马斯克“白送都不要”的激光雷达或将成为下一个百亿风口上周和闺蜜自驾游

上周和闺蜜自驾游，因为刚拿到驾驶证不久不敢乱来，所以闺蜜担起了司机职责。行至半路，我感叹“要是有自动驾驶就好了” ，闺蜜几乎是毫不犹豫的回答“自动驾驶？最少还要10年。这是她张嘴就来的答案。这也从另一个层面反映了，还有很多人不要说对自动驾驶，哪怕是辅助驾驶，大家也都不是很相信。
因此，今天我想采用最简单的词语来跟大家一起聊聊现在的自动驾驶进程，而这避不开的就是当下火热的「激光雷达」。

文章图片
激光雷达到底有什么用？
在这之前，我们要先了解自动驾驶基本的三要素：感知—决策—执行。感知层是处于整个自动驾驶漏斗中最前端的步骤，感知的准确，对于后续的决策以及执行起了决定性的作用。
说到这里，你可以脑补一个画面，对于近视500度的人来说，带不带眼镜开车是质的差别，而这就是「感知层」的重要性。

文章图片
激光雷达就是来解决这个问题的。它的作用绝不仅仅是给机器戴上了「近视眼镜」，更重要的是戴上这副眼镜后，机器能感知到更远甚至是360度无死角的世界。
我们为什么需要雷达？
此前自动驾驶市场的高端玩家（如：谷歌Waymo、Cruise以及百度Apollo等），他们的发财树并不是卖车，而是卖系统以及解决方案。因此他们的首要任务是先把“技术成品”做出来，也就是说，他们可以不计成本地靠堆BOM来实现自动驾驶，一旦进入市场，他们要做的就必须是有一定利润，且大多数人能买得起的车。因此成本更低的毫米波雷达+摄像头的融合方案变成了首选（也就是我们经常听到的L2级辅助驾驶）。而这套组合的能力上限不高，很难实现真正意义上的自动驾驶。主要的原因就是感知能力不够，说白了就是机器对这个世界的理解还不够清晰。

文章图片
【马斯克“白送都不要”的激光雷达或将成为下一个百亿风口】雷达是干啥的？
因为毫米波和摄像头传感器的融合方案，在目前会受到天气情况影响，而且高速场景中对静止物体识别能力差，还有就是长尾效应，三个原因注定了车企用激光雷达「堆安全冗余」是政治正确的事。
但最核心的原因，还是激光雷达的成本快速下降。激光雷达的工作原理，主要是由激光发射器、光学接收器以及信息处理三部分组成。它会不断向外发射激光束，光束在遇到障碍物后会反射，再通过接收传感器，接收物体反射回的光脉冲。根据已知光速（约为30万千米/秒）计算出两者信号之间的时间差、相位差来确定车与物体之间的相对距离，再通过水平旋转扫描或相控扫描测量物体的角度，再通过获取不同俯仰角度的信号，就可以获得世界的高度信息。结合以上三种功能，激光雷达可以感知到与物体之间的距离以及角度，通过软件算法做3D建模，就能把人眼看到的真实世界做成一个机器能够理解的虚拟世界。

文章图片
在这当中，激光雷达每次发射以及接收激光信息，通过这么一个”闭环“的动作，获得的位置信息我们称之为“点云” 。点云越多，说明激光雷达对这个世界感知更为精准，当然需要处理的信息也就越多，对应算力要求也就越高。
由于我们车是在移动的，环境实时在变，为了采集到完整的点云信息，传感器采集点云的速度就要跟上，也就是”出点数“要够多。除此之外，扫描频率以及测距采样率也同样重要，三者综合起来看，构成了激光雷达对于位置信息感知的实时性。
固态激光雷达也有相对应的解决方案，我举个结构相对简单的MEMS激光雷达为例，这种技术是通过转动内置的一块反光镜来实现周围环境的扫描，也就是把激光射向这块不断旋转的反光镜，再通过反光镜反射到各个角度，从原理上看，跟以前小时候拿着镜子反射太阳光的无聊玩法有异曲同工之妙。
通过以上方式，激光雷达可以向周围发射激光点阵，同时还接收反射回来的激光脉冲，测量发射器与被测量物体之间的相对距离，直接可以获得三维矢量数据并结合自带的定位系统，就能得知自己在环境中的准确位置，这比视觉方案中的二维平面图像采用视差深度算法相比更为精准。