【转自】 智车科技
随着人工智能时代的到来，激光雷达广泛应用于自动驾驶、机器人、安全监控、无人机、地图测绘、物联网、智能城市等高科技领域。据高盛估计，2020年 2050年，全球激光雷达市场规模将超过100亿元 年有望超过6000 发展规模呈指数级增长。
激光雷达（LiDAR），无人驾驶的眼睛是人工智能时代最具想象力的传感器。
LiDAR 能够在不受外部环境光影响的情况下，实时感知环境信息，获取准确可靠的三维数据，使机器人超越人类的视觉能力。
随着人工智能时代的到来，激光雷达广泛应用于自动驾驶、机器人、安全监控、无人机、地图测绘、物联网、智能城市等高科技领域。据高盛估计，2020年 2050年，全球激光雷达市场规模将超过100亿元 年有望超过6000 发展规模呈指数级增长。
根据汽车行业相关权威机构的预测，在人工智能技术快速产业化的自动驾驶领域，市场规模巨大。到2035年 全球自动驾驶汽车年销量将达到118 万辆。到2025年麦肯锡预测 2000年，自动驾驶汽车将产生2万辆 亿至1.9 巨大的万亿美元市场。同时，物流领域被认为是自动驾驶技术的领先场景之一。根据国家物流采购联合会的数据，智能物流市场规模将在2025年 年突破万亿。激光雷达以其强大的感知能力，保护自动驾驶对人类旅行安全的承诺，已成为该领域不可或缺的传感器，辅以自动驾驶，共同快速发展。
激光雷达（LiDAR）主动传感器的总称是通过激光测距技术检测环境信息。它利用激光束检测目标获取数据，生成精确的数字工程模型。
目前，激光雷达有三种激光测距技术：
1. 激光飞行时间法（TOF），通过将光脉冲在目标与雷达间的飞行时间乘以光速除以二，就可以获得距离，该方案成熟度比较高，适用于长距离探测，绝大部分车载激光雷达采用的就是该方案。
2. 三角形法，由于入射光和反射光构成三角形，光斑位移的计算采用几何三角形定理，因此该测量法称为激光三角形测距法，适用于短距离测量，主要用于单线二维激光雷达。
3. 调频连续波法(FMCW)，原理类似Radar，通过多普勒效应等光的波动变化，计算发射光谱频率与接收光谱频率之间的差异，可以得到距离和速度。该技术方案相对前沿，没有成熟的产品。激光雷达种类繁多，可分为以下四个主要方面：
· 可分为激光测距雷达、激光测速雷达、激光成像雷达、大气探测雷达、跟踪雷达；
· 根据载荷平台，可分为星载、机载、车载和基础；
· 根据扫描方法，可分为机械式，MEMS、Flash、OPA；
· 单线和多线可分为雷达线束；
· 激光雷达产品广泛应用于自动驾驶，属于车载多线成像激光雷达，是本文讨论分析的对象。
由于激光雷达和相机具有优异的成像能力，它们一直被视为自动驾驶的核心传感器。与相机相比，激光雷达的优点是可以获得准确的三维信息，是主动光源，不受光照影响，白天和晚上照常工作。
相机识别粒度较高，能获得丰富的纹理色彩，因此能实现精细识别，在这一点上，激光雷达不如相机好。
摄像头最大的缺点是受环境光的影响很大。在强光照射、亮反白物体、夜间弱光环境等情况下，通过算法很难有效可靠地感知收集到的数据。
激光雷达通过激光主动检测成像，直接测量物体的距离方向、深度信息、反射率等，不受环境光的影响。算法首先识别障碍物，然后对其进行分类。识别的准确性和可靠性远远超过相机，消耗的计算资源低于相机。
可以说，激光雷达在自动驾驶中的应用，最重要的部分是高精度定位，首先确定自己的位置，自动驾驶车辆将面临去哪里的问题。因此，确定我在哪里是第一步，也是非常关键的一步。按常规理解，定位应该只是GPS的确，自动驾驶的定位将用于任务GPS，但是GPS定位精度不足，高层建筑或隧道信号稳定性差，难以保证自动驾驶车辆的安全。因此，自动驾驶定位需要与激光雷达相结合GPS、IMU等待，完成稳定可靠的高精度定位。
为自动驾驶开发的激光雷达硬件AI感知算法可以识别周围周围障碍物、检测路边、高精度定位等任务。它还可以类标记，将障碍物分为卡车、汽车、行人、自行车等。
首先，我们分阶段划分自动驾驶的发展。根据发展历史和行业未来预测，自动驾驶的发展可分为三个阶段。第一阶段，2016年前，实验室阶段；第二阶段，2016年至2020年前后，试运行阶段；第三阶段，2020年后，大规模商业化运营阶段。激光雷达技术产品的发展也促进了激光雷达在各个阶段的快速发展。
回顾自动驾驶的发展历史，应该追溯到近百年前，美国陆军电子工程师Francis开始用无线电波控制车辆的刹车、离合器和转向。1956年，美国通用汽车用预埋电缆配合安装在车上的接收器控制车辆。日本筑波工程研究院于1977年开始使用摄像头传感器指导汽车驾驶。1998年，意大利帕尔马大学使用双目摄像头识别和导航物体。当时车辆行驶2000公里，94%的里程在自动驾驶模式下完成，剩下的6%左右需要人工干预。
自动驾驶发展最具代表性的事件是2004年在美国举行的无人驾驶DARPA当时有25支队伍参加了挑战赛。不幸的是，没有一支队伍完成任务，即使比赛总里程只有11.78公里。
当时，人们讨论说，比赛没有完成任务的主要原因是车辆对环境没有足够的感知。几吨甚至近十吨的汽车在遇到前面的草堆时不敢过去。这也反映了纯视觉传感器的缺陷。他们应该感知道强光、黑暗和斑驳的道路环境，这将大大增加算法的难度。
在2005年的DARPA新的突破出现在挑战赛中。斯坦福大学的车队在车顶上安装了许多单线激光雷达。这种单线激光雷达不是用于机器人或自动驾驶车辆，而是用于工业，探测距离不远。但在安装激光雷达后，斯坦福大学的车队完成了比赛，赢得了冠军。激光雷达在自动驾驶环境感知系统中的地位开始确立。激光雷达公司在美国Velodyne也因为参加了这次比赛，我意识到激光雷达对自动驾驶的重要性，并开始投资于机械多线激光雷达产品的研发。
此后，多线激光雷达成为自动驾驶方案的常规配置， 2017年，拥有L3自动驾驶能力新奥迪A 激光雷达传感器正式配备。L3~L5自动驾驶车辆必须配备激光雷达，基本达成行业共识。
自2016年以来，自动驾驶入试运行测试阶段，激光雷达市场需求爆发。
Waymo作为全球领先的自动驾驶企业，2016年、2017年和2018年，订单量从100辆和600辆增加到2万辆；2018年5月底，新秀发布物流汽车，三年内投资10万辆；2018年6月，京东无人车总部项目在长沙定居，进行区域试运行；2018年7月4日，百度与金龙合作的自动驾驶巴士宣布小批量生产……激光雷达行业需求不断上升。
从2016年到2017年，各领域进入小批量路测阶段。面对突如其来的需求，激光雷达市场进入了短暂的供不应求阶段。非高速开放场景需要快速部署软件算法与激光雷达硬件结合的环境感知解决方案，价格尚未确定是市场敏感的因素。另一方面，高速/复杂场景的自动驾驶计划也进入了小批量道路测试阶段。
017年到2018年，各领域自动驾驶方案基本进入小批量试运营准备，非高速开放场景应用开始规模化试运营，市场需求开始发生改变：非高速开放场景追求激光雷达系统稳定性、产能、性价比；高速复杂场景路测逐渐增加，对高线束激光雷达环境感知方案需求增加。
2019年到2020年，自动驾驶的低速封闭场景和开放场景应用进入规模化试运营，在高速开放场景中的实验更加流畅，准备进入自动驾驶批量化运营阶段。激光雷达行业产品性能开始趋于统一，但市场对于产品价格、性能、系统稳定性、可制造性等全方位要求明显提高，市场竞争的内容发生改变，全新一代革命性技术产品——固态激光雷达开始进入市场。
这一阶段是激光雷达市场规模开始爆发,激光雷达初创企业快速成长的时期。由于成立时间早，Velodyne凭借传统机械式激光雷达，在市场中占据优势地位。同时，在这一阶段前后，国内外激光雷达企业纷纷成立，并快速成长为行业的核心力量。例如，2014年，成立于深圳的RoboSense(速腾聚创)，凭借超过10年的科研积累，快速完成产研转化， 2017年4月，在国内率先量产车载16线激光雷达，同年9月,量产32线激光雷达，并正式发布基于激光雷达的自动驾驶环境感知AI算法，提供软硬结合激光雷达环境感知解决方案，快速获得大量市场份额。2017年10月, RoboSense(速腾聚创)公布MEMS固态激光雷达,并于CES2018公开展示，一举成为世界上为数不多掌握固态激光雷达核心专利技术的顶级玩家。
2020年以后，自动驾驶将进入商业化运营阶段，各自动驾驶服务运营方全面竞争，自动驾驶汽车私人消费市场逐渐爆发。
全球各大OEMs或者Tier 1的自动驾驶发展时间表，基本上都集中于计划在2020年到2022年实现L3或者L4。而L5的实现则大有不同，大部分企业将实现L5的时间定在2025年，部分企业定在2022年，更有甚者选择定在2030年。
在这一阶段，各类型自动驾驶车辆将开始规模化量产，并投入各场景常规化运营，对激光雷达有车规级、易量产、高分辨率、低成本等严格要求。激光雷达需要向大规模量产、低成本以及高稳定性方向发展。
实际上，距离这一阶段到来的时间点已经非常近了，目前，传统激光雷达系统由于物理极限和成本高等因素限制，难以满足这一阶段的行业发展需求。因此,自动驾驶大规模商业化运营的实现中,有关环境感知的使命将会落到全新一代的固态激光雷达技术产品上。
固态激光雷达技术方案可分为MEMS、OPA与Flash三种。
MEMS（微机电系统）：利用MEMS微振镜对激光进行精确控制，系统内所有的机械部件都集成到单个MEMS芯片上，芯片利用半导体工艺生产。
OPA：相控阵，原理与相控阵Radar类似，采用多个光源组成阵列，通过控制各光源发光时间差，合成具有特定方向的主光束，主光束便可以实现对不同方向的扫描。
Flash：面阵方案，短时间内直接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完成对环境周围图像的绘制。该技术发明和应用的历史比较长久，但是由于高功率问题限制了它的探测距离。
这三种革命性的方案都有基于自身技术原理带来的不同优缺点：同样是芯片化方案，千元级别的MEMS方案和OPA相比,成本难以快速降到百元甚至十元级别，但是MEMS更容易实现远距离探测，而OPA与Flash要达到200米的探测距离还有大量的工作要完成。
面对这场具有革命性技术加持的竞争，纵观全球行业市场，新一代产品核心技术已经被RoboSense、Innoviz、Quanergy等产业后起之秀所率先掌握，未来的市场将是多元化的。
目前，已经完成固态激光雷达Demo的顶级激光雷达厂商，正在进行车规级测试认证、性能提升、量产准备等工作。
2018年5月，RoboSense推出的MEMS固态激光雷达RS-LiDAR-M1Pre已经率先搭载到菜鸟无人驾驶物流车使用，成为首款在无人驾驶车辆上使用的固态激光雷达。我们希望在2020年，能够将MEMS固态激光雷达的量产成本控制在200美元以内。
激光雷达进入自动驾驶感知系统，成功推动了自动驾驶结束漫长的实验探索期，进入快速发展的试运营期。自动驾驶的快速发展和行业需求，反向激发了激光雷达技术和产业的全面爆发。全新一代固态激光雷达产品方案的成熟和量产，将推动自动驾驶商业化运营的大规模普及。
激光雷达产业有三个主要发展方向：固态化、激光雷达与摄像头底层融合、智能化。
第一，激光雷达固态化。面对即将到来的自动驾驶商业化运营的阶段性市场，低成本车规级的固态激光雷达需要肩负起它的使命，行业对固态激光雷达的真正量产期待已久。激光雷达固态化后，将消除传统机械式激光雷达中存在的物理限制，并且带来高分辨率、长距离、车规级、易量产以及低成本等优势。
第二，激光雷达与摄像头底层融合。两者作为自动驾驶的核心传感器,各自拥有独特的优势，摄像头可以获取真实世界中丰富的二维彩色信息，激光雷达能够获取三维高精度空间信息。对于自动驾驶环境感知需求，一方面，如果仅依靠摄像头获取的二维图像，感知的可靠性和探测的准确度都难以保证驾驶的安全性。另一方面，仅依靠激光雷达又很难对诸如交通路牌、红绿灯等信息做出有效识别，以及对复杂障碍物进行精细化分类。通过底层深度融合LiDAR和摄像头数据，可以发挥出更强大的感知能力。将二维彩色信息覆盖到三维高精度空间数据上，获得时空同步后的彩色点云数据，极大地提高了AI感知算法对目标物体的分割及分类探测距离、准确度、精细度，从而大幅提升自动驾驶车辆安全性。
第三，激光雷达智能感知系统。基于MEMS固态激光雷达、AI环境感知算法、激光雷达与摄像头融合，多项前沿技术形成闭环达成了智能化激光雷达感知系统。通过AI算法对彩色数据进行预处理，有选择性地对感兴趣区域进行重复探测，能够为自动驾驶带来更远的探测距离与更为准确的感知结果，有效降低中央数据处理单元的数据处理压力，从而确保汽车迅速完成安全可靠的驾驶操作响应。
激光雷达推动了自动驾驶行业的迅速发展，加速了商业化进程，提供了高效快捷的物流运输，更守护了人类安全可靠的出行。
可以说，自动驾驶完成商业化，将加速自动驾驶时代的到来。激光雷达产业和技术在迫切的市场需求下快速成长。未来，更先进的激光雷达产品和更成熟的产业链，又将通过精确、可靠、低成本的三维环境感知能力，加速机器人、无人机、安防监控、智慧城市等人工智能产业商业化的进程，推动人类全面跨入人工智能时代。