激光雷达的现状--激光雷达为何蹿红

        目前小鹏、蔚来、奥迪、宝马、智己、哪吒等多个品牌的新车开始配备激光雷达。前段时间又出了一条关于特斯拉也要配置激光雷达的新闻，虽然后来媒体求证特斯拉，得知这组配置激光雷达的测试车是用于校准算法的，特斯拉搭载激光雷达的概率极低。

        激光雷达究竟有怎样的魔力让这么多品牌趋之若鹜呢？激光雷达为什么会突然火起来呢？在之前的很多年里，大家也会时不时聊起激光雷达。很多自动驾驶的测试车也有配置激光雷达的，但始终是小范围的测试，与消费者日常用车离得还很远。但今年（2021）上海车展之后，突然就出现了一大批搭载激光雷达的量产车，包括小鹏P5、蔚来ET7、极狐阿尔法S、奥迪、宝马、智己、哪吒等等。那么为什么激光雷达突然间就这么火了呢？主要有两个原因：1. 车企对高阶自动辅助驾驶的需求越来越迫切；2. 激光雷达价格有大幅降低。

1. 车企对高阶自动辅助驾驶的需求越来越迫切

        自动驾驶的概念提出来已经很久了。不过早期，多数是针对军事的使用或者是概念性的畅想。在2010年，谷歌开始针对民用市场开始做研发。但是他们做的是L4级的无人驾驶，和实际民用市场离的其实还挺远的。2015年特斯拉推出了AutoPilot。此时大多数车企做的只是ACC(Adaptive Cruise Control，自适应巡航控制)加上车道保持，这属于初级的L2级辅助驾驶。特斯拉最早出的功能其实也类似，不过效果相对好一些。当时马斯克宣称AutoPilot可以单纯通过OTA（Over The Air technology，空中下载技术，通过移动通信的接口实现对软件进行远程管理升级）达到L4级的能力。从这个时候开始，量产车上的高阶辅助驾驶的竞争就开始了。去年特斯拉、小鹏、蔚来先后推出了高速领航功能。理论上，能做到从进高速匝道开始到出高速匝道结束全程保持自动驾驶。随后，特斯拉在北美又拿出了测试版的FSD（Full Self-Driving computer，特斯拉的FSD就是服务于自己旗下自动驾驶技术的一种高性能芯片），在市区也可以做到不需要人干预的自动驾驶了。

        自动驾驶刚开始走进民用市场的时候，激光雷达不仅价格动辄几十万，并且也没有能够通过车规级测试的产品。特斯拉从开始做自动驾驶就宣布坚决不用激光雷达。可是包括谷歌在内直接开发L4级自动驾驶的公司，从最开始就用上了激光雷达。激光雷达的能力也得到了普遍的认可。要开发城市道路的自动驾驶，可能会遇到的状况会远超过之前车道内巡航或者简单变个道的情况。到目前为止特斯拉还是坚持自己不会用激光雷达。

        特斯拉至今还是自动辅助驾驶领域里面最顶尖的公司，在自动辅助驾驶这方面实力确实是毋庸置疑的。不过，也不能说他的对手公司就全部不如他，那为什么别的公司至今还在追赶特斯拉呢？主要是由于特斯拉有先发优势，自动驾驶的算法，可不是单纯靠一大堆的程序员就能码出来的。算法的核心是卷积神经网络和深度学习，这些要通过海量的数据训练出来，尤其是用摄像头的纯视觉路线。摄像头看到的东西和人眼看到的东西差不多，但要让自动驾驶系统认识看到的是啥，哪些需要避让。尤其需要海量的数据来做训练，训练的越多，认得也就越准。因此测试的里程、收集的数据量就变成决定公司实力的最重要的因素之一。我们简单做个对比，最早开始做自动驾驶研发的谷歌，在2018年的时候公布的计划是到2020年把Waymo自动驾驶车队的规模扩大到2万台，并且这些都是需要请安全员坐在车里才能做测试的，安全员需要发工资，假期需要放假，测试的区域也会有限制。可是那特斯拉呢，特斯拉去年的累计销量已经破了百万台，其中配自动辅助驾驶的车辆，至少也是几十万台的规模，并且用户用车那是遍布全球，还不放假。因此特斯拉积累的数据量和其他公司已经不在一个数量级了。那么别的公司是不是就没机会追上特斯拉了，也不是，也有，那就是走多传感器融合的路线。要知道特斯拉不仅不用激光雷达，也不用高精度地图、C-V2X等等，走的是纯视觉的路线。上海车展之前，极狐和华为合作推出了阿尔法S HI版， 至少从其自动驾驶测试的视频（下图为阿尔法S HI版演示视频截图）上展示出来的能力来看，已经不输特斯拉在北美市场推出的FSD测试版了。这个车用了三颗激光雷达、华为的4D成像雷达、四目摄像头、高精度地图等技术，最终表现也有目共睹。

        众所周知，要想实现自动驾驶首先需要让车看清楚周围的环境，也就是环境感知。感知部分又分为两块，一个是硬件部分负责看也就是感，另一个是软件部分（算法部分），负责理解也就是知。前面我们也提到算法的进化需要依赖数据，那么更容易提升的就是感的部分了。现在主要的感知方式，包括摄像头、毫米波雷达、超声波雷达、高精度地图、C-V2X等等。首先说一下超声波雷达也就是常说的倒车雷达，它的好处是价格便宜、体积也小。可超声波雷达靠的是声波，声音在空气中传播的速度是340m/s，从声波发出到碰到障碍物折返， 再加上数据处理和反应的时间，对于高速移动的汽车来说，这个时间太长，完全不合适。超声波雷达本身探测的距离就短，而且只能探测到一定范围内有没有障碍物以及障碍物的距离，对于障碍物的形状以及具体的位置其实是没办法判断的，这就决定了超声波雷达只能用于停车等低速场景，对于自动驾驶来说帮助不大。再看一下C-V2X也就是车路协同，C-V2X需要路面以及其他车辆也配有同样的设备，十分依赖基础设施建设。现在C-V2X基建还没有大面积铺开，因此在实际应用中很少。下一个就是高精度地图，高精度地图是比我们平时用的导航地图有更多细节信息的地图，可以精确到车道，包括弯道的曲率、每个车道的导向、路面的坡度等细节。不过地图的测绘涉及国家安全，管理很严格，需要相关的资质才能进行。在咱们国家高精度地图的测绘需要甲级资质，就只有百度、高德、华为、四维图新等这么十几家公司有。目前覆盖的道路还很有限，不过现在国内做自动驾驶和高阶自动辅助驾驶的公司，其实都有用到高精度地图，比如小鹏和高德合作，蔚来和百度合作。极狐这些和华为合作的品牌用的是华为的高精度地图。但是特斯拉是要布局全世界市场的，不能指望全世界哪个地方都能像中国一样，都有C-V2X有高精度地图。所以特斯拉在开发的时候就直接放弃了C-V2X和高精度地图。

        剩下可以使用的传感器就是摄像头、毫米波雷达和激光雷达了。摄像头是自动辅助驾驶离不开的设备，它和人眼一样能看到路面上所有的事物，也是唯一一个能分辨颜色和具体图形的感知硬件。但是摄像头本身也存在局限性，第一个还是严重依赖数据训练，另一个在某些不常见的场景中可能会判断失误。比如之前特斯拉就遇到过，有两次把白色的货车识别成了云或者是天空，最后撞了上去，甚至还造成了驾驶员死亡的惨剧。还有就是摄像头的探测距离是会受到像素这些的限制的，蔚来ET7配备了800万像素的高清摄像头，但摄像头像素高了就又需要大算力的芯片来支持，这就增加了很大一部分的成本。另外摄像头对距离的判断也有天生的局限性，解决方案是利用像人眼一样的两个有夹角的摄像头，利用两个摄像头的角度差通过算法来计算距离。现在还有三目摄像头是由长焦（250m/35°）、普通焦段（150m/50°）和广角（60m/150°）三个摄像头组成的。在极狐阿尔法S HI版上更是用到了长焦、广角和一对普通焦段的双目摄像头组成了一个四目摄像头。摄像头更严重的问题是受逆光、大光比、雨雾这些自然因素的影响很大，并不能保证全天候的正常工作。那么毫米波雷达呢，毫米波雷达也是最常见的感知硬件。特斯拉这种纯视觉路线，也有安装毫米波雷达。我们最常见到的是ACC自适应巡航的毫米波雷达。毫米波雷达依靠的是电磁波，它是光速的，并且波长相对较长，比光有更好的穿透性，在一般的雨雾风沙天气也能用，而且毫米波雷达可以同时探测目标物体的距离和速度。这是毫米波雷达独有的优势，价格和体积也相对适中，但毫米波雷达分辨率有限，它可以探测目标障碍物的区域，却很难探测到具体的形状，对于小尺寸的障碍物就更难分辨了。常见的毫米波雷达对于垂直方向甚至不做区分，因此毫米波雷达不能作为自动驾驶的主传感器。前面我们有提到华为4D成像雷达也是一种毫米波雷达，相比普通的毫米波雷达，它提高了分辨率可以基本分辨出车辆、行人、非机动车辆这些的形状，甚至它还能穿过前面车的车底，探测到再前面两到三台车的距离和速度，可是它的价格就要高很多了。最后终于说到激光雷达了。相比毫米波，激光雷达使用的激光波长在千纳米级别，有更好的指向性，不会拐弯，也不会随着距离的增大而扩散，因此一道激光探测到的是一个很小的点，很多的点集合起来就形成了点云。这些有距离信息的点云，就可以精确的还原周围环境的三维特征了，因此激光雷达最大的优势是有很多丰富的细节，并且探测的距离也相对较远。因此，足够光束的激光雷达不仅能够精确的判断车辆、人、路杆这些障碍物 还可以准确的识别掉在地上的石头、前面车上掉下来的货物、这些小尺寸的障碍物。相比摄像头不仅能够准确的识别距离，还不需要大量的数据来训练。激光雷达不一定认识他看到的障碍物是什么，但能够确定有障碍物干扰前进，所以就能提前做好刹车或者变道的操作了。因此激光雷达也是打破特斯拉先发优势的一个利器。不过激光雷达也不是完美的，它也有缺点。主要就是贵，就在几年前，一个64线的激光雷达售价能达到20多万，128线的激光雷达甚至可以卖到70多万。马斯克开始坚决不用激光雷达，就是因为这个。不过现在华为、大疆等已经把性能足够优秀的车规级激光雷达的价格压到了几千块。除了贵，激光雷达还有别的缺点，它相比毫米波雷达有更好的指向性，因此对雨雾、风沙这些的穿透性就会差很多。在相对恶劣的天气里，它就会罢工。几年前马斯克就吐槽过激光雷达很鸡肋。

        但是对于其他厂商来说，想要尽快地追上目前量产的自动辅助驾驶最先进的水平，多传感器融合是一条很不错的路线（下图为蔚来ES8多传感器方案）。特斯拉应该也是感觉到了这样的威胁。目前还不能确定多传感器融合是否一定比纯视觉路线更好。但是可以看到更多信息的多传感器融合是否比人驾驶更安全、可信度更高呢。激光雷达在里面就必然扮演重要角色。

2. 激光雷达价格有大幅降低

        大家早就知道了激光雷达这么好，为什么激光雷达现在才火呢? 除了受应用场景有限、车规级限制这些原因，最主要的原因还是价格刚刚降下来。前一节提到过，就在前几年激光雷达还是动辄几十万、上百万的价格。这样激光雷达的价格比车本身的价格还要高。激光雷达贵的原因主要有两个：1. 市场规模小，单件产品的价格自然降不下来，2.激光收发模组多且复杂，占据大量成本。首先是之前的激光雷达主要用在测绘方面，比如放在飞机上或者放在卫星上对地貌做测绘。使用场景对激光雷达的精度要求很高，但是市场规模又不大，也就没办法通过大规模量产来摊薄成本了。可是自从激光雷达可以应用于自动驾驶，这市场规模就扩大了不止一个数量级。现在连iPhone、扫地机器人等电子消费品也开始使用激光雷达了，以后激光雷达的市场规模还会更大。不过更大的市场规模也不可能在短短几年的时间内把成本压缩到几十倍，这就要说到另一个原因了。

 

        以前的激光雷达主要是机械旋转式的（如上图），128线激光雷达就需要128对激光发生器和接收器。激光收发模组不仅成本高，而且需要复杂的人工校准，这就占据了激光雷达最大部分的成本。现在华为、大疆等利用镜面或者是镜片的转动让一束激光不止扫描一个平面，这就可以利用尽量少的收发模组达到多线束激光雷达的水平。比如小鹏P5搭载的两颗大疆览沃浩界车规版激光雷达在ROI区域积分时间0.1秒下，能等效144线。华为的车规版激光雷达等效96线。但实际上他们并没有配备这么多激光收发模组，也就是个位数的收发模组，这就能大幅度的缩减激光雷达的成本。