文：曾永昌/深圳市速腾聚创科技有限公司公关经理
激光雷达(LiDAR)是通过激光测距技术探测环境信息的主动传感器的统称。利用激光束探测目标，获得数据并生成精确的数字高程模型。
车载激光雷达属于多线三维实时成像雷达，包括无人驾驶与机器人广泛使用的机械式16线/32线/64线/128线激光雷达，以及即将车规（车用导航规格）量产的MEMS固态激光雷达。激光雷达(LiDAR)作为主动传感器，不受外界环境光影响，实时感知环境信息，获得精确可靠环境三维数据，一直被用作自动驾驶的核心传感器。
自动驾驶对激光雷达的需求
根据目前业内统一使用、由SAE International（国际汽车工程师协会）制定的自动驾驶分级制度，自动驾驶根据自动化程度从低到高分为L0、L1、L2、L3、L4以及L5级。
其中L0为人工驾驶，L1为辅助驾驶，即系统仅提供一定程度的车道定心支持，包括横向和纵向控制（分别为转向和踏板）以及转向的“持续控制”。
L2为半自动驾驶，即转向、加减速控制完全由系统控制，但驾驶员仍需将手时刻放置方向盘上，并保持对环境的观察以及准备好对激烈驾驶情况的应对。
而L3则为高度自动驾驶，即在一定车速下车辆驾驶完全由系统控制，驾驶员可以安全地将注意力从驾驶上转移开，将手从方向盘上移开，但当车辆将处理需要立即响应的情况，如紧急制动时，驾驶员必须准备在有限时间内进行干预。
L4和L5则分别为超高速自动驾驶以及全自动驾驶，是自动化程度最高的两个等级，驾驶员无需应对激烈驾驶情况，甚至可以安心睡觉或离开座位。但区别在于L4驾驶员仍然需要准备应对工况。
2017年，奥迪(Audi)发布全球首款量产的L3级自动驾驶汽车——奥迪A8，搭载来自法雷奥的4线激光雷达Scala。Scala的嵌入式、小体积、高度可制造性与令人惊愕的低成本为车规级激光雷达树立了标杆。车载激光雷达的应用从此根据需求，被分成两个派系。
一是以Robo-Taxi为代表的“革命性”路线需求：直接应用于L4~L5完全自动驾驶开发(Robo-Taxi等)，追求高性能的机械式激光雷达。不考虑量产的条件下，可以牺牲尺寸和价格。常见产品包括如32线，64线，128线机械式激光雷达，如图1所示。图2为速腾聚创128线激光雷达RS-Ruby的实测点云数据，它代表了目前市面上机械式激光雷达可以达到的最高性能水平。
图1 机械式激光雷达
图2 128线激光雷达RS-Ruby的实测点云数据
二是以自动驾驶乘用车(私家车)为代表的“渐进式”路线需求：逐渐应用于乘用车L2+/L3 (ADAS高级辅助驾驶/ AD自动驾驶)的车规激光雷达，对尺寸、价格、生产制造性、稳定性有严格要求，性能方面“够用就好”，成熟一款，应用一款。
传统机械旋转式激光雷达系统虽然性能高，但由于物理极限和成本高等因素限制，难以满足自动驾驶大规模车规量产需求。
自动驾驶行业发展到现在，“革命性”路线准备商业化量产，“渐进式”路线追求更高级的自动驾驶，两派的需求将走向统一。在车规量产和高性能需求下，固态激光雷达技术快速发展。
目前，主流固态激光雷达技术方案可分为MEMS、OPA与Flash三种。
MEMS：利用 MEMS 微振镜（MEMS 指的是微机电系统）对激光进行精确控制，系统内所有的机械部件集成到单个MEMS芯片，芯片利用半导体工艺生产。
OPA：相控阵，原理与相控阵Radar类似，采用多个光源组成阵列，通过控制各光源发光时间差，合成具有特定方向的主光束，主光束便可以实现对不同方向的扫描。
Flash：面阵方案，短时间直接发射出一大片覆盖探测区域的激光，再以高度灵敏的接收器，来完成对环境周围图像的绘制。该技术发明和应用的历史比较长久，但是由于高功率带来的风险限制了它的探测距离。
这三种固态方案都有基于自身技术原理带来的不同优缺点：同样是芯片化方案，千元级别的MEMS方案和OPA相比，成本难以快速降到百元级别。但是MEMS能够实现200米以上的远距离探测，并用作主雷达，而OPA与Flash目前更适合做近距离补盲雷达。
MEMS固态激光雷达具有高性能、稳定可靠、易于生产制造等优点，兼顾车规量产与高性能的需求。
目前绝大多数自动驾驶企业使用都是机械式激光雷达，深度学习算法框架也基于机械式激光雷达整齐规则的3D点云开发，这类框架需要同样规律整齐的3D点云才能够顺利继承。相对于双旋镜等其他固态激光雷达方案，MEMS固态激光雷达点云规律整齐，可继承先有深度学习感知算法框架，利于硬件产品升级换代后，延续算法的技术积累。目前，针对L2+/ L3量产车型的MEMS固态激光雷达，已处于车规量产前夕。
RoboSense公司在2017年底首次公开905纳米MEMS固态激光雷达样机，2018年1月份，在消费电子展CES上公开演示，2019年产品性能大幅提升；2019年12月RoboSense获得IATF 16949汽车生产资格认证，冻结车规级产品结构设计；2020年1月份发售MEMS固态激光雷达RS-LiDAR-M1（如图3所示）的纯硬件版 M1 Simple，如图4所示，同时发布了其智能传感器版本。RoboSense MEMS固态激光雷达，可以说已经跨越了研究和高级开发阶段。针对客户需求开发和标准化相结合，即将完成车规级产线开发，进而实现产品的大批量生产交付。
图3 MEMS固态激光雷达RS-LiDAR-M1
图4 RS-LiDAR-M1纯硬件版(M1 Simple)
智能化-自动驾驶量产车对车规激光雷达的“隐形刚需”
由于早期激光雷达价格高与稳定可靠性被质疑，行业关注的焦点一直围绕在“价格”，“车规”，“固态”，“机械式”等硬件属性上。然而，激光雷达真正要进入量产车，其智能化和软件感知算法将是更大的挑战。
对于自动驾驶环境感知，传感器硬件通常只完成了数据收集的工作，要真正获取交通参与者方位、类别、速度、姿态等信息，必须经过感知算法的实时计算分析。感知算法的优劣直接决定对交通参与者的检出率、感知准确度和感知距离。如果感知算法性能不足，即使雷达硬件线数再高，也无法获得优质的感知结果。所以说，感知算法是激光雷达感知系统的“第二个核心”。
同时，如果将激光雷达感知算法运行于普通的行车电脑ECU上，对其性能和功耗的压力都非常巨大，难以满足整车的功耗分配要求，所以基于激光雷达感知算法的专用芯片也应该同步推进。
在摄像头领域，Mobileye因为图像识别智能感知算法的优势，令大量车厂摈弃传统的Tier1所提供的前置摄像头，而使EyeQ获得巨大的市场份额。
感知系统的刚需和行业案例，揭示了一个被掩盖在激光雷达硬件光环下的核心需求, 相比信息“收集器”，自动驾驶需要更聪明的信息“收集+理解者”。
基于车规级和智能化的需求，RoboSense在智能版的MEMS固态激光雷达RS-LiDAR-M1 Smart中嵌入AI感知算法与专用计算芯片组，可以同时输出三维点云数据与障碍物检测、识别、跟踪，路面交通标示等路况信息，充分保证决策层在冗余的信息基础上完成正确的驾驶决策，帮助车辆实现Level3~Level5高级自动驾驶与ASIL-D高级安全性。其实测点云如图5所示。
图5 RoboSense MEMS固态激光雷达RS-LiDAR-M1智能版(M1 Smart)实测点云
车规级固态激光雷达技术落地的现状及发展趋势
目前，在固态激光雷达技术上领先的企业，其车规级固态激光雷达产品，已经跨越了高级开发和研究，标准化，客户需求开发等阶段，正在展开车规级产线开发和各类测试验证。
现阶段在测试验证的环节上出现困难。激光雷达硬件、感知算法和功能安全等大量的测试验证需要在开放道路上进行，但目前缺乏针对激光雷达企业用于激光雷达测试验证的测试车辆牌照，限制了激光雷达感知系统发现并解决潜在于不同道路场景中的Corner Case。
车规级固态激光雷达在自动驾驶量产车的应用，不是要取代毫米波雷达或摄像头，而是通过多传感器融合深度融合，为自动驾驶汽车提供更优秀的信息冗余性，共同守护自动驾驶安全。
该文摘编自《光电产品与资讯》2020年6月刊“激光雷达”专题，看全文可点专题文章查看电子刊，或者点击本公众号菜单栏-光子中心-电子期刊。
☆ END ☆
