無人駕駛汽車ADAS 系統激光雷達介紹與應用

高明

江蘇信息職業技術學院 江蘇省無錫市 214000

1 無人駕駛汽車的發展與現狀

1.1 自動駕駛分類與發展規劃

工信部科技司公示《汽車駕駛自動化分級》推薦性國家標準報批稿，該標準基于自動化汽車能夠按照設定目標值來連續執行動態駕駛任務的程度來進行區分。根據在無人駕駛汽車在執行動態駕駛任務中的角色分配以及有無外界設計運行條件限制，將無人駕駛自動化分成6 個等級目前全球公認的汽車自動駕駛技術分級標準主要有兩個，分別是由美國高速公路安全管理局（NHTSA）和國際自動機工程師學會（SAE）提出。中國于2020 年參考SAE 的0-5 級的分級框架 發布了中國版《汽車駕駛自動化分級》，并結合中國當前實際情況進行了部分調整，大體上也將自動駕駛分為0-5 級，如表1 所示。

表1 汽車駕駛自動化分級

在推薦性《汽車駕駛自動化分級》國家標準中，包含駕駛自動化的定義、分級原則、等級劃分要素、各等級技術要求等方面。《汽車駕駛自動化分級》作為自動駕駛基礎類標準，將為中國汽車自動駕駛出臺相關法律、法規和強制類標準出臺提供支撐，該標準將于2021 年1 月1 日正式實施，現階段已陸續進入了技術測試階段，技術趨于成熟過程。

2020 年11 月，《智能網聯汽車技術路選圖2.0》發布，提出智能網聯汽車發展呈現市場的持有量逐年遞加的趨勢。根據相關發展規劃，截止2025 年2、3 級的裝機率超50%以上，4 級逐步的開始進入市場；截止到2030 年2、3 級的功能設備的裝機率達70%、HA（L4）級占比達20%。乘用車典型應用場景包括城鄉互聯道路、快速公路以及貫穿城市、互聯城市之間的城際公路；計劃定于2035 年，自動駕駛乘用最高級水平FA（L5）無人駕駛汽車開始應用，至此，無人駕駛汽車開始大眾化、普遍化。無人駕駛車能夠有效的降低由于人為元素造成的交通事故，能夠有效的提高道路的利用效率，是實現碳中和、碳達峰的一個有力支持。

2021 年8 月，《關于加強智能網聯汽車生產企業及產品準入管理的意見》發布，提出加強智能網聯汽車運輸數據可靠性安全、運行網絡可靠性安全、控制技術軟件升級與加密、功能安全和預期功能安全管理，保證產品質量和生產技術一致性，推動智能網聯汽車產業高質量快速的發展。從L2 到L3，智能駕駛躍升，需要感知層傳感器提供關鍵支撐車輛自動駕駛級。

2 激光雷達在無人駕駛汽車中的應用

激光雷達在自動駕駛中的核心特征可以概括為三維環境感知、高分辨率、抗干擾能力。

三維環境感知方面，3D 激光雷達能夠在短時間內向周圍環境發射大量的激光束，探測距離是介于200-300m 遠距離和最大90°*30°的大視野探測能力；角分辨率最高可達0.05°*0.05°，保證了它在遠距離仍然能準確探測、追蹤多個目標，距離分辨率可以達到0.1mard，速度分辨率達到10m/s以內。

激光雷達通過測量激光信號的時間差來確定物體距離，通過水平旋轉掃描或者向空掃描角度，以及獲取不同俯仰角度的信號，來獲得被測物體的精確三維信息。性能冗余和極高的可靠性，滿足軌道交通、船舶航運、機場航空、城市交通，工業檢測等領域的不同需求。由于激光頻率高，波長短，所以可以獲得極高的角度、距離和速度分辨率，如此高的速度和距離分辨率意味著激光雷達可以利用距離多普勒成像技術獲得非常清晰的圖像，如圖1 所示。

圖1 激光雷達數據成像

激光雷達在抗干擾能力方面，與微波毫米波雷達易受自然界廣泛存在的電磁波影響的情況不同，自然界中能對激光雷達起干擾作用的信號源不多，因此激光雷達抗有源干擾的能力很強，可全天候工作。由于激光雷達中激光束的發射頻率一般每秒幾萬個脈沖以上，相比傳統微波雷達高了很多，因而存在分辨率高、精度高（厘米級）、探測距離長的優勢，此外抗干擾能力相比電磁波更強，由于生成目標的多維頭像，因而獲取的信息量更豐富，且不受目標物體運動狀態的影響。但大多數的激光雷達會受雨雪、霧霾天氣 影響穿透性變差、測量精度會下降，且難以分辨交通標識和紅綠燈，高昂的成本也成為制約激光雷達大規模量產的關鍵因素。

當然，由于各種測距原理的傳感器設備搭載的不同傳感器的原理和功能各不相同，在不同的場景里發揮各自的優勢，發揮各自在數據領域的優勢。目前來講，單種傳感器特性突飛猛進，均不能形成完全進行信息覆蓋。以后的發展必然是多傳感器融合，融合多技術、多平臺是未來發展必然趨勢。未來的智能汽車可以視為“移動的傳感器平臺”，將裝備有大量的傳感器。并且隨著智能駕駛從L2 到L3 級及以上不斷推進，激光雷達憑借其精度高、探測距離長、可3D 環境建模的特性，重要性越發凸顯。

從雷達的功能上看，激光雷達主要由激光發射裝置、激光接收端、信息處理單元、線束信號掃描系統組成，如圖2 所示。

圖2 激光雷達測距原理

1）激光發射：通過將電轉化成光，激勵源驅動激光器發射激光脈沖線束，激光調制器通過光束控制器控制發射激光的方向和線數，最后通過發射光學系統，將激光發射至目標物體；

2）激光接收：經由物體的反射，激光接收單元中光電探測器接受目標物體反射回來的激光線束，接收障礙物的反射信號；

3）激光信息處理：接收的信號經過集成模塊的放大處理和數模轉換器后，經過信息處理模塊進行數據計算以便來獲取目標障礙物的形態、物理屬性等特性，控制模塊依據收集信息進行建立物體模型和間距測量。

4）線束信號掃描：激光雷達一般來說會以穩定的轉速旋轉，以此來發送激光束實現對所在平面的掃描，實時產生實時的平面圖信息，進行數據計算與更新，工作過程如圖3所示。

圖3 激光雷達數據處理過程

目前，主流的車載激光雷達的技術路線，按照掃描方式為機械式→半固態→純固態；按照激光發射方式，為EEL →VCSEL；按照激光接收方式，為PD/APD →SPAD/SiPM；按照信息處理方式，為FPGA →SoC。

智能傳感器是智能駕駛車輛的“眼睛”，目前應用于環境感知的主流傳感器產品主要包括攝像頭、毫米波雷達、超聲波雷達和激光雷達四類。總體來看，攝像頭在逆光或光影復雜的情況下視覺效果較差，毫米波雷達對靜態物體識別效果差，超聲波雷達測量距離有限且易受惡劣天氣的影響，因此單獨依靠攝像頭或毫米波雷達的方案去實現智能駕駛是存在缺陷的，而激光雷達可探測多數物體（含靜態物體）、探測距離相對更長（0-300米）、精度高（5cm），且可構建環境3D 模型、實時性好，因而成為推進智能駕駛到L3 級及以上的核心傳感器，高昂的成本也成為制約其大規模應用的原因之一。

特斯拉“以攝像頭為主的視覺感知”解決方案主要包含信息采集、特征提取、訓練學習、評估、反饋改進五大步驟，通過數據+算法+反饋不斷垂直整合，完善自動駕駛能力。特斯拉之所以堅持純視覺方案,主要原因在于技術與成本。其一是當時的激光雷達技術不完善，能生產車規級固體激光雷達的企業暫不具備量產能力；其二是激光雷達的價格還沒有降低到合理的位置。此外，我們認為，特斯拉作為自動駕駛汽車的領導者，已經有一套被市場認知的視覺攝像頭方案量產,也積累了大量的數據，輸出純視覺方案的量產的成本可控的重磅電動智能車.

3 攝像頭與機械式激光雷達的區分

數據進行矯正的攝像頭是目前車企應用比較多，也是比較廣泛的設備，在ADAS 系統的主要視覺傳感器，最為成熟的車載傳感器之一攝像頭工作原理是目標物體通過是鏡頭把光線聚攏，然后通過IR 濾光片把不需要的紅外光濾掉，此時模擬信號進入到傳感器COMS 芯片，通過AD 數字輸出，有的攝像頭會放置ISP 圖像處理芯片，把處理后的信號傳輸給到主機。其主要硬件組件包含鏡頭組（LENS）、圖像COMS 傳感芯片、線路板基板，如圖4 所示。

圖4 攝像頭信息處理過程

按照安裝部位的不同，攝像頭主要分為前視、后視、側視以及內置攝像頭，以此來實現LDW、FCW、LKA、PA、AVM 等功能。實現自動駕駛時全套ADAS 功能將安裝6 個以上攝像頭，前視攝像頭因需要復雜的算法和芯片，單價在1500 元左右，后視、側視以及內置攝像頭單價在200 元左右，ADAS 的普及應用為車載攝像頭傳感器帶來巨大的發展空間。

機械旋轉式的掃描模塊和收發模塊均被電機帶動進行360 度旋轉；半固態的收發模塊不動、掃描模塊運動，按照掃描方式可進一步分為 MEMS、轉鏡式和棱鏡式；固態則收發和掃描模塊均不運動，主要有OPA 和Flash 兩種方案。總體來看，從機械旋轉到半固體、再到固態，產品的集成化程度越來越高，成本越來越低。機械式激光雷達由于價格高、體積大、車規級量產應用難度大，主要應用于Robotaxi 的測試車隊等領域，幫助 自動駕駛從0 到1。中短期半固態、長期純固態為激光雷達的落地技術路線，在自動駕駛從1到N 的發展階段中，半固態扮演著重要角色。

原理上，機械激光雷達，是指其發射系統和接收系統存在360°轉動，也就是通過不斷旋轉發射頭，將速度更快、發射更準的激光從“線”變成“面”，并在豎直方向上排布多束激光，形成多個面，達到動態掃描并動態接收信息的目的。其特點在于通過電機帶動收發和掃描模塊進行整體旋轉，實現對空間水平360°視場范圍的掃描。通過增加收發模塊來實現高線束，在實現探測距離精度更高的同時，也導致了整套系統元器件成本非常高。優點上分析看，機械旋轉式激光雷達的優勢在于由于旋轉是由電機控制的，所以可以長時間內保持轉速穩定，每次掃描的速度都是線性的，從而可以對周圍環境 進行精度夠高并且清晰穩定的360 度環境重構，技術成熟，是目前的主流方案。缺點在于價格高、可量產性差（工藝復雜、組裝困難）、體積大、難以過車規（平均失效時間1000h～3000h，而汽車廠商的要求是至少13000h）、可靠性差（內含大量可動部件，在行車環境下磨損嚴重）等缺點。

機械式激光雷達的代表性廠商海外為Velodyne、Waymo、Valeo、Ouster，國 內為速騰聚創、禾賽科技、鐳神智能、北科天繪等。Velodyne 的代表性產品包括HDL-64、HDL-32、VLP-16 等，價格范圍在0.4萬-8 萬美金之間。谷歌無人小車的64 線激光雷達就來自Velodyne，當時價格高達7 萬美元。機械式激光雷達之所以成本居高不下的原因在于其內部的激光收發模組成本高（線束越多越準確、整體成本越高），并且需要復雜的人工調教、制造周期長，高昂的成本也決定了其目前主要應用于自動駕駛技術的開發領域，比如百度Robotaxi、谷歌無人駕駛測試車隊，車規級前裝量產市場暫無應用。

總體來看，激光雷達產業鏈可以分為上游（光學和電子元器件）——中游（集成激光雷達）——下游（不同應用場景）。其中上游主要包含大量的光學元器件和電子元器件，組成激光發射、激光接收、掃描系統和信息處理四大部分。以上四大部分組裝起來，集成為中游的激光雷達產品。下游應用除了已成熟的軍事、測繪領域外，無人駕駛汽車、高精度地圖、服務機器人、無人機等新興領域應用近年來也開始快速發展。