摘要：本報告將自動駕駛領(lǐng)域最為關(guān)鍵的傳感器——激光雷達(dá)作為中心，通過調(diào)研其所扮演重要角色的領(lǐng)域——自動駕駛，以及自動駕駛和激光雷達(dá)的國內(nèi)外發(fā)展現(xiàn)狀，深入了解激光雷達(dá)的技術(shù)背景。以目前智能車生產(chǎn)廠家所采用的傳感層技術(shù)為切入點，通過了解、掌握這些技術(shù)的特點、基本原理、適用場景、優(yōu)缺點，來進(jìn)一步深入激光雷達(dá)，了解其分類、基本工作原理、主要技術(shù)指標(biāo)，對用于智能車的車載激光雷達(dá)的主要廠家、產(chǎn)品進(jìn)行調(diào)研，獲得主流產(chǎn)品的主要性能指標(biāo)參數(shù)、測試數(shù)據(jù)等。

第 1 章 緒論

1.1研究背景與意義

早期激光雷達(dá)主要用于軍事和民用地理測繪（GIS）等領(lǐng)域，比如地質(zhì)測繪、監(jiān)測樹木生長、測量建筑項目進(jìn)度等。隨著自動駕駛的興起，對于環(huán)境感知要求日趨嚴(yán)格，在自動駕駛架構(gòu)中，傳感層被比作為汽車的“眼睛”，包括車載攝像頭等視覺系傳感器和車載毫米波雷達(dá)、車載激光雷達(dá)和車載超聲波雷達(dá)等雷達(dá)系傳感器，其中激光雷達(dá)已經(jīng)被廣泛認(rèn)為是實現(xiàn)自動駕駛的必要傳感器。相比于其它類型的自動駕駛傳感器，如攝像頭，激光雷達(dá)探測的距離更遠(yuǎn)，精度更高。相對于攝像頭而言，激光雷達(dá)由于為主動發(fā)射光束，故比較不容易受周圍環(huán)境如弱光、雨雪煙塵的影響，而且攝像頭在進(jìn)行圖像識別處理時需要消耗大量的處理器能力，而激光雷達(dá)產(chǎn)生的三維地圖信息更容易被計算機(jī)解析。相比毫米波雷達(dá)，激光雷達(dá)的分辨率更高，并且毫米波雷達(dá)也不適用于行人檢測和目標(biāo)識別等工作。在自動駕駛領(lǐng)域，激光雷達(dá)與其它傳感器互為補(bǔ)充，可以有效提高車輛對于周圍環(huán)境感知的準(zhǔn)確度。

本文以目前智能車生產(chǎn)廠家所采用的傳感層技術(shù)為切入點，通過了解、掌握這些技術(shù)的特點、基本原理、適用場景、優(yōu)缺點，來進(jìn)一步深入研究其中對于自動駕駛最為關(guān)鍵的傳感器——激光雷達(dá)，了解其分類、基本工作原理、主要性能指標(biāo)，對用于智能車的車載激光雷達(dá)的主要廠家、產(chǎn)品進(jìn)行調(diào)研，獲得主流產(chǎn)品的主要性能指標(biāo)參數(shù)、測試數(shù)據(jù)等。對車載激光雷達(dá)進(jìn)行仿真，不僅能節(jié)省大量的燃料和經(jīng)費(fèi)，而且不受天氣和場地的限制，因此具有巨大的經(jīng)濟(jì)效益。在仿真軟件中，可以靈活地設(shè)置各種參數(shù)、模擬條件，同時也不存在安全隱患，因此具有巨大的社會效益。由于目前國內(nèi)外對于車載激光雷達(dá)仿真系統(tǒng)的研究較少，本文拋磚引玉，嘗試歸納、分析上述內(nèi)容，最終得出車載激光雷達(dá)仿真系統(tǒng)的主要技術(shù)要求。

1.2自動駕駛概述

SAE（國際汽車工程師協(xié)會）J3016文件提出的五級自動駕駛分級方案是當(dāng)前被普遍采用接受的標(biāo)準(zhǔn)，將自動駕駛技術(shù)分為L0 ~ L5共六個等級。L0代表沒有自動駕駛加入的傳統(tǒng)人類駕駛，L1 ~ L5則將自動駕駛的發(fā)展程度進(jìn)行了分級：

表1-1 SAE自動駕駛定義和分級標(biāo)準(zhǔn)

（注：參照[1]中表格修改整理）

無人駕駛專指L4、L5階段，即駕駛員不介入的情況下汽車可以完成全自動駕駛的控制動作，指向自動駕駛汽車技術(shù)發(fā)展的最終形態(tài)。

自動駕駛覆蓋L1到L5整個階段，在L1、L2階段，汽車的自動駕駛系統(tǒng)只作為駕駛員的輔助，但能夠持續(xù)地承擔(dān)汽車橫向或縱向某一方面的自主控制完成感知、認(rèn)知、決策、控制、執(zhí)行這一完整過程，其他如預(yù)警提示、短暫干預(yù)的駕駛技術(shù)（ADAS, Advanced Driver Assistance Systems）不能完成這一完整的流程，不在自動駕駛技術(shù)范圍之內(nèi)。即汽車至少在某些具有關(guān)鍵安全性的控制功能方面（如轉(zhuǎn)向、油門或制動）無需駕駛員直接操作即可自動完成控制動作。自動駕駛汽車一般使用機(jī)載傳感器、GPS和其他通信技術(shù)設(shè)備獲得信息，針對安全狀況進(jìn)行決策規(guī)劃，在某種程度上恰當(dāng)?shù)貙嵤┛刂啤Ｗ詣玉{駛包括無人駕駛。

智能駕駛指搭載先進(jìn)的智能系統(tǒng)和多種傳感器設(shè)備（包括攝像頭、雷達(dá)、導(dǎo)航設(shè)備等），具備復(fù)雜的環(huán)境感知、智能決策、協(xié)同控制和執(zhí)行等功能，可實現(xiàn)安全、舒適、節(jié)能、高效行駛，并最終可替代人來操作。智能駕駛包括自動駕駛以及無人駕駛。

以上三者的關(guān)系可由下圖表示：

圖1-1無人駕駛、自動駕駛、智能駕駛關(guān)系圖

1.3智能車輛國內(nèi)外發(fā)展現(xiàn)狀及趨勢概述

自1886年汽車誕生以來，結(jié)構(gòu)逐步成型；1913年，汽車開始采用流水先生產(chǎn)；1932年，高速公路誕生；20世紀(jì)50年代，被動安全系統(tǒng)，如安全帶、安全氣囊出現(xiàn)；至此，以底盤、傳動、輪胎、車身、機(jī)械為核心技術(shù)的汽車逐漸開始規(guī)?；a(chǎn)，同時，國內(nèi)汽車工業(yè)開始起步。1970年，F(xiàn)ord最早裝配防抱死制動系統(tǒng)（ABS, Anti-lock BrakingSystem）這一主動安全系統(tǒng)；1995年，Mercedes-Benz率先配備電子穩(wěn)定系統(tǒng)（ESP,Electronic Stability Program）；至此，以發(fā)動機(jī)、早期汽車電子技術(shù)、安全系統(tǒng)和節(jié)能為核心技術(shù)的汽車性能不斷優(yōu)化，大量資金和技術(shù)被引入，同時，國內(nèi)汽車工業(yè)全面發(fā)展。2009年，Google開啟自動駕駛項目，以汽車電子技術(shù)、自動駕駛、新能源為核心技術(shù)的汽車逐步向智能化、輕量化、電動化、網(wǎng)聯(lián)化、出行方式共享化等方向發(fā)展；自動駕駛作為重要的發(fā)展趨勢之一，將再次徹底改變出行方式。我國汽車工業(yè)起步較晚，但在新能源汽車等領(lǐng)域進(jìn)展較快，并率先趕上自動駕駛研發(fā)熱潮，有望在汽車產(chǎn)業(yè)發(fā)揮引領(lǐng)作用。

美國在20世紀(jì)80年代初已經(jīng)開始自動駕駛技術(shù)的軍事化應(yīng)用，歐洲從80年代中期開始研發(fā)自動駕駛車輛，更多強(qiáng)調(diào)單車自動化、智能化的研究，日本的自動駕駛研發(fā)略晚于歐美，更多關(guān)注于采用智能安全系統(tǒng)降低事故發(fā)生率，以及采用車間通信方式輔助駕駛。在初期，自動駕駛研發(fā)在歐美日已呈現(xiàn)『產(chǎn)學(xué)研』相結(jié)合的特點，開發(fā)測試了不同程度自動化、智能化的車輛，進(jìn)入21世紀(jì)，美國國防高等研究計劃署（DARPA, Defense Advanced Research Projects Agency）舉辦的挑戰(zhàn)賽進(jìn)一步提高了自動駕駛的社會關(guān)注度，激發(fā)了相關(guān)從業(yè)者的研發(fā)熱情。由于深度學(xué)習(xí)算法的引入，自動駕駛技術(shù)有了爆炸性的突破。2009年，Google布局自動駕駛，引發(fā)了新一輪的產(chǎn)業(yè)熱潮，更多的科技企業(yè)加入市場爭奪中。2020年前后，成為主要汽車廠商和科技企業(yè)承諾推出完全自動駕駛車輛的時間節(jié)點。

自上世紀(jì)90年代起，國內(nèi)各高校和研究機(jī)構(gòu)已經(jīng)陸續(xù)開展自動駕駛的研發(fā)工作，推出多個測試車型，其中國防科技大學(xué)于1992年研制出第一款自動駕駛汽車CITAVT-Ⅰ型。2009年以來，國家自然科學(xué)基金委員會舉辦『中國智能車未來挑戰(zhàn)賽』，吸引多個高校和研究機(jī)構(gòu)參與，為自動駕駛技術(shù)的交流和發(fā)展起到了良好的促進(jìn)作用，在此期間，一汽、北汽等傳統(tǒng)車企也逐步布局。自國務(wù)院在2015年發(fā)布《中國制造2025》起，以自動駕駛技術(shù)為重點的智能網(wǎng)聯(lián)汽車成為未來汽車發(fā)展的重要戰(zhàn)略方向，大批初創(chuàng)企業(yè)投身自動駕駛領(lǐng)域；2016年，中國工信部裝備工業(yè)司汽車處處長表示，正和警方合作起草自動化駕駛道路測試標(biāo)準(zhǔn)化的規(guī)定；北汽、上汽、長安等車企相繼公布自動駕駛戰(zhàn)略規(guī)劃，國內(nèi)自動駕駛集中爆發(fā)，多個車企公布自動駕駛的戰(zhàn)略規(guī)劃；2017年，《汽車產(chǎn)業(yè)中長期發(fā)展規(guī)劃》發(fā)布；籌建智能網(wǎng)聯(lián)汽車分技術(shù)委員會，制定產(chǎn)業(yè)技術(shù)標(biāo)準(zhǔn)；百度公布Apollo計劃，還有更多的初創(chuàng)企業(yè)脫穎而出，獲得巨額投資，可以說，自動駕駛產(chǎn)業(yè)已經(jīng)進(jìn)入新技術(shù)最為火爆的中場階段。

1.4車載激光雷達(dá)國內(nèi)外發(fā)展現(xiàn)狀及趨勢概述

目前，全球最大的車載激光雷達(dá)公司——Velodyne LiDAR的前身是硅谷科技公司Velodyne，它在Google布局無人駕駛汽車之前就開始在車載激光雷達(dá)產(chǎn)業(yè)發(fā)力，之后與Google合作，成為了車載激光雷達(dá)產(chǎn)業(yè)的龍頭。其包含了專注于音頻設(shè)備的Velodyne Acoustics公司和專注于海洋問題解決方案的Velodyne Marine公司，同樣地，Velodyne在2016年將Velodyne LiDAR作為一家獨(dú)立的公司剝離出來，這時正處于世界范圍內(nèi)車載激光雷達(dá)相關(guān)技術(shù)飛速發(fā)展時期。其旗下的HDL-64E型機(jī)械激光雷達(dá)被廣泛采用于自動駕駛車輛的測試中，不過其高昂的價格和低生產(chǎn)率也提醒各個科技巨頭車載激光雷達(dá)的低成本化和量產(chǎn)化相當(dāng)關(guān)鍵，這也正是Tesla一直不采用這種『3D激光雷達(dá)』方案，而是堅持采用『毫米波雷達(dá)+攝像頭』方案的原因。目前Velodyne LiDAR已經(jīng)推出成本更低、線數(shù)更多的128線的VLS-128型固態(tài)激光雷達(dá)，這意味著這款激光雷達(dá)有更高的分辨率、安全性以及更低的成本，并且可以實現(xiàn)量產(chǎn)。然而，『3D激光雷達(dá)+高精度導(dǎo)航地圖+云計算』被認(rèn)為是未來理想的綜合性解決方案，也就是說，從發(fā)展趨勢看，就汽車智能駕駛領(lǐng)域，『毫米波雷達(dá)+攝像頭』方案終將隨著車載激光雷達(dá)的成本下降而被逐漸取代。

不過，在Velodyne推出VLS-128之前，整體車載激光雷達(dá)市場上的趨勢都是往低線束化、固態(tài)化發(fā)展，也就是往減少激光雷達(dá)線束發(fā)展，同時也從機(jī)械型轉(zhuǎn)為固態(tài)型，比如Quanergy公司就在2016年CES展會上推出了與Delphi公司共同研發(fā)的新產(chǎn)品S3，號稱全球首款固態(tài)激光雷達(dá)，就連Velodyne公司本身也在推出混合或固態(tài)的低線束激光雷達(dá)。因為這樣做可以降低成本，但是需要用數(shù)量來彌補(bǔ)線數(shù)的不足，也體現(xiàn)出未來的技術(shù)路線未定，產(chǎn)業(yè)龍頭Velodyne LiDAR也不能確定到底是多線束激光雷達(dá)還是多激光雷達(dá)耦合。Velodyne LiDAR認(rèn)為對于一輛在復(fù)雜環(huán)境中高速行駛的自動駕駛汽車來說，HDL-64的性能還不夠保證安全，更高線程的激光雷達(dá)不僅可以配合一些必要的設(shè)備保證安全，還可以讓自動駕駛汽車將不再需要任何其它探測障礙的傳感器。但是Velodyne LiDAR的競爭對手Luminar公司也在做低線束固態(tài)激光雷達(dá)，其認(rèn)為由于激光擴(kuò)散的原因，距離越遠(yuǎn)，精準(zhǔn)度越低。所以，絕大多數(shù)的自動駕駛公司在使用最先進(jìn)的激光雷達(dá)的情況下，還是會選擇添加其他種類的傳感器。各大車載激光雷達(dá)公司之間的爭論也是行業(yè)的技術(shù)現(xiàn)狀之一，至于車載激光雷達(dá)技術(shù)之后如何發(fā)展，還需要看各科技公司的研發(fā)情況以及實際測試的結(jié)果。

從以上對國外車載激光雷達(dá)技術(shù)現(xiàn)狀的分析中能夠得到的統(tǒng)一趨勢有低成本化、固態(tài)化、量產(chǎn)化，但是Velodyne LiDAR推出更高線束的激光雷達(dá)和其他科技廠商推出低線束激光雷達(dá)的行為并不矛盾，他們的整體方向依然是要實現(xiàn)激光雷達(dá)的更高分辨率和精準(zhǔn)度，進(jìn)一步保證無人駕駛的安全性，只不過前者傾向于使用更強(qiáng)大的設(shè)備，后者傾向于使用多激光雷達(dá)耦合并降低成本。同時，低線束激光雷達(dá)對高線束激光雷達(dá)可以起到補(bǔ)充的作用。

實際上國內(nèi)車載激光雷達(dá)的發(fā)展不比國外起步晚，北科天繪于2005年成立于北京，和Velodyne的激光雷達(dá)計劃幾乎同時開始，然而目前來看，國外的車載激光雷達(dá)水平較高。盡管自動駕駛市場需求量極大，激光雷達(dá)仍面臨著成本高、量產(chǎn)難的問題。制造門檻高，且應(yīng)用領(lǐng)域較窄（汽車、資源勘測），使該類產(chǎn)品供應(yīng)商相對較少，缺乏針對車規(guī)級的成熟量產(chǎn)方案。要推動激光雷達(dá)解決方案落地，供應(yīng)商勢必要完整掌握硬件的核心技術(shù)，以便控制成本，并以配套的算法推動市場接受其方案。目前，實現(xiàn)激光雷達(dá)低成本的路線有：犧牲一定的精度，使用全固態(tài)、低線束激光雷達(dá)降低制作成本；提高生產(chǎn)率，通過量產(chǎn)帶來的規(guī)模效益攤薄產(chǎn)品成本。速騰聚創(chuàng)、禾賽科技等公司均提供自動駕駛的『硬件+算法』一體化解決方案，希望以低線束、低成本、量產(chǎn)化的激光雷達(dá)產(chǎn)品打通市場；用于機(jī)器人、無人機(jī)的激光雷達(dá)產(chǎn)商北醒光子、思嵐科技也在向自動駕駛布局。盡管部分廠商已有成品，并與其它初創(chuàng)公司達(dá)成合作，但能否打通主機(jī)廠和Tier1（一級供應(yīng)商）尚存疑。相較而言，在2016年，全球頂尖廠商Velodyne LiDAR在中國的銷售額已達(dá)到1500萬美元。

1.5本章小結(jié)

本章將自動駕駛領(lǐng)域最為關(guān)鍵的傳感器——激光雷達(dá)作為切入點，通過調(diào)研其所扮演重要角色的領(lǐng)域——自動駕駛，以及自動駕駛和激光雷達(dá)的國內(nèi)外發(fā)展現(xiàn)狀，從行業(yè)和科研等多方面了解激光雷達(dá)的技術(shù)背景。

第 2 章 智能車輛的傳感層技術(shù)分析

2.1 傳感器介紹

在自動駕駛技術(shù)來臨之前，車用傳感器即用于汽車電子技術(shù)、作為車載電腦（ECU）的輸入裝置，能夠?qū)l(fā)動機(jī)、底盤、車身各個部分的運(yùn)作工況信息以信號方式傳輸給車載電腦，從而使汽車運(yùn)行達(dá)到最佳狀態(tài)。ADAS（高級輔助駕駛系統(tǒng)）的廣泛應(yīng)用，使攝像頭等用于環(huán)境感知的傳感器進(jìn)入公眾視野，作為輔助，這些傳感器將汽車周邊的環(huán)境信息輸入到相應(yīng)的系統(tǒng)模塊中，進(jìn)行判斷，提前給駕駛員預(yù)警或提供緊急防護(hù)，但不同系統(tǒng)的傳感器間關(guān)系孤立，數(shù)據(jù)單獨(dú)處理，信息尚未形成融合。在自動駕駛汽車中，定位、雷達(dá)、視覺等傳感器協(xié)作融合，能夠以圖像、點云等形式輸入收集到的環(huán)境數(shù)據(jù)，并通過算法的提取、處理和融合，進(jìn)一步形成完整的汽車周邊駕駛態(tài)勢圖，為駕駛行為決策提供依據(jù)。

除了激光雷達(dá)之外，本文再對攝像頭、毫米波雷達(dá)、超聲波傳感器、定位傳感器這部分重要傳感器作簡要介紹：

攝像頭：

用攝像頭代替人眼對目標(biāo)（車輛、行人、交通標(biāo)志）進(jìn)行識別、跟蹤和測量，感知到汽車周邊的障礙物以及可駕駛區(qū)域，理解道路標(biāo)志的語義，從而對當(dāng)下的駕駛場景進(jìn)行完整描述。攝像頭必須先識別再測距，如果無法識別則無法測距。相對于其它傳感器，攝像頭的價格相對低廉，有著識別車道線、車輛等物體的基礎(chǔ)能力，在汽車高級輔助駕駛市場已被規(guī)模使用。依據(jù)不同的圖像檢測原理，可分為單目攝像頭和雙目攝像頭，根據(jù)芯片類型又可分為CCD攝像頭和CMOS攝像頭，等等。其優(yōu)點在于攝像頭是目前唯一能夠辨別物體的傳感器。

但是攝像頭同時具有三個缺點：缺點一是逆光或光影復(fù)雜的地方難以使用；缺點二在于依賴于算法，能否辨別物體完全依賴樣本的訓(xùn)練，樣本未覆蓋的物體將無法辨別，比如Mobileye在中國道路上應(yīng)用，識別超載運(yùn)貨車的成功率不超過80%；缺點三在于攝像頭對于行人的識別具有不穩(wěn)定性，因為行人不同于車輛，動作、服裝、身體各部分變化要素很多，而且還要與街上的建筑、汽車、樹木等背景圖案區(qū)分開來，比如Mobileye在日本、德國、美國、以色列等國市區(qū)的測試結(jié)果顯示，行人的成功檢測率為93.5%，距離實現(xiàn)完全無人駕駛還有很大差距，再如穿著吉祥物套裝或著裝顏色與背景相似的人或搬運(yùn)東西的人極有可能無法識別。因此，攝像頭的物體識別功能無可比擬，但由于依賴樣本識別物體，以及識別行人具有不穩(wěn)定性，攝像頭應(yīng)用于測距領(lǐng)域無法保障100%的穩(wěn)定性，在自動駕駛領(lǐng)域脫離激光雷達(dá)使用只能應(yīng)用于ADAS而不能應(yīng)用于完全的無人駕駛。

從硬件方面看，計算機(jī)視覺所需的工業(yè)攝像頭在技術(shù)層面相對成熟，具有較高的圖像穩(wěn)定性、高傳輸能力和抗干擾能力，且單個攝像頭成本已降到200元以下，因此單車可以配備6~8個攝像頭覆蓋不同角度，天風(fēng)證券預(yù)測，2020年國內(nèi)前后裝攝像頭需求量為4184萬個。

毫米波雷達(dá)

發(fā)射1~10毫米的電磁波，根據(jù)反射波的時間差及強(qiáng)度等來測量距離，汽車毫米波雷達(dá)的頻段主要在24 GHz和77 GHz。其優(yōu)點在于性價比較高，探測距離遠(yuǎn)，精度較高，穿透霧、灰塵的能力強(qiáng)，能夠全天候全天時工作，在很多高檔轎車?yán)锒加袘?yīng)用；缺點是行人的反射波容易被其他物體反射波埋沒，難以分辨，無法識別行人，例如采用毫米波雷達(dá)和攝像頭的感知系統(tǒng)實現(xiàn)自動駕駛的Tesla，在行人較多的鬧市區(qū)會自動鎖定自動駕駛功能。因此，毫米波雷達(dá)在測距領(lǐng)域具有較高性價比，但是其無法探測行人是一個致命弱點，只能應(yīng)用于自適應(yīng)巡航系統(tǒng)等ADAS系統(tǒng)。目前毫米波雷達(dá)市場由國外廠商壟斷，國內(nèi)主要的零部件供應(yīng)商正在致力于車載毫米波雷達(dá)的國產(chǎn)化。79 GHz毫米波雷達(dá)作為未來發(fā)展趨勢，能更有效地發(fā)揮自動駕駛傳感器所需的性能。

超聲波傳感器

發(fā)射振動頻率高于聲波的機(jī)械波，根據(jù)反射波測量距離。其優(yōu)點在于探測物體范圍極廣，能夠探測絕大部分物體，且有較高穩(wěn)定性；缺點是一般只能探測10米以內(nèi)的距離，無法進(jìn)行遠(yuǎn)距離探測。因此，超聲波雷達(dá)廣泛應(yīng)用于倒車?yán)走_(dá)，在自動駕駛領(lǐng)域常常作為短距離雷達(dá)，應(yīng)用如自動泊車輔助系統(tǒng)。

定位傳感器

可以獲得自身相對于全局的位置信息。其優(yōu)點在于技術(shù)較為成熟，能夠?qū)崿F(xiàn)在全局視角的定位功能；缺點在于無法獲得周圍障礙物的位置信息。往往需要與前幾個探障類傳感器搭配使用。

2.2 傳感器分類

智能車輛的傳感器可以分為視覺傳感器、定位傳感器、雷達(dá)傳感器、聽覺傳感器和姿態(tài)傳感器。其中視覺傳感器可以分為單目攝像頭、雙目攝像頭、夜視紅外攝像頭；定位傳感器可以分為慣性導(dǎo)航系統(tǒng)、衛(wèi)星導(dǎo)航系統(tǒng)（GNSS）、高精度地圖、實時動態(tài)（RTK）差分系統(tǒng)；雷達(dá)傳感器可以分為激光雷達(dá)和毫米波雷達(dá)；聽覺傳感器可以分為語音識別、聲音定位入口；姿態(tài)傳感器可以分為車載診斷系統(tǒng)（OBD）、CAN總線、慣性測量單元（IMU）、發(fā)動機(jī)等汽車工況傳感器。主要的傳感器為激光雷達(dá)、毫米波雷達(dá)、攝像頭、超聲波雷達(dá)、GNSS輔助傳感器，其中GNSS輔助傳感器包括慣性導(dǎo)航系統(tǒng)和RTK差分系統(tǒng)。

傳感器分類圖如下：

圖2-1智能車輛傳感器分類圖

需要說明的是，以上提到的智能車傳感器并不一定會同時出現(xiàn)在一輛車上。某種傳感器存在與否，取決于這輛車需要完成什么樣的任務(wù)。如果只需要完成高速公路的自動駕駛，比如Tesla在Model S里使用的Autopilot自動輔助駕駛功能是不需要使用激光雷達(dá)的；但如果需要完成城區(qū)路段的自動駕駛，沒有激光雷達(dá)，僅靠視覺傳感器是很困難的。

2.3 傳感器比較

不同傳感器各有優(yōu)劣。無論是『毫米波雷達(dá)+攝像頭』方案還是『3D激光雷達(dá)』方案都不具備獨(dú)當(dāng)一面的能力。前者距離實現(xiàn)需要解決的問題是如何達(dá)到識別車輛、識別人體100%的成功率以及如何達(dá)到識別任何物體并測量距離100%的成功率；而后者距離實現(xiàn)需要解決的問題是大雨和大雪等惡劣條件下的調(diào)試以及逐漸擺脫對于高精度地圖的依賴。兩種方案看似競爭，實則互補(bǔ)。技術(shù)上的不同方向很有可能形成兩種方案的互相啟發(fā)與互相補(bǔ)充?？梢?，自動駕駛汽車要安全運(yùn)作，必須保證多傳感器協(xié)同工作和信息冗余。因此，多種傳感器往往需要協(xié)同工作，優(yōu)勢互補(bǔ)，共同組成自動駕駛的環(huán)境感知解決方案。

表2-1智能車輛主要傳感器比較

2.4本章小結(jié)

本章以目前智能車生產(chǎn)廠家所采用的傳感層技術(shù)為切入點，通過了解、掌握這些技術(shù)的特點、基本原理、適用場景、優(yōu)缺點并進(jìn)行比較，進(jìn)一步說明激光雷達(dá)在自動駕駛領(lǐng)域中為何了扮演不可替代的角色。

第 3 章 激光雷達(dá)技術(shù)分析

3.1 激光雷達(dá)分類

對于激光雷達(dá)，可以分別按照探測體系、應(yīng)用方向、線束、基于機(jī)械/電子部件分類如下：

圖3-1激光雷達(dá)分類圖

3.2 激光雷達(dá)工作原理

LiDAR，是英文Light Detection And Ranging的縮寫，中文名稱為激光雷達(dá)。激光雷達(dá)作為在激光測距雷達(dá)基礎(chǔ)上發(fā)展起來的一項主動成像雷達(dá)技術(shù)，如圖3-2所示，通過發(fā)射和接收激光束，分析激光遇到目標(biāo)對象后的折返時間，計算出到目標(biāo)對象的相對距離，并利用此過程中收集到的目標(biāo)對象表面大量密集的點的三維坐標(biāo)、反射率和紋理等信息，快速得到出被測目標(biāo)的三維模型以及線、面、體等各種相關(guān)數(shù)據(jù)，建立三維點云（Point Cloud）圖，繪制出環(huán)境地圖，以達(dá)到環(huán)境感知的目的。由于光速非常快，飛行時間可能非常短，因此要求測量設(shè)備具備非常高的精度。從效果上來講，激光雷達(dá)維度（線束）越多，測量精度越高，安全性就越高。

相比于可見光、紅外線等傳統(tǒng)被動成像技術(shù)，激光雷達(dá)技術(shù)具有如下顯著特點：一方面，它顛覆傳統(tǒng)了二維投影成像模式，可采集目標(biāo)表面深度信息，得到目標(biāo)相對完整的空間信息，經(jīng)數(shù)據(jù)處理重構(gòu)目標(biāo)三維表面，獲得更能反映目標(biāo)幾何外形的三維圖形，同時還能獲取目標(biāo)表面反射特性、運(yùn)動速度等豐富的特征信息，為目標(biāo)探測、識別、跟蹤等數(shù)據(jù)處理提供充分的信息支持、降低算法難度；另一方面，主動激光技術(shù)的應(yīng)用，使得其具有測量分辨率高，抗干擾能力強(qiáng)、抗隱身能力強(qiáng)、穿透能力強(qiáng)和全天候工作的特點。

圖3-2激光測距原理

大多數(shù)激光雷達(dá)系統(tǒng)主要包括四部分：激光器、光學(xué)掃描器，光電檢測器，導(dǎo)航系統(tǒng)。本節(jié)將簡單說明各部分的原理、功能以及技術(shù)指標(biāo)。

3.2.1激光器

激光和發(fā)光二極管都起源于20世紀(jì)60年代，激光是受激輻射的光放大而來，兩者都使用二極管產(chǎn)生不同形式的光，當(dāng)電通過發(fā)光二極管時，發(fā)出非相干的可見光，光射向所有的方向；激光器使用高度專業(yè)化的二極管，其在電磁光譜的光學(xué)部分處或附近產(chǎn)生能量。當(dāng)這種能量對人眼可見時，我們將其稱為“光”，當(dāng)不可見時，我們將其稱為“輻射”，這與放射性物質(zhì)的輻射不同。來自激光器的能量通過稱為受激發(fā)射的原子過程被放大到極高的強(qiáng)度，最后將能量變成高度定向的波束，意味著所有的單個能量波被對齊，變?yōu)椤巴唷辈⑶已叵嗤姆较蛞苿?。舉個例子的話，發(fā)光二極管的能量就像在游樂場的保險杠車；而激光的能量就像賽車，并且它們會同時向同一方向沖出去。發(fā)光二極管照明廣泛，而激光精確定位，最適合需要聚焦和精確度的任務(wù)。

根據(jù)激光輸出功率和波長、脈沖持續(xù)時間的不同，國際電工委員會（IEC）將激光分為4類：

Category 4是最高強(qiáng)度的激光，可以造成火災(zāi)以及對皮膚造成傷害，同時存在漫反射危險，也就是說激光表面的脈沖反射也是危險的。

Category 3同樣對人類有危害，但是在長時間直射眼睛的情況下才是有危害的，一般人眨眼的頻率會保證眼睛在短時間內(nèi)直射不會受害。但是不會造成火災(zāi)以及對皮膚造成傷害。

Category 2肉眼可見，但是通常直射眼睛會不舒服，長時間直射也不安全。

Category 1m是第二安全的類型，如果觀察者使用望遠(yuǎn)鏡等光學(xué)放大裝置直接觀察到直徑為1m的光束就不安全了。

Category 1最安全的激光類型，這個類別包括所有的激光或激光系統(tǒng)，它們的光輻射水平在任何曝光條件下都不會高于眼睛的暴露極限。

3.2.2光學(xué)掃描器

激光雷達(dá)成像的速度取決于外部反射的光子經(jīng)光學(xué)掃描部件進(jìn)入系統(tǒng)的速度。市場上存在許多掃描的方法以改變方位角和仰角，如雙振蕩平面鏡、雙軸掃描鏡、多面鏡等。光學(xué)掃描器決定了激光雷達(dá)的分辨率和檢測范圍（角度）[2]。圖3-3表示HDL-64E的光學(xué)掃描部件的結(jié)構(gòu)。

注：本圖參照[3]中圖片

圖3-3激光雷達(dá)光學(xué)掃描器部分

3.2.3光電檢測器

光電檢測器即讀取和記錄反射回到激光雷達(dá)的信號的設(shè)備。主要有兩種光電檢測技術(shù)，分別為固態(tài)檢測器（Solid State Detector）和光電倍增管[2]。

3.2.4導(dǎo)航系統(tǒng)

當(dāng)激光雷達(dá)安裝在移動的平臺，如衛(wèi)星和飛機(jī)上時，它需要其它設(shè)備的協(xié)助以確定設(shè)備當(dāng)前的位置和轉(zhuǎn)向信息，這樣才能保證激光雷達(dá)測量數(shù)據(jù)的可用性。衛(wèi)星導(dǎo)航系統(tǒng)（GNSS, Global Navigation Satellite System）可以提供準(zhǔn)確的地理位置信息，慣性測量單元（IMU,Inertial Measurement Unit）則記錄當(dāng)前位置激光雷達(dá)的姿態(tài)和轉(zhuǎn)向信息。GNSS和IMU配合使用，可以將激光雷達(dá)測量點由相對坐標(biāo)系轉(zhuǎn)換為絕對坐標(biāo)系上的位置點，從而應(yīng)用于不同的系統(tǒng)中[2]。

3.3 激光雷達(dá)技術(shù)指標(biāo)

3.3.1線束

為獲得盡量詳細(xì)的點云圖，激光雷達(dá)必須要快速采集周圍環(huán)境的數(shù)據(jù)。一種方式是提高發(fā)射機(jī)/接收機(jī)的采集速度，每個發(fā)射機(jī)在每秒內(nèi)可以發(fā)送十萬以上組脈沖，也就是說在1秒內(nèi)，有100,000組脈沖完成一次發(fā)射/返回的循環(huán)。復(fù)雜的激光雷達(dá)有高達(dá)64組發(fā)射機(jī)/接收機(jī)，組就是線（Channel）的意思，線表示激光雷達(dá)系統(tǒng)包含獨(dú)立的發(fā)射機(jī)/接收機(jī)的數(shù)目。多線的配置使得激光雷達(dá)在每秒內(nèi)可構(gòu)建高達(dá)百萬的數(shù)據(jù)點。

圖3-4示例多線激光雷達(dá)掃描的點云，圖中每個同心圓表示一組激光器掃描的點云。對于兩組相鄰的激光器而言，其垂直間隔角為常量（下文“垂直角分辨率”將介紹到）。因此距離越遠(yuǎn)，相鄰激光器掃描的點云同心圓間隔越大。也就是說，距離越遠(yuǎn)，數(shù)據(jù)的保真度越低。激光雷達(dá)對于近處的物體有更高的分辨率[2]。

注：本圖參照[4]中圖片

圖3-4 Velodyne HDL-64激光雷達(dá)系統(tǒng)掃描的點云圖

3.3.2方位角

方位角（Field of View, FOV）包括水平方位角和垂直方位角，指的是激光雷達(dá)在水平和垂直方向的檢測角度。

上面提到線的概念，然而在實際應(yīng)用中，64線對于構(gòu)建周圍環(huán)境精確的點云是遠(yuǎn)遠(yuǎn)不夠的，它只能在有限范圍內(nèi)達(dá)到足夠的精度。但是在制造工藝上，把線數(shù)提高到64組以上，將大大提高設(shè)備的成本，因此不少激光雷達(dá)系統(tǒng)采用旋轉(zhuǎn)鏡頭，如圖3-5，激光雷達(dá)的主體部分固定在旋轉(zhuǎn)馬達(dá)的基座上，工作時不斷旋轉(zhuǎn)，即可對周圍360°進(jìn)行掃描，也就是說這些激光雷達(dá)的水平方位角為360°。

垂直方位角指的是激光雷達(dá)垂直方向的檢測角度，一般在40°以內(nèi)[2]。VelodyneHDL-64E幾個激光發(fā)射單元之間有一定間隙，如圖3-6所示。

注：本圖參照[5]中圖4.2

圖3-5 Velodyne HDL-64E水平掃描示意圖

注：本圖參照[5]中圖4.1

圖3-6 Velodyne HDL-64E垂直掃描示意圖

3.3.3掃描幀頻

激光雷達(dá)點云數(shù)據(jù)更新的頻率。對于混合固態(tài)激光雷達(dá)來說，也就是旋轉(zhuǎn)鏡每秒鐘旋轉(zhuǎn)的圈數(shù)，單位Hz。例如，10 Hz即旋轉(zhuǎn)鏡每秒轉(zhuǎn)10圈，同一方位的數(shù)據(jù)點更新10次[2]。

3.3.4角分辨率

角分辨率分為水平角分辨率和垂直角分辨率。水平角分辨率是指水平方向上掃描線間的最小間隔度數(shù)。它是隨掃描幀頻的變化而變化，轉(zhuǎn)速越快，則水平方向上掃描線的間隔越大，水平角分辨率越大。垂直角分辨率指的是垂直方向上兩條掃描線的間隔度數(shù)[2]。

3.3.5測量精度

激光雷達(dá)的數(shù)據(jù)手冊中的測量精度（Accuracy）常表示為，例如±2 cm的形式。精度表示設(shè)備測量位置與實際位置偏差的范圍[2]。

3.3.6探測距離

激光雷達(dá)的最大測量距離。在自動駕駛領(lǐng)域應(yīng)用的激光雷達(dá)的測距范圍普遍在100~200 m左右[2]。

3.3.7數(shù)據(jù)率

激光雷達(dá)每秒鐘生成的激光點數(shù)，例如：40線掃描幀頻為20 Hz的激光雷達(dá)，水平角分辨率是0.45°（每一圈每束激光掃描800次）。因此每秒鐘生成的激光點數(shù)和為：4020800 = 640, 000 points/sec[2]。

3.4 激光雷達(dá)測試分析

市場上車載激光雷達(dá)種類、型號繁雜，其中Velodyne HDL-64E是最受歡迎的激光雷達(dá)之一，其所使用的激光是Category 1類型，以大約10赫茲的頻率快速旋轉(zhuǎn)。同時，每個激光脈沖的波長為905納米，平均功率為2毫瓦，相當(dāng)于是標(biāo)準(zhǔn)10瓦LED大燈泡在近光燈設(shè)置下的功率輸出的0.02％。這意味著任何單個激光束將在大約1毫秒內(nèi)掃過眼睛，平均功率小于普通的激光指示器。并且由于每個單獨(dú)的激光器以不同的方向和角度安裝，所以多個激光器不能一次同時直射眼睛并增加功率。即使行人有意盯著Velodyne傳感器，低功耗和快速旋轉(zhuǎn)的組合情況下也是Category 1級，十分安全。

另外，它由激光發(fā)射機(jī)、光學(xué)接收機(jī)、轉(zhuǎn)臺和信息處理系統(tǒng)等組成，激光器將電脈沖變成光脈沖發(fā)射出去，光接收機(jī)再把從目標(biāo)反射回來的光脈沖還原成電脈沖，送到顯示器。

其基本參數(shù)、實際輸出數(shù)據(jù)格式和結(jié)構(gòu)如表3-1、表3-2和圖3-7所示：

表3-1 Velodyne HDL-64E型激光雷達(dá)參數(shù)

表3-2激光雷達(dá)輸出數(shù)據(jù)格式表

圖3-7 Velodyne HDL-64E激光雷達(dá)組成示意圖

利用有幸從別處取得的HDL-64E的數(shù)據(jù)，繪制得到點云圖的其中一幅如下：

圖3-8 HDL-64E實際數(shù)據(jù)所繪制的點云圖

根據(jù)表3-2可得，HDL-64E所輸出的數(shù)據(jù)為點的X，Y，Z坐標(biāo)，激光強(qiáng)度以及激光器的編號，由于對激光雷達(dá)的仿真不需要模擬出激光強(qiáng)度的效果，所以只需要對其他四個數(shù)據(jù)進(jìn)行獲取。

至于點云圖的繪制，是對實際數(shù)據(jù)處理之后按照Z軸坐標(biāo)的不同顯示，不過實際數(shù)據(jù)和仿真采集數(shù)據(jù)的不同在于，實際數(shù)據(jù)中的點的坐標(biāo)都是符合激光雷達(dá)數(shù)據(jù)規(guī)范的，仿真需要考慮的是將采集到的點篩選出符合規(guī)范的，再顯示出來。下一節(jié)將會分別對模塊仿真、數(shù)據(jù)處理、數(shù)據(jù)仿真進(jìn)行詳細(xì)說明。

3.5本章小結(jié)

本章通過了解激光雷達(dá)的分類、基本工作原理、主要技術(shù)指標(biāo)，對用于智能車的車載激光雷達(dá)的主要產(chǎn)品進(jìn)行調(diào)研，獲得主流產(chǎn)品的主要性能指標(biāo)參數(shù)、測試數(shù)據(jù)等。

第 4 章 激光雷達(dá)仿真技術(shù)要求

4.1 模塊仿真

本文第3.2節(jié)詳細(xì)說明了激光雷達(dá)的主要組成模塊，在對激光雷達(dá)仿真時，可以考慮按模塊分類并仿真。

實際的激光雷達(dá)是先發(fā)射激光束再接收返回的激光束而獲取到點的坐標(biāo)，并且其中還要依靠光學(xué)掃描器和光學(xué)檢測器才能完成這一復(fù)雜的過程，而仿真的激光雷達(dá)只需要模擬激光器，也就是激光發(fā)射裝置，進(jìn)而獲取到點的坐標(biāo)，最后繪制成圖即可。根據(jù)仿真經(jīng)驗，可以考慮使用OpenGL中透視投影的一點透視的方式設(shè)置相機(jī)視角，然后通過編寫shader從相機(jī)中獲取點數(shù)據(jù)。如圖3-1所示，透視投影的視線（投影線）是從視點（觀察點）出發(fā)，所有視線從視點出發(fā)，視線是不平行的。所以可以用OpenGL的配置透視投影的相機(jī)來充當(dāng)激光雷達(dá)的觀察方式，然后從相機(jī)中設(shè)法取出在該視角下觀察場景的位置信息即可完成激光雷達(dá)的模擬。那么如何設(shè)置相機(jī)呢？首先，在使用OpenGL的透視投影的方式獲取點的數(shù)據(jù)時，根據(jù)HDL-64E的水平方位角為360°，垂直方位角為26.8°，掃描最長距離為120 m，考慮使用四個相機(jī)拼合的方式實現(xiàn)，其中每個相機(jī)上仰角度為2°，下俯角度為24.9°，水平張角為90°，遠(yuǎn)處裁剪處為120，然后獲取數(shù)據(jù)。

圖4-1透視投影原理

根據(jù)以上的分析，大致可以將激光雷達(dá)的仿真分為兩個模塊，一是激光發(fā)射模塊，其中包括了對獲取到的數(shù)據(jù)的處理過程（篩選過程）；二是建模模塊，用于對激光雷達(dá)仿真的精度測試和算法驗證。

4.2 數(shù)據(jù)處理

由于本文只對于仿真激光雷達(dá)提供一個方向，具體的實現(xiàn)方法是多元的，接下來只對其中一種方法在仿真HDL-64E時的實現(xiàn)過程作大致說明。由于我們需要取出點的位置信息，而在shader關(guān)于頂點信息的只有 gl_Vertex這個內(nèi)置變量。經(jīng)過用例檢測后，發(fā)現(xiàn)gl_Vertex的頂點信息是該點相對于當(dāng)前模型的相對坐標(biāo)，若想將其變化為我們需要的位置信息還需進(jìn)行矩陣變換。根據(jù)公式

相對位置 = 相機(jī)的模型矩陣 × 模型的模擬矩陣 × 目標(biāo)點相對模型的相對坐標(biāo)

將模型的投影矩陣右乘gl_Vertex，再右乘傳進(jìn)的相機(jī)的投影矩陣，便得出此點相對于相機(jī)視點（即激光雷達(dá)的位置）的相對坐標(biāo)。值得注意的是，由于本算法是在OSG中運(yùn)行的，因為OSG中矩陣的右乘等于OpenGL的左乘，故造成這里的公式和上文提到的公式不同。

4.3 數(shù)據(jù)傳輸

數(shù)據(jù)傳輸?shù)姆椒ㄓ泻芏喾N，比如共享內(nèi)存、以文件形式輸出、利用網(wǎng)絡(luò)傳輸?shù)?，本?jié)只對實現(xiàn)數(shù)據(jù)傳輸?shù)钠渲幸环N的實現(xiàn)過程加以說明。一般來說，激光雷達(dá)仿真需要實現(xiàn)動態(tài)的實時場景顯示和點云圖顯示。動態(tài)的實時場景顯示，可以考慮多加一個相機(jī)進(jìn)行顯示。而點云圖的繪制可以根據(jù)四個相機(jī)取到的數(shù)據(jù)，不以文件形式輸出，而是將數(shù)據(jù)寫進(jìn)內(nèi)存，直接從內(nèi)存里獲得點數(shù)據(jù)信息并利用OpenGL繪制出來。從內(nèi)存里直接取數(shù)據(jù)則需要做到共享內(nèi)存，也就是要滿足進(jìn)程間的通信，在渲染場景時將數(shù)據(jù)寫在一個內(nèi)存地址里，繪制點云圖時利用這個內(nèi)存地址找到點數(shù)據(jù)的存儲地址并取出數(shù)據(jù)，這樣的方式可以使得渲染和繪制的效率都提高，要做到動態(tài)繪制時也更為方便，但進(jìn)程間的先后關(guān)系需要做一定的控制，否則容易出現(xiàn)繪制時內(nèi)存地址里沒有數(shù)據(jù)或者是錯誤數(shù)據(jù)的情況。

4.4本章小結(jié)

經(jīng)過歸納、分析前文中的內(nèi)容，最終得出智能車輛車載激光雷達(dá)仿真系統(tǒng)的主要技術(shù)要求以及針對于主流產(chǎn)品Velodyne HDL-64E的一種基本的仿真思路。