的时间里车已经跑了30多米了。针对这种场景,Livox 团队也向部分客户推出了可兼容重复扫描技术的固件,客户只要发送一个配置指令,激光雷达便可在1秒内从非重复扫描切换到重复扫描,由于前后帧的点云位置相对稳定,理论上更有利于通过帧间差异等信息识别小目标。
但Livox 也提到,有些自动驾驶顶尖算法公司在用两种模式针对各种场景下的算法进行了充分验证之后发现,“重复和非重复扫描对于深度学习来说影响并不大,识别效果的关键本质上还在于量程、点云密度和数据标注的质量。”
但部分车企由于自身算法能力还未建立健全,仍会所有顾虑。即便拥有较大规模算法团队的客户,由于团队成员长期研究360°机械旋转式激光雷达,已经习惯了基于重复扫描方案的算法,面对新形态的类固态激光雷达及非重复扫描算法,还是会有“历史包袱”。针对这些车企的疑虑,Livox 已提供一整套开源算法帮助他们从0到1快速完成算法部署;同时,对有意向合作的车企客户Livox 也会提供更高阶的算法支持。
“我们有一支上层算法团队,过去2年一直在基于Livox 硬件进行点云算法开发,目前已小有成果,今年内应该可以展示给部分客户。对于这些有意愿大规模采购的优质客户,他们没有必要重走我们走过的路。这2年的成果在某种意义上我们乐于赋能给他们。如果说放在Github上的开源算法是从0到1,而这部分我们希望能帮助核心客户从1快速成长到80。最重要的是,这套算法泛化性会很强,无论主机厂采用何种硬件方案,适配性都会不错”,Livox 产品经理补充到。
此次,Livox 方面向笔者介绍了目前开源算法的阶段性成果。据悉,对于做感知最常用的深度学习方法来说,只需完成相应的数据采集、标注与训练,就可以得到很好的感知效果。而Livox 基于Horizon的一系列开源demo算法包含机动车和行人等常见目标物的识别能力展示,都可以证明这一点。同样,Livox 会提供从部署到实施的全链条支持。
Livox 行人小目标检测与追踪算法
(1*HAP B Sample)
Livox 车道线实时检测算法
(5*Horizon+1*Tele-15)
Livox 实采数据集 V1.0
尽管算法迁移确实有成本,但因为Livox 的巨大成本优势,在真正大规模商用时能节省下来的真金白银其实远大于算法迁移成本。
3. 年产能20万颗背后的秘密
在追求性能强大的同时,为达到车规量产的目的,Livox 非常关注如何采用技术手段突破量产的工艺瓶颈。
当前,对大多数激光雷达厂商来说,量产中最大的工艺瓶颈在对焦环节(即将激光的发射端跟接收端对齐)。如果对焦没做好,良率就会很低,进而抬高产品的隐形成本;而如果产品设计方案欠考虑,为了追求有效率的对焦结果,则生产节拍就会大幅下降,导致为了追求效率而牺牲规模化。因此,Livox 在设计产品之初就围绕着对焦技术进行了大量研究。
Livox 的产品中有6个激光发射器和6个接收器,如果按照传统的工艺来“一一对应”,哪怕每次对焦都没有任何失误,也需要对焦6次才行,况且,稍有不慎就对不准。这个问题不解决,产品性能与可靠性再好,也难以吃得下未来更多的市场需求。
针对这个问题,Livox 的对策是,用半导体封装工艺把6个发射器(3mm*4mm的小芯片)和6个接收器各自封装在一个“盒子”里,这样,只需将两个“盒子”一次性对齐就行了。
HAP激光发射模组封装结构示意
Livox 内部将这一自有专利的封装技术命名为“DL-PACK全气密性封装”。要知道,封装的成本可不比整个激光发射器模组便宜,Livox 如此大费周章,里面自然是大有文章。
采用DL-PACK全气密性封装技术后,激光发射器和接收器对焦环节的效率不止提升了5-6倍,真相是,由于“盒子”跟“盒子”对齐的难度远低于单个激光发射器跟接收器对齐的难度,对焦的效率实际提升了几十倍!
“Livox 在2020年的出货量同比增长了4倍左右,今年和明年我们的目标都是5-6倍的增长,市场的需求在这里摆着,如果产品设计上无法支撑大规模量产,我们的商业目标也终究无法闭环”,Livox 提到这一技术背后的商业价值。
然而,最令笔者意想不到的是,这一技术不仅仅满足了当下产品形态的可规模化量产,而且还拥有面向未来的性能提升可兼容性——若今后要实现更高密度的点云质量,需要把激光器的数量从6个增加到8个、10个甚至12个的时候,在DL-PACK全气密性封装技术的加持下,仍然只需要“盒子”对“盒子”的一次性对焦,唯独“盒子”的尺寸稍有变化而已,在对焦环节做个夹具的更新即可开始生产,所以制造成本几乎没有增加。
以数据来说明,在没有导入这一工艺之前,Livox 对焦工站的UPH停留在个位数水平,即一个小时只能生产数颗激光雷达;而按照Livox 的计划,到年底之前,整个产线除“上下料”环节外将全部实现自动化。届时,单台工站 UPH 将提升至40颗/小时,单条产线年产能可达20万颗。
采用DL-Pack技术的优势,除了直接体现在可量产性与性能提升兼容性以外,其还有一个宝藏功能。
Livox 团队称,并非所有厂商都能做好对激光发射器和接收器的气密性保护,甚至有一些厂商认为裸露的发射器和接收器同样可以达到车规级可靠性要求。但根据Livox 的实验证明,如果气密性不好,在长时间使用后,高低温冲击、水汽、腐蚀性气体不可避免会有一定的渗透,如果长期接触激光器和接收器,二者失效的风险就会大大增加。DL-Pack封装技术,可有效隔绝水汽、有毒气体、灰尘等对激光器的不良干扰,大幅度提高长时间工作后的稳定性,显著地提升激光雷达寿命。
“任何事物不能只是看表面参数,要知道其背后的逻辑和制约条件。激光雷达的原理其实并不复杂,但高性能的车载激光雷达自诞生以来近20年时间仍然没有实现大规模装车,其实是因为很多人轻视了其背后工程化落地难度。如果一味追求性能极致,我们大可不必启用DL-Pack,因为没有这个‘盒子’,HAP的量程能达到200米以上,在这一参数上可以做到独一档,但在意识到这么做的代价是产能下降10倍以及光源与接收失效概率大幅提升之后,我们坚定地认为,没必要过分追求某个单一性能指标达到极致。”
但DL-Pack全气密性封装技术既然这么好,难度不是所有厂商都可以做吗?Livox 介绍说,采用这一技术有很高的壁垒,同时对部分技术方案而言会增加很多成本— 一般而言,激光器越多,成本增加的越多。
首先是技术原理层面的壁垒。一些公司采取的技术路线,就决定了激光器难以封装。
据笔者在现场看到的一个产品解剖图,Livox 的产品中,6个激光器很紧凑地排列在一起,封装起来比较容易,而另外一家同样采用905nm光源的公司所生产的产品中,各激光器之间的间距果然比较大,用半导体工艺封装的成本会很贵。
除此之外,工程层面的壁垒更高。比如, EEL是边沿发光,封装之后因为边缘是金属管壳,顶上是出光玻璃,这就需要使光整齐地垂直向上出射,所以必须在管壳内做多个μm级别的微型反射镜,其精度要求极高。另外,封装所采用的金属和玻璃在交接面处如何做好牢固可靠的连接也是一大难题,否则将无法抵御高低温冲击所带来的热形变等问题。
笔者在跟一些自动驾驶公司的交流中了解到,Livox 确实在工程化方面跑在了行业前面,积累了很多工程化方面的Know-How,因此,他们在研发设计的时候就考虑到了很多后期工程阶段的细节。
4. 稳定可靠>漂亮参数
无论采用的技术多先进,最终都需要达到车规标准,否则就无法真正走向市场。但如何定义“车规”,目前看来还是个“玄学”,各家的定义都不一样,很多时候,完全就是自己做裁判。
Livox 团队提到,“Livox 本身在产品设计初期就会充分吸纳行业通用可靠性测试标准来考虑过车规的各项风险点,再加上通过与多家主机厂的紧密合作,我们对‘车规’的理解更加深刻与全面。但最终,衡量你的产品有没有达到车规标准,最关键的两个依据就是,1. 主机厂是否愿意买单,以及 2. 产品是否能经受住大规模量产使用后的品质考验”。
换言之,产品要达到车规级,不仅仅需要满足行业通用性标准,还需要满足主机厂不同车型项目的差异化标准。
在激光雷达产业的早期阶段,很多厂商都格外重视把产品的性能参数做到极致,却牺牲了可靠性;而Livox 一开始就是冲着前装量产去的,因此,格外重视可靠性。比如,Livox 从来没碰过传统的机械旋转式激光雷达,因为知道“无法过车规”(这也已是行业通识)。除此之外,诸如1550nm光源、SPAD接收以及超高点频等“先进性”技术方案,Livox 也表达了他们的看法。
4.1 为什么Livox 不用1550nm光源
在Livox 看来,1550nm有更高的人眼安全阈值,光纤激光器也有更好的光斑质量,这是该方案不可否认的优点。但光纤激光器需要泵浦光源、掺杂增益光纤、光纤耦合器等器件,系统非常复杂,光电转换效率也低,若激光雷达整机要求体积小巧,则系统可靠性和散热就成为关键问题。
此外,1550nm接收器是InGaAs工艺,也无法兼容成熟的硅半导体工艺;而1550nm的功耗也很大,单组激光器功耗普遍在20W左右,相比之下Livox HAP整机功耗只有13W。整体而言,1550nm技术目前成熟度较低,成本高,体积和功耗都很大,比较难做到车规量产。
另一方面,即便不考虑光纤激光器,1550nm的半导体激光器虽然可以做到与905nm半导体激光器相近的体积、功耗和成本,但是受限于器件能力,峰值出光功率和905nm半导体激光器相似,失去了1550nm方案最重要的高功率优势。
笔者了解到,Livox 预研团队对1550nm方案一直在保持关注,但他们认为,基于上述诸多原因,该方案目前成熟度仍然较低,在功耗和使用环境等问题尚未解决的情况下,不适用于近两年内需要量产的项目。
4.2 为什么不采用SPAD接收方案
除1550nm激光器外,追求更长探测距离的另外一种手段是在激光接收端采用灵敏度更高的SPAD(单光子雪崩光电二极管)以取代APD(雪崩光电二极管)。
APD工作在光电二极管的线性区,其动态范围可达106~107,能在各种极端光照环境下稳定工作。但在同样的口径下,APD对极端微弱信号的响应或许不如高性能(例如光子探测效率>20%)的SPAD,也就意味着在暗光环境下的量程可能比SPAD稍弱。
尽管高性能SPAD灵敏度更高、能实现更长的弱光探测距离,但其缺点也很明显——由于SPAD极为敏感,每次探测之后都需要时间来恢复,如果背景光噪声较强,SPAD会由于频繁的误触发而处于一种“疲劳”的状态,点云噪点会明显增多,量程也会因此衰减,另外高温也会进一步影响SPAD的噪声水平,在原有的暗计数、后脉冲效应、串扰等不利因素的基础上,加剧性能的恶化。
综合而言,在夜晚等没有太强背景光的场景下,高性能SPAD的表现也许优于APD,但由于相比其他传感器,弱光环境下本身激光雷达就会表现更好,因此SPAD相比APD在此环境下的优势是不明显的,或者说是是边际效应递减的;但在太阳光强烈、极端温度的环境下,现有SPAD的综合表现却是显著低于APD的。Livox 认为,量产产品最重要的,就是不能追求单一环境下的单一指标最高,而应考虑到各种极端工况下都能表现很稳定。
针对上述情况,如果仍然选用SPAD方案,业内常规的解决方案是将多个SPAD并联在一起(即SiPM),以此来获得更高的动态范围以应对强光场景。但是,并联增加的SPAD数量难以弥补与APD相比的量级差距,与此同时也带来了芯片面积增大、工艺难度增加等问题,而这些问题仍待解决。
当然,也可以采用算法过滤的方法减少SPAD的噪点对物体识别的影响,但代价是可能会干掉真正有用的信号,从而产生漏识别——这相当于倒洗澡水的时候把孩子一起倒掉了。
“SPAD有点像六脉神剑,某些情况下确实是很厉害,但某些情况下容易失灵;APD虽然看上去不够惊艳,但贵在性能稳定——即使在高温和强背景光下,也可以测到低反射率物体”,Livox 研发形象地类比道。
在仔细权衡不同方案后,HAP果断选择了更适合户外远距测距使用的APD方案。
以下图示,展示了HAP在阳光直射场景下激光雷达分别水平摆放及直射阳光摆放时,实际点云检测效果。测试结果表明HAP在强光下动态范围大依旧能够检测出细小树枝,且全FOV视觉下都点云清晰、噪点率低。
雷达水平摆放(光强71.6klx)
至上而下:实际测试场景、正视图、鸟瞰图(全FOV下无阳光噪点)
雷达直射摆放(光强102.9klx)
至上而下:实际测试场景、正视图、强光下HAP树枝检测的点云细节
强光下HAP对细小树枝的探测效果
“市场上有些手机的相机高达1亿像素,苹果常年用的都是1200万像素,只看参数的话,苹果似乎是远远比不上前者的,但实际看拍出来的效果呢,苹果的表现往往不会差。具体到激光雷达,我们并不否认1550nm方案、不否定SPAD技术,但考虑到各种优势劣势的权衡,我们希望带给客户的是可量产交付、可稳定工作的产品。”Livox 产品经理表示。
4.3 为什么不采用高点频?
为了保证产品寿命,Livox 在激光发射频率的设置上也非常克制。
激光的发射频率,通常被称为“点频”,即激光雷达在一秒钟内发射了多少束激光,这是影响点云密度的最关键因素。在激光雷达被当做营销亮点的阶段,车企们在选择激光雷达的时候特别看重点云密度,有的车企甚至提出按点云密度来算应该付多少钱。
市场上有的公司将单颗激光器的点频做到150K/秒。而Livox HAP总共用了6个激光器,如果按照150K/秒的标准,则HAP本可实现900K/秒的点频,但实际上HAP的点频只有450K/秒,即单颗激光器的点频只有75K/秒。“要让demo效果看起来惊艳的话,我们能轻而易举地提高点频,只需要找台样机提高控制信号的频率,理论上单颗激光器调到1,000K/秒以上也可以。但从技术方案上而言,这属于对激光器寿命的过分压榨;从商业上而言,这属于对客户、对行业的不负责态度”。
Livox 产品经理还做了个形象的类比:“你有六头牛,正常情况下每天可以产10公斤奶。现在为了冲业绩,让每头牛每天挤20公斤奶,这样看似整体产奶量得到了立竿见影的提升,但实际上每头牛的负载很大,大概率导致奶牛提前‘退休’。我们要保证的,是激光器在整个生命周期内不能有明显衰减,更不能损坏,这需要在点频上非常克制。”
当然,笔者认为Livox 这样做的信心还来自于前文提到的DL-Pack的性能兼容性,若有必要,Livox 可快速在下代产品中导入更多激光器数量,不一定非要通过“压榨每头牛”,时机成熟了再通过“增加奶牛的数量”或许是更聪明之举。
在漂亮的参数和可靠性之间,Livox 宁可约束前者,也要把后者放在最高优先级上。“整个车载激光雷达行业目前还不成熟,各种方案都没有经历过年产10万台以上的大规模验证。如果一味地追求性能做到极致,可靠性便会受到很大影响。我们不追求融资上市,也不追求一时的风头,而只是踏踏实实做好产品。如果技术不够成熟,我们既不会激进地拉高性能参数,更不会为了商业利益去提前几年做推广。”
5. 工程与测试环节的高标准
除确保所选的技术路线能实现车规外,Livox 在工程及测试环节的标准也很严苛。
以产品整体的设计和用料为例,Livox HAP是少数使用高强度玻璃作为收发窗口的厂商之一。相较于一般的塑料窗口,玻璃有着更高的硬度,更好的耐久度和透光性,在长时间使用中也更能经受高低温变化和风霜雨雪的侵蚀,毕竟产品面向的是10年以上寿命的车规要求。
而且玻璃窗口更不易粘上泥污,即便有泥污,经实测普通泥污附着于表面,对激光雷达性能的影响还不到10%。同时,激光雷达本身内置了脏污告警,当脏污程度超过夸张的临界值时会提醒用户进行清洁。
该高强度玻璃已经经过了车规级碎石冲击的考验。车规的要求是,碎石冲击后玻璃不能碎裂,机器功能完整,表面凹坑导致的性能衰减在可接受的范围内。在交流的过程中,Livox 团队给笔者看过一张照片,在碎石冲击试验后,激光雷达的铝合金边框都被打花了,但玻璃镜片仍然没有任何裂痕。笔者还了解到,HAP所采用的的钢化玻璃表面硬度达到了8H,且可通过符合ISO20567标准最严苛的碎石冲击测试,其防撞碎裂可靠性可见一斑。
“我们的工程师提供了一组对比数据,这种级别的碎石冲击试验的强度,可等效理解为车辆在铺满碎石的乡间小道上开了6年以上,仍可保证激光雷达窗口不会破裂。”Livox 进一步解释到。
除了工程方面的严苛要求,Livox 在可靠性测试标准方面也投入巨大。据悉,Livox 完成70多项车规测试要求的检测中心和大疆车载是复用一套,而该中心不仅仅是按照国家CNAS认证标准建设的,而且从大疆车载于上海车展的最新亮相信息来看,该检测中心的设施与体系标准也得到了全球顶尖车企大众集团的认可。
据悉,除碎石冲击、有毒气体等少数几项测试是外包的以外,Livox HAP已经在该检测中心完成了电子EMC、机械冲击、环境可靠性等70多项符合ISO16750等行业标准的车规级可靠性测试内容。
不止是用最好的设施做最全面的测试,Livox 团队还在车规定义模糊的当下,尽可能地实践更高的自我要求。
“比如,高温耐久测试,行业普遍的做法是将激光雷达在85度的温箱里测试1100小时,而我们的标准2100小时。”所以,激光雷达的车规到底如何定义,笔者认为当下还没有一个统一结论。但令人欣慰的是,Livox 团队已经在与多家业内机构一起参与起草并制定激光雷达行业相关标准的过程中。
结语
去年下半年,一位激光雷达厂商负责人在跟笔者聊起行业大势时说,Livox 是他们最敬畏的竞争对手——不仅技术,还有组织能力,“大疆是一家愿景驱动型的公司”。
虽然Livox 已是备受瞩目的头部激光雷达厂商之一,但他们并没有因此而“沾沾自喜”,在笔者看来自动驾驶与激光雷达赛道是一场旷日持久的马拉松,而Livox 团队在产品设计与商业布局上所展现出的定力与态度,让笔者对他们的未来有更多期待。
去年12月8日晚上,在散步送笔者去地铁口的路上,谈到行业的竞争格局时,Livox 人员是这样说的:“道阻且长。现在拿下量产订单、激光雷达上量产车,都不能算是阶段性胜利——只有当有朝一日,购车的用户进到店里问‘这车上有没有装激光雷达、装的激光雷达是谁提供的’的时候,我们才敢说,激光雷达已经确确实实带来了用户体验的提升。”
*图片来源:https://www.renishaw.com.tw/tw/optical-encoders-and-lidar-scanning--39244
备注:跟作者交流、投稿请添加作者微信charitableman。加微信前请务必说明自己所在公司、岗位及真实姓名,否则无法验证通过,多谢理解。
推荐阅读(超连接):