感知是智能驾驶的核心，激光雷达和纯视觉技术是目前主要的两种技术路线。每种传感器天然上都存在着一些优势和劣势，激光雷达以其高精度和不受光照条件影响的特点，在复杂环境和极端天气条件下表现出色，而纯视觉方案则以其低成本和灵活性，在大部分时间和场景下具有优势，未来几年，这两种技术路线可能会长期共存、融合发展。
激光雷达技术分析
（一）激光雷达的基本原理
激光雷达（LiDAR，Laser Detecting and Ranging）是一种利用激光脉冲照射目标并测量反射脉冲来获取目标信息的探测手段。激光雷达主要由激光发射器、光学接收器、扫描系统以及信息处理系统等核心部件构成。激光发射器向目标发射激光束，光学接收器接收反射信号，扫描系统用于调整激光束的发射方向，信息处理系统则负责处理接收到的信号并生成周围环境的三维“点云”，经过适当处理后，即可获取目标的详尽信息，实现周围环境的探测、跟踪与识别。
（二）激光雷达的主要技术路线
激光雷达的技术路线涵盖测距原理、光源、探测器以及光束操纵等多个维度。1.测距原理激光雷达的测距原理主要有四种类型：飞行时间法（ToF）、调频连续波（FMCW）、三角测距法和相位法。其中，ToF和FMCW是当前应用最广泛的两种技术。
飞行时间法（ToF）：通过记录短脉冲激光从发射到接收的时间差来计算距离。ToF激光雷达具有高精度探测优势，但最大激光功率受到限制，探测距离存在瓶颈，且在白天会受到阳光干扰。
调频连续波（FMCW）：通过线性调制发射激光的光频，使回波信号与参考光进行相干拍频得到频率差，从而间接获得飞行时间并反推目标物距离。FMCW激光雷达具有抗干扰能力强、可直接测量速度信息以及远程探测性能高等优点，但设计和制造成本较高。
2.光源激光雷达的光源可以分为以光纤激光器为代表的1550nm激光器和以半导体激光器为代表的905nm激光器。
1550nm激光器：大气穿透能力强，人眼安全性高，峰值功率可达上百甚至上千瓦，适用于远距离探测。但需要使用昂贵的铟镓砷（InGaAs）作为接收端，且对芯片散热能力和封装要求较高。
905nm激光器：可以使用廉价的硅基CMOS作为接收端，光噪声和控制信号平稳，但测距受限在150米以内，适用于乘用车。
905nm光源预计将占主导地位。激光器波长选择主要兼顾性能和对人眼安全性，目前主流的激光雷达主要有905nm和1550nm两种波长。905nm优势是基于GaAs材料体系，产业成熟，成本低；缺点是发射功率受到对人眼安全性限制，探测距离较短。1550m优点是对视网膜更加友好，可以发射更大功率，探测距离可以做到更远；不足是其无法采用常规的硅吸收，而需要InGaAs材料，成本更高。不过随着905nm技术持续升级(禾赛发布了905nm的舱内激光雷达ET25，探测距离与1550nm相当)，1550nm成本偏高，预计未来905nm激光器预计仍将占主导地位。按结构分，激光发射器可以分为边发射激光器(EEL)和垂直腔面激光器(VCSEL)及光纤激光器。EEL优势在于输出功率及电光效率较高，缺点是光束质量较差，生产成本相对VCSEL较高。VCSEL优点包括体积小易于集成、易于规模化生产、成本低、可靠性较高等优势，不足之处是输出功率及电光效率较EEL 低。光纤激光器复杂度较高，在激光雷达领域应用占比较小。近年来国内外厂商陆续推出多层级结高功率VCSEL，大幅提升了光功率密度，高功率VCSEL开始代替部分传统的 EEL方案。3.探测器激光雷达的探测器主要有PIN PD（PIN光电二极管）、APD（雪崩式光电二极管）、SPAD（单光子雪崩二极管）和SiPM（硅光电倍增管）四类。其中，APD为当前主流，SPAD灵敏度和工作效率更高。4.光束操纵激光雷达的扫描方式决定了其探测的广度与精度。主要包括机械式、半固态和固态三种方案。
机械式：通过电机带动光机结构整体旋转，可以对周围环境进行360°的水平视场扫描，在视场范围内测距能力更强。
半固态：具有微机电系统（MEMS）、转镜和棱镜三种方案，是机械式和纯固态式的折中方案，目前阶段乘用车量产装车的主流产品。
固态：包括光学相控阵（OPA）和闪光激光雷达（FLASH），不存在可活动部件，在成本和稳定性方面都有较大潜力。
（三）激光雷达的优缺点
优点
高精度和可靠性：激光雷达通过发射并接收激光来探测周围环境，其测距和空间感知能力显著强于依赖反射光的摄像头。
全天候工作能力：激光雷达不受光线影响，能够在各种天气条件下稳定工作，这使得它在复杂环境下具有更高的可靠性。
数据更新速度快：激光雷达能够实时反馈周围环境的变化，有助于提升自动驾驶系统的实时性。
缺点
成本较高：激光雷达的价格虽然正在快速下降，当前量产激光雷达的成本约500美元，但售价仍高于摄像头系统，限制了其在低端市场的普及率。
技术成熟度：虽然激光雷达技术已经取得了一定进展，但在一些关键技术上仍存在挑战，如FMCW激光雷达的成本和信号解算复杂度等。
（四）激光雷达在自动驾驶中的应用
激光雷达被誉为无人驾驶汽车的“眼睛”，在自动驾驶技术中发挥着至关重要的作用。随着智能驾驶级别的提高，所需激光雷达的数量也随之增加。车载激光雷达的数量配置通常在1到4颗之间。具体数量取决于车辆的设计需求和预算。1颗激光雷达的FOV视角为120°，视觉盲区较大；2颗激光雷达可以基本覆盖车前180°的视觉范围，但车前仍有一小块30°的盲区；3颗和4颗激光雷达则分别在正前方和正后方布局1颗，如小米汽车首款车型的具体激光雷达配置是以1颗禾赛混合固态雷达AT128为主雷达，以数颗禾赛全固态雷达作为补盲雷达。多颗雷达的方案虽然覆盖了更高的视野，但成本较高，且视觉探测与摄像头等其他硬件有重叠，更多车企选择2颗雷达的技术方案。
激光雷达在自动驾驶中起到以下三个关键作用：1.环境感知，三维建模与障碍物检测；2.定位导航，高精度定位激光雷达能够提供厘米级的测距精度，实现车辆的高精度定位；3.决策控制，路径规划与避障；4.其他应用，通过激光雷达获取的车辆周围环境信息，可以在车载屏幕上实时显示虚拟的道路、建筑物和行人等。
（五）激光雷达的市场规模
随着自动驾驶技术的不断发展，激光雷达的市场规模也在不断扩大。2023年全球车载激光雷达市场规模已达5.38亿美元，同比增长了79%，预计到2029年将增长至36.32亿美元，年复合增长率高达38%。车载激光雷达环节，受益于中国新能源汽车市场蓬勃发展，中国车载激光雷达企业市占率较高。根据盖世汽车研究院智能驾驶配置数据库数据，2024年1-2月，速腾聚创以55.3%的市场份额位列激光雷达供应商装机量排名第一位；华为技术以16.5%的市占率夺得榜眼；图达通和禾赛科技分别位列三、四名，其他市场份额则由法雷奥、大疆览沃、Cepton、Innoviz 等公司瓜分。根据中国信通院报告数据，截至2023年第三季度，国内已有36家车企确认采用激光雷达。根据盖世汽车统计，目前标配NOA领航功能的车型超过70%主要集中在30万以上价格区间，随着搭载领航功能车型逐渐下探到15万左右的价格区间，2024年搭载量预计将突破180万辆，在此过程中，预计会有更多的车型将激光雷达作为标配。
（六）激光雷达的代表企业
目前，中国激光雷达市场上涌现出了众多优秀企业，如禾赛科技、速腾聚创、图达通等。这些企业在激光雷达的研发、生产和销售方面取得了显著成果，为自动驾驶技术的发展提供了有力支持。
禾赛科技：2023年，禾赛科技占据37%市场份额，理想汽车是其最大单一客户。财报数字显示，2024年前9个月，禾赛科技的激光雷达总交付量为27.98万台，同比增长108.2%；其中，ADAS产品总交付量为26.31万台，同比增长129.9%。营收方面，禾赛第三季度营收为5.39亿元，同比大涨21.1%，环比增长17.4%；2024年前三季度实现收入为13.57亿元，同比微增3.16%。值得一提的是，禾赛科技2024年第三季度的毛利率环比增长2.6%，同比增长17.1%，达到47.7%。
速腾聚创：2024年前三季度，速腾聚创总收入约11.3亿元，同比增长91.5%。前三季度激光雷达累计销量达到381900台，同比增长259.6%，毛利率由2024年一季度的12.3%逐季提升至2024年三季度的17.5%，盈利预期持续改善。小鹏、问界、极氪、比亚迪、智己等均是其合作企业。截至2024年9月30日，速腾聚创的激光雷达历史累计总销量突破72万台。在今年的CES 2024上，速腾聚创还正式发布首款940nm的超长距激光雷达M3，其是全球激光雷达行业首款通过940nm激光收发方案，实现300m@10%超远测距能力的激光雷达产品。
图达通：图达通2021年、2022年、2023年营收分别为460万美元、6630万美元、1.21亿美元；扣税前亏损分别为1.14亿美元、1.88亿美元、2.18亿美元；图达通2024年上半年营收为6610万美元，净亏损为7870万美元。主要产品包括Falcon猎鹰、Robin灵雀和OmniVidi等系列激光雷达，已广泛应用于蔚来汽车的搭载于ET7、ET5、ES7、ES8、EC7、ES6、ET5T、EC6等多款车型上。
纯视觉方案技术分析
（一）纯视觉方案的工作机制
纯视觉方案主要依赖高清摄像头来建模和进行智能驾驶，不依赖任何雷达系统。其工作机制是通过摄像头捕获光影，经过图像传感器（CIS），依靠半导体的光电效应将光信号转化为电信号，即每个像素的数字信号。输出后用图像处理芯片（ISP）进行图像处理，包括镜头阴影校正、黑电平校正、自动白平衡等。处理完成后输出图像供自动驾驶系统进行感知和决策。在特斯拉的纯视觉方案中，担当核心的是摄像头。特斯拉使用PyTorch进行AI训练，其AI训练包括48个不同的神经网络，能输出1000个不同的预测张量。特斯拉还采用了特有的“影子模式”，即持续收集外部环境和司机行为，并与AI自身的策略进行对比，如果司机的操作与策略的判断有出入，数据就会上传到云端，并对算法进行修正训练，以此提高识别准确度。
（二）纯视觉方案的优缺点
优点成本效益：摄像头价格低廉，相比昂贵的激光雷达，其成本几乎可以忽略不计。此外，纯视觉方案对算力的需求也相对较低，这进一步提升了其成本优势。自然适应性和灵活性：通过摄像头捕捉的图像数据，借助深度学习算法进行处理和分析，纯视觉方案能够实现环境感知和决策。这种方式模拟了人类的视觉系统，使其在各种场景下都能提供稳定、安全的驾驶体验。缺点夜间建模能力挑战：在夜间光线暗的情况下，纯视觉方案需要更高的进光量来提高视野，这对摄像头硬件要求较高。恶劣天气条件下的感知能力受限：大雨、暴雨、浓雾或黑夜等恶劣天气条件下，纯视觉方案的感知能力可能会下降，对系统的安全性提出了挑战。
（三）纯视觉方案在自动驾驶中的应用
纯视觉方案在自动驾驶中的应用主要是通过摄像头捕捉图像数据，并通过算法进行处理和分析，以实现环境感知和决策。特斯拉是纯视觉方案的坚定支持者，其Autopilot自动辅助驾驶系统就是一个很好的例子。该系统通过摄像头捕捉道路信息，结合深度学习算法进行图像处理和决策，实现了自动驾驶的基本功能。特斯拉的纯视觉方案还采用了BEV（Bird's Eye View）视觉算法和栅格网络等技术，实现了三维空间鸟瞰视图构建，并融入了时间序列特征。这些技术极大程度拉近了纯视觉方案与激光雷达方案间的差距，提升了自动驾驶系统的性能和安全性。从特斯拉FSD的表现来看，用纯视觉方案来做更高阶的智能驾驶并非不可能，甚至还能做出非常好用的系统。前提就是，纯视觉方案需要不断学习，用更成熟的算法来弥补信息获取受阻情况下的不良表现。纯视觉技术路线对大算力、大数据、大算法有着很高的需求，要对端到端模型有更多更长时间的训练。今年以来国内的小鹏、理想、极越等车企还是开始倾向于采用纯视觉方案，并认为这是智能驾驶的最优路径。四维图新、毫末智行等智能驾驶方案供应商也相继发布了视觉为主的低成本智能驾驶方案。今年发布的多款采用纯视觉方案智驾的新车，如乐道L60、小鹏MONA M03、深蓝S7乾崑智驾版等，都是聚焦于20万元以下市场。明年，还会有更多搭载纯视觉方案的车型问世。除了技术路线取向的考虑外，更多的还是出于成本原因，降低智驾的入门门槛，在特斯拉FSD入华前抢先占领市场。从成本来看，市面上单个摄像头的成本可能仅在几十美元左右，像特斯拉采用的纯视觉方案，八个摄像头的硬件成本仅为200美元。激光雷达目前单颗成本约500美元（约合人民币3500元），预计到2025年，部分新产品的成本将降至200美元以内（约合人民币1400元）。随着激光雷达成本的快速下降，纯视觉与激光雷达方案在硬件上的成本将会进一步缩小，而纯视觉方案为了提升算力、算法和模型训练，在背后所需要投入的长线资源也许会比激光雷达方案更多。
激光雷达与纯视觉技术的融合
（一）技术融合的必要性
激光雷达与纯视觉技术各有优缺点，将两者融合可以取长补短，提升自动驾驶系统的整体性能和安全性。激光雷达虽然在三维建模和距离测量方面表现出色，但其在恶劣天气条件下的表现不尽如人意，且成本较高。纯视觉方案虽然成本低、集成度高，但在距离感知和光照变化应对方面存在不足。通过融合两种技术，可以充分利用各自的优势，提升自动驾驶系统的感知能力和决策准确性。
（二）数据融合与感知决策
在数据融合方面，激光雷达和摄像头可以采集到不同类型的数据。激光雷达提供的是精确的距离和速度信息，而摄像头则提供丰富的视觉信息，包括颜色和纹路等。通过将这些数据进行融合，可以得到更全面、准确的感知结果。在感知决策方面，融合后的数据可以为自动驾驶系统提供更可靠的环境信息。系统可以根据这些信息做出更准确的决策，如路径规划、障碍物避让等。此外，通过深度学习算法对融合后的数据进行处理和分析，还可以进一步提升自动驾驶系统的智能水平和适应性。
（三）融合感知的应用前景
融合感知技术在自动驾驶领域具有广阔的应用前景。随着技术的不断进步和市场的不断发展，未来的自动驾驶系统很可能会采用多种传感器融合的方式，结合激光雷达、摄像头、毫米波雷达等多种传感器的优势。这种方案能够在各种场景下提供更为全面、准确的感知能力，为自动驾驶技术的发展开辟新的道路。通过将激光雷达、摄像头、毫米波雷达等多种传感器的感知数据进行综合处理，能够提供更为准确、完整的环境信息。这种融合感知技术能够充分利用各种传感器的优势，弥补彼此的不足，从而提高自动驾驶系统的安全性和可靠性。不过，融合感知技术的推广仍面临成本、技术和法规等多方面的挑战。首先，融合感知技术需要集成多种传感器，这增加了系统的复杂性和成本。其次，不同传感器之间的数据融合需要高精度的校准和同步，这对技术实现提出了很高的要求，当然，最重要的就是成本真的很高。近日，日本京瓷株式会社宣布开发出独特的“摄像头-激光雷达（Camera-LiDAR）”融合传感器，将摄像头和激光雷达光轴完美对准并集成到一个传感单元中，从而实现激光雷达与纯视觉融合数据的实时、无视差采集。
小结
综上所述，在汽车领域，感知是智能驾驶的核心，每个传感器天然上都存在着一些优势和劣势，多传感器的技术路线，优势互补。激光雷达以其高精度和不受光照条件影响的特点，在复杂环境和极端天气条件下表现出色；而纯视觉方案则以其低成本和灵活性，在大部分时间和场景下具有优势，两者相结合是最稳妥的解决方案。“纯视觉”方案主要基于用摄像头收集的数据进行环境感知，通过强大的人工智能神经元网络算法和不断的增强学习实现对周围环境的三维感知，可以叫做“软件派”；“融合感知”的方案，是在硬件上靠激光雷达+毫米波雷达+超声波雷达+高清摄像头的方式，结合规控代码，实现可控，可称之为“硬件派”。对于L2+的智能驾驶里面的纯视觉方案和融合感知方案，可能在接下来的三、五年里面都会长期地共存。由于当前激光雷达成本仍高于摄像头系统，预计在中高端车型上，融合感知方案将逐渐占据主流，但在中低端车型上，纯视觉方案占比将高于融合感知方案。未来，随着我国车路云一体化系统的发展以及低空经济的发展，融合感知系统的应用将越来越广泛，对于各种感知方式及其融合的要求越来越高，不论是车端、路端和云端的信息协同，还是低空经济要求的高敏度的空中避障和高精度的低空智能驾驶，单一的传感器可能都无法满足其需求，多种传感器优势互补、融合发展将是大势所趋。
（来源：材料深一度）
