在特斯拉数起安全事故之后，马斯克宣布，明年所有量产的Model S，Model X和Model 3车型，都将配备能够在某一程度实现最高级别自动驾驶（Level 5）的传感器，包括8个摄像头、12个全新超声波传感器以及一个前向探测雷达。马斯克把“摄像头+毫米波+超声波”的传感方案贯彻到底，自始至终都没有考虑激光雷达。
众所周知，全自动驾驶已经解放了人类的手脚、双眼，在环境感知时必须满足任何时间任何天气下对周围环境360度探测，而现阶段单靠其中一种传感器都无法满足这个要求。
马斯克的想法可以猜到一二。“摄像头+毫米波雷达+超声波雷达”因为价格低廉，可以做到最快速度产品化。让更多自动驾驶功能被用起来，然后通过众包采集的方式，来提供完善算法所需的有效数据，这是马斯克的思路，目标是“挖掘软件算法潜力来克服硬件瓶颈，实现全自动驾驶”。
另一种思路就是把各种“不完美”的传感器组合起来。
摄像头擅长识别（物体是车还是人、标志牌是什么颜色），但容易受光线、天气影响，在强光直射时会出现致盲，运气最差的时候会导致整个传感器失灵。毫米波雷达在不同光线和天气中表现出较强的可靠性，主要作用也是检测追踪物体，但分辨率相对较低，看东西像近视眼没戴眼镜，并且检测行人的能力不足；激光光束的聚拢特性，不会因为衍射而错过细小物体，不过因为整体技术不如毫米波成熟，在雨雾天的表现会收到影响。
这种路线认为，在“硬件万无一失”的前提下，可以简化算法更快实现功能。没有一个传感器可以独当一面，激光雷达也不例外。但是因其精准快速的特点，成为必不可少的补充。
对还处在百花争鸣阶段的自动驾驶来说，时间会验证技术路线的可行性。但不可否认的是，一种被不少人认可的主流技术方案里，激光雷达与自动驾驶在一起已是板上钉钉的事实。ABB、沃尔沃、福特等品牌都有在量产车上使用激光雷达的计划，早在四五年前就和激光雷达供应商开始了开发合作，并且会在三年内陆续推出装载激光雷达的量产车。
目前，多数车用激光雷达都由两家国外公司垄断。
Velodyne64线激光雷达点云图
一家是来自美国硅谷的Velodyne。主要产品是3D激光雷达。因为纵向激光线数多，有16、32和64，垂直视角更大，可以进行整个环境的数据收集，清晰勾勒出视场中物体的边沿轮廓，如果用软件生成激光点云图，可以实时描绘出周围所有物体。这种多线数激光雷达往往采用一个或多个方案，放在车顶或车身不同位置，小到路沿大到行人、树木、房屋，在扫描范围内的物理环境都可以被3D重建。
Solid-State Hybrid Ultra Puck™ Auto
我们最常见的“车顶花盆”就是这家公司的64线激光雷达产品，32线也可以在不少自动驾驶汽车案例中找到身影。为了更加适应汽车市场，Velodyne专为车企设计了一款32线激光雷达Solid-State Hybrid Ultra Puck™ Auto，产品如其名，大约冰球大小。现在正在与车企合作测试做进一步完善，如果2017年订单量达到100万台，可以给到500美金的单价。
还有一家是德国公司Ibeo。提供线数较少的二维激光雷达。这些激光雷达在垂直方向发射的激光线数较少，一般为4条或8条。探测环境的时候，只有一个平面或类似2.5D的有效扫描范围。这类低线束激光雷达一般嵌入到车灯或者前脸保险杠的位置，起到检测前方车辆、行人、地线、马路牙、路肩、路栏等移动物体的作用。
法雷奥与Ibeo合作量产的ScaLa
Ibeo和法雷奥合作研发的4线激光雷达ScaLa系列，被用于Cruise4U系统中AEB（自动刹车系统）的测距模块，明年年初就会量产。Ibeo和车企合作的自动驾驶测试车上，常见miniLUX和LUX两款产品。LUX四线系列目前一般在10万人民币级别，量产后的供货价格有可能控制在人民币3000元以下。
两种方案思路不同，应用场景也存在差异，但是都想用更加准确的检测追踪等能力，把自动驾驶向安全再推进一点点。3D激光雷达可以尽可能多地重建周围环境，并且挖掘出高精度地图的延伸价值，而2.5D激光雷达可以补充3D激光雷达车身周围的盲区。
但值得注意的是，激光雷达仍然是面向测试用车的“后装产品”，还没有达到直接上车走量的标准，也要进行很多车规级验证。成本造价不菲，一不小心就比车还贵，加上主机厂对装车美观的要求，活好钱少身材小的车规级激光雷达是迫切需要。
国外掌握了相对成熟的技术，不过在市场初起阶段，任何公司都有机会用一款过硬的产品进入市场。
目前进入车用领域的创业公司都试图挑战3D激光雷达，诞生了很多16线和32线是产品，用来追求垂直方向更加优秀的感知范围和分辨率。
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。除了本身精密仪器的技术要求，对于将激光雷达线数增加并放至车载环境使用，国内创业公司需要面临不少挑战。
首先，在追求探测视角和精度，并且要满足车用小型化。线数增加后，确保不同束激光发射后被相应的接收器接受，是一个存在难度的核心技术点。同时，激光雷达内部的多种元器件间容易形成干扰，激光线束增加的同时，还要确保紧凑空间内多路激光收发无串扰。
其次，行车有信息采集实时性的要求，高速电路的采集频率要达到1G/s。远距离探测的需要，对返回小信号提取的能力，也提出了更高要求，这部分和信号处理的算法存在关联。
最后，正如前文所说，目前激光雷达要重点考虑低成本和量产。因此产品内部模块在设计时，就要考虑适应量产的模块，减少人工介入的环节。并且在后期大批量生产的供应链上，提前做好储备。
总体而言，产品设计、识别算法、供应链、集成等维度，是产品端需要做好的功课。
除了产品上的突破，激光雷达在国内可以提供服务上的“加分项”。对刚刚接触这个新传感器的企业而言，多线数激光雷达的原始点云数据处理并不擅长，他们更倾向供应商能提供一个加工后的结果，直接输出分类信息。除了产品一并提供原始点云数据预处理软件，面向客户输出软硬件一体的方案，会让公司在竞争中占据先机。
在火热而竞争激烈的自动驾驶领域，可以把核心竞争力简单粗暴地概括为“把黑科技带进生活的执行力”。作为自动驾驶不可或缺的核心传感器，激光雷达在国内规模化生产的消息，也会加速一辆消费级的自动驾驶汽车来到我们身边。
（本文来源：车云网）
最前沿的电子设计资讯
