探究智能驾驶的“智慧之眼”-激光雷达的应用与前景

探究智能驾驶的“智慧之眼”

-激光雷达的应用与前景

“众所周知蝙蝠这些动物的大部分活动时间都是在夜里，因此它们也可以在夜里捕获飞蛾和蚊虫等猎物；并且不论怎样飞，几乎从来就没有见过它与任何物体碰撞，哪怕是一条极其细小的电线，它也能够很巧妙地躲过。难道说你的眼光真的非常犀利啊，可以在黑暗的夜里把一切的物体都看清楚了么？”当被问到这个问题时，大家好像都会本能的联想到了超声波，这是科普教育所完成的闭环，可将这个问题抛给十八世纪的意大利科学家斯帕拉捷时，他用了一系列的实验来告知世人，之所以蝙蝠可以在伸手不见五指的夜晚敏捷的躲避各种障碍物靠的不是视力而是“非凡”的听觉。后来经过人们的继续研究,才最终揭开了这些“夜行者”神秘的面纱。原来，蝙蝠是能够靠喉咙发出一种人耳所听不出来的“超声波”的，并且这种声波可以沿直线传播，每当在传播过程中碰到了障碍物，这种声波就会像光照到镜子一样，按原路径反射回来，蝙蝠恰好可以用耳朵接收到这种声音，并且可以对这种反射回来的超声波进行迅速的判断，从而实现在夜里来去自由、敏捷的捕捉猎物躲避障碍物。

现如今，科学家们通过对蝙蝠的“象形学习”，已经将这种超声波侦测方法适用到了各行各业，并对类蝙蝠的侦测原理进行了推广扩大。那么蝙蝠的这种侦测方法可不可以应用到自动驾驶的技术上呢？随着对这类问题的讨论，各种“智驾之眼”应运而生。

谈到汽车的眼睛那不得不提到车载雷达，车载雷达作为驾驶辅助系统的核心传感器，用于检测距离、速度等汽车行驶中的重要数据。汽车雷达分为三种雷达远距离雷达（LRR）、中距离雷达（MRR）、近距离雷达（SRR）。远距雷达可以用来实现自动巡航也就是我们所说的ACC辅助巡航，而中距离雷达可以用来实现两侧来车报警和车辆变道辅助功能，近距离雷达则可以实现停车辅助和道路障碍检测。而目前市面上广为使用的车载雷达主要有：超声波雷达、激光雷达、毫米波雷达等。本篇文章主要对激光雷达进行简单的介绍。

激光雷达最早可以溯源到20世纪60年代，1960年，在红宝石激光器被发明出来后，激光雷达的技术开始逐渐发展成型。1962年，美国麻省理工学院使用激光雷达成功测量了地球与月球之间的距离，此后激光雷达的潜在价值不断被科学家发掘出来。而激光雷达最早应用在汽车上是在一场无人车挑战赛上，此后车载激光雷达在智驾领域发展迅速。

激光雷达顾名思义，就是工作在光频波段的雷达，它是通过发射激光束来探测目标的所在位置、速度等一些特征量的雷达系统。其工作过程首先是朝着目标物体发射出光频波段的电磁波探测信号，然后再将其所接收到的从目标反射回来的信号即同波信号与发射信号相比较，并对其做适当的处理进而可以获得目标的位置、运动状态等特征信息，从而可以实现对目标的探测和识别功能，其最远探测距离达到了200米，相较于毫米波雷达，激光雷达除了能够获取障碍物的位置和速度以外，还能够获得障碍物的三维形状特征，因此激光雷达也可以对车辆所处的环境进行三维建模，识别出各类的动静态障碍物。

激光雷达技术是国际公认的智能驾驶技术基础，为了获取更好的测试效果，激光雷达的光学系统成为了一项研究热点[1]。激光雷达能够提供丰富的环境信息，这也很大程度上提高了智能驾驶的自动避障能力。激光雷达也是激光技术与现代光电探测技术相结合的先进探测方式，可将其分由发射系统、接收系统、扫描系统和信息处理等部分组成。激光器作为它的发射系统常见的一般有二氧化碳激光器、半导体激光器及可调谐波长的固体激光器和一些光学扩束单元构成；接收系统一般采用望远镜和各种形式的光电探测器，如光电倍增管、半导体光电二极管、雪崩光电二极管、红外和可见光多元探测器件等组合。激光雷达采用脉冲或连续波2种工作方式，探测方法按照探测的原理不同可以分为米散射、瑞利散射、拉曼散射、布里渊散射、荧光、多普勒等激光雷达。

那么激光雷达具体是如何实现测距的呢？我们知道激光雷达测距最重要的就是激光发射和反射这一过程，那么根据测量这一过程的具体时间即飞行激光的时间便可以计算出目标的距离，那么又根据不同激光的发射信号，可分为计算方法即脉冲法激光测距和相位法激光测距。

脉冲法激光测距简单来说就是指激光雷达记录其发射一束激光被测量物反射回并被接收器接收之间的时间间隔，根据已知的光速，便可以计算出所测量的距离。具体计算关系式如下：

D=CT/2 (1)

式中：D为探测距离；T为飞行时间；C为光速。

相位法激光测距，这涉及到了对激光信号进行幅度调制的问题，调制光的幅度会随着时间发生周期性的变化，于是，我们可以对调制激光的发射和反射相位变化进行测量，便能得出时间与距离的信息。激光雷达在某个特定的速度下做匀速转动，并连续发射红外激光，同时对反射点的激光信号进行接收，其中包括反射点距离、时间及水平角度等信息，我们用多个发射器对应不同的垂直角度，然后再利用这些变量数据便可获得相应反射点的位置信息。我们将激光雷达旋转360°后收集到的所有反射点的坐标集合起来变成点云，进而可以得到全方位的环境信息[2]。

现市场上主流的激光雷达由于其部件较多，各个部件的技术选择不同，其相应的效果和成本自然不一样。车载激光雷达按照其结构的不同可以分为机械旋转激光雷达，混合半固态激光雷达和全固态激光雷达。机械旋转激光雷达技术是较为传统和成熟的，它的优势是可以实现对周围环境进行360°的水平视场扫描且其测距能力较远，但是其设备体积大，装配、调试较为复杂，成本较高且生产周期较长，机械部件的使用寿命也难以达到车规级要求。

混合固态激光雷达主要为MEMS（微振镜）激光雷达，固态激光雷达主要为Flash（泛光面阵式）和OPA（光学相控阵）。其中，MEMS激光雷达具有体积小、低成本、易量产的优势，成为当前自动驾驶汽车应用最广泛的技术产品[5]。

实际上，要想实现智能驾驶光靠激光雷达远远不够，当无人驾驶车辆在面对纷繁复杂的路面环境状况时，需要大量的传感器对实时路况进行信息采集并集中处理，供车辆进行综合分析才能得出决策。当然，单一、同类型的传感器并不能够满足无人驾驶车辆进行路况信息分析，越是复杂的道路环境越是需要拥有各自优势的不同种类的传感器。

现在的L2级自动驾驶的硬件大多采取的是由摄像头、毫米波雷达、超声波雷达组成的设计方案。其中摄像头组件的优势是能够对路况障碍物进行清晰的识别，但摄像头其实也会受到光强影响；超声波雷达就是我们日常使用广泛的倒车雷达，其测量距离较短，易受到天气的干扰；毫米波雷达的穿透烟雾能力是比较强的，因此它能够和摄像头的不足很好的弥补，更多被用在盲点监测和变道辅助等方面，虽然它可以在强光环境工作，也能够适应较为恶劣的天气状况，但它的判断精度会对差一些[3]。所以在行车时，效果就不是那么明显了。但有意思的是特斯拉却非常钟情此雷达加摄像头的硬件组合。

激光雷达相较于其他一些感知硬件，能够较为准确的感知到周边道路环境的信息，它的探测精度也能够达到厘米级。因此，激光雷达能够较为准确的将障碍物具体的轮廓、距离等信息探测出来，而且一般不会对车辆前方所出现的障碍物做出误判、漏判。激光雷达普遍的有效探测距离相较于前两者也更远一些，理论上来讲足够远的探测距离能够给车辆信息处理中心提供更多的反应时间。据了解，蔚来ET5所搭载的激光雷达，其最大探测距离可以达到250 m，这也就意味着当车辆时速达到100 km/h时，ET5会有将近9秒的时间来对环境做出反应。

但是激光雷达不俗的成本也成为了众多车辆厂商对其犹豫不定的原因之一。此外，激光雷达对工作环境的要求也比较高。我们知道对于光波来说波长越短走的路线也就越直，这也就意味着其绕过障碍物的能力不是那么突出。毫米波雷达所发射出来的电磁波波长一般在1-10 mm之间，而目前主流的激光雷达所发射的激光波长一般为905 nm和1550 nm[4]。由于激光的相干性较强，其方向性很好，所以在很长的一段距离都不会发散，但这也就意味着它无法绕过障碍物，在一些雨雾、风沙等极端恶劣天气时会受到非常大的影响。

因此，激光雷达目前还不能够单独挑起智驾感知硬件的大梁，但激光雷达与毫米波雷达、超声波雷达、摄像头等感知传感器硬件进行组合应用，可以达到一加一大于二的效果，对智能（辅助）驾驶的路况判断和安全性有着很大的帮助。

为了能够满足未来自动驾驶汽车性能和安全的搭载要求，激光雷达势必朝着轻量化、高性能、低成本的趋势发展。探测距离、测量精度也必将得到很大提升，华为问界在自动驾驶上不俗的表现和较为出色的路况处理能力可以说是为智能驾驶发展“激光雷达VS视觉技术”之争中交出了一份出色的答卷。

智能驾驶网联汽车是新科技革命带动下汽车工业转型升级的战略方向和未来社会生态建设的必然选择，也是拉动我国汽车产业经济增长的新引擎。作为智能驾驶汽车最为重要的感知传感器，激光雷达也应该从技术创新、交叉应用等方面加大支持力度，推进相关产业高质量发展[5]。

参考文献:

图1

http://www.zhihu.com/question/269217888?utm_id=0

图2

http://fly-tech.com.cn/a/xinwenzixun/xingyezixun/1747.html

图3

http://tc.800lie.com/article/25889.html

图4

http://zhuanlan.zhihu.com/p/374335947?utm_id=0

图5

http://xw.qq.com/cmsid/20220311A093LG00

[1] 徐子奇,王美娇,鞠秀晶.面向车载导航激光雷达的光学系统优化设计[J].传感器与微系统,2023,42(02):87-90.DOI:10.13873/J.1000-9787(2023)02-0087-04

[2] 徐丹阳,何正才,叶震辉等.激光雷达原理演示实验装置的设计与研发[J].浙江工业大学学报,2023,51(06):632-637.

[3] 郭泉成,黄梓健,刘乐等.汽车自动驾驶传感器发展[J].科技与创新,2023,(16):19-22.DOI:10.15913/j.cnki.kjycx.2023.16.006

[4] 李明杰,刘小飞.基于毫米波传感器与激光雷达信号融合的自动驾驶障碍物感知方法[J].激光杂志,2023,44(06):199-203.DOI:10.14016/j.cnki.jgzz.2023.06.199

[5] 吴喜庆,吴征,周怡博.车载激光雷达市场潜力巨大[J].汽车纵横,2022,(09):70-72.

本文转载自《光波常 》微信公众号

《物理》50年精选文章