毫米波雷达|集微咨询：通往自动驾驶的路上，激光雷达大有所为，但也任重道远

在通往自动驾驶的路上，激光雷达俨然成为车企布局的必选项。资本方、市场侧、消费端的热情与需求都催生其快速发展。那么，激光雷达在自动驾驶中究竟扮演什么角色？激光雷达的技术路线有哪些？目前行业竞争格局如何？以下文章将一一说明。
1.激光雷达扮演什么角色？
在自动驾驶中，缺一不可的三大要素包括感知、决策和执行。“感知”是一切的起点和基石，只有不断提高感知性能，才有推动更高级别自动驾驶落地的可能，用于感知的传感器主要有摄像头、毫米波雷达、超声波雷达、激光雷达。
目前，自动驾驶感知方案主要分为以特斯拉为代表的视觉系和以Waymo为代表的激光雷达系两种流派。视觉系主要以摄像头为主导，配合毫米波雷达、超声波雷达等完成感知任务；激光雷达系以激光雷达为核心，配合摄像头、毫米波雷达、超声波传感器等达到感知目的。

文章插图

车载摄像头：
低成本，但精度较差，易受天气影响。车载摄像头通过镜头采集外部数据并根据算法进行图像识别，能够感知车辆周边的路况，实现前向碰撞预警（FCW），车道偏离报警（LDW）等ADAS功能。汽车摄像头根据摄像头个数可以分为单目、双目和多目，根据安装位置可以分为前视、后视、侧视、环视。目前技术成熟且价格便宜，但是精度较差，需要借助深度算法，且易受恶劣天气影响，逆光和光影复杂环境下效果较差，难以实现全天候测距。
毫米波雷达：
精度高，穿透力强，不受天气影响，但对行人等非金属物体探测能力弱。目前市场上主流的车载毫米波雷达频段为24GHz(用于短中距离雷达，15~30m)和77GHz(用于长距离雷达，10~200m)。77GHz产品在性能和体积上都更具优势，其分辨率更高，体积也小了1/3。毫米波雷达能够大范围检测车辆的运行情况，可实现自适应巡航（ACC）、自动紧急刹车（AEB）等ADAS功能。其最大优势在于可弥补摄像头的不足，具有精度高、探测性能强的特点。此外，毫米波雷达对大气的衰减小，穿透雾、灰尘的能力强，因此抗干扰性较强，还能够全天候全天时工作。但毫米波雷达的固有属性使得其对行人等非金属物体反射波较弱，难以对行人进行识别。
超声波雷达：
局限于近距离低速场景应用。超声波雷达是基于超声波固有的声波折射、反射、干涉等基本物理特性而形成。其优势是造价较低，可大量配置，数据处理简单，且不受光照条件影响。不过超声波测量远距离目标的回波信号较弱，只能探测近距离物体。常用于自动泊车（APA）。
激光雷达：
精度高，探测能力强，易受天气影响，当前成本较高。激光雷达通过向被测目标发射激光，测量反射或散射信号的到达时间、强弱程度等数据，以确定目标的距离，而且可以通过采取的点云数据，利用3D建模构建数据模型。相较于毫米波雷达，激光雷达能加强对行人、静态障碍物、小物体等障碍物的监测能力；相比于摄像头，激光雷达的探测距离更远。不过易受恶劣天气等影响，且目前成本相对较高。
【毫米波雷达|集微咨询：通往自动驾驶的路上，激光雷达大有所为，但也任重道远】结论1：
综上看出，不同的汽车传感器，各有优缺点，灵活组合使用可以满足自动驾驶不同阶段的需求。摄像头+毫米波雷达+超声波雷达的视觉系方案一般可实现AEB、ACC、TJP、LDWS等预警类、识别类ADAS功能。但往更高级别自动驾驶演进，驾驶任务从人转移给系统，需要感知方案有充分的安全冗余。现阶段，视觉方案仍存在盲区，以特斯拉为例，特斯拉的FSD是一套目前水平在L2+级，未来目标是全自动驾驶的系统。特斯拉近几年的多起交通安全事故，都显示出FSD系统仍然存在诸多安全盲点。