原装畅销·品牌齐全·海量型号·库存充足
联系我们
Contact us
深圳京柏微科技有限公司
自动驾驶多传感器融合大势所趋，激光雷达规模化装车前夜已至
激光雷达主要包括激光发射、接收、扫描器、透镜天线和信号处理电路组成。激光发射部分主要有两种，一种是激光二极管，通常有硅和砷化镓两种基底材料，再有一种就是目前非常火热的垂直腔面发射（VCSEL）（比如 iPhone 上的 LiDAR），VCSEL 的优点是价格低廉，体积极小，功耗极低，缺点是有效距离比较短，需要多级放大才能达到车用的有效距离。
光雷达主要应用了激光测距的原理，而如何制造合适的结构使得传感器能向多个方向发射激光束，如何测量激光往返的时间，这便区分出了不同的激光雷达的结构。
自动驾驶两种路径殊途同归，共同推动高级别自动驾驶加速落地。当前自动驾驶正沿着两种路径向我们驶来：
一种是以造车新势力领衔，传统车企紧跟的渐进式发展路径，从高级辅助驾驶（ADAS）逐渐实现L3+自动驾驶；
另一种则是以百度、谷歌等为代表的科技力量，采取跨越式的技术发展路线，直接研发L4/L5级别自动驾驶/无人驾驶。
摄像头技术成熟且成本低，成为率先装车且用量最大的感知硬件。车载摄像头是ADAS系统的主要视觉传感器，也是最为成熟的车载传感器之一。然而由于摄像头与人眼一样，属于被动地接收可见光，因此在逆光或者光影复杂的情况下视觉效果较差，且易受恶劣天气影响。
毫米波雷达受天气环境的影响最小，全天候性能最佳。毫米波雷达与激光雷达工作原理相似，目前车载领域常用的毫米波雷达频段为24GHz、77GHz和79GHz，分别对应短、长、中距离雷达。毫米波雷达由于波长够长，绕物能力好，受天气环境的影响最小，但同时由于波长过长，探测精度大大下降。
激光雷达精度最佳，满足L3-L5自动驾驶需求：
激光雷达以激光作为载波，波长比毫米波更短，因此探测精度高、距离远。激光雷达还能通过回收不同方向激光尺的信息，以点成线，以线成面，形成障碍物3D“点云”图像。
受限于技术难度大、成本高，目前还未实现大规模装车，随着未来产业链的日趋成熟，成本下探后，激光雷达产业或将迎来爆发。
感知层传感器性能比较：
多传感器融合大势所趋，激光雷达必不可少。在自动驾驶感知技术领域，目前主要形成两大阵营，以特斯拉为代表的“视觉感知”和以Waymo、蔚来、小鹏等为代表的“3D激光雷达融合感知”解决方案。
前者“轻感知，重算法”，采用低成本的摄像头进行环境感知，辅以高性能计算，对基于视觉的神经网络算法算力要求较高；
后者主要依靠激光雷达创建周围环境感知的3D环境图，形成“摄像头+毫米波雷达+激光雷达”融合冗余的感知方案。
自动驾驶感知解决方案对比：
尽管纯视觉方案具备一定的成本优势，能够满足当前L2级别ADAS感知需求，但随着自动驾驶的逐级演进，感知层数据量呈指数级增长，弱感知将对芯片的性能和算力提出更高的要求，增加实现难度。
此外摄像头本身性能和识别精度的欠缺（如不能直接给出距离、将三维世界降至二维成像、受制于天气等）也制约了纯视觉感知解决方案在高等级自动驾驶中的发展普及。
我们认为为了实现无人驾驶功能性与安全性的全面覆盖，传感器的融合与冗余将成为未来的主旋律，而激光雷达作为其中探测精度、分辨率更高的关键一环，其技术工艺的不断迭代成熟，成本的逐渐下探，也将促进其在L3及以上车型的规模化装车应用。
各类传感器需求量逐级提升
