自动驾驶系列2：激光雷达，突破感知边界！

在自动驾驶系统中，负责接收信息的感知模块是最为关键的环节之一。感知模块主要由硬件和软件组成，其中硬件负责“感”，也就是接收原始信息，软件负责“知”，也就是分析原始信息并将其转换成数字信号传送给决策和规划模块做下一步分析。


当前，感知模块在技术和产业领域都处于激烈的竞争状态。不同的技术路线与商业抉择，在大力推动自动驾驶技术飞速进步的同时，也让其未来发展前景充满了不确定性。接下来，本文将深度剖析关键感知硬件 —— 激光雷达的产业前景与投资机会。



目

录

1. 感知模块全景

2. 激光雷达分类

3. 产业链



1. 感知模块全景

自动驾驶中的感知模块硬件主要包括雷达和摄像头，其中雷达可分为毫米波雷达、激光雷达以及超声波雷达，摄像头则按其安装位置不同，可分为前视、侧视、后视和内置四种类型。


这四种硬件各有侧重，长短互现。其中，摄像头结构相对简单，也是最贴近人类视觉的感知设备。它凭借拍摄画面，识别物体、颜色与距离，并借助算法完成分类。不过，在夜间、逆光以及恶劣天气等影响视线的场景中，摄像头的性能会大打折扣。

超声波雷达依靠发射和接收声波来定位，常用于倒车雷达，是汽车领域成熟的硬件。但因声波传输速度相对较慢，感知精度有限，难以胜任自动驾驶系统的主力感知重任。


毫米波雷达通过发送和接收电磁波，依据反射电磁波的时间差测算物体距离，利用发送与接收电磁波的频率差计算物体速度。该雷达不受天气、光线干扰，具备长距离和动态目标探测能力。然而，它对非金属物体（如行人）的反射效果欠佳，无法全面识别周围环境。


激光雷达通过发送和接收光波来感知，具备中长距离探测与建模能力，对行人检测效果良好，即便在光线不佳的环境中也能正常工作。但在雨雪、浓雾等极端天气下，其性能同样会受到影响。此外，激光雷达的成本一直较高。

由于不同传感器的优劣势不同，成本也不同，感知模块在技术路线上分为了基于摄像头的纯视觉路线和以激光雷达为主的多传感器融合路线。


纯视觉感知方案由特斯拉引领，仅需要处理摄像头的信息，在硬件要求、成本及实时算力需求上都有较大优势，但纯视觉路线需要强大的算力和数据来训练模型迭代，比如截止2024年Q1特斯拉披露已经积累了超16亿公里的数据，具有很大的先发优势。同时，特斯拉已经完成自研芯片D1和超级计算机Dojo的搭建，在数据和算力两项要素上具备坚实积累。


多传感器融合路线一般同时配备上述多种硬件，互相补充，很好的弥补了各类硬件的短板。比如长距激光雷达可用于高精度的目标检测，短距补盲激光雷达做盲点探测，摄像头则可以很好的识别如车道线、红绿灯等周边信息等。


早期开发自动驾驶技术的科技和创业公司大多采取了多传感器融合的方案，而目前大多主机厂也纷纷采用融合路线追赶特斯拉。