技术专长：两种激光雷达车用方案

　　据Lux Research报告，到2030年，激光雷达将在自动驾驶领域收获近亿美元的商业机会。并且按照车企从ADAS向全自动驾驶过渡的商用化计划，激光雷达已经开始在车辆局部发挥特长。用于自动驾驶的传感器中，专业人士对激光雷达的评价是"必不可少"。从最早的谷歌豆荚车到层出不穷的车企测试案例，激光雷达已经逐渐发展为标配。不难发现，随着企业自动驾驶方案的选择和规划，车用激光雷达的商业化正悄然发生。但不同激光雷达企业进入自动驾驶领域的策略各不相同，产品技术也存在差异。激光雷达与自动驾驶作为最佳CP如何走到一起？作为激光雷达的领军企业，Velodyne，Ibeo和Quanergy打开市场有何不同姿势？来看车云菌的调研。

　　技术专长：用高精度打动自动驾驶

　　"传感器+高精度地图+云计算"目前被业内认定为"最靠谱的自动驾驶方案"。传感器是自动驾驶汽车的眼睛，用来观察行驶时环境的动态变化。高精度地图为汽车提供全局视野，尤其擅长预告检测范围外的道路情况。云计算保证传感器数据更新上传，让高精度地图始终处于最新版本并下发车辆。

　　要让自动驾驶系统代替人类驾驶员，头等大事就是在任何时间、任何地点"看清"周围环境。行车环境复杂，汽车没法单靠一种传感器胜任全部工作。本着"谁行谁上"的原则，摄像头、激光雷达、毫米波雷达发挥各自优势，分工完成了全套感知，保证在不同时间气候下，360度范围内检测车道、交通、行人、标志、刹车灯和路障等各类实时信息。在这其中，激光雷达最擅长的部分是障碍探测与障碍追踪。

　　与雷达原理相似，激光雷达使用的技术是飞行时间（TOF，Time of Flight）。简而言之，就是根据激光遇到障碍后的折返时间，计算目标与自己的相对距离。不过据业内人士介绍，激光光束与声波相比更加聚拢，因此可以准确测量视场中物体轮廓边沿与设备间的相对距离，这些轮廓信息组成所谓的点云并绘制出3D环境地图，精度可达到厘米级别。Ibeo中国销售总监北京欧百拓信息科技发展有限公司CEO剧学铭打了个比方，用激光雷达看世界，效果好比近视戴上了合适的眼镜。

　　这种精度对上路行驶的全自动驾驶汽车而言，可以更加接近100%安全。Velodyne亚洲区总监翁炜举了一个简单案例，毫米波雷达可以发现路边障碍，但只能"看到"模糊形体。而厘米级精度可以清楚区分出障碍是道牙还是斜坡，自动驾驶汽车断定是斜坡后，就可以做出安全开上车道的决策。当然激光雷达并非万能。剧学铭认为，对于环境颜色信息的区分，激光雷达不够直接、快捷，而这方面正是摄像头的强项。毫米波雷达可以快速获得速度信息，并且在雾天衰减率低，穿透性好，这点与激光雷达相比，是其优势。遇到传感器束手无策的天气，就需要借助高精度地图。翁炜列举了谷歌自动驾驶豆荚车的案例，暴雪覆盖路面的时候，豆荚车就在高精度地图基础上，定位计算马路车道线位置，确定行驶轨迹。

　　行业标杆：Velodyne 64线激光雷达

　　如果再深入了解激光雷达如何描绘周围图景，线数、点密度、水平垂直视角、检测距离、扫描频率、精度是几个主要的参数。自动驾驶和激光雷达这对CP组合，就是从Velodyne 64线开始进入大众视线的。2012年5月，谷歌改装版丰田普锐斯自动驾驶汽车在内华达州上路测试，出场时头顶转个不停的Velodyne 64线，很快就成了自动驾驶汽车的标志性特征。与此同时，谷歌对外宣布项目研究目标——实现无人驾驶并且量产。

　　当时曝光的谷歌专利显示，车顶64线激光雷达的作用是绘制周围环境的动态3D高精度地图。 通过360度的机械旋转，确保全面检测车辆周围的环境图景。该设备在量产车中被保留，最终版原型车在考虑风阻和防护之后进行了重新设计。但实际上这款Velodyne64线是为地图行业而生，所得数据对自动驾驶汽车实时检测而言，存在冗余。我们不妨寻找一个案例进行说明。恰巧Velodyne员工曾经公布了一段64线产品的拆解视频，可以帮助理解。

　　不同激光雷达的构造存在差别，不过大致由发射系统、接收系统、信息处理等部分组成。拆解后的Velodyne64线如下图所示。从正面看，整个激光收发器可以视为上下两部分，每部分都有三个并排透镜，两侧透镜是激光发射处，中间是接收处。转到产品背后会发现，两侧凸镜后各有16个一组的二极管，中间透镜对应32个接收器，可以把光信号变成电信号。

激光光束从两侧透镜发出，遇到障碍物折返后经过中间透镜被抓取，接收器处理分析后判断障碍物位置。所有的时间信息、控制信息、接收信号都会传到顶端的主板上进行信息处理。底部的旋转记录器会