漫话自动驾驶之谁来当我的“眼睛”？

2004年，美国举办第一届DARPA挑战赛，是世界上首个无人驾驶汽车长途比赛，奖金高达百万美元，但那时无人驾驶仅仅是一种创新试验，第一届DARPA没有车辆完成挑战，但此后自动驾驶的大幕却从此拉开！

图：DARPA无人车挑战赛上的参赛车辆

数据来源：网络

自动驾驶汽车是汽车电子、智能控制以及互联网等技术发展融合的产物，其原理为自动驾驶系统利用感知系统，获取车辆自身以及外界环境信息，经过计算系统分析信息、做出决策，控制执行系统实现车辆加速、减速或转向，从而在无需驾驶员介入的情况下，完成自动行驶。

在自动驾驶发展的过程中，汽车电动化趋势并行而来，进一步推动汽车产业智能化的发展，以自动驾驶为代表的智能化正在重塑整个产业的价值链，无论国内外，自动驾驶领域都竞争激烈，在中国典型代表企业有小马智行、文远知行、AutoX、百度Apollo、赢彻科技等，国外有Waymo（2009）、Cruise（2013）、Zoox（2014）、Nuro（2016）、特斯拉、Argo AI等。

图：文远知行自动驾驶测试车

数据来源：网络

图：Waymo自动驾驶测试车

数据来源：网络

目前，自动驾驶有两个分级标准，按照人类驾驶员参与程度由高到低分级分为L0-L5五个级别。自动驾驶发展至今，真正意义上的无人驾驶即L4或L5还未实现，L2在国内乘用车中已经有23.2%的渗透率（IDC，2022），但有条件的自动驾驶L3正迎来爆发的高潮，相关研究机构预测2030年L3级别渗透率可达20%，而随着L3+等更高级别的自动驾驶的发展，相关的发展路线争论和技术难题也逐渐显现。

表：自动驾驶等级

数据来源：美国高速公路安全管理局（NHTSA）、国际自动机工程师学会（SAE）

从自动驾驶的技术框架看，包含感知层、决策层和执行层，其中汽车的感知层就如同车的“眼睛”，其感知的精确度和效率会影响决策层的判断和执行层的操作，是实现自动驾驶的硬件基础和前提。感知层包含激光雷达、毫米波雷达、超声波雷达、高清摄像头以及高精度地图等，同时在由于自动驾驶的发展技术路线不一致，各种硬件的组合也不一样，于是就产生了“谁来当车的眼睛”的问题。那么目前有哪几种技术路线呢？

图：自动驾驶技术框架

目前主要有两种不同的自动驾驶传感器选择路径：一种是以特斯拉为代表的纯视觉路线，即是由摄像头主导、配合毫米波雷达等传感器组成，重视算法的应用；另一种是由激光雷达主导，配合摄像头、毫米波雷达等传感器组成的方案，重视硬件的应用，典型代表为Waymo、Apollo、小马智行等企业。

纯视觉方案的坚实拥趸代表就是特斯拉。特斯拉的Autopilot 3.0版本与Autopilot 2.0/2.5版本的感知传感器配置完全相同，即12个超声波雷 + 8个外部监控摄像头 + 1个前置毫米波雷达，同时马斯克也在公开场合表达弃用激光雷达的想法，因为“人类开车并不是靠眼睛发射激光。”到目前为止特斯拉的车也不配置激光雷达。细究其原因，一是因为目前较为成熟可靠的机械式激光雷达一台的售价即达几万甚至几十万，造价高昂，对于汽车零部件来说成本巨大；二是特斯拉的技术优势也集中在算法方面，特斯拉发布的自主研发自动驾驶芯片Autopilot HW 3.0算力达到144 TOPS，能够满足纯视觉算法方案的处理，同时在算法方面也有大量积累；三是特斯拉的先发优势和商业模式让其可以坚持纯视觉方案，特斯拉积累了远超其他车企的自动驾驶数据，可以不断地进行视觉算法迭代优化，而软硬一体化双轮驱动的商业模式是特斯拉的另一条护城河。但是纯视觉方案，受环境光照影响较大，目标检测较不可靠，但相对激光雷达成本相对较低，在更高等级级别的自动驾驶中是否能够提供足够的安全冗余存在一定争议，因此出现了另一条路径，即加入激光雷达的多传感器方案。

图：特斯拉坚持纯视觉路线

数据来源：网络

为什么激光雷达方案会受到欢迎呢？核心因素是为了自动驾驶的安全冗余和鲁棒性，另一个因素则是其他自动驾驶企业可以通过硬件方案弥补在算法、算力方面的不足，从而赶超特斯拉等采取纯视觉方案的先发车企。配置足够多的摄像头、激光雷达、毫米波雷达、超声波传感器等传感器，可提升自动驾驶功能的鲁棒性。采取纯视觉方案的特斯拉自2018年1月至2021年7月，特斯拉共发生了11次类似事故，撞击对象包括停靠的消防车、警车、道路救援车等。这11次事故中，特斯拉车辆在事故发生时Autopilot都确认处于开启状态，都是与停在车道上的应急车辆相撞，这些车辆都已开启应急灯，放置了三角锥警示牌，有的甚至还封锁了道路。对于特斯拉的“纯视觉”方案，国内外自动驾驶领域和汽车安全领域一直存在着巨大争议。据美联社报道，研究人员认为，特斯拉持续不断地发生撞击静止且有明确标识应急车辆的事故，表现出其仅基于摄像头和人工智能的自动辅助驾驶系统或存在缺陷。因此，以激光雷达为主的多路传感器融合是实现自动驾驶的必然发展趋势，这也逐渐成为业界共识。

图：激光雷达点云识别

数据来源：网络

激光雷达（Light Detection And Ranging，简称"LiDAR"）即光探测与测量，该技术使用对人眼无害的激光束来探测环境，获得数据并生成精确的 DEM（数字高程模型）。其测距方法有飞行时间法（ToF法）、三角测距法、调频连续波FMCW法。由于激光雷达是其自身的光源，因此该技术可在各种照明和天气条件下提供强大的性能，可以高度准确地定位激光束打在物体上的光斑，测距精度可达厘米级。激光雷达主要包括激光发射、扫描系统、激光接收和信息处理四大系统。

图：激光雷达四大系统

数据来源：汽车人参考

激光雷达按扫描方式分为机械式、半固态式、固态式三类激光雷达，机械式激光雷达以一定的速度旋转，在水平方向采用机械360°旋转扫描，在垂直方向采用定向分布式扫描以搜集动态信息；混合固态激光雷达MEMS（微机电系统）微镜把所有的机械部件集成到单个芯片上，利用半导体工艺生产，不需要机械式旋转电机，而是以电的方式来控制光束；固态激光雷达分为OPA固态激光雷达和Flash固态激光雷达。

图：Velodyne 机械式激光雷达结构示意图

数据来源：Velodyne，传感器专家网

机械式激光雷达通过电机带动光机结构整体旋转的机械式方案，激光脉冲发射器、接收器等元器件都会随着扫描模块进行 360°旋转，从而生成一个立体点云，实现对环境的感知扫描。厂商代表是Velodyne，其主要有64线、32线、16线3类产品在售，官方定价分别为8万美元、4万美元和8千美元。由于人工成本与光源数量直接相关，高线数机械式雷达成本居高不下，未来降价空间较小。另 外、由于使用中扫描模块不停旋转，导致感知精度在出后几年内就会大幅降低，后期维护成本高。因此机械式激光雷达未来的降本空间有限。

图:半固态式 MEMS 振镜方案

图片来源：麦姆斯咨询

MEMS 激光雷达通过硅基芯片上微振镜以一定谐波频率的振荡来反射激光器的光线，从而以超高的扫描速度形成高密度的点云图，由此改变单个发射器的发射角度进行扫描，形成较广的扫描角度和较大的扫描范围。这种方案有较大的成本潜力，根据激光雷达头部厂商Luminar 的产品方案，其通过工程优化以及公司开发的ASIC芯片减少了光电探测器中铟镓砷的用量，使光学接收器的成本从数万美金降至3美元，并预测其MEMS固态激光雷达成本可降低到 500-1000美元；而国内华为则计划希望将成本压缩至200美元。

图：OPA 固态激光雷达方案

数据来源：麦姆斯咨询

OPA 激光雷达是运用相干原理的方案，采用多个光源组成阵列，通过调节发射阵列中每个发射单元的相位差来改变激光的出射角度，通过控制各光源发射的时间差，可以合成角度灵活、精密可控的主光束，实现对不同方向的扫描。目前没有成熟的OPA 激光雷达，但Quanergy预计OPA 激光雷达成本可以下探至 250 美金。同时有专家认为600平方毫米的OPA硅光芯片预计原材料成本可控制在40美元以内。

图：Flash 固态激光雷达方案

数据来源：麦姆斯咨询

Flash 激光雷达指一次闪光（激光脉冲）成像的激光雷达，在发射端采用面光源，短时间发射出一大片覆盖探测区域的面阵激光，再以高度灵敏的接收器来完成对周围环境图像的绘制。目前Flash产品价格都比较高昂，但据Ouster 预计，2024 年实现量产的ES2售价将达到600美元，而且未来可降至100美元以下。

综上，从技术角度看，从机械式向固态迁移，激光雷达技术不断成熟，半固态和固态激光雷达将是未来降本的主力产品，当前已有固态 MEMS方案（禾赛等）过车规要求，随着技术的成熟，过车规的难度会逐步降低。未来商用大规模量产可期，2020年CES展会期间，多家参展供应商发布的车载激光雷达价格明显下探，均在1000美元以下。根据图达通CEO鲍君威预测，当其年出货量达到10万台时，成本将下降到 1000美元左右，而根据Luminar的上市披露资料预测，未来四五年，用于自动驾驶的单颗远距前视激光雷达成本会在400-500美元左右，那时年产量可达几百万颗 。

可见，随着未来激光雷达成本的显著降低，其成为“自动驾驶之眼”的趋势也愈加明显，但无论谁来充当这个眼睛，核心目的都是要看得清楚、开得安全，未来实现更高等级的自动驾驶还有更长的路要走。