光学雷达（LiDAR）如何助力无人驾驶技术

理是面临的一大挑战。例如，之前所说的LiDAR给出的原始数据只是反射物体的距离信息，需要对所有产生的点进行几何变换，将其转化为位置坐标，这其中至少涉及4次浮点运算和3次三角函数运算，而且点云在后期的处理中还有大量坐标系转换等更复杂的运算，这些都对计算资源 （CPU、GPU、FPGA） 提出了很大的需求。

　　成本挑战：造价昂贵

　　LiDAR的造价也是要考虑的重要因素之一。上面提到的Velodyne VLP-16 LiDAR官网报价为税前7999美元，而Velodyne HDL-64E LiDAR预售价在10万美元以上。这样的成本要加在本来就没有很高利润的汽车价格中，无疑会大大阻碍无人车的商业化。

　　展望未来

　　尽管无人驾驶技术渐趋成熟，但LiDAR始终是一个绕不过去的坎。纯视觉与GPS/IMU的定位以及避障方案虽然价格低，却还不成熟，很难应用到室外场景中；但同时LiDAR价格高居不下，消费者很难承受动辄几十万美元定价的无人车。因此，当务之急就是快速把系统成本特别是LiDAR的成本大幅降低。其中一个较有希望的方法是使用较低价的LiDAR，虽然会损失一些精确度，但可以使用其它的低价传感器与LiDAR做信息混合，较精准地推算出车辆的位置。换言之，就是通过更好的算法去弥补硬件传感器的不足，我们相信这是无人车近期的发展方向。而高精度LiDAR的价格由于市场需求大增也将会在未来的一两年内出现降幅，为无人车的进一步普及铺路。