单线TOF激光雷达设计上有什么技术难点

近日，深圳奥锐达科技有限公司（下称“奥锐达”）正式发布单光子面阵固态激光雷达技术方案（下称“方案”）。该方案创新性地融合VCSEL与SPAD技术架构，实现了分辨率和探测距离的显著突破，并在功耗、体积等工程化特性上有突出表现。

值得关注的是，奥锐达全固态激光雷达样件Ordarray的实测Demo视频也在奥锐达官网首次亮相。视频中展示了Ordarray实时重建百米级范围内的实时路况点云图过程。

图注：奥锐达全固态激光雷达样件Ordarray

V CSEL + SPAD 技术 ，实现 远距离 单光子 探测

在全固态激光雷达领域，目前主流的技术路线为包括OPA 光学相控阵技术、 Flash 快闪技术等。其中，OPA 光学相控阵技术技术难度高，成本居高不下；Flash快闪技术则因其发射面阵光源的物理特性，能量分散，探测距离则较为受限。

奥锐达的激光雷达采用创新性的VCSEL+SPAD技术方案。其中，多节可寻址VCSEL（Addressable VCSEL）通过可控的多光束扫描技术，对外发射VCSEL 激光器的点阵多光束光源；同时，探测器可以开启与发射相对应的区域，接收目标反射光；最终通过电子扫描，完成整个视场范围内的激光雷达点云获取。

图注：VCSEL+SPAD的可控多光束扫描技术图解

这种可控的多光束扫描光源被称为可寻址VCSEL（Addressable VCSEL）。相较于Flash方案，可寻址 VCSEL激光器的发射光峰值功率密度和信号信噪比均显著提高。这也意味着，在相同的功率下，奥锐达的激光雷达方案可以实现更远的探测距离。此外，这种扫描方式有助于芯片化和小型化，最大限度地减少了外围电路的复杂程度，实现全固态扫描。

在接收端，奥锐达的方案采用了SPAD（Single Photon Avalanche Diode, 即单光子雪崩二极管）阵列传感器，从而使得激光雷达具备单光子探测能力，探测灵敏度大幅提升。

实际探测过程中，奥锐达的激光雷达探测系统，可以在亚毫秒/毫秒级的时间段内，使用可寻址VCSEL光源打出去成百上千个光脉冲。从目标反射回来的激光脉冲信号被对应区域的SPAD像素接收，以一定的概率触发像素发生雪崩事件，完成光子计数。最终，系统通过排序累积形成能够完成接收脉冲信号波形重构的直方图，从而实现对目标的测距。

图注：智能汽车传感器示意图

TCSPC 动态调整， 合理分配系统能力

从技术角度出发，发射+接受脉冲光信号的次数越多，系统对波形的重建也越准确，测距能力也越强。但是，累积次数过多也会导致系统帧频的下降。

为此，奥锐达的激光雷达方案可以通过调整 TCSPC（Time-Correlated Single Photon Counting，时间相关单光子计数器）次数动态，来设置不同探测区域的测距性能。

在实际行车过程中，智能汽车对不同视角、不同环境下的测距需求是不同的。在需要更多深度信息的区域，Ordarray可以打上更多脉冲光信号；在边缘区域，Ordarray可合理降低信号的发射与接收频次，使得系统能力通过动态调整得到合理分配。

目前，奥锐达已经完成全套技术链路的验证。基于业界先进的标准CMOS半导体工艺制作的可量产的VCSEL激光器，SPAD阵列型传感器和芯片，奥锐达的单光子面阵激光雷达技术已经攻克了在较小体积和功耗条件下高帧率的激光发射、接收、信号处理的各项技术难关。

图注：Ordarray在静止与行驶状态下生成的点云图。

值得一提的是，基于单光子面阵雷达的特殊成像模式，Ordarray可同其他激光雷达、高清摄像头等高精度传感器协同工作，大幅降低旋转和混合固态式激光雷达与其它异构传感器数据标定融合的困难，使得智能汽车处理中枢完成多类传感器的数据前融合。在多传感器的加持下， Ordarray可以全面提升智能汽车对行人、障碍物和小型物体的检测能力，从而提升自动驾驶的安全冗余及容错率。

全固态模块化设计， 更 小巧 、更 灵活 、更 易 装车

目前，奥锐达已经成功实现大规模固态面阵激光雷达的集成设计。Ordarray采用全固态结构设计，机身内部没有任何机械旋转运动部件。这直接降低了车载激光雷达产品的体积、故障率，全线提升产品可靠性。

Ordarray还采用模块化创新设计，重构了发射模块、接收模块、信息处理模块等内部空间，以适配不同车型对于激光雷达的探测要求。奥锐达设计了多款接口完全兼容的收发镜头。按照不同的性能需求，只需要更换光学镜头，即可精准获取不同视场角及探测范围内的点云数据，从而大幅降低厂商的适配成本。

图注：奥锐达Ordarray的摄像头可以拆解更换，以适配不同需求。

为了解决固态激光雷达的量产难题，奥锐达结合多年3D视觉类产品大规模量产经验，自主研发机器视觉自动化装调方案，减少繁琐的人工校准等程序，从而轻松实现激光雷达装调，大幅提升激光雷达的可量产性。

针对固态激光雷达，奥锐达将在今年对技术和产品进行两轮迭代；在推进产品研发的同时，奥锐达车规级工厂和产线也提上议程，预计到2022年，符合 IATF 16949 标准的车规级产线将逐步投产。

图注：奥锐达通过自动化装调方案，提升产品可量产性。

深圳奥锐达科技有限公司是奥比中光科技集团股份有限公司的控股子公司。作为国内领先的车载3D视觉传感器方案提供商，奥锐达自2019年4月成立起一直致力于创新的激光雷达和车载3D摄像头底层核心元器件和新型架构的设计，公司产品包括面向移动机器人行业和汽车行业的激光雷达和车规级3D TOF摄像头。 @2019

（1）对比分析了脉冲式和相位.式激光测距原理，根据无人驾驶车障碍探测的实时性

要求，选择脉冲式测距方案，综合考忠影响脉冲式测量精度的关键因素，设计了一种改进型的时刻鉴别以及时间间隔测量方法，优化系统采测性能。

(2)针对半导体激光器和光电探测器的具体特性，设计了发射端和接收端光学系统，在 zEMAx 软件中进行光线追迹仿真，验证了其对发射光束的准直压缩和对回波光束的有效聚焦，从而可以提高系统探测范围和精度。

(3）设计并搭建了窄脉冲激光发射和信号接收电路系统，系统以 FPGA 器件和

C8051F206 单片机作为主控制器，可实现重复频常为 1kHz，脉宽为 60ns 的窄脉冲激光发

射：为提高接收系统的信噪比，选用高灵敏度的 APD 作为光电探测器，结合信号调理电

路，从而实现微弱回波信号的有效提取：设计高精度时间差测量模块和机械旋转模块，验证扫描式激光雷达系统的测距性能。

（4）为了验证测距激光雷达在无人驾驶车障碍探测中的性能，在 Visual Studio 2010

平台下开发了基于 MFC 的数据重构界面，根据测量得到的距商数据实现障碍物信息重构。

搭建实验平台，对近处目标物进行测量，测试并验证系统样机的探测性能，最终结果

表明，所设计的脉冲式激光雷达系统基本满足预期的探测要求，并具有一定的实际应用价值。

易车原创 4月18日，集度官方发布了首款汽车机器人概念车车头部位的设计细节，车前灯和车前盖处激光雷达的设计清晰可见。至此，集度首创的车前盖、前向双激光雷达自动驾驶技术方案首次曝光。

看到这个方案不禁让我感叹现在激光雷达不仅数量要多，位置还得足够独特，否则真的一点新意也没有，这个造型让我首先联想到AE86的折叠头灯，据悉集度的量产版车型激光雷达也将采用这种可露出可隐藏的方式，至于是升降还是折叠目前还暂未公布。

但讨巧的一点是和那些置于“头顶”或者镶嵌在车头里面的方式相比这个造型颇有一种复古之风，仿佛是一种未来与过去的结合，最前沿的科技以一种复古的形式展现在了我们面前，颇具视觉冲击。

接下来我们将围绕集度成立一年多来都做了哪些事？此次媒体沟通会又透露出了哪些最新进展，并且对于技术方面做一个科普解析，希望能让各位对于百度和吉利联手打造的集度汽车有一个更为全面和深入的了解。

01 成立400余天，集度紧锣密鼓做了哪些事？

集度是一家由百度发起成立，并由吉利战略投资的汽车机器人创业公司。公司于2021年3月正式成立，由夏一平担任CEO。看到这个出身我们知道集度可谓是含着金汤匙出生的，有着互联网巨头百度以及国产汽车佼佼者吉利两位大佬做背书，集度在一开始就吸引了众多目光，加上初始就抛出的全新概念“汽车机器人”，似乎要打造一款在形态和体验上都做到颠覆性的智能电动车。

颠覆性在哪呢？总结来说有三点：1. 自由移动2.自然交流3.自我成长。自由移动很好理解，就是这款汽车机器人可以实现L4级别的自动驾驶功能，覆盖高阶自动驾驶全场景，真正释放人类把车交给智能的硬件设备来操控；其次自然交流意味着语音语义交互，无障碍沟通，让你的车成为你的知心伙伴，让车更有人情味，以往复杂的物理按键将不复存在，想要什么功能随时和车对话交流就能实现；第三点自我成长就是根据驾乘人员的习惯不断迭代升级，让你的车更懂你，就像一个贴身管家一样帮你应对各种路面状况。

我们知道传统汽车的开发周期怎么也得三年，而集度是如何做到从设计、开发再到最终量产缩短到不到两年时间的呢？其实很重要的一点就是软硬件解耦，集度将整车的软件算法、车辆的电子电气架构以及整车车身和底盘等部件拆分开发，实现双轨并行，甚至将智能化的软件系统开发前置，大大提升了研发效率。

前面我们介绍了集度的背景是百度和吉利，那么在传统车辆的躯壳方面，集度的汽车机器人将会使用吉利的SEA浩瀚平台打造；在智能大脑层面又有百度丰富的自动驾驶数据积累以及智能座舱方面的研发经验，因此集度的开发节奏将会超过其他车企数倍。可谓是站在了巨人的肩膀上。

那么按照集度的叫法，这个承载着大脑与躯壳的载体就是集度SIMUCar（软件集成模拟样车，Software Integration Mule Car），目前已迭代升级为2.0版本。

下面我们看看自成立来400多天，集度都紧锣密鼓做了哪些事呢？

2021年3月2日，集度汽车有限公司正式成立，集度正式开启汽车机器人研发。

2021年6月1日，集度举行成立以来首场发布会，讲述集度汽车的定位和规划等内容。

2021年6月10日，首款集度汽车机器人油泥模型照片曝光。

2021年7月7日，百度创始人李彦宏到访集度并参与确认集度首款产品设计造型。

2021 年 8 月，集度和大陆集团与禾赛科技先后开展合作，共同推进智能汽车机器人落地。首款汽车机器人将会搭载禾赛科技的激光雷达

2021年9月24日，推出SIMUCar，对自动驾驶和智能座舱进行开发前置。

2021年11月29日，和百度、高通签约首发国内首款采用第4代骁龙汽车数字座舱平台—8295的量产车型。

2021年12月31日，集度成功融通高速域、城市域智能驾驶。

2022年年初，集度推出了包括品牌标志“Pixel-J”、 集度AI紫（JIDU AI-Purple）、汽车机器人专属“语言”（ROBO Font）在内的品牌视觉。

并在2022 CES展上宣布采用英伟达的自动驾驶芯片Orin，这款芯片也将搭载在Apollo研发的“三鲜”ACU这块域控制器之上。

直到如今，原计划于4月举办的首场大型品牌发布会ROBODAY，因不可抗原因将延期举办。此前，集度已宣布将在2022年发布其首款汽车机器人概念车，并在今年的北京车展亮相。其首款量产汽车机器人将于2023年上市交付，届时将具备高阶自动驾驶能力，能为用户带来多场景下的高阶自动驾驶体验。目前，集度已启动后续车型的研发和预研，旗下第二款量产车将有望在今年年底的广州车展发布。

通过这份时间表我们看出，集度这一年来的确是分秒必争，起步虽晚但集度有先天的优势和后天的努力，因此在这波互联网造车的浪潮中，百度看来要首先撞线了。

02 集度智能驾驶技术方案首曝光，双激光雷达够用吗？

激光雷达可谓是老生常谈了，我们也不止一次科普过激光雷达的工作原理以及它对目前自动驾驶的重要意义，各家车企也都在全力布局，试图在数量上取得优势，更有甚者打出数量少于几颗就没有拿来说的必要了的标语，这股激光雷达“内卷”的趋势似乎逐渐盛行开来。但此次集度的策略相对理智，两颗激光雷达上车，既做到安全冗余，又兼顾成本控制，下面我们就来聊聊此次沟通会上到底说了哪些干货，两颗激光雷达到底够不够用。

首先集度智驾负责人王伟宝博士分享了集度汽车机器人的最新进展。集度SIMUCar（软件集成模拟样车）已迭代升级为2.0版本，其自动驾驶系统已加入激光雷达传感器，并与集度自研的高阶自动驾驶智能架构JET1.0（电子电气架构+SOA）实现融合。硬件方面，目前全球最高算力车载芯片英伟达Orin和禾赛AT128半固态激光雷达已经上车，参与到了集度自动驾驶系统的测试。这意味着，集度基于Apollo无人化自动驾驶能力打造的，面向量产的高阶自动驾驶技术方案首次完整露出水面。

值得一提的是，目前SIMUCar2.0阶段正在测试开发的纯视觉和激光雷达自动驾驶方案，是独立的双系统，能够在量产后实现“真冗余”。与传统方案相比，集度的两套自动驾驶方案互为备份、相互补充，两套方案既能高效自驱，也能高效协同。

那么说回重点激光雷达，前面我们提到了此次布置的位置十分独到与创新，那么激光雷达的具体参数性能如何，能否帮助集度汽车机器人真的实现安全冗余呢？此次集度汽车机器人搭载的两颗激光雷达是来自禾赛科技的AT128，这款激光雷达不仅具备200米（@10%反射率）的超强测远能力，而且点频超过每秒153万个点，达到全局1200x128的高分辨率，点云上可以清晰描绘出每一个细节，为辅助驾驶系统提供强大的感知能力。

再说回两颗够不够的问题，双激光雷达的点云视场更广、更安全，相比单雷达设计的120度FOV，车头双雷达可实现水平180度的FOV覆盖，在“鬼探头”、左右有遮挡物等行车场景中，对左右横穿行人或障碍物的识别能力更强。其次，是对车辆重点区域的识别更精准，在车辆正前方60度FOV的区域内，双激光雷达可做到加倍重叠，目标物上的点云数据更多，识别准确率更高。第三，在高阶自动驾驶的冗余安全方面，双激光雷达可互为安全冗余，比单激光雷达方案的可靠性更强。

<img src="http://image.bitautoi

激光雷达是许多尖端应用的一项关键技术。但是，市场上的激光雷达类型数不胜数，有时候为您的应用选择合适的激光雷达有时很麻烦。如何区分不同类型的激光雷达？可用于评估其性能的关键参数和技术规格是什么？本文，虹科将为您揭开激光雷达参数的神秘面纱。

激光雷达参数

激光雷达参数主要有：探测距离、视场(FoV)、扫描模式、抗串扰抗干扰度、检出率、多次回波、测距精度和准确度。

1、探测距离

在众多的参数中，探测距离可能是最重要的一项。探测距离指的是传感器能探测到物体的最远距离。这在很大程度上取决于激光源的功率。功率越高，探测物体的距离就越远，但允许的最大激光功率受人眼安全规定的限制。决定探测距离的其他因素包括激光雷达参数（如激光器类型和孔径大小）和反射对象的特性（如尺寸、距离、反射率、漫反射或镜面反射）以及天气和温度等外部影响。

在入侵检测系统中，长距离检测十分重要。可以将激光雷达安装在墙上或者栅栏上，探测任何进入预定区域的物体，可通过算法实现对象分类，使得系统只有在满足特定条件下才发出警报。如果需要探测的距离特别长，但激光雷达探测的距离有限，那么就需要多个激光雷达传感器覆盖整个周边，以实现系统入侵检测功能。因此，为使得系统更容易管理且经济成本更低，选择长距激光雷达是理想方案。

虹科的基于MEMS技术固态激光雷达具有较大的探测距离。反射镜面的独特设计，直径超过10mm，使得光电探测器检测到大量反射回来的光子，从而可靠地探测到高达250米的弱反射物。

小结

激光雷达的探测范围描述了它能探测到物体的最远距离。决定因素大致可分为三大类：

-激光雷达的特性（例如：激光类型、激光源功率、孔径大小）

-外部影响（如雨、雾、雪、阳光）

-物体的特性（如尺寸、距离、反射率、漫反射或镜面反射）

2、视场（FoV）

视场角是激光雷达传感器覆盖的角度或者是激光雷达信号发射的角度。不同的激光雷达技术有很大的不同。例如，机械式激光雷达通常通过机械结构旋转16-32个堆叠的激光源来产生视场，能够提供360度的周围环境信息。其结构并不复杂，价格更便宜。但鲁棒性更强的固态激光雷达，使用较少的激光源，虹科固态激光雷达只有一个激光源，一次只击中一个点。为了逐点扫描周围环境，光束被偏转或“扫描”。

虹科固态激光雷达可以灵活配置视场角。假设每个扫描周期发射的激光信号量始终相同，减小角度和垂直视场将导致点云更密集，而增加垂直视场将使激光雷达返回信号分散得更远。对于水平视场，在保持视场不变的情况下，可以改变点间距。

FoV的选择根据应用的需要以及许多其他因素而变化，例如要扫描的对象类型或其表面特性。例如，在茂密的森林中需要更宽的视野才能获取足够的环境信息。如果是城市里，遍布高楼大厦和狭窄街道，则更加倾向于窄小的视场角。

小结

视场是激光雷达信号发射的角度。根据激光雷达技术的不同，视场有很大的不同。FoV的选择会随着不同应用的需求以及许多其他因素而变化，例如要扫描的对象类型或其表面特性。

3、扫描模式

在一长串的激光雷达参数列表中，扫描模式是激光雷达最重要、最有趣的参数。扫描式激光雷达有光束偏转装置或扫描装置，可以使激光束在不同的方向上偏转以进行测距测量，形成独特的扫描模式。这些模式特征有所不同，如扫描线的数量或点密度。激光雷达投入应用中，扫描模式的特征十分重要。例如，在人员统计应用中，计算某个区域中的人数，高分辨率的点云至关重要。为了达到所需的分辨率，则需要大量的扫描线。

虹科固态激光雷达的特殊之处在于，可以很容易地对扫描线数量进行配置，即使在使用激光雷达时也能对扫描线数量进行修改。传感器可根据应用及其不同需求进行配置，例如，通过重新配置扫描线密度，可以无缝地从普通视图切换到高分辨率图像。

小结

扫描式激光雷达使激光束在不同的方向偏转以进行测距测量，形成独特的模式，称为扫描模式。这些模式由于特性不同支持的应用场景也不同。

4、抗串扰抗干扰度

在许多可能同时出现多个传感器的实时应用中，抗串扰抗干扰度是另一个至关重要的参数。例如，自动驾驶车辆上的激光雷达传感器可能会在其视野范围内从另一辆车的激光雷达传感器接收激光信号，从而导致错误检测。因此，道路上的障碍物可能会被错误地检测到，从而导致不必要和潜在危险的紧急制动。如果寄生回波足够强，它可能会分散激光雷达的视线，从而带来更严重的安全隐患。阳光也带来了很大的挑战，因为它会导致传感器采集的噪音信息，降低信号的可靠性和探测范围。有几种方法可以确保串扰不会影响激光雷达传感器。下面列举了两种：

频谱滤波：

立方体的工作波长为905nm，接近电磁光谱的红外区域。在探测器前面还有一个过滤器，只允许波长相近的电磁波通过，同时阻挡其他电磁波。因此，立方体对来自其他激光雷达的激光没有反应，这些激光雷达的工作波长不同，例如1550纳米。然而，探测器仍然容易被另一个905nm激光信号所欺骗。为了解决这个问题，我们采用了一种称为空间滤波的技术。

空间滤波：

虹科固态激光雷达的 同轴设计 允许它通过与光束偏转单元发射相同的路径接收激光的反射。这样可以确保探测器只捕捉到发射到特定方向的光子，并且对来自不同方向的其他光子“视而不见”。

基本上，另一个激光雷达传感器在自动驾驶车辆上必须发送一个精确相同的角度，但方向相反的激光脉冲，同时还要有一个正确的时间窗口，以便传感器检测并产生虚假回波。这种情况发生的可能性取决于许多因素，如激光雷达之间的距离、扫描速率、光束发散和相对方向，因此，该情况发生的概率极小。

频谱和空间滤波也有助于减小阳光产生的信号噪声，并将其对距离性能的影响降到最低。虹科固态激光雷达的探测范围是在100 klux光强度下测得的。

小结

当多个传感器发出的信号不是激光雷达的发送方时，就会发生串扰，从而导致错误检测。串扰可以通过诸如频谱和空间滤波等措施最小化。

5、检测率

检测率（DR）是检测到真实目标上所选点的比例。相反，误报率（FPR）衡量的是在没有真实物理目标的情况下，在点云中检测到回波的比例。

错误检测是不可取的，因为它们降低了点云的精度，从而降低了目标识别的可靠性。在我们上面的入侵检测系统的例子中，如果激光雷达的检测率很低，在监控应用中会出现越来越多的假警报，使得结果不可靠。

虹科固态激光雷达拥有高达90%的检测率，误报率小于0.2%。在要求高可靠性与一致性的应用场景中，其同样适用。

小结

检测率（DR）是检测到真实目标上所选点的比例。错误检测是不可取的，因为它们降低了点云的精度，降低了目标识别的可靠性。

6、多次回波

激光雷达通常在发射激光束后接收到不止一次的反射，因为它随着距离的不断增加会变宽或发散。因此当一部分光束击中最近的目标时，其中一些光束可能会击中距离较远的目标。这意味着光束将返回不同的信号，有多个返回值。

如果激光雷达只能测量单个回波，它将只显示由算法或反射强度定义的一个目标。通常，只有最接近传感器的目标才会被记录下来，而后面的目标则不会被检测到。

可以处理多次回波的激光雷达也可以探测到部分被物体阻挡的目标，这增加了相同数量的激光脉冲收集的数据量和深度。

一个典型的使用案例是探测森林中的树叶，首先返回的是来自树梢的反射光束。部分激光束可能会击中沿途的一些树枝并被反射，而另一部分激光束可能会击中地面并返回。这将产生多次回波，激光雷达可能会记录三个不同的距离。在这种情况下，第一个通常是最有意义的回报，因为它检测到景观中最高的特征，树梢。

虹科固态激光雷达最多支持测量三次的激光回波信号，并可以根据应用的要求配置测量回波数量，从而使传感器适用于各种各样的用例。

小结

激光雷达发射的光束通常会随着距离的增加而变宽或发散，并且可能会击中不同的目标，从而测量到多次回波。可以处理多次回波的激光雷达能够检测到部分被遮挡的目标，这增加了采集数据的数量和深度。

7、测距精度和准确度

测距精度和准确度是激光雷达的关键参数，了解两者之间的区别非常重要，因为它们常常相互混淆。

测距精度

精度是衡量激光雷达采集数据重复性的指标。高精度意味着对同一目标的重复测量将非常接近平均值，低精度意味着在均值附近的离散值较大。

测距精度对于测速相机等应用来说至关重要，在这些应用中，使用激光雷达必须在短时间内计算出与运动目标之间的距离，从而进一步计算出车辆的速度。

测距精度取决于传感器与目标之间的距离以及目标的特性，如反射率和攻角。虹科固态激光雷达的特点是测距精度小于2厘米。

测距准确度

准确度为测量值与实际值的接近程度，即测量的目标距离与其实际距离的接近程度。对于高准确度的激光雷达，测距值应该非常接近实际距离，并且在指定的准确度范围内。

在绝对距离测量应用中，尤为看重激光雷达测距准确度，例如体积测量。或者在无人机上用来生成高精度地图时，准确识别下面的地形至关重要。这些数据可以进一步处理，以创建作物的三维模型，并监测干旱或不同的生长阶段，以优化用水方案。

小结

精度是衡量激光雷达采集数据重复性的指标。高精度意味着重复测量接近平均值。准确度定义了测量值与实际值的接近程度，测距准确度高的激光雷达测得的距离值将非常接近实际距离。

8、总结

激光雷达传感器处于技术革命的前沿，应用领域十分广泛。它们有各种形状和尺寸，最重要的是基于不同的技术。因此，了解不同的技术规格对于选择适合特定应用的传感器至关重要。

2

​

。现过焦点 O OO 作一条虚线平行于入射光线，交 I m a g e r ImagerImager 于 x 1 x_1x

1

​

，由于 β \betaβ 已知，所以可得到 x 1 x_1x

1

​

的位置。记 x 1 , x 2 x_1,x_2x

1

​

,x

2

​

之间距离为 x xx，易得左右两个三角形相似，所以有：q f = s x \frac{q}{f}=\frac{s}{x}

f

q

​

=

x

s

​

，又有 s i n β = q d sin\beta=\frac{q}{d}sinβ=

d

q

​

，二者联立可得 d = s f x s i n β d=\frac{sf}{xsin\beta}d=

xsinβ

sf

​

.

这样就可得到物体到激光发射器的距离 d dd 了，激光雷达将这样的发射器和接收器组装在一起，经过机械旋转360°即可得到一周障碍物的距离。

TOF测距原理

由三角测距的计算公式不难发现，当距离 d dd 很大时，每变化 δ d \delta dδd 引起的 x xx 变化很小，导致精度下降，这就限制了测量范围。

而TOF（Time of flight）原理克服了测量距离这一难点，并且提高了精度：

TOF原理十分简单，就是利用光速测距。首先激光发射器发射激光脉冲，计时器记录发射时间；脉冲经物体反射后由接收器接受，计时器记录接受时间；时间差乘上光速即得到距离的两倍。

TOF原理看似简单，但是实现起来确有很多难点：

计时问题：由于光速过快，测量时间会变得很短。据网上数据得：1cm的测量距离对应65ps的时间跨度。这需要计时器的精确度很高。

脉冲问题：发射器需要发射高质量的脉冲光，接收器接受脉冲光的时候需要尽量保持信号不失真。

对于同一距离的物体测距时，得到的回波信号可能不一样，如下图的黑白纸，这就需要特殊的处理方式来处理。

但总的来说TOF原理的精度远远超过三角测距，只是由于诸多难点导致成本略高。像大一立项时因为没钱，所以用的三角测距的思岚A1，精度不是很高。而ROBOCON战队里的sick激光雷达就是TOF原理，精度非常高，贵是有道理的~

雷达分类

机械激光雷达

机械激光雷达使用机械部件旋转来改变发射角度，这样导致体积过大，加工困难，且长时间使用电机损耗较大。但由于机械激光雷达是最早开始研发的，所以现在成本较低，大多数无人驾驶公司使用的都是机械激光雷达。

MEMS激光雷达

MEMS全称Micro-Electro-Mechanical System，是将原本激光雷达的机械结构通过微电子技术集成到硅基芯片上。本质上而言MEMS激光雷达是一种混合固态激光雷达，并没有做到完全取消机械结构。

主要原理为：通过MEMS把机械结构集成到体积较小的硅基芯片上，并且内部有可旋转的MEMS微振镜，通过微振镜改变单个发射器的发射角度，从而达到不用旋转外部结构就能扫描的效果。

大致原理如下图：

相控阵激光雷达

两列水波干涉时会出现某处高某处低的情形：

光学相控阵原理类似干涉，通过改变发射阵列中每个单元的相位差，合成特定方向的光束。经过这样的控制，光束便可对不同方向进行扫描。雷达精度可以做到毫米级，且顺应了未来激光雷达固态化、小型化以及低成本化的趋势，但难点在于如何把单位时间内测量的点云数据提高以及投入成本巨大等问题。

动态原理图如下：

FLASH激光雷达

FLASH激光雷达原理非常简单：在短时间内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。

激光雷达的数据

分成N份

分成M份

N线点云数据

1线点云数据

时间戳

1个点云数据

点云数量M

X方向偏移量

Y方向偏移量

Z方向偏移量

反射强度

激光雷达数据的处理顺序一般为：

数据预处理（坐标转换，去噪声）

聚类（根据点云距离或反射强度）

提取聚类后的特征，根据特征进行分类等后处理工作。

激光雷达数据的处理顺序一般为：

数据预处理（坐标转换，去噪声）

聚类（根据点云距离或反射强度）

提取聚类后的特征，根据特征进行分类等后处理工作。

固态式

相比机械式激光雷达，固态激光雷达仅面向一个方向一定角度进行扫描，覆盖范围有所限制。但取消了复杂高频转动的机械结构，耐久性得到了巨大的提升，体积也可以大幅缩小。

当传统机械式激光雷达渐渐不能满足自动驾驶规模落地的需要，固态激光雷达开始被认为是自动驾驶规模化应用的关键。固态式激光雷达能够解决机械式激光雷达面临的一些问题，但也存在着一些限制。

当前的固态激光雷达方案主要分为三种： Flash、OPA以及MEMS。

Flash 能够在短时间内直接向前方发射出一大片覆盖探测区域的激光，通过高度灵敏的接收器实现对环境周围图像的绘制。Flash激光雷达的原理类似于拍照，但最终生成的数据包含了深度等3D数据。但是由于短时间内发射大面积的激光，因此在探测精度和探测距离上会受到较大的影响，当前也无法满足开放道路自动驾驶乘用车的需要。

OPA 发射的是电磁波，同样也是波的一种，波与波之间会产生干涉现象。通过控制相控阵雷达平面阵列各个阵元的电流相位，利用相位差可以让不同的位置的波源会产生干涉，从而指向特定的方向。往复控制相位差便可以实现扫描的效果。

OPA激光雷达要求阵列单元尺寸必须不大于半个波长，因此每个器件尺寸仅500nm左右，对材料和工艺的要求都极为苛刻，成本难以控制。上游的供应链尚未突破，OPA激光雷达的开发也存在诸多限制。

MEMS 采用二维微振镜，仅需要少量激光收发单元，通过一面MEMS微振镜来反射激光器的光束即可实现对目标物体的3D扫描，对激光器和探测器的数量需求明显减少。MEMS 激光雷达结构原理上减少了绝大部分运动结构，但仍有一丁点可运动部件，也就是偏振镜面工作时候做出的振动，因此，有一些人认为应该将MEMS归为混合固态类。固态激光雷达与非固态激光雷达的区分，重点不在于内部是否存在运动部件，而在于结构的可靠性，行业对于“固态”的期待，大多源于机械电机及轴承不可靠的方面衬托，而MEMS在结构的可靠性方面已经无限接近“固态”了。固态还是混合固态其实并不是关键，关键在于，MEMS方案是否能够满足自动驾驶的需要。

MEMS的主要优势在于体积小，容易集成，便于整机尽可能小型化，量产后成本较低……不过 MEMS 也有它的局限性，如有效距离短、FOV窄等。此外，MEMS 器件的核心结构是尺度很小的悬臂梁结构，如果芯片设计或者器件选型不得当，会因为外界的振动或者冲击导致断裂，对激光雷达企业的设计和生产能力要求较高。

总体而言，在当前的三种固态方案中，MEMS技术是最为成熟的，也是业界和投资界比较看好的，有望最快实现量产落地。

作者 | 科技 物语

编辑 | 科技 物语

简单地说，激光雷达就是一种传感器，被誉为“机器人的眼睛”，是一种集激光、GPS定位和惯性测量装置为一体的重要传感器，其目前的发展脉络是国产化渐行渐近，应用范围越来越来广，而技术水平则一天比一天成熟。

一、国产，渐行渐近

激光雷达的国产化，可借用业内权威人士李远先生的比喻：将公司分为国外与国内两个类别，那么前期天平较重的一侧明显是国外企业，而现在国内公司正在天平的另一边不断加码，已逐渐平衡。

2019年，对于国产激光雷达企业而言，是一个至关重要的分水岭，市场应用逐渐进入到实际的项目案例中。

近年来兴起自动驾驶浪潮，使本土激光雷达厂商逐步入局，国产工业级激光雷达产品已渐成气候。在国内智能电动车上，本土激光雷达公司已陆续登场，蔚来ET7上已经搭载了图达通，小鹏也选用了livox激光雷达，而广汽埃安搭载RoboSense(速腾聚创)第二代智能固态激光雷达。

据资料，目前国产雷达企业应该有二三十家，如速腾聚创、禾赛 科技 、北科天绘、镭神智能等，还有大疆、华为等电子硬件巨头及传统 汽车 零部件巨头。

目前可分为两个流派，一类研发机械式激光雷达，另一类则直接锁定固态激光雷达产品。在高速自动驾驶领域，禾赛市场占有率较高；而在低速自动驾驶领域，速腾聚创则是主要厂家。

至于大疆，华为，手笔更不同凡响。大疆在2020年8月就宣布实现了车用自动驾驶激光雷达量产供应，并且价格降到千元级别。而华为，2016年进行激光雷达的技术预研，2017年做原型验证，2020年实现量产。国产雷达企业经过多年的坚持投入和经验积累，在各自的细分市场深度耕耘，呈现出百花齐放的市场格局。

进口激光雷达采购成本较高，因此，国产激光雷达低成本化，是其占领市场的抓手，也是国产替代的重要动力，说白了就是要价格低。

在今天成本为王的年代，高价雷达从来不是主流市场的选择，尤其在L3自动驾驶的应用上，国外雷达高成本依然是其落地最大障碍，国产雷达实现进口替代势在必行。

过去，激光雷达动辄数万美元，如今，国内数百美元的雷达逐渐规模化量产。当然，成本下降空间、量产成熟度等诸多现实问题仍然摆在国内企业面前，真正成熟的可用资源仍然较为稀缺，未来2-3年内国内激光雷达功能成熟落地依然需要面对很多挑战。

此外，和进口雷达相比，国内企业在供货及时性、功能定制化、服务配合度及渠道合理性等方面都有优势。特别是服务，是国产雷达的强项，由于距离近，服务方便，了解国情，没有语言障碍，一般来说，国产雷达的服务质理较高，能够及时排查和解决遇到的突发情况，保证项目的稳定运行。

因此，国产雷达企业，除了其本身的技术因素外，还需要培养综合能力，包括技术研发体系、稳定的供应链与量产能力，尤其是售后质保能力。

需要注意的是，由于低成本需求，导致一些厂家牺牲性能降低成本来迎合客户需求，因此，国内有的低成本激光雷达解决方案，是价廉，但在场景落地上存在隐患。

同时，激光雷达企业还面临如下风险：需求量存在不确定性、采用者量产规模化需要较长的爬坡时间、作为供应商，激光雷达要产生实际收入还需要更长的时间。

诚然，激光雷达海外厂商在上游和中游都存在着领跑的优势，在技术和客户群等方面都领先于国内厂商，但在《中国制造2025》的契机下，国内厂商近年来奋起直追，取得了许多突破性的进展。目前，国产化正处于机遇和挑战格外分明的时期，是激光雷达进口替代打基础阶段。

二、应用，越来越广

激光雷达是一种利用激光来实现精确测距的传感器，在广义上可以认为是带有3D深度信息的摄像头，其主要应用，可分为车用激光雷达和智慧物流运输激光雷达两大类。

无人化是智慧物流最重要特征，智慧物流的运输和配送环节，将会大量应用无人化技术——移动物流机器人和无人快递车，其主要核心元件就是激光雷达。

自动驾驶 汽车 本质是移动的四轮机器人，车载雷达主要用于自动驾驶或辅助驾驶。在自动驾驶这件事上，中国车企集体站在了特斯拉的对立面，力挺激光雷达导航，而不是视觉导航。

目前，部分 汽车 制造商陆续已经或宣布在新车上搭载激光雷达，自动驾驶行业的爆发，为激光雷达带来新机遇。小鹏、蔚来、极狐、R 汽车 等多家 汽车 品牌都将带来搭载激光雷达的自动驾驶量产车型。

相较于视觉 SLAM，激光 SLAM是目前最稳定，最主流的定位导航方式，地图精度高，无累积误差，从2019年开始，越来越多的国产雷达在客户的实际项目中应用起来，而不是只在车间进行样机测试。

由于激光雷达下游智能 汽车 ，智慧物流市场需求相对集中，同行压价成为常态，因此，企业必须另辟蹊径，拓展更为广阔的应用场景和范围，寻求多元化市场，成为企业共同的选择。

在智慧物流领域，激光雷达应用范围也是与日俱增。不管是从搬运到仓储还是到物流，激光雷达都能够全面覆盖，并推广到智能港口，智能交通，智慧安防，智慧服务、城市智慧治理等领域。

在港口等物流场景，激光雷达能保证货物抓取的准确性，降低人员操作难度。在交通方面，激光雷达可以助力高速收费站口检测，保障通行车辆符合要求。在安防方面，激光雷达可以成为各种安全监控设备的眼睛。

激光雷达作为终端传感器设备，拥有更为广阔的应用空间，除了AGV、无人小车、自动驾驶等新兴行业，还可以用在传统工业上，并且传统行业客户需求较稳定，价格空间好。在工业制造领域，激光雷达价值在不断凸显，在生产线上，其能释放物料监视作用，保障自动化运行。

激光雷达（激光探测及测距）是一项光学遥感技术，正日益成为替代传统测量技术（如摄影测量）的具有成本效益的新技术。近年来激光雷达与无人机常常以组合拳的姿态出现在各种应用领域，往往产生1 1 2的效应。

法国激光雷达新产品与无人机配合，可提供端到端的激光雷达测量服务，实现常规地势项目设计任务，特别适合于土木工程、电力线路、林业和考古任务。

我国在这方面的应用也较广泛，激光可以穿透树叶的缝隙并生成显示树冠、较低的植被和地面三维点云，并且能够检测到单个树木和查看树冠以及植被的垂直剖面，用于森林火灾风险预测，森林察看等任务。

激光雷达 无人机还可以开展水域探测、生态系统分析、生物多样性检测、文物古迹修复等项目。大疆通过机载激光雷达建立高精度实景三维模型，为文物古迹数字化提供技术支持，在重建山西大同悬空寺的项目中发挥了重要作用。

但要注意，没有一种通用的激光雷达架构能够满足所有不同应用的需求，许多不同的应用都有不同的外形体积、视场、距离分辨率、功耗以及成本要求。

随着技术的发展，激光雷达将会在许多我们意想不到的应用领域施展手脚，给我们带来更多别样的惊喜。

三、技术，一天比一天成熟

激光雷达技术一直在发展完善中，从激光器发明之初的单点激光雷达到后来的单线扫描激光雷达，以及在无人驾驶技术中获得广泛认可的多线扫描激光雷达，再到技术方案不断创新的固态式激光雷达、FMCW激光雷达，以及近年来朝向芯片化、阵列化持续发展，激光雷达一直以来都是新兴技术发展及应用的代表。

激光雷达技术作为近年来高热度的新兴技术，其实有很大的技术壁垒。技术，不仅对于想入场的企业是挑战，就是对于浸润其中多年的企业，也是挑战。技术成熟与否，关系到落地应用，量产推广。技术成熟不只是可用，还要符合经济成本、适应不同场景，以及足够安全。

在业界，有激光雷达导航与视觉导航之争，其实，激光雷达有其优势，但怎样把优势以最大化发挥出来，需要技术的支持，目前部分项目被机器视觉方案取代，原因还是激光雷达传感器技术不成熟。

随着国内智能物流的发展需要，在激光雷达领域已有多年积累的国内企业都将在各自的细分市场深度耕耘，但要想占领更多的市场份额，就要结合自身的技术积累，深挖核心技术，在研发，提高产品质量及稳定性上下功夫。

打破局限性是技术成熟的一个重要标志，例如，在两边都是墙壁的长而直的走廊，或者在动态变化很大的环境中，仅依靠激光雷达容易失去定位。再例如仓储机器人，激光雷达实现定位，存在成本高、只能实现二维地图下的定位导航、不能与人协作等等缺陷。

有许多场景，技术理论上可行，实际上却很难被规模应用，这个局限性怎么打破，需要企业去突破。也许万集 科技 推出的工业防撞激光雷达WLR-718可作为范例，其可以较好地应用到智能驾驶、车路协同、室外巡检等市场上。技术成熟，除了产品性能需要满足客户要求外，还需要考量产品匹配度、未来数据应用开发和功能升级等多方面因素。

激光雷达产业自诞生以来，呈现出了技术水平高的突出特点。从目前行业进展来看，基本上沿着两条清晰的落地路线，一条是将激光雷达作为感知冗余，在兼顾成本的前提下，牺牲一部分性能指标，同时重点弥补摄像头和毫米波雷达的性能盲区，率先规模量产；另一条则是芯片集成等路线，寻求远距离感知的技术突破，并且大幅提升性能。

激光雷达技术的发展，是一个不断试错的过程，每种激光雷达系统中采用的技术通常不仅光源不同，而且「测距」和「成像」方法也不同，只要从芯片化架构、混合固态激光雷这两大方向出发，结合企业的规模，多年的积累，走适宜于自己的技术路线，才是王道。