無人駕駛汽車怎么實現自動駕駛呢？這背后一個關鍵技術就是LiDAR，即激光雷達傳感器,俗稱光達，它也被稱為無人駕駛汽車的眼睛。

激光雷達，英文全稱為Light Detection And Ranging，簡稱LiDAR，即光探測與測量，是一種集激光、全球定位系統（GPS）和IMU（Inertial Measurement Unit，慣性測量裝置）三種技術于一身的系統，用于獲得數據并生成精確的DEM（數字高程模型）。這三種技術的結合，可以高度準確地定位激光束打在物體上的光斑，測距精度可達厘米級，激光雷達最大的優勢就是“精準”和“快速、高效作業”。它是一種用于精確獲得三維位置信息的傳感器，其在機器中的作用相當于人類的眼睛，能夠確定物體的位置、大小、外部形貌甚至材質。

LiDAR通過測量激光信號的時間差、相位差確定距離，通過水平旋轉掃描或相控掃描測角度，并根據這兩個數據建立二維的極坐標系;再通過獲取不同俯仰角度的信號獲得第三維的高度信息。

高頻激光可在一秒內獲取大量(106-107數量級)的位置點信息(稱為點云)，并根據這些信息進行三維建模。除了獲得位置信息外，它還可通過激光信號的反射率初步區分不同材質。

激光雷達是自動駕駛的關鍵技術

Lidar大致分為機載和地面兩大類應用，其中機載激光雷達是一種安裝在飛機上的機載激光探測和測距系統，可以量測地面物體的三維坐標。早在上世紀七十年代，由美國航天局研發，LIDAR測繪技術空載激光掃瞄技術開始了發展，并且速度飛快，約在1995年開始商業化。

除了軍事領域的應用，激光雷達也迅速向民用市場擴展。其中，無人駕駛可以說是最熱門的一個應用。

將Lidar應用于自動駕駛，要追溯到美國的DARPA?（美國國防高等研究計劃署），它每年都會舉辦無人駕駛汽車挑戰賽，在2007年的DARPA挑戰賽上，7支參賽隊伍中的6支都采用了Velodyne公司設計的Lidar，最終的第一二名就出自這六只參賽隊。這引起了準備研發無人駕駛車的谷歌的注意，之后谷歌組建了隊伍，據稱，最初的人員就來自這些參賽隊員。谷歌于2009年推出無人駕駛汽車項目，在其無人車原型中使用的就是Velodyne公司的Lida。

激光雷達在無人車市場的應用

近幾年，無人駕駛汽車市場發展火熱，谷歌之后，百度、Uber等主流無人駕駛汽車研發團隊都在使用激光雷達作為傳感器之一，與圖像識別等技術搭配使用，使汽車實現對路況的判斷。

傳統的汽車廠商也紛紛開始研發無人駕駛汽車，包括大眾、日產、豐田等公司都在研發和測試無人駕駛汽車技術，他們也都采用了激光雷達。

激光雷達的特點

Lidar系統測量3D空間中每個像素到發射器間的距離和方向，通過傳感器創造出真實世界完整的3D模型。操作Lidar系統的基本方法是發射一束激光，然后測量光在物體表面反射而返回來的信號。Lidar模塊接收到反射回來的信號所需的時間提供了一種直接測量Lidar系統與物體之間的距離的手段。關于物體的額外的信息，比如它的速率或材料成分，也可以通過測量反射回來的信號中的某些特性而得以確定，這些特性包括誘導多普勒頻移（induced Doppler shift）。最后，通過操控發射出去的光，可以測量出環境中許多不同的點，從而創建出完整的3D模型。

激光雷達（LiDAR）類似于雷達（radar），但是分辨率更高，因為光的波長大約比無線電的波長小10萬倍。它可以區分真實移動中的行人和人物海報、在三維立體的空間中建模、檢測靜態物體、精確測距。

Lidar是通過發射激光束來探測目標位置、速度等特征量的雷達系統，具有測量精度高、方向性好等優點，具體如下：

1、具有極高的分辨率

激光雷達工作于光學波段，頻率比微波高2～3個數量級以上，因此，與微波雷達相比，激光雷達具有極高的距離分辨率、角分辨率和速度分辨率；

2、抗干擾能力強

激光波長短，可發射發散角非常小（μrad量級）的激光束，多路徑效應小（不會形成定向發射，與微波或者毫米波產生多路徑效應），可探測低空/超低空目標；

3、獲取的信息量豐富

可直接獲取目標的距離、角度、反射強度、速度等信息，生成目標多維度圖像；

4、可全天時工作

激光主動探測，不依賴于外界光照條件或目標本身的輻射特性。它只需發射自己的激光束，通過探測發射激光束的回波信號來獲取目標信息。

但是激光雷達最大的缺點——容易受到大氣條件以及工作環境的煙塵的影響，要實現全天候的工作環境是非常困難的事情。

激光雷達的原理與結構

與雷達原理相似，激光雷達使用的技術是飛行時間（TOF，?Time of Flight）。具體而言，就是根據激光遇到障礙物后的折返時間，計算目標與自己的相對距離。激光光束可以準確測量視場中物體輪廓邊沿與設備間的相對距離，這些輪廓信息組成所謂的點云并繪制出3D環境地圖，精度可達到厘米級別，從而提高測量精度。

想象一下，當發出光脈沖時啟動秒表，然后當光脈沖（從遇到的第一個物體反射出來）返回時停止計時器。通過測量激光的“飛行時間”，并且知道脈沖行進的速度，就可以計算距離。光以每秒30萬千米的速度傳播，因此需要非常高精度的設備來產生關于距離的數據。

為了產生完整的點云，傳感器必須能夠非常快速地對整個環境進行采樣。激光雷達能夠做到這一點的一種方式是通過在單個發射器/接收器上使用非常高的采樣率。每個發射器每秒發射數萬或數十萬個激光脈沖。這意味著，多達100000個激光脈沖在1秒內完成從激光器單元上的發射器到被測量的物體的往返行程，并返回到激光雷達單元上位于發射器附近的接收器。

然而，固定線不足以映射整個環境——它只是在非常集中的區域給出非常清晰的分辨率。因此，許多激光雷達系統使用旋轉組件或旋轉鏡來使線圍繞環境進行360度掃描。常見的策略包括使單個發射器和接收器向上或下偏轉使激光器視野覆蓋范圍更大。例如，Velodyne的64線激光雷達系統具有26.8度的垂直視角（通過旋轉使其擁有360的度水平視角）。這個激光雷達可以從50米開外看到一個12米高的物體的頂部。

下圖中可以看到，距離激光雷達的遠近不同，點云的疏密程度也不相同，這是由于數據保真度隨著距離而下降。雖然它不是完美的，但是較高分辨率可用于較近的物體，因為隨著到傳感器的距離增加，發射器之間的角度（例如，2度）會導致這些點帶之間的間隔更大。

在ADAS系統中，激光雷達通過透鏡、激光發射及接收裝置，基于TOF飛行時間原理獲得目標物體位置、移動速度等特征數據并將其傳輸給數據處理器；同時，汽車的速度、加速度、方向等特征數據也將通過CAN總線傳輸到數據處理器；數據處理器對目標物體及汽車本身的信息數據進行綜合處理并根據處理結果發出相應的被動警告指令或主動控制指令，以此實現輔助駕駛功能。

下圖展現的是谷歌無人駕駛公司Waymo在汽車上使用的激光雷達的布局：

激光雷達的分類

激光雷達按有無機械旋轉部件分類，包括機械激光雷達和固態激光雷達。機械激光雷達帶有控制激光發射角度的旋轉部件，而固態激光雷達則依靠電子部件來控制激光發射角度，無需機械旋轉部件。

機械激光雷達由光電二極管、MEMS反射鏡、激光發射接受裝置等組成，其中機械旋轉部件是指圖中可360°控制激光發射角度的MEMS發射鏡。

固態激光雷達與機械雷達不同，它通過光學相控陣列（OpticalPhasedArray）、光子集成電路（PhotonicIC）以及遠場輻射方向圖（FarFieldRadiationPattern）等電子部件代替機械旋轉部件實現發射激光角度的調整。

光學相控陣和微波相控陣是一個原理，利用的是光的相干干涉，出現了相位差，也就出現了干涉峰。所以如何讓通過器件后光產生相位差是研究的重點，這就需要找到合適的材料和激發方法。現在的激發方法主要是電光掃描，也就是通過加電使材料產生相位差。現在兩種比較熱，一個是光波導陣列，一個是MEMS器件的，MEMS器件這個優點是掃描的速度快，但是感覺不是那么必要，因為瓶頸還是在掃描角度這兒，所以現在MEMS原理的商業產品還沒有看到。

光波導陣列通過加電方式來實現光束掃描，利用光波導電光效應，對波導芯層加載電壓，使每個波導芯層具有不同的附加折射率，波束得以在波導陣元輸出截面光場具有不同的附加相位差，相位差按一定規律分布可引起輸出光速的偏轉。通過相位差按照一定規律分布輸出，從而實現光束的掃描。

固態激光雷達優勢：響應速度快，控制電壓低，掃描角度大，價格低。

由于內部結構有所差別，兩種激光雷達的體積大小也不盡相同。機械激光雷達體積較大、價格昂貴、測量精度相對較高，一般置于汽車外部。固態激光雷達尺寸較小、性價比較高、測量精度相對低一些，但可隱藏于汽車車體內，不會破壞外形美觀。

根據線束數量的多少，激光雷達又可分為單線束激光雷達與多線束激光雷達。

顧名思義，單線束激光雷達掃描一次只產生一條掃描線，?其所獲得的數據為2D數據，因此無法區別有關目標物體的3D信息。不過， 由于單線束激光雷達具有測量速度快、數據處理量少等特點， 多被應用于安全防護、地形測繪等領域。

傳統的激光雷達掃描視場非常小，如果想360度的觀察周圍，怎么辦？最自然的辦法就是多搞幾束激光，線數越多覆蓋的角度越大。

多線束激光雷達掃描一次可產生多條掃描線，目前市場上多線束產品包括4線束、8線束、16線束、32線束、64線束等，其細分可分為2.5D激光雷達及3D激光雷達。2.5D激光雷達與3D激光雷達最大的區別在于激光雷達垂直視野的范圍，前者垂直視野范圍一般不超過10°，而后者可達到30°甚至40°以上，這也就導致兩者對于激光雷達在汽車上的安裝位置要求有所不同。

激光雷達的參數指標

測量距離、測量精度、測量速率、角度分辨率是決定三維激光雷達性能的幾個重要指標。

例如，在無人駕駛汽車這個應用領域，對激光雷達的探測距離是有要求的。比如說高速公路上要能夠檢測到前方車輛，還有在十字路口上，要能夠觀測馬路對面的汽車。

有趣的是，精度不是越高越好。激光雷達獲取的的數據可以進行障礙物識別、動態物體檢測及定位，如果精度太差就無法達到以上目的；但是，精度太好也有問題，高精度對激光雷達的硬件提出很大的要求，計算量會非常大，成本也會非常高。所以精度應該是適中就好。

還有一點不能忽視的是角分辨率，角分辨率決定打出去后的兩個激光點之間的距離。單點測距精度達到后，如果打到物體表面兩點間距離（點位）太遠，測距精度也就失去意義了。

激光雷達的機遇和挑戰

機遇

激光雷達在智能機器生態系統中有很多機遇。與使用二維圖像相比，點云能夠更容易的被計算機使用，用于構建物理環境的三維形象——二維圖像是人腦最容易理解的數據，而對于計算機來說，點云是最容易理解的。

二維激光雷達掃描器可在戶外使用，并專為移動、低功耗應用而設計。它只用了競爭對手近四分之一的成本，這將給這類傳感器帶來全新的應用（我們在很多其他類型的傳感器中已經看到過這樣的現象）。?二維激光雷達也可以被搭載到另一個旋轉的元件上以產生環境中完整的三維點云。

其他公司正在尋求降低系統成本的其他策略，例如Quanergy的固態激光雷達。該系統大體與上文已介紹的系統相同，然而，與使用旋轉光學器件來移動光束不同的是，它們使用?“相控陣列光學系統”來引導激光脈沖的方向，它可以在某一方向上釋放一個激光脈沖，而讓下一個脈沖（1微秒之后）瞄準視野中的其它地方。

它能夠實時關注視野范圍內看似移動的物體，這是對人類駕駛員的模仿——后者能及時注意到即將進入汽車所行駛的道路的障礙物。Quanergy系統被設計為能在沒有機械移動的情況下做到這一點，并且每秒采樣大約100萬個數據點——這與64線旋轉激光雷達的速度相當，卻能顯著降低成本。它另一個優勢是更容易被集成在反光鏡和保險杠等其他汽車部件上。

另外，更大和功率更高的系統也正在開發中，它可以從在3萬英尺高度飛行的飛機上對地面成像，其分辨率足以能夠看到地面上的車輛。雖然這些系統的市場需求更小，且成本更高，但其發展將繼續降低傳感器技術的整體成本。

挑戰

1、材質

由于激光雷達基于對激光脈沖返回傳感器所需時間的測量，因此高反射率的表面會帶來問題。大多數材料從微觀水平上看表面粗糙，并且向所有方向散射光；這類散射光的一小部分返回到傳感器，并且足以產生距離數據。然而，如果表面反射率非常高，光就會向遠離傳感器的方向散射，那么這一區域的點云就會不完整。

2、環境

空氣中的環境也可以對激光雷達讀數造成影響。記錄顯示，大霧和大雨會減弱發射的激光脈沖而對激光雷達造成影響。為了解決這些問題，較大功率的激光器投入使用，但它對于較小的、移動或對功率敏感的應用來說并不是一個好的解決方案。

3、行駛速度

激光雷達系統面臨的另一個挑戰是旋轉時的刷新率相對較慢。系統的刷新速率受復雜的光學器件旋轉速度的限制。激光雷達系統最快的旋轉速率大約是10Hz，這限制了數據流的刷新速率。當傳感器旋轉時，以60英里/小時行駛的汽車在1/10秒內行進8.8英尺，因此傳感器對于在汽車駛過期間在這8.8英尺內發生的變化基本上是看不清的。更重要的是，激光雷達覆蓋的范圍（在完美條件下）為100-120米，這對于以60英里/小時行駛的汽車來說僅相當于不到4.5秒的行駛時間。

4、成本

也許對于激光雷達來說，高昂的設備成本是它需要克服的最大挑戰。盡管自該技術得到應用以來其成本已大幅降低，但仍然是它被大范圍采用的一個重要障礙。對于主流汽車工業來說，一個價值2萬美元的傳感器將無法被市場接受。伊隆·馬斯克說：“我不認為它對于汽車的發展是有意義的，我認為它不是必須的。”

5、屬性識別

雖然我們將激光雷達視為計算機視覺的一個組件，但點云卻是完全基于幾何呈現的。相反，人眼除了形狀之外還能識別物體的其他物理屬性，比如顏色和紋理。現在的激光雷達系統不能區分紙袋和巖石之間的差別，而這本應是傳感器理解和試圖避開障礙物時考慮的因素。

6、黑客攻擊

激光雷達發出去的激光本身是沒有編碼的。所以接收器自己本身是沒辦法識別到底這束光線是它隔壁發射器發射出去的還是干擾信號。黑客攻擊指的是采取模擬車輛、行人的信號，反饋給激光雷達造成周圍存在障礙物假象的攻擊手法。最終會導致汽車被強制減速或者剎車。

對激光雷達廠商而言，可以從兩個角度去抵御黑客的攻擊：如提高激光發射頻率，高速激光發射頻率在幾個微秒，黑客的模擬信號就很難選擇什么時候去發射干擾信號為接收器接收。另外，通過算法做一些錯誤判斷，參考之前幾頻數據過濾掉干擾數據。

激光雷達只是用于給計算機提供物理環境數據的眾多傳感器之一，但是生成的數據是計算機最容易理解的，并且它也將變得更便宜。Velodyne銷售和市場總監Wolfgang Juchmann稱，激光雷達的成本在過去7年里下降了10倍。得益于成本的降低，我們將不斷看到新的潛在應用領域。?

編輯：黃飛

?