个人中心 - 老虎社区

蓝纹奶酪

耐心布局，静待花开

IP属地：北京

帖子 · 1帖子 · 1
关注 · 0关注 · 0
粉丝 · 0粉丝 · 0

- 蓝纹奶酪蓝纹奶酪
  ·2021-05-10
  Velodyne雷达，还有人用吗
  激光雷达上车，背后的真相是什么？
  当自动驾驶在量产车上从 L2 级向 L2+迈进，各家车企对软件、硬件的 pk 已经到了白热化阶段。除了依然坚持视觉路线的特斯拉(TSLA.US)外，今年发布的新车中，没搭载激光雷达都不好意思秀自己的自
  激光雷达上车，背后的真相是什么？
  1,026 评论
  点赞
  分享
  举报

热议股票

关于我们·老虎社区守则·老虎社区账号管理规范·老虎社区服务协议·老虎社区隐私政策

公司名称：北京至简风宜信息技术有限公司

违法和不良信息投诉：010-5681-3562（工作时间9:30-18:30）

邮箱：service@laohu8.com

老虎社区侵权投诉指引

中国互联网举报中心·北京互联网举报中心

网络谣言曝光台·扫黄打非举报中心

网络110报警服务

© 2018-2024 老虎社区版权所有

营业执照：91110105MA01A4U55R

ICP备：京ICP备18016422号

网安备：京公网安备11010502036490

qrcode

关注我们

{"i18n":{"language":"zh_CN"},"isCurrentUser":false,"userPageInfo":{"id":"3544274323541376","uuid":"3544274323541376","gmtCreate":1581180301173,"gmtModify":1582524673509,"name":"蓝纹奶酪","pinyin":"lwnllanwennailao","introduction":"","introductionEn":"","signature":"耐心布局，静待花开","avatar":"https://static.tigerbbs.com/f04f91f54b1975422918480d2f404783","hat":null,"hatId":null,"hatName":null,"vip":1,"status":2,"fanSize":0,"headSize":89,"tweetSize":1,"questionSize":0,"limitLevel":999,"accountStatus":4,"level":{"id":0,"name":"","nameTw":"","represent":"","factor":"","iconColor":"","bgColor":""},"themeCounts":5,"badgeCounts":0,"badges":[],"moderator":false,"superModerator":false,"manageSymbols":null,"badgeLevel":null,"boolIsFan":false,"boolIsHead":false,"favoriteSize":3,"symbols":null,"coverImage":null,"realNameVerified":null,"userBadges":[{"badgeId":"e50ce593bb40487ebfb542ca54f6a561-3","templateUuid":"e50ce593bb40487ebfb542ca54f6a561","name":"偶像虎友","description":"加入老虎社区1500天","bigImgUrl":"https://static.tigerbbs.com/8b40ae7da5bf081a1c84df14bf9e6367","smallImgUrl":"https://static.tigerbbs.com/f160eceddd7c284a8e1136557615cfad","grayImgUrl":"https://static.tigerbbs.com/11792805c468334a9b31c39f95a41c6a","redirectLinkEnabled":0,"redirectLink":null,"hasAllocated":1,"isWearing":0,"stamp":null,"stampPosition":0,"hasStamp":0,"allocationCount":1,"allocatedDate":"2024.03.19","exceedPercentage":null,"individualDisplayEnabled":0,"backgroundColor":null,"fontColor":null,"individualDisplaySort":0,"categoryType":1001},{"badgeId":"228c86a078844d74991fff2b7ab2428d-3","templateUuid":"228c86a078844d74991fff2b7ab2428d","name":"投资合伙人虎","description":"证券账户累计交易金额达到100万美元","bigImgUrl":"https://static.tigerbbs.com/fbeac6bb240db7da8b972e5183d050ba","smallImgUrl":"https://static.tigerbbs.com/436cdf80292b99f0a992e78750ac4e3a","grayImgUrl":"https://static.tigerbbs.com/506a259a7b456f037592c3b23c779599","redirectLinkEnabled":0,"redirectLink":null,"hasAllocated":1,"isWearing":0,"stamp":null,"stampPosition":0,"hasStamp":0,"allocationCount":1,"allocatedDate":"2023.07.14","exceedPercentage":"93.59%","individualDisplayEnabled":0,"backgroundColor":null,"fontColor":null,"individualDisplaySort":0,"categoryType":1101},{"badgeId":"35ec162348d5460f88c959321e554969-3","templateUuid":"35ec162348d5460f88c959321e554969","name":"传说交易员","description":"证券或期货账户累计交易次数达到300次","bigImgUrl":"https://static.tigerbbs.com/656db16598a0b8f21429e10d6c1cb033","smallImgUrl":"https://static.tigerbbs.com/03f10910d4dd9234f9b5702a3342193a","grayImgUrl":"https://static.tigerbbs.com/0c767e35268feb729d50d3fa9a386c5a","redirectLinkEnabled":0,"redirectLink":null,"hasAllocated":1,"isWearing":0,"stamp":null,"stampPosition":0,"hasStamp":0,"allocationCount":1,"allocatedDate":"2021.12.28","exceedPercentage":"93.78%","individualDisplayEnabled":0,"backgroundColor":null,"fontColor":null,"individualDisplaySort":0,"categoryType":1100},{"badgeId":"976c19eed35f4cd78f17501c2e99ef37-1","templateUuid":"976c19eed35f4cd78f17501c2e99ef37","name":"博闻投资者","description":"累计交易超过10只正股","bigImgUrl":"https://static.tigerbbs.com/e74cc24115c4fbae6154ec1b1041bf47","smallImgUrl":"https://static.tigerbbs.com/d48265cbfd97c57f9048db29f22227b0","grayImgUrl":"https://static.tigerbbs.com/76c6d6898b073c77e1c537ebe9ac1c57","redirectLinkEnabled":0,"redirectLink":null,"hasAllocated":1,"isWearing":0,"stamp":null,"stampPosition":0,"hasStamp":0,"allocationCount":1,"allocatedDate":"2021.12.21","exceedPercentage":null,"individualDisplayEnabled":0,"backgroundColor":null,"fontColor":null,"individualDisplaySort":0,"categoryType":1102},{"badgeId":"518b5610c3e8410da5cfad115e4b0f5a-1","templateUuid":"518b5610c3e8410da5cfad115e4b0f5a","name":"实盘交易者","description":"完成一笔实盘交易","bigImgUrl":"https://static.tigerbbs.com/2e08a1cc2087a1de93402c2c290fa65b","smallImgUrl":"https://static.tigerbbs.com/4504a6397ce1137932d56e5f4ce27166","grayImgUrl":"https://static.tigerbbs.com/4b22c79415b4cd6e3d8ebc4a0fa32604","redirectLinkEnabled":0,"redirectLink":null,"hasAllocated":1,"isWearing":0,"stamp":null,"stampPosition":0,"hasStamp":0,"allocationCount":1,"allocatedDate":"2021.12.21","exceedPercentage":null,"individualDisplayEnabled":0,"backgroundColor":null,"fontColor":null,"individualDisplaySort":0,"categoryType":1100}],"userBadgeCount":5,"currentWearingBadge":null,"individualDisplayBadges":null,"crmLevel":2,"crmLevelSwitch":0,"location":"北京","starInvestorFollowerNum":0,"starInvestorFlag":false,"starInvestorOrderShareNum":0,"subscribeStarInvestorNum":0,"ror":null,"winRationPercentage":null,"showRor":false,"investmentPhilosophy":null,"starInvestorSubscribeFlag":false},"page":1,"watchlist":null,"tweetList":[{"id":199908073,"gmtCreate":1620659717392,"gmtModify":1620660879790,"author":{"id":"3544274323541376","authorId":"3544274323541376","name":"蓝纹奶酪","avatar":"https://static.tigerbbs.com/f04f91f54b1975422918480d2f404783","crmLevel":2,"crmLevelSwitch":0,"followedFlag":false,"idStr":"3544274323541376","authorIdStr":"3544274323541376"},"themes":[],"htmlText":"Velodyne雷达，还有人用吗","listText":"Velodyne雷达，还有人用吗","text":"Velodyne雷达，还有人用吗","images":[],"top":1,"highlighted":1,"essential":1,"paper":1,"likeSize":0,"commentSize":0,"repostSize":0,"link":"https://laohu8.com/post/199908073","repostId":"2134689203","repostType":2,"repost":{"id":"2134689203","pubTimestamp":1620618002,"share":"https://www.laohu8.com/m/news/2134689203?lang=&edition=full","pubTime":"2021-05-10 11:40","market":"hk","language":"zh","title":"激光雷达上车，背后的真相是什么？","url":"https://stock-news.laohu8.com/highlight/detail?id=2134689203","media":"智通财经网","summary":"当自动驾驶在量产车上从 L2 级向 L2+迈进，各家车企对软件、硬件的 pk 已经到了白热化阶段。除了依然坚持视觉路线的特斯拉(TSLA.US)外，今年发布的新车中，没搭载激光雷达都不好意思秀自己的自","content":"<p>当自动驾驶在量产车上从 L2 级向 L2+迈进，各家车企对软件、硬件的 pk 已经到了白热化阶段。除了依然坚持视觉路线的<a href=\"https://laohu8.com/S/TSLA\">特斯拉</a>(TSLA.US)外，今年发布的新车中，没搭载激光雷达都不好意思秀自己的自动驾驶能力，ARCFOX 极狐 阿尔法 S、小鹏(XPEV.US)P5、<a href=\"https://laohu8.com/S/NIO\">蔚来</a>(NIO.US)ET7、上汽 RS33、宝马 iX、智己 L7 都预告了激光雷达的上车。</p>\n<p>激光雷达仿佛成了 L2+，甚至 L3 级、L4 级自动驾驶的代名词。</p>\n<p><img src=\"https://static.tigerbbs.com/6576cd659d10f394e82008e8335d2467\" tg-width=\"969\" tg-height=\"755\" referrerpolicy=\"no-referrer\"></p>\n<p>激光雷达是怎么从 Robotaxi 上「头上长犄角」的庞然大物，变成了量产车上的小巧的「必选项」呢?</p>\n<p>体积更小、成本更低，激光雷达上车的法宝</p>\n<p>激光雷达利用发射和障碍物反射回的激光来探测障碍物。在这个过程中，光波发射方式、光束操作、探测、测距以及数据处理方式 5 大核心技术不同，都会得到性能、效果不一样的激光雷达。</p>\n<p>目前的光电系统中，扫描部件这个类似镜子的结构，将激光光束发散成更多光线，也是激光雷达中最大成本单元，直接影响到性能。我们常说的「机械式」「半固态」「固态」，就是按照扫描模块和激光收发模块的运动情况不同来分类的。</p>\n<p><img src=\"https://static.tigerbbs.com/36b8a96b0bf1487357e03cae7dd21474\" tg-width=\"1080\" tg-height=\"512\" referrerpolicy=\"no-referrer\"></p>\n<p>机械式激光雷达中，「镜子式」的扫描模块和激光收发模块都可以 360°旋转运动，这两个模块 360°的运动能将激光更密集的发散出去，探测性能最好。但是双向运动的机械结构也最复杂，体积庞大。</p>\n<p>混合固态(半固态)激光雷达中，激光收发模块不动，扫描模块自己运动。这种「镜子」自己运动，当然不如机械式的探测效果好，不过结构上简化很多，体积也变小了。不过「镜子」的材质、形状、运动方式不同，半固态激光雷达也分成好多种。</p>\n<p>纯固态激光雷达，则是激光收发模块和扫描模块都不运动，没有了内部移动，成本最高的扫描模块可以在结构上简化，整个激光雷达的体积和成本也大大降低了。</p>\n<p>不同类型的激光雷达，优缺点也很明显。</p>\n<p><img src=\"https://static.tigerbbs.com/6c9bc97c41a45d214ab70c850b7569db\" tg-width=\"1080\" tg-height=\"693\" referrerpolicy=\"no-referrer\"></p>\n<p><b>从机械式、半固态到纯固态，激光雷达的体积变小，成本也降低了。</b></p>\n<p><b>而成本，当然是车企最关心的。</b></p>\n<p>早期用在 Robotaxi 上的机械式激光雷达，以 Velodyne 为例，64 线机械激光雷达在 8 万美元，32 线机械激光雷达成本在 2 万美元。第一款满足车规级的激光雷达 SCALA，第一代时的价格也一度达到 2 万美元级别。所以目前在量产车上使用 SCALA 的客户，无论是奥迪 A8，还是奔驰 S 级，都是百万级豪车的级别，对价格的宽容度很高。那些由终端消费者买单的大量私家车，对价格敏感度就高多了。</p>\n<p><b>主机厂们普遍能接受的价格期望是多少呢?</b></p>\n<p>在 L4 级自动驾驶系统中，激光雷达的采购价最终能够达到 1000 美元以下;</p>\n<p>在 L2+自动驾驶系统中，激光雷达长期目标价格能够达到 500 美元以下。</p>\n<p><img src=\"https://static.tigerbbs.com/994be5e1c99f9e33814ca543a7453c47\" tg-width=\"1035\" tg-height=\"328\" referrerpolicy=\"no-referrer\"></p>\n<p>因此我们看到，进入 2020 年后，当半固态、固态激光雷达逐渐代替机械式雷达，激光雷达的成本和体积大幅度降低，直接从上万美元降低到 1000 美元时，逐渐接近车企能够接受的价格，才有了今天激光雷达批量上车的局面。</p>\n<p><b>除了价格，尺寸也是激光雷达批量上车的主要原因。</b></p>\n<p>早年 Robotaxi 上的机械式激光雷达，就像天灵盖上的犄角，占的体积非常大，完全不能放置在车内。如果把这样的车卖给消费者，恐怕没有几个人愿意买账。</p>\n<p>现在「上车」的半固态激光雷达，体积已经缩小到了 1~2 个手机的大小，安置在车顶或者保险杠两侧，大疆展示的激光雷达甚至能集成在后视镜上。更小的体积，才能让激光雷达不影响量产车本身的造型设计。</p>\n<p><b>当然，价格和尺寸只是万里长征第一步，性能和可靠性才是王道。</b></p>\n<p>多条技术赛道并行</p>\n<p>已经发布了搭载激光雷达的车型中，不仅激光雷达来自不同品牌，位置不同，选择的路线也有很大差别。俗称外行人看热闹，内行人看门道，激光雷达都有哪些门道了，其实从主机厂关心哪些指标就知道有哪些门道了。</p>\n<p><b>目前，无论是 OEM 还是激光雷达厂家都达成共识，高速、拥堵等场景是自动驾驶最大的市场。面对高速、拥堵场景，摄像头的视觉方案+激光雷达是最容易实现自动驾驶的。</b></p>\n<p><b>尽管，很多人把使用激光雷达和不使用激光雷达看作两个技术的对立面，但现实中，选择激光雷达，是目前车企实现自动驾驶现阶段功能的最优方案。</b></p>\n<p>因此车企对于激光雷达在 L2+的性能要求如下。</p>\n<p><b>1. 测距距离：</b>探测障碍物的最远距离。比如折射率低于 10%的物体(比如纯黑色车辆)，高速场景下至少有 150 米以上的探测距离。</p>\n<p><b>2. 视场角 FOV：</b>探测的「视野」范围，FOV 越大，「视野」越好。激光雷达应具有 120°FOV 宽视角，满足十字路口等特殊场景的检测。</p>\n<p><img src=\"https://static.tigerbbs.com/843c1f180e3c00ea5335c8a397fd2a91\" tg-width=\"842\" tg-height=\"405\" referrerpolicy=\"no-referrer\"></p>\n<p><b>3. 测距的精准度：</b>精确度越高，探测到障碍物的位置信息越准确。精确度要满足≤3cm，角分辨率越小越好，水平和垂直角分辨率≤3°。</p>\n<p><b>4. 点云：</b>点云和线束数量越多，感知的障碍物越精确。激光雷达应具备 100 线以上的扫描效果和百万级别点频，这样，遇到 150m 外的物体时，也能反射回足够多的激光点云用于识别。</p>\n<p><b>5. 车规级：</b>具有车规级标准的工作温度，能够规模化生产。</p>\n<p><b>这些要求看起来不复杂，但其实都满足这些条件的激光雷达，目前基本上寥寥无几，或多或少都有不满足的地方。这就是为什么，现在各车企在激光雷达上选择的路线不同，安装的位置也不同。</b></p>\n<p>目前发布的车型中，大多数都选择了半固态激光雷达：小鹏 P5 搭载的 Livos 激光雷达属于棱镜方案，蔚来 ET7 的 Innovusion 和 R 汽车 ES33 的 Luminar 激光雷达属于转镜方案，华为的激光雷达属于转镜方案，Lucid Air 选择的速腾聚创 M1 激光雷达，都是半固态激光雷达。这其中有成本、体积的原因，也有兼顾了性能需求的考虑。</p>\n<p>蔚来 ET7、上汽 R ES33 以激光雷达作为核心传感器，都选择了转镜式激光雷达，也就是通过平面镜绕圆心 360°旋转，将发射器发出的激光反射出更多的线束。</p>\n<p>转镜式激光雷达最远探测距离 500 米，针对 10%低反射物的探测距离达到 250m，满足了探测距离的要求。针对十字路口这样的场景，转镜式激光雷达的 FOV 角度大，120°*30°的大角度，能探测垂直于行驶方向道路上的障碍物。因为 FOV 更大，这两款车也都选择了顶置，安置在挡风玻璃上端的一颗激光雷达，就能够探测足够宽范围的场景。</p>\n<p>除了蔚来和上汽，BBA、本田选择法雷奥的激光雷达也是转镜方案，作为第一个通过车规级、成本可控的激光雷达，可靠的、可批量化方案，显然目前更多车企的选择。</p>\n<p><b>与蔚来和 R 汽车不同，小鹏 P5 没有把激光雷达作为核心传感器，而是以摄像头和高精地图组合的视觉方案作为自动驾驶的核心，激光雷达只是一种安全冗余的手段。</b></p>\n<p>因此，小鹏 P5 采用的 Livox 激光雷达，属于棱镜式。</p>\n<p>就像小时候玩的三棱镜，一束光达到棱镜上，能折射出彩虹的光谱，棱镜式激光雷达发射器数量更多，点云密度更高，这样探测障碍物精确度高。不过两个棱镜折射出的点云没办法做到一行一列的点云形状，而是中间密四周稀疏的菊花型。想要得到密集的点云，需要对同一个位置的扫描时间更长。</p>\n<p>因此小鹏 P5 在前保险杠两侧配备了两颗激光雷达，来保障点云覆盖密集。因此这个激光雷达 10%低反射物的探测距离只有 150 米，点云密度等效于 144 线，比其他几家的激光雷达近得多。不过作为一种硬件冗余手段，倒是足够了。</p>\n<p>除了棱镜式和转镜式外，半固态激光雷达中技术相对最成熟、产业链也最完整的 MEMS 是很多人认为的当下主流。Lucid Air 采用的就是速腾聚创 M1 激光雷达。</p>\n<p>MEMS 激光雷达是利用半导体器件微振镜做很小的平行运动动和扭转，部件运动小，结构简单。不过传统 MEMS 技术的有效探测距离近，只有 50m，FOV 角度只能达到 30°，所以，目前国内的新能源汽车目前还没有采用 MEMS 技术激光雷达的。</p>\n<p>当然也有例外，速腾聚创 M1 采用了新技术把 FOV 扩大到 120°，探测距离 200m，10%低反射物的探测距离 150m，这样就能满足车企的需求了。</p>\n<p>除了以上几家搭载了不同技术路线的半固态激光雷达，也有直接选择啃硬骨头的。长城摩卡就直接选择了 Ibeo 公司提供的 Flash 固态激光雷达，由于没有运动部件，体积更小，成本更低、可靠性也更高。不过，目前的纯固态激光雷达还处在探索阶段，探测距离只有 130 米。不过，长城摩卡 2022 年才交付，到时候固态激光雷达的性能会进化到什么地步，是骡子是马，还要等上市之后见分晓。</p>\n<p>最后</p>\n<p>自动驾驶从零开始走到今天，当停车场、高速路这样的强需求场景下，越来越多的辅助驾驶功能逐渐落地时，自动驾驶也面临更复杂场景下的困境。激光雷达这种新的感知手段，被无数车企和科技公司当成了困境中的一颗「救命稻草」。</p>\n<p>2021 年作为激光雷达量产上车的「元年」，还只是一个开端。故事的开端通常都是一团乱麻，激光雷达的开端也不例外。每家车企和激光雷达公司都尝试了不同的路线：有的选择了不同方案的半固态激光雷达;有的直接跨过中间态，选择了固态激光雷达;当然也有更大胆的，直接抛弃了激光雷达。</p>\n<p>我们能清楚的看到每种路线的优点，也能看到它的很多不足。这是一项新技术上车时，必须经历的「阵痛阶段」。只有经历了不同技术路线的探索，激光雷达的路线才能越来越清晰，做到真正的「量产上车」。</p>\n<p>在这之前，激光雷达还有一条曲折的长路要走。</p>","source":"highlight_zhitongcaijin","collect":0,"html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>激光雷达上车，背后的真相是什么？</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n激光雷达上车，背后的真相是什么？\n</h2>\n\n<h4 class=\"meta\">\n\n\n2021-05-10 11:40 北京时间&nbsp;&nbsp;&nbsp;<a href=http://www.zhitongcaijing.com/content/detail/470830.html><strong>智通财经网</strong></a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n<p>当自动驾驶在量产车上从 L2 级向 L2+迈进，各家车企对软件、硬件的 pk 已经到了白热化阶段。除了依然坚持视觉路线的特斯拉(TSLA.US)外，今年发布的新车中，没搭载激光雷达都不好意思秀自己的自动驾驶能力，ARCFOX 极狐 阿尔法 S、小鹏(XPEV.US)P5、蔚来(NIO.US)ET7、上汽 RS33、宝马 iX、智己 L7 都预告了激光雷达的上车。\n激光雷达仿佛成了 L2+，甚至 ...</p>\n\n<a href=\"http://www.zhitongcaijing.com/content/detail/470830.html\">Web Link</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","type":0,"thumbnail":"https://static.tigerbbs.com/aa8a01f7a061e00e9637a5023d440d2e","relate_stocks":{"NIO":"蔚来"},"source_url":"http://www.zhitongcaijing.com/content/detail/470830.html","is_english":false,"share_image_url":"https://static.laohu8.com/6ca2dcdccfa2217fb20a0351f4efe814","article_id":"2134689203","content_text":"当自动驾驶在量产车上从 L2 级向 L2+迈进，各家车企对软件、硬件的 pk 已经到了白热化阶段。除了依然坚持视觉路线的特斯拉(TSLA.US)外，今年发布的新车中，没搭载激光雷达都不好意思秀自己的自动驾驶能力，ARCFOX 极狐 阿尔法 S、小鹏(XPEV.US)P5、蔚来(NIO.US)ET7、上汽 RS33、宝马 iX、智己 L7 都预告了激光雷达的上车。\n激光雷达仿佛成了 L2+，甚至 L3 级、L4 级自动驾驶的代名词。\n\n激光雷达是怎么从 Robotaxi 上「头上长犄角」的庞然大物，变成了量产车上的小巧的「必选项」呢?\n体积更小、成本更低，激光雷达上车的法宝\n激光雷达利用发射和障碍物反射回的激光来探测障碍物。在这个过程中，光波发射方式、光束操作、探测、测距以及数据处理方式 5 大核心技术不同，都会得到性能、效果不一样的激光雷达。\n目前的光电系统中，扫描部件这个类似镜子的结构，将激光光束发散成更多光线，也是激光雷达中最大成本单元，直接影响到性能。我们常说的「机械式」「半固态」「固态」，就是按照扫描模块和激光收发模块的运动情况不同来分类的。\n\n机械式激光雷达中，「镜子式」的扫描模块和激光收发模块都可以 360°旋转运动，这两个模块 360°的运动能将激光更密集的发散出去，探测性能最好。但是双向运动的机械结构也最复杂，体积庞大。\n混合固态(半固态)激光雷达中，激光收发模块不动，扫描模块自己运动。这种「镜子」自己运动，当然不如机械式的探测效果好，不过结构上简化很多，体积也变小了。不过「镜子」的材质、形状、运动方式不同，半固态激光雷达也分成好多种。\n纯固态激光雷达，则是激光收发模块和扫描模块都不运动，没有了内部移动，成本最高的扫描模块可以在结构上简化，整个激光雷达的体积和成本也大大降低了。\n不同类型的激光雷达，优缺点也很明显。\n\n从机械式、半固态到纯固态，激光雷达的体积变小，成本也降低了。\n而成本，当然是车企最关心的。\n早期用在 Robotaxi 上的机械式激光雷达，以 Velodyne 为例，64 线机械激光雷达在 8 万美元，32 线机械激光雷达成本在 2 万美元。第一款满足车规级的激光雷达 SCALA，第一代时的价格也一度达到 2 万美元级别。所以目前在量产车上使用 SCALA 的客户，无论是奥迪 A8，还是奔驰 S 级，都是百万级豪车的级别，对价格的宽容度很高。那些由终端消费者买单的大量私家车，对价格敏感度就高多了。\n主机厂们普遍能接受的价格期望是多少呢?\n在 L4 级自动驾驶系统中，激光雷达的采购价最终能够达到 1000 美元以下;\n在 L2+自动驾驶系统中，激光雷达长期目标价格能够达到 500 美元以下。\n\n因此我们看到，进入 2020 年后，当半固态、固态激光雷达逐渐代替机械式雷达，激光雷达的成本和体积大幅度降低，直接从上万美元降低到 1000 美元时，逐渐接近车企能够接受的价格，才有了今天激光雷达批量上车的局面。\n除了价格，尺寸也是激光雷达批量上车的主要原因。\n早年 Robotaxi 上的机械式激光雷达，就像天灵盖上的犄角，占的体积非常大，完全不能放置在车内。如果把这样的车卖给消费者，恐怕没有几个人愿意买账。\n现在「上车」的半固态激光雷达，体积已经缩小到了 1~2 个手机的大小，安置在车顶或者保险杠两侧，大疆展示的激光雷达甚至能集成在后视镜上。更小的体积，才能让激光雷达不影响量产车本身的造型设计。\n当然，价格和尺寸只是万里长征第一步，性能和可靠性才是王道。\n多条技术赛道并行\n已经发布了搭载激光雷达的车型中，不仅激光雷达来自不同品牌，位置不同，选择的路线也有很大差别。俗称外行人看热闹，内行人看门道，激光雷达都有哪些门道了，其实从主机厂关心哪些指标就知道有哪些门道了。\n目前，无论是 OEM 还是激光雷达厂家都达成共识，高速、拥堵等场景是自动驾驶最大的市场。面对高速、拥堵场景，摄像头的视觉方案+激光雷达是最容易实现自动驾驶的。\n尽管，很多人把使用激光雷达和不使用激光雷达看作两个技术的对立面，但现实中，选择激光雷达，是目前车企实现自动驾驶现阶段功能的最优方案。\n因此车企对于激光雷达在 L2+的性能要求如下。\n1. 测距距离：探测障碍物的最远距离。比如折射率低于 10%的物体(比如纯黑色车辆)，高速场景下至少有 150 米以上的探测距离。\n2. 视场角 FOV：探测的「视野」范围，FOV 越大，「视野」越好。激光雷达应具有 120°FOV 宽视角，满足十字路口等特殊场景的检测。\n\n3. 测距的精准度：精确度越高，探测到障碍物的位置信息越准确。精确度要满足≤3cm，角分辨率越小越好，水平和垂直角分辨率≤3°。\n4. 点云：点云和线束数量越多，感知的障碍物越精确。激光雷达应具备 100 线以上的扫描效果和百万级别点频，这样，遇到 150m 外的物体时，也能反射回足够多的激光点云用于识别。\n5. 车规级：具有车规级标准的工作温度，能够规模化生产。\n这些要求看起来不复杂，但其实都满足这些条件的激光雷达，目前基本上寥寥无几，或多或少都有不满足的地方。这就是为什么，现在各车企在激光雷达上选择的路线不同，安装的位置也不同。\n目前发布的车型中，大多数都选择了半固态激光雷达：小鹏 P5 搭载的 Livos 激光雷达属于棱镜方案，蔚来 ET7 的 Innovusion 和 R 汽车 ES33 的 Luminar 激光雷达属于转镜方案，华为的激光雷达属于转镜方案，Lucid Air 选择的速腾聚创 M1 激光雷达，都是半固态激光雷达。这其中有成本、体积的原因，也有兼顾了性能需求的考虑。\n蔚来 ET7、上汽 R ES33 以激光雷达作为核心传感器，都选择了转镜式激光雷达，也就是通过平面镜绕圆心 360°旋转，将发射器发出的激光反射出更多的线束。\n转镜式激光雷达最远探测距离 500 米，针对 10%低反射物的探测距离达到 250m，满足了探测距离的要求。针对十字路口这样的场景，转镜式激光雷达的 FOV 角度大，120°*30°的大角度，能探测垂直于行驶方向道路上的障碍物。因为 FOV 更大，这两款车也都选择了顶置，安置在挡风玻璃上端的一颗激光雷达，就能够探测足够宽范围的场景。\n除了蔚来和上汽，BBA、本田选择法雷奥的激光雷达也是转镜方案，作为第一个通过车规级、成本可控的激光雷达，可靠的、可批量化方案，显然目前更多车企的选择。\n与蔚来和 R 汽车不同，小鹏 P5 没有把激光雷达作为核心传感器，而是以摄像头和高精地图组合的视觉方案作为自动驾驶的核心，激光雷达只是一种安全冗余的手段。\n因此，小鹏 P5 采用的 Livox 激光雷达，属于棱镜式。\n就像小时候玩的三棱镜，一束光达到棱镜上，能折射出彩虹的光谱，棱镜式激光雷达发射器数量更多，点云密度更高，这样探测障碍物精确度高。不过两个棱镜折射出的点云没办法做到一行一列的点云形状，而是中间密四周稀疏的菊花型。想要得到密集的点云，需要对同一个位置的扫描时间更长。\n因此小鹏 P5 在前保险杠两侧配备了两颗激光雷达，来保障点云覆盖密集。因此这个激光雷达 10%低反射物的探测距离只有 150 米，点云密度等效于 144 线，比其他几家的激光雷达近得多。不过作为一种硬件冗余手段，倒是足够了。\n除了棱镜式和转镜式外，半固态激光雷达中技术相对最成熟、产业链也最完整的 MEMS 是很多人认为的当下主流。Lucid Air 采用的就是速腾聚创 M1 激光雷达。\nMEMS 激光雷达是利用半导体器件微振镜做很小的平行运动动和扭转，部件运动小，结构简单。不过传统 MEMS 技术的有效探测距离近，只有 50m，FOV 角度只能达到 30°，所以，目前国内的新能源汽车目前还没有采用 MEMS 技术激光雷达的。\n当然也有例外，速腾聚创 M1 采用了新技术把 FOV 扩大到 120°，探测距离 200m，10%低反射物的探测距离 150m，这样就能满足车企的需求了。\n除了以上几家搭载了不同技术路线的半固态激光雷达，也有直接选择啃硬骨头的。长城摩卡就直接选择了 Ibeo 公司提供的 Flash 固态激光雷达，由于没有运动部件，体积更小，成本更低、可靠性也更高。不过，目前的纯固态激光雷达还处在探索阶段，探测距离只有 130 米。不过，长城摩卡 2022 年才交付，到时候固态激光雷达的性能会进化到什么地步，是骡子是马，还要等上市之后见分晓。\n最后\n自动驾驶从零开始走到今天，当停车场、高速路这样的强需求场景下，越来越多的辅助驾驶功能逐渐落地时，自动驾驶也面临更复杂场景下的困境。激光雷达这种新的感知手段，被无数车企和科技公司当成了困境中的一颗「救命稻草」。\n2021 年作为激光雷达量产上车的「元年」，还只是一个开端。故事的开端通常都是一团乱麻，激光雷达的开端也不例外。每家车企和激光雷达公司都尝试了不同的路线：有的选择了不同方案的半固态激光雷达;有的直接跨过中间态，选择了固态激光雷达;当然也有更大胆的，直接抛弃了激光雷达。\n我们能清楚的看到每种路线的优点，也能看到它的很多不足。这是一项新技术上车时，必须经历的「阵痛阶段」。只有经历了不同技术路线的探索，激光雷达的路线才能越来越清晰，做到真正的「量产上车」。\n在这之前，激光雷达还有一条曲折的长路要走。","news_type":1},"isVote":1,"tweetType":1,"viewCount":1026,"authorTweetTopStatus":1,"verified":2,"comments":[],"imageCount":0,"langContent":"CN","totalScore":0}],"defaultTab":"posts","isTTM":false}