LiDAR用于自動駕駛的汽車外部環(huán)境感知，最早將在2021年出現(xiàn)在量產(chǎn)車型上。寶馬預(yù)計將在2021年秋季上市車型上采用以色列LiDAR制造商Innoviz Technologies生產(chǎn)的第二代激光雷達產(chǎn)品。該產(chǎn)品于2019年夏季開始交付樣品，目前計劃于2020年正式量產(chǎn)。

同樣美國的激光雷達制造商Quanergy Systems也在2018年宣布，其產(chǎn)品將從2021年開始搭載于量產(chǎn)車型。先鋒電子也表示，其LiDAR將在2020年之后安裝在當(dāng)?shù)氐拇┧蟀褪亢推渌厥庥猛拒囕v上。

“機械式vs 非機械式”的競技

上述三家公司所提供的LiDAR都是“機械式的”（圖1）。與自2012年以來Waymo安裝在自動駕駛測試車輛車頂上的圓柱形“機械式”相比已大幅降低了成本。Waymo使用的機械式產(chǎn)品由美國Velodyne 公司提供，價格最貴的型號達到了約7萬美元，只能是作為實驗室階段采用。

圖1： 用于自動駕駛汽車的LiDAR發(fā)展路徑

圖片顯示了LiDAR在自動駕駛汽車發(fā)展過程中的使用狀況。 Waymo從2012年開始已經(jīng)在公共道路上測試的試驗車型上采用“機械式”產(chǎn)品，旨在替代單車成本接近1000萬日元的第一代“非機械式”LiDAR產(chǎn)品提案出現(xiàn)在2010年代后期。 主要是對激光束掃描方法進行了改進，其中一部分產(chǎn)品將在2020年代初期搭載在量產(chǎn)車型中。 為了將LiDAR的測距范圍擴展到200 m以上，過去2~3年內(nèi)提出的技術(shù)一直在改進波長和測距方法，這些技術(shù)預(yù)計將在2020年代后期開始用于量產(chǎn)車型。 （ 右圖為Innoviz距離圖像，Blackmore激光光源，Pioneer MEMS掃描圖像，Velodyne機械產(chǎn)品）

另一方面， 非機械式激光雷達也將在2021年搭載于量產(chǎn)車型之上，通過非旋轉(zhuǎn)元器件或MEMS系統(tǒng)替換用于掃描近紅外激光的掃描機構(gòu)，從而降低成本。 預(yù)計量產(chǎn)價格在1000美元左右。雖然與Velodyne的實驗規(guī)格不完全相同，但基本可以滿足汽車制造商的要求，同時價格大幅下降，預(yù)計2年內(nèi)這些車載激光雷達將投放市場。

未來，非機械型LiDar由于其成本競爭力和高可靠性，極有可能淘汰機械類產(chǎn)品。 以機械類產(chǎn)品著稱的Velodyne據(jù)說也已完成非機械型產(chǎn)品的開發(fā)?？吹竭@里，旁觀者已經(jīng)看到基本是非機械型產(chǎn)品贏得競爭，而接下來的競爭就是性能的競爭了。如果將與機械型產(chǎn)品競爭的非機械型稱為“第一代”產(chǎn)品，則與非機械型競爭的是“第二代”（圖1）產(chǎn)品。第二代非機械型融合了多種新技術(shù)，可增強在距離超過200 m或陽光等噪音較大的環(huán)境中的檢測能力（圖2）。

（a）搭載AEye激光雷達的測試車輛

（b）Blackmore開發(fā)的產(chǎn)品

（c）Blickfeld的開發(fā)產(chǎn)品

（d）Innoviz的產(chǎn)品照片

（e）先鋒電子的開發(fā)產(chǎn)品

圖2： 關(guān)于LiDAR的新產(chǎn)品和技術(shù)層出不窮，仍在尋找最佳方式。 最新產(chǎn)品是一種非機械式的改良產(chǎn)品，可以安裝在量產(chǎn)車型上。

從2025年開始全面普及

第一代非機械型產(chǎn)品的商用化僅僅是LiDAR的開始， 眾多LiDAR制造商都認(rèn)為2025年后才會開始全面采用車載LiDAR。

Innoviz認(rèn)為， 到2025年，車載激光雷達市場將首次突破1000萬臺，其中將引入具有全自動駕駛功能的私家車（“ L4級”或“ L5級”） 。在此之前，大多數(shù)應(yīng)用將用于自動穿梭巴士和機器人出租車。由于價格相對沒有私家車敏感，因此最初可能使用機械型版本，類似于Google的實驗車輛所使用的版本。

先鋒電子對LiDAR全面采用的時機也有類似的看法?！?2015年的時候，許多人預(yù)測具有L3級以上自動駕駛功能的私家車的普及將在2022~2023年，但是最近的觀點卻普遍認(rèn)為可能會到2025年以后?！?（先鋒電子智能和自動駕駛技術(shù)研究部門部長村松英治）。

性能與價格之間的兩軸競爭

在2025年之后的普及時期，激光雷達制造商已經(jīng)進入了兩個方面的競爭： （1）非機械型產(chǎn)品之間的性能競爭，（2）各個雷達產(chǎn)品的價格競爭。

隨著競爭要素的增多，2020年代初的第一代非機械式產(chǎn)品的贏家，可能在2025年之后無法保持贏家的地位。而眾多以第二代非機械式Lidar為目標(biāo)的制造商們大多期待在2025年之后取勝。

（1）關(guān)于性能的競爭，自2018年以來尤為明顯。先鋒松村先生表示：“我認(rèn)為，進入2018年明顯感覺到對于LiDAR提出了更高的性能要求。” 不僅限于他，不少相關(guān)人士均表示，車載LiDAR所需的規(guī)格要求在不斷增加。過去，距離圖像的級別為“距離為200m，分辨率小于1度”，但最近級別已增加為“距離為200-300m，分辨率為0.1度”。

例如，在以超過100 km/h或甚至200km~300km的高速自動駕駛期間，就必須進行長距離測距以控制速度而不會突然制動。即使當(dāng)前無法識別的物體位于前方，高分辨率LiDAR也可以輕松地從遠處提高識別精度。在私家車特別是豪華私家車中，在高速自動駕駛過程中的舒適駕乘度可能是造成差異化的主要因素

（2）使用無線電波的車載雷達，原本配備的分辨率是不足以識別物體的形狀或種類的，但最近1年已經(jīng)出現(xiàn)了大約1度左右高分辨率的產(chǎn)品。部分雷達可以代替LiDAR進行外部傳感。不需要光學(xué)組件，只需要用半導(dǎo)體和印刷板就能實現(xiàn)。盡管不是用于自動駕駛，但已批量生產(chǎn)用于車載，量產(chǎn)初期就實現(xiàn)了僅數(shù)千日元的低價格水平。

雖然目前尚無分辨率達到0.1度的車載雷達，但在分辨率小于1度的范圍內(nèi)，如果將駕駛條件限制在每小時數(shù)十公里的低速范圍內(nèi)，完全有可能替換LiDAR。此外，理論上將測量距離擴展至300m也是比較容易實現(xiàn)的，而且不容易受到諸如雨天等惡劣天氣的影響。

對于性能依然中途半端的LiDAR，我們可能很容易得出使用雷達就足夠了的結(jié)論。所以降價很重要。

價格下降不及預(yù)期

LiDAR價格并未以LiDAR制造商在2016-2017年預(yù)期的速度下降。 僅僅將掃描機構(gòu)替換成非機械式顯然是不夠的，還需要大規(guī)模量產(chǎn)。 與雷達或攝像頭在車載領(lǐng)域已經(jīng)大規(guī)模量產(chǎn)的情況不同，而第一款車載產(chǎn)品LiDAR在增加出貨量和降低價格方面仍然還是“先有雞還是先有蛋”的關(guān)系。

在2016-2017年左右，人們期望到2020年左右，非機械型激光雷達產(chǎn)品的成本可低于100美元）。然而，實際上LiDar制造商們最新的預(yù)期是，在2025年左右，能提供滿足汽車制造商需求的LiDAR成本可實現(xiàn)100到數(shù)百美元（圖3）。

圖3：能切實可行的降價方向

Quanergy LiDAR產(chǎn)品的價格路線圖。 對于許多LiDAR制造商而言，在滿足LiDAR要求的同時，迅速降低價格似乎很困難，2025年該公司的價格將低于100美元。 （圖片來源Q公司）

波長和測距的新方法

為了在激烈的車載傳感器競爭環(huán)境中擴大采用范圍，特別是LiDAR的專業(yè)制造商們正在以低成本和非機械型為前提，開發(fā)各種新技術(shù)（表1）。其中可以看到作為第二代無機械式產(chǎn)品，可取的主要新技術(shù)是關(guān)于波長和距離的測量方法。

表1： LiDAR開發(fā)示例

主要為非機械式。 Cepton的掃描機構(gòu)是機械式的，但是很容易降低價格。 此外，汽車，車載設(shè)備和IC廠商也紛紛投入開發(fā)。 Velodyne目前還沒有公開其非機械型產(chǎn)品規(guī)格，但據(jù)說正在與瑞典電子制造商Veoneer合作。

更高的微米光輸出對眼睛安全

至于波長，現(xiàn)有的LiDAR大多使用900~905 nm左右的波長。 與此相對，第二代非機械型產(chǎn)品則采用了1550nm（1.55 μm）甚至10 μm的較長波長。長波長光具有兩個主要優(yōu)點。

一是它不容易受到陽光的影響。地面上太陽光的能量密度的峰值在500 nm附近，從900 nm附近開始波長越長能量密度就會越低（圖4）。所以在白天作為激光噪聲的太陽光減少的話，就可以容易地增加光接收單元的SN比（信噪比）。

圖4：長波長化和“雷達化”的進展

左圖是太陽光的光譜。 波長越長，陽光能量越少。 對眼睛的影響也降低了。 右邊是三個示例，說明了如何讀取反射激光的距離（R）。 脈沖差（⊿t）用于幅度檢測，相位差（⊿Φ）用于相位檢測，頻率差（⊿f）用于頻率檢測。 將來，雷達使用的頻率檢測可能會成為主流。 （右圖： 基于Oryx的圖創(chuàng)建）

另一個優(yōu)點是容易增加輸出強度。對于激光，IEC（國際電工委員會）規(guī)定900納米左右的波長為輸出上限，以保護人眼。當(dāng)光線通過眼睛的晶狀體被視網(wǎng)膜吸收時，視網(wǎng)膜可能會受損。波長為1400 nm以上的激光不會被視網(wǎng)膜吸收，所以能不受IEC法規(guī)的約束。原理上就是輸出一個超強光線，而在光接收部位調(diào)整SN比。

用1550nm的光識別前方1公里

AEye（美國），Baraja（澳大利亞），Blackmore Sensors and Analytics（美國）使用波長為1550nm的光源。以色列Oryx Vision則使用10μm光源。

AEye聲稱 它可以使用1550nm的波長識別1公里的距離。 為了不損害眼睛，采用的光源是光纖激光器，其輸出可以高于半導(dǎo)體激光器的輸出。 但是，由于輸出過強可能會導(dǎo)致內(nèi)置在另一個系統(tǒng)的照相機中的CMOS圖像傳感器的像素（光電二極管）有時會被損壞。Blackmore則先在480m范圍內(nèi)進行識別。采用的是已被證明可用于光通信的半導(dǎo)體激光器和安裝技術(shù)。

通常，半導(dǎo)體激光器不能用于10μm的光源。以色列Oryx則使用天線代替受光元件1） 。

先鋒電子目前使用的波長為905 nm，但將來可能會使用更長的1550 nm波長光源以獲得更長的測量距離。該公司使用其獨有的MEMS系統(tǒng)用于掃描，并且設(shè)計它不選擇光源的波長。

直接測量速度，對攝像頭也很安全

在LiDAR距離測量中，通常使用ToF（飛行時間），但是FMCW（調(diào)頻連續(xù)波）的方法正在增加。ToF發(fā)射脈沖光并測量反射光的延遲時間從而測算出距離。FMCW讀取反射波的頻率變化而測算距離（圖4）。

FMCW不太容易受到陽光噪聲的干擾，并且不受其他系統(tǒng)的干擾。將來，如果自動駕駛汽車大面積普及，與使用ToF相比，很有可能減少誤檢測。這是因為使用了連續(xù)波來代替ToF中使用的脈沖。在ToF中，需要通過重復(fù)捕獲脈沖的處理來減少錯誤檢測。FMCW是一種廣泛用于雷達的方法，可以直接通過多普勒效應(yīng)測量速度。這是優(yōu)于LiDAR的優(yōu)勢，后者即使是高分辨率雷達也無法直接測量速度。

使用這種測量技術(shù)還可以減少損壞攝像頭的CMOS圖像傳感器的風(fēng)險。當(dāng)發(fā)射相同能量的光時，連續(xù)波FMCW的峰值功率低于脈沖波。Blackmore通過使用相同的1550nm的競爭LiDAR突出了這一點。

使用FMCW的LiDAR制造商除了Blackmore外還包括Oryx。從距離測量方法來看，美國Aeva可能也采用了FMCW。LiDAR制造商之間的實現(xiàn)方法似乎沒有顯著差異。根據(jù)信號與發(fā)出頻率線性變化的信號和信號之間的頻率差估算距離。通過多普勒效應(yīng)測算速度。

厘米級“大” MEMS鏡

非機械型激光雷達的掃描方式除了MEMS，還有相控陣，微透鏡陣列等。

在MEMS中，通過MEMS移動鏡頭以改變激光的方向。 除了Innoviz，德國的Blickfeld也采用這一方式。Blickfeld表示，通過使用直徑比普通MEMS反射鏡系統(tǒng)大的反射鏡，從光學(xué)原理上已經(jīng)提高了分辨率和測量距離。通常，MEMS反射鏡最多只有幾毫米，但該公司的反射鏡卻超過了10毫米。由于重量的原因，在保持高速（600線/秒）和廣角（最大±60度）的同時實現(xiàn)驅(qū)動變得困難。該公司通過采用獨特設(shè)計方法開發(fā)的驅(qū)動技術(shù)實現(xiàn)了這一目標(biāo)。

美國的TriLumina公司則正在開發(fā)微透鏡陣列掃描3 ）。

通過設(shè)計激光元件和透鏡的位置來控制激光的照射方向。 來自位于透鏡中心的激光元件的光被導(dǎo)向透鏡的前部，而來自偏心（偏移）的激光元件的光可以被導(dǎo)向與偏移側(cè)相反的一側(cè)。因此，大量（例如512個）激光元件被分散并布置在一個透鏡的正下方，從而通過選擇發(fā)光元件可以在各個方向上發(fā)射光。

僅通過信號處理提高ToF

同時，采用ToF進行距離測量的開發(fā)中，抑制噪音影響的技術(shù)開發(fā)仍在繼續(xù)。例如東芝（圖5）。

圖5： 通過信號處理抑制噪聲的影響

在LiDAR測距中應(yīng)用技術(shù)來減少接收光的噪聲的示例，由東芝開發(fā)。 與該公司的常規(guī)方法相比（左），2019年的最新方法（右）減少了紅色包圍的區(qū)域中無法檢測到的部分（黑色）

通常，采用基于ToF的LiDAR的情況下，由于日光等原因，可能無法識別本應(yīng)接收的反射光。在以往的方法中，對周圍的多個像素進行積分并求平均，但在這種情況下，對不相關(guān)的物體（例如車輛和電線桿）進行求平均，存在降低分辨率的可能性。

該公司將其累積的像素限制為與目標(biāo)像素相關(guān)的像素。例如，據(jù)說來自同一車輛的多個反射光具有相似的振幅等，并且即使它們彼此靠近，來自電線桿的反射光也具有不同的振幅等。因此，僅集成測算相似（相關(guān)）的反射光。

在2019年，該公司進行了進一步改進。具體而言就是利用歷史信息。例如，在捕獲特定幀中的反射光的像素時，即使下一幀中的反射光的振幅減小，也增加認(rèn)為存在反射光的可能性。反射光接收電路例如僅識別在一定期間（從假定的最大距離起的反射時間）內(nèi)振幅大的兩個反射光。這次，在前一幀中存在反射光的像素的幅度拓展到例如是以第3~4幀為對象，由此減少了無法測量距離的區(qū)域（圖5）。據(jù)說，在相同條件下，可測量距離增加了22％，分辨率提高了2.2倍。