自動駕駛的關鍵技術——激光雷達（LiDAR）的基礎技術、最新動態及車載技術的必要條件

陣鎌真一

Macnica公司正在涉足自動駕駛系統相關的技術。其中1個特色技術是激光雷達（LiDAR）。此技術是自動駕駛的關鍵技術。論述如激光、光束轉向等LiDAR的基礎技術，介紹感興趣區域（ROI）、計算機視覺等最新技術動態，以及有待解決的問題。

電子控制;毫米波雷達;激光雷達;整車傳感器

0 前言

Macnica公司是1家半導體貿易公司。近年來，Macnica公司在自有的macnica.ai品牌旗下，積極投身于人工智能（AI）技術的開發，并開展了針對專業業務的咨詢服務，涉足了新的領域。Macnica公司的移動解決方案事業部，不但自主開發了與自動駕駛相關的產品業務，目前也在自行開發自動駕駛的軟件（圖1）。

近期，Macnica公司相關研究人員參與策劃了奈良縣平城宮跡歷史公園的自動駕駛活動，并且在茨城縣境町組織開展了針對自動駕駛客車的運行業務。這些活動不僅可以驗證由Macnica公司研究開發的自動駕駛技術，也可通過這些商業活動為社會作出貢獻（圖2）。

Macnica公司研究人員一直在探索激光雷達（LiDAR）等與自動駕駛相關的傳感器的最新技術。雷達用電波來探測物體并測量距離，而LiDAR則用激光來實現這些功能（圖3）。

本文將重點介紹LiDAR的基本結構、性能、最新功能及實現車載的必要條件。

1 自動駕駛車輛的核心傳感器—LiDAR

1.1 在自動駕駛車輛上應用的傳感器群

為實現自動駕駛技術，研究人員為車輛選用了各種各樣的傳感器。目前，研究人員已經在先進駕駛輔助系統（ADAS）上應用了前視雷達、立體攝像頭和周圍監控雷達，還應用了配備有AI技術的前視攝像頭等各種傳感器。盡管傳感器的種類較多，但是LiDAR還是被譽為自動駕駛的核心傳感器。這是因為在自動駕駛重要功能的實現途徑上，需要對物體認知和自身位置進行推斷。

在周圍監控技術上，攝像頭+AI技術的圖像認知技術發展異常迅速，但是光靠攝像頭的影像無法準確測量出物體與車輛間的距離。當環境亮度較差時，攝像頭將失效，也妨礙了對物體的探測。LiDAR可自行發射激光，即使在光線昏暗的環境下也能清晰地顯示數據（圖4）。另外，攝像頭容易受到附著在鏡頭和玻璃上的水滴等異物影響，而LiDAR只要激光沒有被完全遮擋，影響相對較小（圖5）。

對車輛自身位置的推斷方法有好幾種，比如根據GPS信號來測量位置，或者用輪胎的轉數來計算等。但當GPS信號較弱時，系統無法準確測定車輛位置，輪胎打滑累積誤差等問題的存在也會影響計算。相反，根據LiDAR來斷定車輛自身位置，通過對比高清地圖和LiDAR獲取的地圖，就可以精確地推斷出自身的位置。正因如此，LiDAR被譽為自動駕駛車輛的核心傳感器。

1.2 點云

用LiDAR獲取的信息，被稱為“點云”。用放映器來看，形成攝像頭的圖片，實際上是測量多點來獲取坐標的數據，進而在放映器上顯示出來，因此研究人員可以從正面、側面等不同視角來進行觀測。另外，研究人員還可以根據不同的距離和不同的高度，將點云區分顏色。研究人員甚至可以根據LiDAR含有不同反射率的信息來劃分點云顏色。比如，由于瀝青和道路白線的反射率不同，研究人員可探測到車道和左轉右轉車道的箭頭標識。

1.3 旋轉型和固體電路型

LiDAR有很多種分類方式，最容易區分的是旋轉型和非旋轉型。旋轉型也稱為機械式，是搭載了多個激光模塊并使其旋轉的方式。非旋轉型也稱固體電路型，是通過光束轉向來實現激光掃描的方式。旋轉型的優勢是可以安裝在車輛頂蓋的高位上，1臺設備就可以環視車輛周圍360 °的景象，但這不符合乘用車的造型設計。也有研究指出旋轉部分會造成車輛振動和沖擊的耐久性變差，并不適合在量產車上應用。基于該原因，固體電路型的LiDAR成為了各家公司競相開發的對象。

2 基本的組成要素和常規的性能指標

2.1 激光發射單元和接收單元

激光是使用波長905 nm或1 550 nm的紅外線。一般前者使用硅半導體，后者使用化合物半導體。硅半導體在價格和電量消耗方面是有利的，但是1 550 nm的波段對人眼影響小，因此輸出功率更容易提高。而且太陽光中包含的成分比其他的波長段更低，所以不容易受太陽光的影響。

激光接收單元雖然使用了光電二極管、單光子雪崩二極管（SPAD）等元件，但是905 nm的波段可以用硅半導體來制作，因此價格低廉且電量消耗少。

2.2 光束轉向方式

各個公司所采用的光束轉向，也就是激光的掃描方式各不相同。比如二維（2D）微機電系統（MEMS）的方式是在鏡子上搭載2軸可動元件，通過激光向該處反射來實現光柵掃描（圖6）。還有些公司采用的方式是讓小型鏡子旋轉來改變激光的波長，并投射到棱鏡上，通過折射來實現掃描。

2.3 測距方式

常規的測距方式是采用脈沖時差法（TOF）的方式。有幾家公司正在打算采用調頻連續波（FMCW）的方式，目前該技術還在開發中。脈沖TOF方式，是在一定間隔下發射激光，測量該反射波抵達所需要的時間，進而計算出距離的方式。而FMCW方式則是雷達上普遍使用的方式，一邊調制頻率一邊連續照射，測量該反射波抵達所需要的時間。FMCW方式相對TOF方式最大的差異是通過測量多普勒效應下反射波的波長變化，計算出與對象物體的相對速度。

2.4 探測距離

最大探測距離是物體探測中非常重要的性能。增加激光的輸出功率可以延長最大探測距離，但是為了抑制對人眼的影響，系統要求探測達到IEC 60825-1 Class1的級別，而且裝置的發熱問題也限制了激光的輸出功率。提高激光接收部的靈敏度也可以延長探測距離，但是容易混入背景噪聲。因此，噪聲過濾技術的差異即導致激光雷達性能的差異。

最小探測距離也很重要，但是很難平衡最大探測距離和最小探測距離。研究人員需要在信號強度強的地方和弱的地方，在模擬/數字（A/D）轉換的動態范圍切換等方面下功夫。

2.5 視野角度（FOV）

FOV指的是能夠環視的最大范圍。旋轉型頭部可發射多束激光，能夠獲得寬闊的視野角度。相比而言，固體電路型的光束轉向有限，一般視野角度狹小。目前，該設備可搭載多個MEMS，實現了120 °的廣闊視角。

在垂直方向的視角方面，旋轉型LiDAR取決于激光的束數，固體電路型LiDAR取決于光束能夠實現的轉向角度，但是視角一般都在20～40 °左右。對車載用途而言，這樣的范圍是足夠的，但從安全等周邊監控用途來看的話，用戶還是趨向于更廣闊的視角。

2.6 解析度/分辨率

LiDAR的解析度越高越精細，但是1 s內能夠處理的能力是有限的，因此FOV和幀率很難兼顧，需要折中選擇。分辨率也是經常用來表示性能的指標。這是因為作為點云的密度容易進行對比，而且便于計算某個距離的物體能否被探測到。

2.7 幀率/周期

幀率和攝像頭圖片一樣用每秒傳輸幀數（fps）來表示，展示的是1 s能夠更新的幀數。幀率也可用周期（單位Hz）來表示。不管哪種表示，原理都相同。目前，LiDAR上普遍采用了10～30 fps的配置，但是考慮到公路上車輛的高速移動，則必須達到30 fps左右。

3 與自動駕駛相關的最新技術

3.1 變更垂直視野

MEMS方式和棱鏡方式的LiDAR可以動態變更垂直視野（圖7）。這里有2類使用方法可供考慮。第1類方法是將視角調小，相應地提高激光輸出功率，這樣可以延長探測距離。第2類方法是解析度不變，將視角調小，提高分辨率，這樣能夠探測到更遠的小物體。不管哪種方法，都是為了滿足在一般道路上視野開闊，以及在高速公路上視野雖狹窄但更容易看到遠方的需求。調成狹小的視野可以上下移動，所以研究人員也可以在坡道的頂部將視野調成朝下，在谷底部將視野調成朝上。

3.2 感興趣區域（ROI）

ROI通過提高視野內指定范圍的激光輸出功率來延長探測距離，或者通過細化分辨率來提高物體的探測能力。比如在INNOVIZ公司的INNOVIZOne上，研究人員將整體視角的激光輸出功率按75%來定義，ROI部分（視野中央的水平方向20 °和垂直方向8 °的區域）的激光輸出功率按170%來定義，在整體視野上能夠獲取一般解析度的點云數據，在ROI部分能夠實現更遠的探測距離（圖8）。

3.3 像素加法

將多個像素編成組，并當作1個像素來對待，這種方法更容易捕捉到微弱的信號。在遠方的物體或者反射率小的物體，反射波的強度小，信號會被淹沒在背景噪聲中。但是在多個像素的反射信號相加后，可以提高信號/噪聲（S/N）比。這樣，在遠方的物體或反射率小的物體也可以被探測到（圖9）。研究人員追加了指定像素組的計算，正常的視角及解析度的點云數據仍維持原樣，這樣能夠補充輸出像素相加的結果。但是，像素相加得到的點云數據，解析度和距離精度會下降，相應的數據波段和處理器的負荷會上升，所以研究人員在設計時需要考慮到這個因素。

3.4 計算機視覺

LiDAR輸出的點云信息，原始狀態是由多個點組成的坐標數據，而用于自動駕駛則需要作為點的集合來處理，去感知該物體是什么。為了更具體地闡明該問題，本文對INNOVIZ公司提供的INNOVIZ Sense的后期信息處理軟件進行了分析。

（1） 物體認知。物體認知功能實際上是進行物體的認知、識別、跟蹤和預測處理的一整套完整過程（圖10）。首先是在單幀上識別物體種類的單體探測，在多幀上計算運動的方向、速度等移動信息。然后進一步將這2個探測器的信息進行組合，進行跟蹤和預測。隨后，對乘用車、重型車、摩托車、自行車、行人及其他信息進行識別，并將這些信息與物體意義唯一的身份標識號（ID）進行綁定，發送給上游的電子控制單元（ECU）。

（2） 可行駛區域。自動駕駛L4及以上要求系統承擔行駛的操作。系統需要識別可行駛的區域和可泊車的區域。在INNOVIZ Sense中，研究人員在每幀上將點云上的多個點劃分成可能會發生碰撞，以及與碰撞無關2個級別。在歸類為可能發生碰撞的點云中，繼續劃分為物體和障礙物。歸類為與碰撞無關的點云，包含了平坦的地面、高度可越過的物體、可從下方通過的物體和點云背景噪聲。和物體認知一樣，這些信息也被發送至上游ECU（圖11）。

（3） 地面標記的檢測和跟蹤。如上文所述，自動駕駛的車輛在地圖上哪個位置行駛，需要正確察覺并推斷出自己的位置。與地圖的匹配，是指結合地圖上特征性的地標和行駛過程中獲得的LiDAR信息的地標，來推斷本車的位置（圖12）。這項功能是探測和跟蹤特征性的地標，如電線桿等垂直物體，護欄、橋梁等水平物體，以及標識等較大的平面物體，并將上述信息發送給上游的ECU。

如此，LiDAR將行駛區域內存在的物體，以及可行駛的區域、地標等信息提供給上游ECU，進而實現自動駕駛過程所需要的障礙物規避和路徑生成的功能。

（4） 標定。考慮到量產車的應用，相關標定功能同樣也必不可少。這個功能是探測出放在指定位置的目標，將傳感器的安裝位置自動進行原點修正。

而且，在行駛中也會面臨加載狀態、懸掛、輪胎胎壓、車身高度和傾斜度等參數出現動態變化的情況。此功能可修正這些參數。

4 總結

4.1 尺寸、質量及成本

LiDAR雖然有無與倫比的性能，但是與雷達和攝像頭相比，在尺寸、質量及成本上還是有很大的劣勢。LiDAR有很多子零件，隨著銷量的增加，成本會有一定程度的下降。今后，LiDAR技術將在激光器陣列的優化、激光的信號接收-信號處理一體化等方面作進一步提升，而零件的改進也會推動LiDAR實現小型化、輕量化及低成本化。

4.2 可靠性及品質

各汽車廠商都是以國際標準為基礎進行可靠性試驗，并作出對應改進。日本汽車廠商的可靠性試驗規范在試驗條件和判定標準方面普遍比國際標準更嚴格。

考慮到駕駛室外的安裝，試驗的工作溫度范圍是-40～85 ℃，殼體的防護等級和防水性要求達到了IP69K的級別。因為每個汽車廠商都有自己的LiDAR高壓清洗試驗規范，所以相關研究需要注意不同清洗試驗規范的區別。在振動試驗方面，相比一定頻率的振動試驗，汽車廠商指定波形的隨機施加振動試驗更容易出現問題。需要注意的是，沖擊試驗有100 G級別的試驗加速度。

在溫度和濕度方面，雖然熱沖擊試驗要求很嚴苛，但是試驗條件和判定標準各不相同，因此難以融入到設計階段的考慮過程中。

在電磁干擾/電磁兼容（EMI/EMC）方面，相比上述物理性試驗，參照國際標準執行的較多，更易于進行考量。

其他如功能安全和環境負荷物質要求等方面，在量產車上應用仍存在一定的困難，并非所有廠家都能在短期內攻克該難關。

5 展望

近年來，隨著LiDAR性能和可靠性的進一步提升，逐漸達到了可以在整車上應用的水平。工程機械、農業機械、鐵路、船舶、航空等領域，以及其他的機械領域對LiDAR均有著較高需求。目前，在日本國內部分城市的十字路口、道口、站臺門等領域中，也開始使用LiDAR了。預計到2025年，日本國內的LiDAR市場規模將達到數千億日元，其用途會越來越廣泛。LiDAR一旦開始應用，將會像手機的攝像頭那樣實現小型化、高性能化和低成本化，其應用也會日益廣泛。

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

宋顯亮 譯自 自動車技術，2020，74（10）

吳 玲 編輯

（收稿時間：2021-01-02）