激光雷達（LiDAR），無人駕駛的“眼睛”，人工智能時代最具想象力的傳感器。

LiDAR 能夠進行主動探測，不受外界環境光影響，實時感知環境信息，獲得精確可靠的三維數據，從而賦予機器人超越人類的視覺能力。

隨著人工智能時代的來臨，激光雷達被廣泛應用于自動駕駛、機器人、安防監控、無人機、地圖測繪、物聯網、智慧城市等高新科技領域。據高盛估計，2020 年，全球激光雷達市場規模將超過百億，2050 年有望超過6000 億，發展規模呈現指數級增長。

在人工智能技術正快速產業化的自動駕駛領域，市場規模巨大，據汽車行業相關權威機構預測，至2035 年全球自動駕駛汽車銷量將達到1180 萬輛。麥肯錫預測，到2025 年，自動駕駛汽車將催生出一個2000 億至1.9 萬億美元的巨大市場。與此同時，物流領域已被視為自動駕駛技術率先落地的場景之一，根據國家物流與采購聯合會數據，智慧物流市場規模將在2025 年突破萬億。激光雷達憑借強大的感知能力，守護自動駕駛對人類出行安全的承諾，已成為該領域必不可少的傳感器，與自動駕駛相輔相成，共同快速發展。

激光雷達的定義與分類

激光雷達（LiDAR）是通過激光測距技術探測環境信息的主動傳感器的統稱。它利用激光束探測目標，獲得數據并生成精確的數字工程模型。

目前，激光雷達的激光測距技術有三種：

1. 激光飛行時間法（TOF），通過將光脈沖在目標與雷達間的飛行時間乘以光速除以二，就可以獲得距離，該方案成熟度比較高，適用于長距離探測，絕大部分車載激光雷達采用的就是該方案。

2. 三角法，由于入射光和反射光構成一個三角形，對光斑位移的計算運用了幾何三角定理，故該測量法稱為激光三角測距法，適合短距離測量，多用于單線二維激光雷達。

3. 調頻連續波法(FMCW)，原理類似Radar，通過多普勒效應等光的波動變化，測算發射光譜頻率和接收光譜頻率的差異，便可得出距離和速度，該技術方案比較前沿，尚無成熟產品。激光雷達的種類比較多，可以通過下面四個主要方面劃分：

· 按照功能用途，可以分為激光測距雷達、激光測速雷達、激光成像雷達、大氣探測雷達、跟蹤雷達；

· 根據載荷平臺，可以分為星載、機載、車載和地基；

· 根據掃描方式，可以分為機械式、MEMS、Flash、OPA；

· 根據雷達線束，可分為單線和多線；

· 自動駕駛廣泛使用的激光雷達產品屬于車載多線成像激光雷達，這類是本文探討分析的對象。

激光雷達相對于其他傳感器的優點

由于激光雷達與攝像頭具有出色的成像能力，一直以來被當作自動駕駛的核心傳感器。激光雷達相較于攝像頭的好處是它能得到準確的三維信息，而且自身是主動光源，能夠不受光照的影響，白天和晚上都能照常工作。

攝像頭識別的顆粒度比較高，能夠獲得豐富的紋理色彩，所以能夠實現精細化的識別，在這一點上激光雷達不如攝像頭。

攝像頭最大的缺點是受環境光的影響大，在強光照射、高亮反白物體、夜晚弱光環境等情景下，采集到的數據都難以通過算法進行有效可靠的環境感知。

激光雷達是通過激光主動探測成像的，不受環境光影響，直接測量物體的距離方位、深度信息、反射率等。算法首先對障礙物進行識別，然后再分類，識別準確度和可靠性遠超攝像頭，而消耗的計算資源低于攝像頭。

可以說，激光雷達在自動駕駛中的應用，最重要的部分就是高精度定位，先確定自身所在的位置，自動駕駛車輛才會面臨“要往哪里去”的問題。所以，確定“我在哪里”是第一步，也是非常關鍵的一步。按常規理解，定位應該只是GPS的任務，的確，自動駕駛的定位會用到GPS，但是GPS定位的精度不足，而且在遇到高樓林立或者進出隧道等情況下信號穩定性差，因此難以保證自動駕駛車輛的安全。所以自動駕駛定位需要結合激光雷達、GPS、IMU等，以完成穩定可靠的高精度定位。

激光雷達硬件配合針對自動駕駛研發的AI感知算法，可以完成對周圍障礙物進行識別，對路邊沿進行檢測，進行高精度定位等任務，還能夠實現分類標注，把障礙物分為卡車、小汽車、行人、自行車等。

激光雷達與自動駕駛的產業化發展之路

首先，我們對自動駕駛的發展做一個階段性的劃分，根據發展歷史和行業未來的預測，自動駕駛的發展可以分為三個階段。第一個階段，2016年之前，實驗室階段；第二個階段，2016年到2020年前后，試運營階段；第三個階段，2020年之后，大批量商業化運營階段。在每一個階段，自動駕駛都對激光雷達有著迫切的需求，激光雷達技術產品的發展也推動著自動駕駛的快速發展。

實驗階段

回顧自動駕駛的發展歷史，最早應該追溯到近百年前，美國的陸軍電子工程師Francis開始用無線電波控制車輛的剎車、離合以及轉向。1956年，美國通用汽車用預埋電纜配合車上安裝的接收器進行車輛的控制。1977年，日本筑波工程研究院開始使用攝像頭傳感器，指導汽車駕駛。1998年，意大利的帕爾馬大學使用雙目攝像頭對物體進行識別、導航，當時車輛行駛了2000公里，94%的里程都是在自動駕駛模式下完成的，剩下6%左右需要在人工干預下完成。

自動駕駛發展最具有代表性的事件是2004年舉辦的美國無人駕駛DARPA挑戰賽，當時有25支隊伍參與，遺憾的是，沒有一支隊伍完成任務，即使比賽總里程只有11.78公里。

當時大家討論說，這次比賽之所以沒有完成任務，最主要的原因是車輛對環境感知不充分，幾噸甚至接近十噸的車，碰到前面的小草堆就“不敢”過去了。這也從側面反映出純視覺傳感器的缺陷，它們要對強光對射、黑暗、斑駁光影的道路環境進行感知，這將大大增加算法的難度。

在2005年的DARPA挑戰賽上，新的突破出現了。斯坦福大學車隊在車頂上裝了多臺單線激光雷達，這類單線激光雷達原來并不是用在機器人或自動駕駛車輛上的，而是用在工業方面，所探測的距離并不遠。但是在裝上激光雷達后，斯坦福大學車隊的車輛完成了比賽，奪得了冠軍。激光雷達在自動駕駛環境感知系統中的地位開始確立。美國激光雷達企業Velodyne也是因為參加了這個比賽，意識到激光雷達對自動駕駛的重要性，開始投入機械式多線激光雷達產品研發。

在此之后，多線激光雷達成為自動駕駛方案的常規配置， 2017年，擁有L3自動駕駛能力的全新奧迪A 正式搭載激光雷達傳感器。同時，L3~L5自動駕駛車輛必須搭載激光雷達，基本達成行業共識。

試運營階段

從2016年開始，自動駕駛開始進入試運營測試階段，激光雷達市場需求爆發。

Waymo作為全球自動駕駛的領先企業，在2016年、2017年和2018年，汽車的下單量從100輛、600輛增長到2萬輛；2018年5月底，菜鳥發布了物流小車，表示要在三年內投入10萬臺車；2018年6月，京東無人車總部項目落戶長沙，開展區域化試運營；2018年7月4日，百度和金龍合作的自動駕駛巴士宣布小批量量產……行業對激光雷達需求量不斷攀升。

2016年到2017年，各領域進入小批量路測階段。非高速開放場景進入小規模試運營準備，面對突如其來的需求，激光雷達市場進入短暫的供不應求階段。非高速開放場景需要快速部署軟件算法與激光雷達硬件結合的環境感知解決方案，價格尚未確定是市場敏感的因素。另一方面，高速／復雜場景自動駕駛方案也進入小批量路測階段。

2017年到2018年，各領域自動駕駛方案基本進入小批量試運營準備，非高速開放場景應用開始規模化試運營，市場需求開始發生改變：非高速開放場景追求激光雷達系統穩定性、產能、性價比；高速復雜場景路測逐漸增加，對高線束激光雷達環境感知方案需求增加。

2019年到2020年，自動駕駛的低速封閉場景和開放場景應用進入規模化試運營，在高速開放場景中的實驗更加流暢，準備進入自動駕駛批量化運營階段。激光雷達行業產品性能開始趨于統一，但市場對于產品價格、性能、系統穩定性、可制造性等全方位要求明顯提高，市場競爭的內容發生改變，全新一代革命性技術產品——固態激光雷達開始進入市場。

這一階段是激光雷達市場規模開始爆發,激光雷達初創企業快速成長的時期。由于成立時間早，Velodyne憑借傳統機械式激光雷達，在市場中占據優勢地位。同時，在這一階段前后，國內外激光雷達企業紛紛成立，并快速成長為行業的核心力量。例如，2014年，成立于深圳的RoboSense(速騰聚創)，憑借超過10年的科研積累，快速完成產研轉化， 2017年4月，在國內率先量產車載16線激光雷達，同年9月,量產32線激光雷達，并正式發布基于激光雷達的自動駕駛環境感知AI算法，提供軟硬結合激光雷達環境感知解決方案，快速獲得大量市場份額。2017年10月, RoboSense(速騰聚創)公布MEMS固態激光雷達,并于CES2018公開展示，一舉成為世界上為數不多掌握固態激光雷達核心專利技術的頂級玩家。

大規模商業化運營階段

2020年以后，自動駕駛將進入商業化運營階段，各自動駕駛服務運營方全面競爭，自動駕駛汽車私人消費市場逐漸爆發。

全球各大OEMs或者Tier 1的自動駕駛發展時間表，基本上都集中于計劃在2020年到2022年實現L3或者L4。而L5的實現則大有不同，大部分企業將實現L5的時間定在2025年，部分企業定在2022年，更有甚者選擇定在2030年。

在這一階段，各類型自動駕駛車輛將開始規模化量產，并投入各場景常規化運營，對激光雷達有車規級、易量產、高分辨率、低成本等嚴格要求。激光雷達需要向大規模量產、低成本以及高穩定性方向發展。

實際上，距離這一階段到來的時間點已經非常近了，目前，傳統激光雷達系統由于物理極限和成本高等因素限制，難以滿足這一階段的行業發展需求。因此,自動駕駛大規模商業化運營的實現中,有關環境感知的使命將會落到全新一代的固態激光雷達技術產品上。

固態激光雷達技術方案可分為MEMS、OPA與Flash三種。

MEMS（微機電系統）：利用MEMS微振鏡對激光進行精確控制，系統內所有的機械部件都集成到單個MEMS芯片上，芯片利用半導體工藝生產。

OPA：相控陣，原理與相控陣Radar類似，采用多個光源組成陣列，通過控制各光源發光時間差，合成具有特定方向的主光束，主光束便可以實現對不同方向的掃描。

Flash：面陣方案，短時間內直接發射出一大片覆蓋探測區域的激光，再以高度靈敏的接收器完成對環境周圍圖像的繪制。該技術發明和應用的歷史比較長久，但是由于高功率問題限制了它的探測距離。

這三種革命性的方案都有基于自身技術原理帶來的不同優缺點：同樣是芯片化方案，千元級別的MEMS方案和OPA相比,成本難以快速降到百元甚至十元級別，但是MEMS更容易實現遠距離探測，而OPA與Flash要達到200米的探測距離還有大量的工作要完成。

面對這場具有革命性技術加持的競爭，縱觀全球行業市場，新一代產品核心技術已經被RoboSense、Innoviz、Quanergy等產業后起之秀所率先掌握，未來的市場將是多元化的。

目前，已經完成固態激光雷達Demo的頂級激光雷達廠商，正在進行車規級測試認證、性能提升、量產準備等工作。

2018年5月，RoboSense推出的MEMS固態激光雷達RS-LiDAR-M1Pre已經率先搭載到菜鳥無人駕駛物流車使用，成為首款在無人駕駛車輛上使用的固態激光雷達。我們希望在2020年，能夠將MEMS固態激光雷達的量產成本控制在200美元以內。

激光雷達進入自動駕駛感知系統，成功推動了自動駕駛結束漫長的實驗探索期，進入快速發展的試運營期。自動駕駛的快速發展和行業需求，反向激發了激光雷達技術和產業的全面爆發。全新一代固態激光雷達產品方案的成熟和量產，將推動自動駕駛商業化運營的大規模普及。

激光雷達產業未來發展

激光雷達產業有三個主要發展方向：固態化、激光雷達與攝像頭底層融合、智能化。

第一，激光雷達固態化。面對即將到來的自動駕駛商業化運營的階段性市場，低成本車規級的固態激光雷達需要肩負起它的使命，行業對固態激光雷達的真正量產期待已久。激光雷達固態化后，將消除傳統機械式激光雷達中存在的物理限制，并且帶來高分辨率、長距離、車規級、易量產以及低成本等優勢。

第二，激光雷達與攝像頭底層融合。兩者作為自動駕駛的核心傳感器,各自擁有獨特的優勢，攝像頭可以獲取真實世界中豐富的二維彩色信息，激光雷達能夠獲取三維高精度空間信息。對于自動駕駛環境感知需求，一方面，如果僅依靠攝像頭獲取的二維圖像，感知的可靠性和探測的準確度都難以保證駕駛的安全性。另一方面，僅依靠激光雷達又很難對諸如交通路牌、紅綠燈等信息做出有效識別，以及對復雜障礙物進行精細化分類。通過底層深度融合LiDAR和攝像頭數據，可以發揮出更強大的感知能力。將二維彩色信息覆蓋到三維高精度空間數據上，獲得時空同步后的彩色點云數據，極大地提高了AI感知算法對目標物體的分割及分類探測距離、準確度、精細度，從而大幅提升自動駕駛車輛安全性。

第三，激光雷達智能感知系統。基于MEMS固態激光雷達、AI環境感知算法、激光雷達與攝像頭融合，多項前沿技術形成閉環達成了智能化激光雷達感知系統。通過AI算法對彩色數據進行預處理，有選擇性地對感興趣區域進行重復探測，能夠為自動駕駛帶來更遠的探測距離與更為準確的感知結果，有效降低中央數據處理單元的數據處理壓力，從而確保汽車迅速完成安全可靠的駕駛操作響應。

總結

激光雷達推動了自動駕駛行業的迅速發展，加速了商業化進程，提供了高效快捷的物流運輸，更守護了人類安全可靠的出行。

可以說，自動駕駛完成商業化，將加速自動駕駛時代的到來。激光雷達產業和技術在迫切的市場需求下快速成長。未來，更先進的激光雷達產品和更成熟的產業鏈，又將通過精確、可靠、低成本的三維環境感知能力，加速機器人、無人機、安防監控、智慧城市等人工智能產業商業化的進程，推動人類全面跨入人工智能時代。