车云按：激光雷达和自动驾驶话题几乎人人都感兴趣。因为产品背后技术复杂，急需科普。自动驾驶进入实际演练，如何将激光雷达和车结合应用，还有不少疑问。

由汽车创新港举办的微讲座中，来自北京欧百拓信息科技发展有限公司的剧学铭关于《主流激光雷达在无人驾驶项目中的应用》进行了1小时的演讲互动。车云菌将内容进行了整理，为上下两篇，在第一篇介绍激光雷达的一些基本原理、主流产品和应用案例之后，第二篇对激光雷达在无人驾驶上的应用细节，进行了解答。

低线数激光雷达组合如何感知环境

上图展示了4线激光雷达采集信息可以达到什么效果。通过4线的激光雷达可以自动识别区分路上行人、自行车、大型卡车、轿车这四类移动物体，这四类之外一般把它标为未知物体，会报警，但是不会把它自动分类。8线的激光雷达如果安装在离地30、40公分的左前和右前方向，可以比较好的识别比如车拐弯时内侧的信息。

LUX雷达如果是4线和8线，直接识别车道线会比较难，可能还要经过一些特征提取，然后再判断。在4线、8线雷达基础之上，如果再安装一个1线激光雷达向地面扫描，Ibeo提供的软件根据反馈信号强度进行处理，在软件中对于车道线进行标识，进而清晰绘制地线。

通过软件处理以后，视频里中央加亮的是本车，周围有一些超越本车或者是被本车超越的车辆，可以把它车的轮廓清晰地勾勒出来，包括车道线信心，都可以通过1线、4线和8线低线束的激光雷达来实现。

一辆车上的不同激光雷达、路上不同车的激光雷达之间基本不会相互干扰。发生干扰的条件，两个激光雷达的位置要永远固定在相同的距离，彼此转镜要同步，并在同一高度，相对位置不发生变化，这个其实是很难达到。比如两辆车一前一后，前车后方的激光雷达和后车前方的激光雷达可能会有一瞬间干扰，但凡两车位置发生相对移动，这个情况就不存在了。

而且激光雷达的数据是点云数据。对一辆车的外形判断要收集几百个点，受到互相影响中间可能1—2个点是坏点，但是不影响整个算法，还是可以正常识别。

上图是我们当时在英国做的一些环境的还原，我们专门找了一个车线特殊的区域，不是弧线也不是直线，而是类似于闪电的形状，通过激光雷达还原可以比较清晰和准确的把地线的信息进行还原。

激光雷达供应商提供算法的并不多，Ibeo是为数不多的一家，会把自己的数据进行预处理，方便车厂以及其他用户来使用。但是也有一些车厂、软件工程师能力比较强，倾向于自己来做这些自动识别。不同的团队应该还是采用不同的方法，现在还没有得到一致的认识。

对于激光雷达的仿真模拟，现在Ibeo在跟IPG合作，把Ibeo和IPG的模拟器Carmaker两边的接口做通。未来激光雷达搜集到的数据，可以通过一个做好的接口（interface），直接读入到IPG的Carmaker里，这样在仿真软件里可以生成基于实际测到的道路信息，比如路宽、路长、周围路况，这些场景都可以在IPG模拟器里面完整还原。除了Carmaker之外，其他仿真平台还有Vector等等。

目前激光雷达可能因为价格的原因，在很多项目中并没有真正大规模采纳，但是这套激光雷达系统可以用作其他传感器测评。因为它可以在测试的场景中把周围的车辆信息、车线信息和其他的环境信息全部捕捉，测量完成后通过软件后处理进行回放，把之前驾驶场景中存在一些误识和未知风险进行重新分析考量，对其他的摄像头、毫米波进行测评。

因为Ibeo还原的场景里所有信息都有自己的坐标，可以进行距离测量，也可以对识别率进行测评。在很多欧洲的车企，他们可能不直接使用激光雷达，但是他们对于自己传感器的测评都采用激光雷达为基础的评价系统。

传感器融合

激光雷达在感知上不是万能的。雾霾天、大雨、大雪天气下对激光雷达的识别范围、识别的时间都会有影响，但并非不能解决。比如忽略瓢泼大雨那种特别恶劣的情况，雨或者雪可以通过算法优化来滤掉雨点或者雪点信息，还是可以实现驾驶辅助功能。

极限的例子比如说一个镜面，激光雷达的测距功效会受到影响，但是激光雷达不是利用镜面反射，一般是利用漫反射来实现的测距，强烈的镜面反射会将激光雷达制盲。

价格下降以后，激光雷达会对毫米波雷达有一个比较大的冲击。因为跟激光雷达相比，毫米波的准确度会差一些。毫米波雷达的优点，就是在不同天气情况下鲁棒性会好一些。但是如果对安全级别有比较高的要求，或者是在无人驾驶项目上，激光雷达是可以作为一个核心数据的供应的角色，但是毫米波提供的数据很难作为一个核心数据来供应，从这一点来讲其实激光雷达的前景优于毫米波。

个人非常推崇激光雷达+视觉的方案。激光雷达最大的特点就是测距的准确性和可靠性，还有高的角分辨率。但是激光雷达也不是万能的，特别是遇到一些颜色信息会束手无策。这个恰恰是camera的强项，因为它可以很简单地区分颜色，比如在十字路口的红绿灯。未来高安全性的辅助驾驶和无人驾驶，激光雷达配合视觉一定是最核心的解决方案。

视觉跟激光雷达是两种不同的数据。之前车厂做法一般是分别对于环境信息进行搜集，然后在集成过程中做一个加权，对于周围的情况进行一个综合判定。现在也有激光雷达商跟摄像头商开始合作，做出一个统一器件，里面既包含激光雷达，也包含摄像头。

当然在恶劣的天气下，跟人眼会受限影响一样，在大雾天或者在大雨天人眼范围受到很大影响。在无人驾驶现阶段，建议在恶劣环境下，干脆系统就认定为现在不能无人驾驶，直接切换到手动驾驶模式，或者是未来的无人驾驶车自动泊车，以此避免一些危险。

车用激光雷达市场现状与趋势

激光雷达开发存在技术难点。传统的机械的激光雷达基本组成有：一个激光的发射光源，一个抛光的转镜，接收器，用于转镜旋转的微控马达。每一块单独看，比如转镜对于光学的性能要求很高，两面要做非常好的抛光，微控系统要求做的非常精准，跟精密机械相关，加上激光光源还有接收器，特别是接收器对于弱信号的接收，每一部分都有比较高的难度。所以把这些高难度累加到一起，就形成一个非常高的技术壁垒。

相比于国内的这些知名的激光雷达商，国内还是有比较大的差距。即使是说能够小批量出现的一些应用件，成本未必比国外低，性能也有待验证。

因为量产和车厂的要求，未来激光雷达会变得更小、更轻便，集成度会更高。

这里集成度更高是说，在现有的车厂容许你安装激光雷达的体积范围内，要集成更多的功能。比如说普通的激光雷达它在正常的工作温度范围是负20度—50度、60度，显然负20度是满足不了一些高纬度地区，比如说中国东北地区，在冬天激光雷达就不能正常工作，所以激光雷达里面就要集成一些自动热补偿，做一些这种额外部分的集成。甚至4线的激光雷达安放到大概离地面高30、40公分的位置，驾驶过程当中可能有一些浮尘甚至泥点，激光雷达供应商还在考虑，在激光雷达现有外观基础之上，增加一个清洁器（cleaner）。

大家非常敏感的话题也就是激光雷达的价格，所以未来激光雷达价格下降的趋势要求很强烈，这个也是未来几年比较大的变化。

在机械激光雷达之外，相控阵激光雷达或固态的激光雷达的概念也被较多提及。因为它可以进一步压缩成本。如果自动化生产，整个成本的控制会比现在的机械激光雷达还要低。技术发展成熟以后，激光雷达价格还有第二次价格下降。个人非常看好这个技术，但是它的成熟度、商用化到底需要多长时间，现在还不能够确定。

关于Ibeo激光雷达未来的发展走向，是从现在主流的LUX系列的产品到17年年初ScaLa的量产，到Ibeo自己固态激光雷达的产生，在这中间有一些时间是很难省的。ScaLa的激光雷达第一个DEMO件做出来是在2010年，到真正放到商用车上量产2017年，中间至少走了6—7年的时间。作为一个新型激光雷达，比如说固态激光雷达它从DEMO件制备到经过所有的验证、测试、小批量生产、大规模生产、大规模经过车厂的验证，这个是一个比较长的周期过程。

2017年4线的激光雷达在欧洲的一些高端车上首先要量产，会看到激光雷达成本第一次大幅度下降，这个下降原因很简单就是量产。规模化效应以后，价格有比较大幅的下降。Ibeo LUX四线系列目前一般在10万人民币级别，量产后车厂拿到的价格应该在人民币3000元以下。但不能保证量产后价格降到500或者1000，因为毕竟存在物料和生产成本。