新出行策划激光雷达专题内容：（可点击链接进入专题：新出行激光雷达知识全汇总），后续新出行将会持续更新激光雷达知识以及评测等相关内容，敬请期待！

当智能网联化迎来变革之际，智能驾驶成为各大车企下半场的主战场。智能驾驶也从功能辅助、驾驶辅助并逐步向具条件的自动驾驶转变。

“视觉派系”最先出圈，以特斯拉为代表凭借摄像头与高强的 AI 算法，让 NOA 一时间成为智能驾驶的标杆。

坚持“第一性原理”，也成为马斯克理解与开发智能驾驶的核心理念。但“视觉派系”对数据累计、算法以及精度门槛之高，伴随着环境变化，我们也看到其带来的“不适应性”。

而作为后起之秀的中国主力军，激光雷达为代表的多元派系成为发展共识，凭借国内优秀的科技企业辅佐以及成熟的供应链，国内的智能驾驶“生态链”达到新的高度。

在感知层上激光雷达走到台前，在可靠性、定位和减少算法依赖都具备很大的优势。其中包括蔚来、小鹏、理想、长城、北汽 ARCFOX 、上汽智己等都宣布激光雷达将上车，多传感器的耦合成为当前的发展必然。

一、什么是激光雷达？

提及这么多，那到底什么是激光雷达呢？

LIVOX 对于激光雷达的定义颇为意思，称之为“点亮自动驾驶之眼。”而它的重点并不是落在“眼”，而在于“点亮”。

与传统数码相机的工作原理不同，数码相机是将三维视觉空间拆分为二维像素矩阵。而激光雷达则是向周围散射出强烈的脉冲激光，测算出光束反射回来所用的时间，然后根据激光测距原理计算并建立周围环境的三维数字模型。

而基于感知层能与计算结合最终获得距离、物体形状、姿态、速度等关键信息。

而我们对比视觉方案路线，以特斯拉为代表将摄像头作为主要传感器，在接收画面时就必须对图像分类、整合、追踪、标定、视觉 SLAM、AI 训练等，以此来达到数据收集、训练、算力到“影子模式”形成数据采集与学习闭环。

视觉方案中物体识别必须准确且高度匹配。虽然摄像头硬件成本降低，但在样本数量采集、算力支持上要求高，并且摄像头本身在距离检测、极端环境下也都具局限性。

而有个类比的例子， iPhone 12 Pro 首次引入“民用级”的激光雷达，而它的作用也是为了增强不同环境下的拍摄能力，包括测距优势提升更多元的对焦效果、处理摄像头在夜间下的对焦弱势，甚至更为前瞻的 3D 建模下的 AR 强化等等，也为未来手机拍摄提供更多可能。

由此可以看到激光雷达在感知、测距、精度以及同步 SLAM（路况模型）能够提供绝佳的辅助作用，进一步降低芯片分析难度，提高决策效率，也为未来的车联网“预备”。而激光雷达的规模化效应也是彼时马斯克所“看不到”的，国内的智能驾驶的发展也搭上了激光雷达前装量产的头班车。

二、激光雷达是如何工作的？

与另外两个常见的毫米波雷达、超声波雷达相类似，激光雷达在内也都采用的是 ToF 的方式，但其核心差异在于雷达信号的不同，例如毫米波雷达频率为 30-300GHz、超声波雷达频率通常为 20kHz- 58kHz，而激光雷达为红外光（大于 10 万 GHz），波长可至纳米级。

波段直接决定了测量精度，这也意味着其在距离、角度以及速度等测量上具备较高的分辨率。

我们来看看它的实际工作原理，激光雷达工作路径是由激光发射、激光接收、计算以及扫描系统系统组成。

首先由激光二极管发出红外脉冲光，此时计时器记录时间，脉冲光照射到物体表面后发射回一部分光束，激光雷达内的接收器接收并记录，通过计算发射和时间差就可以计算出距离。

而由于激光雷达可以在一秒内可以发射出大量的脉冲光，数量级可达百万级，而这些密集的位置点就被称之为点云，这也是识别物体轮廓以及三维建模的根本，可以与计算机搭配判断物体以及做物体分类。

而以此我们将激光雷达做一个划分，也就知道线数的原理。

单线激光雷达也就是以单束激光发射器在激光雷达内部进行匀速的旋转，此时激光雷达可绘制一帧线信息，记录物体的距离信息，我们也得到一条线。

而多线激光雷达就有多个激光发射器工作，此时一帧的点云数据可以得到更为多元的信息。多线从单线的线信息向面、体的三维点云图转变，3D 点云也因此而来。

而高线数产品显然能够覆盖纵向密度覆盖，角分辨率此刻成关键，线数越多其角度越小，也意味着整体分辨率会更高。

例如图达通提出的 300 线激光雷达，定位为高清图像级点云。而这得益于其高线数， 300 线纵向分辨率为 0.13 度，相比传统的 0.4 度的 64 线激光雷达，扫描 50 米外的 1 米高的小孩，前者能够达到 10 条线，而后者只有 3 条线，清晰度有很大的不同。

三、那点云有什么作用呢？

除了我们提到的测距与监测，激光雷达的另一应用场景是即时定位与同步建图（SLAM），SLAM 可以理解为在我们未知的位置中移动，在这个过程中通过定位与绘制增量式地图，来实现自主定位与自主导航。

这个理解一看是否有些熟悉。

这正是缺乏激光雷达的特斯拉视觉代表的“刚需”，同时也是特斯拉视觉代表的“赌注”，利用视觉 VSLAM 的特斯拉试图通过图像处理与机器学习相结合，来达到定位与地图创建的目的。

而相比 VSLAM ，激光 SLAM 的优势非常明显。例如激光不会受到环境与光照的影响，夜晚也能正常使用。此外除了我们常见的高精地图制作，还可以利用激光点云与高精度地图比对，在地图覆盖领域实现自动驾驶，实现高精度定位，这也是当前小鹏开发路线的最终目标。

此外可以通过高精地图内构建感兴趣区域 ROI（region of interest），并通过训练点云特征对探测，可以对障碍物、道路、桥梁等特征和对象进行分类和提取。

而在硬件可测距范围内，也可通过点云信息对更远距离物体捕捉进行预测，通过软件算法进一步提升测距能力。

四、激光雷达的摩尔定律

与数码产品类似，激光雷达也从过去的尺寸大、质量大、造价昂贵逐步转变为价格更为稳定的传感设备，而 2021 年也很可能成为激光雷达开启前装元年。

包括 Velodyne、Luminar、Aeva、Ibeo、华为、Livox、Innovusion 等激光雷达厂商纷纷宣布已与车企合作。蔚来、福特、沃尔沃、奥迪、北汽新能源、小鹏、长城、上汽等都宣布激光雷达即将上车，最早于2021年推出前装量产车型。

2016 年，Velpdyne 公司生产的重 600 克的 16 线激光雷达测距精确到厘米，售价高达 8000 美元。如今 Livox 在 2020 年发布了两款激光雷达产品售价分别为 6499 元和 9000元，而华为也宣布将把价格打入100-200美金。

伴随着更多激光雷达企业的入局以及国内产业链企业的完善，激光雷达带来成本的下降势必会引发新一轮的前装热潮，而在智能驾驶上，激光雷达作为点亮之眼，势必会迎来新的发展高度！