无人驾驶汽车ADAS 系统激光雷达介绍与应用

高明

江苏信息职业技术学院 江苏省无锡市 214000

1 无人驾驶汽车的发展与现状

1.1 自动驾驶分类与发展规划

工信部科技司公示《汽车驾驶自动化分级》推荐性国家标准报批稿，该标准基于自动化汽车能够按照设定目标值来连续执行动态驾驶任务的程度来进行区分。根据在无人驾驶汽车在执行动态驾驶任务中的角色分配以及有无外界设计运行条件限制，将无人驾驶自动化分成6 个等级目前全球公认的汽车自动驾驶技术分级标准主要有两个，分别是由美国高速公路安全管理局（NHTSA）和国际自动机工程师学会（SAE）提出。中国于2020 年参考SAE 的0-5 级的分级框架 发布了中国版《汽车驾驶自动化分级》，并结合中国当前实际情况进行了部分调整，大体上也将自动驾驶分为0-5 级，如表1 所示。

表1 汽车驾驶自动化分级

在推荐性《汽车驾驶自动化分级》国家标准中，包含驾驶自动化的定义、分级原则、等级划分要素、各等级技术要求等方面。《汽车驾驶自动化分级》作为自动驾驶基础类标准，将为中国汽车自动驾驶出台相关法律、法规和强制类标准出台提供支撑，该标准将于2021 年1 月1 日正式实施，现阶段已陆续进入了技术测试阶段，技术趋于成熟过程。

2020 年11 月，《智能网联汽车技术路选图2.0》发布，提出智能网联汽车发展呈现市场的持有量逐年递加的趋势。根据相关发展规划，截止2025 年2、3 级的装机率超50%以上，4 级逐步的开始进入市场；截止到2030 年2、3 级的功能设备的装机率达70%、HA（L4）级占比达20%。乘用车典型应用场景包括城乡互联道路、快速公路以及贯穿城市、互联城市之间的城际公路；计划定于2035 年，自动驾驶乘用最高级水平FA（L5）无人驾驶汽车开始应用，至此，无人驾驶汽车开始大众化、普遍化。无人驾驶车能够有效的降低由于人为元素造成的交通事故，能够有效的提高道路的利用效率，是实现碳中和、碳达峰的一个有力支持。

2021 年8 月，《关于加强智能网联汽车生产企业及产品准入管理的意见》发布，提出加强智能网联汽车运输数据可靠性安全、运行网络可靠性安全、控制技术软件升级与加密、功能安全和预期功能安全管理，保证产品质量和生产技术一致性，推动智能网联汽车产业高质量快速的发展。从L2 到L3，智能驾驶跃升，需要感知层传感器提供关键支撑车辆自动驾驶级。

2 激光雷达在无人驾驶汽车中的应用

激光雷达在自动驾驶中的核心特征可以概括为三维环境感知、高分辨率、抗干扰能力。

三维环境感知方面，3D 激光雷达能够在短时间内向周围环境发射大量的激光束，探测距离是介于200-300m 远距离和最大90°*30°的大视野探测能力；角分辨率最高可达0.05°*0.05°，保证了它在远距离仍然能准确探测、追踪多个目标，距离分辨率可以达到0.1mard，速度分辨率达到10m/s以内。

激光雷达通过测量激光信号的时间差来确定物体距离，通过水平旋转扫描或者向空扫描角度，以及获取不同俯仰角度的信号，来获得被测物体的精确三维信息。性能冗余和极高的可靠性，满足轨道交通、船舶航运、机场航空、城市交通，工业检测等领域的不同需求。由于激光频率高，波长短，所以可以获得极高的角度、距离和速度分辨率，如此高的速度和距离分辨率意味着激光雷达可以利用距离多普勒成像技术获得非常清晰的图像，如图1 所示。

图1 激光雷达数据成像

激光雷达在抗干扰能力方面，与微波毫米波雷达易受自然界广泛存在的电磁波影响的情况不同，自然界中能对激光雷达起干扰作用的信号源不多，因此激光雷达抗有源干扰的能力很强，可全天候工作。由于激光雷达中激光束的发射频率一般每秒几万个脉冲以上，相比传统微波雷达高了很多，因而存在分辨率高、精度高（厘米级）、探测距离长的优势，此外抗干扰能力相比电磁波更强，由于生成目标的多维头像，因而获取的信息量更丰富，且不受目标物体运动状态的影响。但大多数的激光雷达会受雨雪、雾霾天气 影响穿透性变差、测量精度会下降，且难以分辨交通标识和红绿灯，高昂的成本也成为制约激光雷达大规模量产的关键因素。

当然，由于各种测距原理的传感器设备搭载的不同传感器的原理和功能各不相同，在不同的场景里发挥各自的优势，发挥各自在数据领域的优势。目前来讲，单种传感器特性突飞猛进，均不能形成完全进行信息覆盖。以后的发展必然是多传感器融合，融合多技术、多平台是未来发展必然趋势。未来的智能汽车可以视为“移动的传感器平台”，将装备有大量的传感器。并且随着智能驾驶从L2 到L3 级及以上不断推进，激光雷达凭借其精度高、探测距离长、可3D 环境建模的特性，重要性越发凸显。

从雷达的功能上看，激光雷达主要由激光发射装置、激光接收端、信息处理单元、线束信号扫描系统组成，如图2 所示。

图2 激光雷达测距原理

1）激光发射：通过将电转化成光，激励源驱动激光器发射激光脉冲线束，激光调制器通过光束控制器控制发射激光的方向和线数，最后通过发射光学系统，将激光发射至目标物体；

2）激光接收：经由物体的反射，激光接收单元中光电探测器接受目标物体反射回来的激光线束，接收障碍物的反射信号；

3）激光信息处理：接收的信号经过集成模块的放大处理和数模转换器后，经过信息处理模块进行数据计算以便来获取目标障碍物的形态、物理属性等特性，控制模块依据收集信息进行建立物体模型和间距测量。

4）线束信号扫描：激光雷达一般来说会以稳定的转速旋转，以此来发送激光束实现对所在平面的扫描，实时产生实时的平面图信息，进行数据计算与更新，工作过程如图3所示。

图3 激光雷达数据处理过程

目前，主流的车载激光雷达的技术路线，按照扫描方式为机械式→半固态→纯固态；按照激光发射方式，为EEL →VCSEL；按照激光接收方式，为PD/APD →SPAD/SiPM；按照信息处理方式，为FPGA →SoC。

智能传感器是智能驾驶车辆的“眼睛”，目前应用于环境感知的主流传感器产品主要包括摄像头、毫米波雷达、超声波雷达和激光雷达四类。总体来看，摄像头在逆光或光影复杂的情况下视觉效果较差，毫米波雷达对静态物体识别效果差，超声波雷达测量距离有限且易受恶劣天气的影响，因此单独依靠摄像头或毫米波雷达的方案去实现智能驾驶是存在缺陷的，而激光雷达可探测多数物体（含静态物体）、探测距离相对更长（0-300米）、精度高（5cm），且可构建环境3D 模型、实时性好，因而成为推进智能驾驶到L3 级及以上的核心传感器，高昂的成本也成为制约其大规模应用的原因之一。

特斯拉“以摄像头为主的视觉感知”解决方案主要包含信息采集、特征提取、训练学习、评估、反馈改进五大步骤，通过数据+算法+反馈不断垂直整合，完善自动驾驶能力。特斯拉之所以坚持纯视觉方案,主要原因在于技术与成本。其一是当时的激光雷达技术不完善，能生产车规级固体激光雷达的企业暂不具备量产能力；其二是激光雷达的价格还没有降低到合理的位置。此外，我们认为，特斯拉作为自动驾驶汽车的领导者，已经有一套被市场认知的视觉摄像头方案量产,也积累了大量的数据，输出纯视觉方案的量产的成本可控的重磅电动智能车.

3 摄像头与机械式激光雷达的区分

数据进行矫正的摄像头是目前车企应用比较多，也是比较广泛的设备，在ADAS 系统的主要视觉传感器，最为成熟的车载传感器之一摄像头工作原理是目标物体通过是镜头把光线聚拢，然后通过IR 滤光片把不需要的红外光滤掉，此时模拟信号进入到传感器COMS 芯片，通过AD 数字输出，有的摄像头会放置ISP 图像处理芯片，把处理后的信号传输给到主机。其主要硬件组件包含镜头组（LENS）、图像COMS 传感芯片、线路板基板，如图4 所示。

图4 摄像头信息处理过程

按照安装部位的不同，摄像头主要分为前视、后视、侧视以及内置摄像头，以此来实现LDW、FCW、LKA、PA、AVM 等功能。实现自动驾驶时全套ADAS 功能将安装6 个以上摄像头，前视摄像头因需要复杂的算法和芯片，单价在1500 元左右，后视、侧视以及内置摄像头单价在200 元左右，ADAS 的普及应用为车载摄像头传感器带来巨大的发展空间。

机械旋转式的扫描模块和收发模块均被电机带动进行360 度旋转；半固态的收发模块不动、扫描模块运动，按照扫描方式可进一步分为 MEMS、转镜式和棱镜式；固态则收发和扫描模块均不运动，主要有OPA 和Flash 两种方案。总体来看，从机械旋转到半固体、再到固态，产品的集成化程度越来越高，成本越来越低。机械式激光雷达由于价格高、体积大、车规级量产应用难度大，主要应用于Robotaxi 的测试车队等领域，帮助 自动驾驶从0 到1。中短期半固态、长期纯固态为激光雷达的落地技术路线，在自动驾驶从1到N 的发展阶段中，半固态扮演着重要角色。

原理上，机械激光雷达，是指其发射系统和接收系统存在360°转动，也就是通过不断旋转发射头，将速度更快、发射更准的激光从“线”变成“面”，并在竖直方向上排布多束激光，形成多个面，达到动态扫描并动态接收信息的目的。其特点在于通过电机带动收发和扫描模块进行整体旋转，实现对空间水平360°视场范围的扫描。通过增加收发模块来实现高线束，在实现探测距离精度更高的同时，也导致了整套系统元器件成本非常高。优点上分析看，机械旋转式激光雷达的优势在于由于旋转是由电机控制的，所以可以长时间内保持转速稳定，每次扫描的速度都是线性的，从而可以对周围环境 进行精度够高并且清晰稳定的360 度环境重构，技术成熟，是目前的主流方案。缺点在于价格高、可量产性差（工艺复杂、组装困难）、体积大、难以过车规（平均失效时间1000h～3000h，而汽车厂商的要求是至少13000h）、可靠性差（内含大量可动部件，在行车环境下磨损严重）等缺点。

机械式激光雷达的代表性厂商海外为Velodyne、Waymo、Valeo、Ouster，国 内为速腾聚创、禾赛科技、镭神智能、北科天绘等。Velodyne 的代表性产品包括HDL-64、HDL-32、VLP-16 等，价格范围在0.4万-8 万美金之间。谷歌无人小车的64 线激光雷达就来自Velodyne，当时价格高达7 万美元。机械式激光雷达之所以成本居高不下的原因在于其内部的激光收发模组成本高（线束越多越准确、整体成本越高），并且需要复杂的人工调教、制造周期长，高昂的成本也决定了其目前主要应用于自动驾驶技术的开发领域，比如百度Robotaxi、谷歌无人驾驶测试车队，车规级前装量产市场暂无应用。

总体来看，激光雷达产业链可以分为上游（光学和电子元器件）——中游（集成激光雷达）——下游（不同应用场景）。其中上游主要包含大量的光学元器件和电子元器件，组成激光发射、激光接收、扫描系统和信息处理四大部分。以上四大部分组装起来，集成为中游的激光雷达产品。下游应用除了已成熟的军事、测绘领域外，无人驾驶汽车、高精度地图、服务机器人、无人机等新兴领域应用近年来也开始快速发展。