佈局未來|什麼是LiDAR,跟未來 有什麼關係
2017-11-21 運河並購公會
【近日， 嘉峪關市設立獎金兩百多萬， 面向全國徵集嘉峪關城市吉祥物（一對吉祥物命名為“嘉嘉”與“關關”）等創意設計作品。 大賽由嘉峪關市人民政府主辦， 甘肅首嘉文化旅遊產業園、北京源創智庫文化創意中心承辦， 北京左右逢源創投平臺提供技術支持。 嘉峪關市創意設計大賽賽程過半， 為了鼓勵設計師朋友們積極投稿吉祥物類設計作品， 組委會討論決定:嘉峪關市吉祥物設計類大賽增加十個三等獎】
未來會發生什麼？智慧網聯技術被認為是汽車誕生百餘年來最具革命性的技術變革。
當前， 汽車技術正朝著低碳化、資訊化、智慧化、聯網化的方向發展， 為汽車產業的發展帶來了深刻的挑戰和機遇。
美、歐、日等傳統汽車強國紛紛制定相關政策法規大力支持汽車智慧網聯技術的發展， 國際領先汽車企業也投入大量研發資金。 而中國亦於2015年發佈了《中國製造2025》， 將智慧網聯汽車提升到國家戰略的高度， 並於2016年發佈了《智慧網聯汽車技術路線圖》， 明確智慧網聯汽車技術發展的總體思路、發展目標和技術路徑。
智慧駕駛核心部件普及？
全球互聯網巨頭都已經部署網聯汽車：
根據《智慧網聯汽車技術路線圖》， 智慧網聯汽車發展的總體思路分為三個階段：近期推進以自主環境感知為主， 網聯資訊服務為輔的部分自動駕駛應用；中期重點形成網聯式環境感知能力， 實現可在複雜工況下的半自動駕駛；遠期推動可實現V2X協同控制、具備高度/完全自動駕駛功能的智慧化技術。 智慧汽車、互聯駕駛延伸路徑詳見下圖：
智慧汽車的重大標誌， 顯然是自動駕駛。 美國汽車工程學會將自動駕駛分為0到5級， 目前L1-L2技術已成熟， L3-L4即將量產（如特斯拉、豐田AHAC、通用Super Cruise）。 中短期內， 智慧汽車將以ADAS形式呈現， 相關反覆運算路徑如下圖所示：
在相關產業鏈上， 感測器、攝像頭、雷射雷達以及演算法晶片將是智慧互聯汽車的四大技術基礎要件：
ADAS目前在自動泊車、緊急制動、自動變道、自動巡航等場景廣泛應用。
Lux Research預測全球ADAS市場滲透率將從3%提升到2020年57%，市場規模近2000億。上游元器件行業如雷射雷達、攝像頭、HUD(抬頭顯示)等需求有望快速增長，2020年達到百億級別。
智慧駕駛核心技術是感知+決策+執行的閉環控制。核心技術目前掌握在外資公司手裡，如博世、大陸、德爾福、電裝、奧托立夫等，Mobileye在攝像頭領域占75%份額；EyeQ晶片在全球330萬輛車安裝。而中資公司如博泰在後裝ADAS和預警類ADAS領域可能有所突破。
1.1感測器
在自動駕駛汽車上，感測器將通過“特徵提取-深度學習演算法-神經元網路”，完成路標識別、車道線感應、行人識別、車輛識別，相關功能、成本、優劣勢詳見下方表格：
1.2攝像頭
攝像頭是未來智慧汽車使用量最多的ADAS感測器，分為環視、前視、後視、側視、內置。前視技術難度更高，需要光流演算法、機器學習演算法、機器視覺演算法等：
2014年整體攝像頭市場201億美元，其中模組77億、CMOS72.5億。
在國外，車用攝像頭公司主要有Mobileye、Aptina、Qualtre、JVC等；而國內目前參與開發的主要廠家有豪威科技、賽麗康、派視爾、敏通企業、縱目科技、中科慧眼等等，尚未產業形成龍頭。
1.3雷射雷達
雷射雷達是利用鐳射、GPS和慣性測量裝置（IMU）合一，生成數位高程模型（DEM）。核心作用是3D建模進行環境感知，以及同步建圖(SLAM)加強定位，已逐漸成為ADAS標配。
目前主要有三種技術解決方案：線束雷射雷達、旋轉雷射雷達、固態雷射雷達。
機械式多線束雷射雷達是主流方案，但成本高昂，主要供應互聯網公司自動駕駛的測試感測器件，滲透力有限。
雷射雷達降低成本的途徑主要有三種：
1、降維：即低線束配合其他感測器來提高系統穩定性。
2、黑科技：“固態”雷射雷達有望顛覆行業，Velodyne VLP-16 PUCK混合固態目前造價7999美金，福特量產宣稱能降成本降到500美金。
3、規模效應：Quanergy固態雷射雷達量產價格目標為250美金。
在應用中，2015年，奧迪A7 Piloted Driving採用了Ibeo和Valeo合作的Scala混合固態雷射雷達，大眾一款半自動駕駛車也採用了Scala，該雷達隱藏在保險杠內。CES2016上展出了Quanergy的固態雷射雷達S3單個售價250美元、Velodyne與福特開發的混合固態雷射雷達Ultra Puck Auto 2020年成本計畫500美元。穀歌旗下Waymo的雷射雷達成本從2009年7.5萬美金降至2017年的7500美金。
國外公司包括Velodyne的LiDAR，獲得百度與福特1.5億美元融資，處於供不應求狀態。Ibeo-低線束LiDAR還有Quanergy-全固態產品S3。
國內已發佈車用LiDAR器件包括北科天繪、禾賽科技、速騰聚創；北醒光子、思嵐科技、北京星天地、新光圓城、廣州思拓、華達科技、安智、無錫中科光電、北京德可達科技、護航實業、鐳神智能、思拓力、四維遠見、數字綠土。詳細情況見下圖：
1.4演算法晶片
無人駕駛決策系統的核心環節，無疑是演算法+晶片的深度學習。需要利用大量實際道路測試資料積累和控制策略反覆運算。
行業領先者的NVIDIA Drive PX，通過挖掘GPU計算能力進行深度神經網路訓練；Google Brain Deep Learning則通過類比人腦的多層神經網路進行智慧汽車環境識別的途徑。
目前，已經獲得美國加州無人駕駛路試資格的公司包括：
（1）科技公司，如Google、Tesla、Cruise Automation（通用收購）、Zoox、Drive.ai、Faraday Future；
（2）傳統整車廠與一級供應商，如大眾、賓士、日產、寶馬、本田、福特、博世、德爾福等。
當下，GPU的趨勢向FPGA過渡，FPGA（可程式設計閘陣列）是“萬能晶片”，使用者根據自身需求用HDL對硬體電路設計燒錄。單位能耗下性能更強、更靈活，比GPU更有效，“以面積換速度”。這類似於比特幣挖礦晶片的發展規律，智慧駕駛車用晶片最終會走向ASIC時代（ASIC挖礦速度是FPGA/GPU的200-400倍）。
車聯網
車聯網將是智能駕駛的延伸和拓展。細分又可分為：前裝車聯網、後裝車聯網。
前裝車聯網，主要是地圖導航以及V2V通訊。2016年中國前裝車聯網滲透率19%（全球平均27%）。預計到2020年中國車聯網市場規模2600億。後裝車聯網，可自主設置娛樂、導航、生活消費等車載服務。詳見下圖所示：
目前，國內參與地圖導航的公司主要有：四維圖新（FastMap）、高德地圖、TomTom（荷蘭公司，有博世合作開發無人駕駛技術）、HERE聯盟（奧迪寶馬戴姆勒31億美元買下，四維圖新英特爾參股）、百度等等。
而V2V通信技術，是由福特公司在2014年6月3日發佈，可以監測街上行駛的其他車輛的速度、位置等對其他駕駛員無法開放的“隱藏”資料，可降低交通事故幾率、提升用戶粘性。目前，中國利用現有蜂窩網路基礎設施推廣LTE-V車聯網專用通信。LTE-V有以下優勢：1）支持更高車速；2）保證更小時間延遲；3）資料傳輸速率更快；4）覆蓋範圍更廣；5）成本更低；6）通信更安全。主要推動者為：大唐電信、高鴻股份、中興通訊。
在後裝車聯網的車載作業系統上，國外科技型公司佔據底層系統，如Android Auto、iOS+QNX的CarPlay、Windows，及國際主流車企的作業系統如寶馬ConnectedDrive、賓士Command等。
UBI是基於駕駛行為的保險。當前車險改革轉向以人為主、人車路相結合，個性化服務和產品，提高客戶接觸頻率、體驗、粘性。空間巨大。目前障礙包括駕駛風險模型和保險定價模型，原因是整車廠和tier 1尚未開放UBI資料來源。UBI參考公司有Progressive、State Farm、Metromile、Insure the Box、Provinzial。而Mobileye已於Seesam、CLAL等險企合作，安裝了的10-25%報廢折扣。國內尚處於探索階段。
車載作業系統方面，國外科技型公司佔據底層系統，如Android Auto、iOS+QNX的CarPlay、Windows，及國際主流車企的作業系統如寶馬ConnectedDrive、賓士Command、奧迪MMI、通用OnStar等。
國內車聯網驗證基地目前有上海嘉定汽車城封閉測試區；杭州雲棲小鎮5G車聯網示範區；重慶智慧汽車于智慧交通應用示範區；北京通州國家車聯網產業基地；蕪湖自動駕駛試驗區。
汽車後市場：共用自動駕駛使出行成本顯著降低
智慧化、聯網化的汽車，將使我們的出行方式發生重大變革。
自動駕駛未來離不開雷射雷達？
近期，自動駕駛無疑已經成為科技圈和汽車圈的熱點話題，穀歌、百度、蘋果及Uber等科技公司，特斯拉、奧迪、賓士、寶馬等主流汽車廠商紛紛投入自動駕駛領域。然而，關於自動駕駛技術路線之爭也一直沒有停止過。據瞭解，在不同技術路線中，所使用到的感測器主要有雷射雷達、毫米波雷達以及攝像頭三類，且各具優缺點。
一、主流感測器對比
雷射雷達：
雷射雷達具有高精度、高解析度的優勢，同時具有建立周邊3D模型的前景，然而其劣勢在於對靜止物體如隔離帶的探測較弱且目前技術落地成本高昂。由於雷射雷達可廣泛應用於ADAS系統，例如自我調整巡航控制(ACC)、前車碰撞警示(FCW)及自動緊急制動(AEB)，因此吸引了不少具有先進技術的初創公司競爭，同時傳統供應商也積極佈局投資希望能夠達成戰略合作關係以便快速獲得先進技術。
毫米波雷達：
與雷射雷達相比，毫米波雷達具有探測距離遠，不受天氣狀況影響以及成本低的優勢。由於毫米波雷達採用矽基晶片，不會特別昂貴，也不涉及複雜工藝，同時正處於第二次工藝轉型的重要時期，預計成本仍有下降空間。
相比雷射雷達暫時高不可攀的成本以及較低的技術壁壘和自身可全天候工作的優勢，毫米波雷達可以說是目前初創公司進入自動駕駛市場的一個門檻較低的入口。
攝像頭：
車載攝像頭是最基本常見的感測器，價格低廉且應用廣泛同時具備雷達無法完成的圖像識別功能，不僅可以識別路牌，在自動駕駛系統的影像處理方案中也是不可或缺的一部分。
鑒於目前雷射雷達的高成本，攝像頭配合高精度地圖是另一種較低成本的技術路線。除了與高精度地圖配合為自動駕駛提供定位服務，攝像頭還可以在地圖採集過程中作為低成本且資料傳輸量小(攝像頭捕捉的是小尺寸的2D畫面)的資料收集器。
二、視覺主導還是雷射雷達主導?
據清華大學鄧志東教授介紹，自動駕駛環境感知的技術路線主要有兩種：一種是以特斯拉為代表的視覺主導的多感測器融合方案，另一種以低成本雷射雷達為主導，典型代表如谷歌Waymo。
1、視覺主導，以特斯拉為代表：攝像頭+毫米波雷達+超聲波雷達+低成本雷射雷達。
攝像頭視覺屬於被動視覺，受環境光照的影響較大，目標檢測與SLAM較不可靠，但成本低。目前，特斯拉已經在其量產車上列裝了Autopilot 2.0固件，而且成本較低，只有7000美金左右，8個攝像頭組成單目環視，有1個毫米波雷達和12個超聲波雷達，希望從L2跳躍到L4。
經過半年的努力，特斯拉近期已經完成了將路測大資料從Mobileye單目視覺技術過渡到基於Nvidia Drive PX2計算硬體平臺的特斯拉Vision軟體系統上，並且在今年3月底發佈了8.1軟體版本，它用深度學習的方法在短期內基本達到了Mobileye的技術水準，這是以前很難想像的。特斯拉的自動駕駛技術究竟怎麼樣，一個重要的觀察點就是看它能否在2017年年底，如期從洛杉磯開到紐約，實現全程4500公里且無人工干預的完全自主駕駛。
2、雷射雷達主導，以Google Waymo為代表：低成本雷射雷達+毫米波雷達+超聲波感測器+攝像頭。
雷射雷達是主動視覺，它的目標檢測與SLAM比較可靠，但是卻丟失了顏色和紋理且成本高昂。目前穀歌Waymo自己組建團隊研發雷射雷達的硬體，把成本削減了90%以上，基本上是7000美金左右，同時他們已經開始在美國鳳凰城地區對500輛L2級別的車進行社會公測，大大地推進了該類技術路線的落地實踐。
雷射雷達主導的解決方案未來可以沿如下兩個方向繼續推進商業化進程：
一個是發展攝像頭與雷射雷達的硬體模組，把兩者結合起來，既有雷射雷達，又有彩色攝像頭，可以直接獲得彩色鐳射點雲資料。
另一個是進一步降低雷射雷達的硬體成本，比如研發固態雷射雷達並真正實現產業化，屆時成本會下降到幾百美金。
總之，現在自動駕駛領域有三大核心問題需要著力突破：即利用人工智慧，尤其是利用深度學習進行目標識別、自主導航和資訊融合，這三方面的技術成果是真正具有商業價值的。
目標識別：例如對交通流稠密的複雜城區，如何可靠地進行周邊障礙物的檢測與行為預測，特別是對極端與緊急情況的感知與預測。
自主導航：鐳射SLAM或視覺SLAM及其與低成本組合導航的精准融合;
資訊融合：多感測器如何進行資訊融合。
三、未來的發展趨勢是什麼?
目前，由於各種原因，不同廠商對於自動駕駛技術路線仍有爭議，所採用的感測器組合方式也有側重。但是，對於未來發展趨勢，業內主流觀點認為以雷射雷達為主，毫米波雷達以及攝像頭等多種感測器為輔的融合才是實現自動駕駛的必由之路。顯然，以色列創業公司Innoviz CEO兼聯合創始人Omer David Keilaf也是這種觀點的支持者。
他認為，將毫米波雷達、攝像頭、雷射雷達等感測器資料融合的技術，對於保證車輛對周邊環境的全域定位和理解是至關重要的，且為Level 3-Level 5級自動駕駛方案的實現提供了必要的技術儲備。在環境感知中，每一種感測器都有獨特的優勢和弱點。例如，毫米波雷達可在低解析度情況下完成測距，且受天氣因素影響小;而攝像頭有更高的解析度，能夠感知顏色，但受強光影響較大;雷射雷達則能夠提供三維尺度感知資訊，對環境的重構能力更強。
在這種前提下，只有幾種感測器的融合才能提供車輛周圍環境更精准的繪圖資訊，並達到OEM主機廠所需的安全標準。目前，高性能雷射雷達的量產和成本問題，仍是通往多感測器融合技術方案，乃至完全自動駕駛的障礙之一。
【聲明】轉載自其它平臺或媒體文章，本平臺將注明來源及作者，但本平臺不對所包含內容的準確性、可靠性或完整性提供任何明示或暗示的保證，僅作參考。若侵犯著作權，請主動聯繫本平臺並提供相關書面證據，本平臺將更正來源及作者或依據著作權人意見刪除該文章，並不承擔其他任何責任。
關於我們：
發起人孫春光 學歷：天津大學電子資訊工程本科、保送通信與資訊系統碩士 。
現擔任全國工商聯民辦教育出資者商會EMBA聯盟專委會秘書長；北京左右逢源創業投資有限公司合夥人；愛投（ITOU）高管會創始發起人；IT高管會創始發起人
ADAS目前在自動泊車、緊急制動、自動變道、自動巡航等場景廣泛應用。
Lux Research預測全球ADAS市場滲透率將從3%提升到2020年57%，市場規模近2000億。上游元器件行業如雷射雷達、攝像頭、HUD(抬頭顯示)等需求有望快速增長，2020年達到百億級別。
智慧駕駛核心技術是感知+決策+執行的閉環控制。核心技術目前掌握在外資公司手裡，如博世、大陸、德爾福、電裝、奧托立夫等，Mobileye在攝像頭領域占75%份額；EyeQ晶片在全球330萬輛車安裝。而中資公司如博泰在後裝ADAS和預警類ADAS領域可能有所突破。
1.1感測器
在自動駕駛汽車上，感測器將通過“特徵提取-深度學習演算法-神經元網路”，完成路標識別、車道線感應、行人識別、車輛識別，相關功能、成本、優劣勢詳見下方表格：
1.2攝像頭
攝像頭是未來智慧汽車使用量最多的ADAS感測器，分為環視、前視、後視、側視、內置。前視技術難度更高，需要光流演算法、機器學習演算法、機器視覺演算法等：
2014年整體攝像頭市場201億美元，其中模組77億、CMOS72.5億。
在國外，車用攝像頭公司主要有Mobileye、Aptina、Qualtre、JVC等；而國內目前參與開發的主要廠家有豪威科技、賽麗康、派視爾、敏通企業、縱目科技、中科慧眼等等，尚未產業形成龍頭。
1.3雷射雷達
雷射雷達是利用鐳射、GPS和慣性測量裝置（IMU）合一，生成數位高程模型（DEM）。核心作用是3D建模進行環境感知，以及同步建圖(SLAM)加強定位，已逐漸成為ADAS標配。
目前主要有三種技術解決方案：線束雷射雷達、旋轉雷射雷達、固態雷射雷達。
機械式多線束雷射雷達是主流方案，但成本高昂，主要供應互聯網公司自動駕駛的測試感測器件，滲透力有限。
雷射雷達降低成本的途徑主要有三種：
1、降維：即低線束配合其他感測器來提高系統穩定性。
2、黑科技：“固態”雷射雷達有望顛覆行業，Velodyne VLP-16 PUCK混合固態目前造價7999美金，福特量產宣稱能降成本降到500美金。
3、規模效應：Quanergy固態雷射雷達量產價格目標為250美金。
在應用中，2015年，奧迪A7 Piloted Driving採用了Ibeo和Valeo合作的Scala混合固態雷射雷達，大眾一款半自動駕駛車也採用了Scala，該雷達隱藏在保險杠內。CES2016上展出了Quanergy的固態雷射雷達S3單個售價250美元、Velodyne與福特開發的混合固態雷射雷達Ultra Puck Auto 2020年成本計畫500美元。穀歌旗下Waymo的雷射雷達成本從2009年7.5萬美金降至2017年的7500美金。
國外公司包括Velodyne的LiDAR，獲得百度與福特1.5億美元融資，處於供不應求狀態。Ibeo-低線束LiDAR還有Quanergy-全固態產品S3。
國內已發佈車用LiDAR器件包括北科天繪、禾賽科技、速騰聚創；北醒光子、思嵐科技、北京星天地、新光圓城、廣州思拓、華達科技、安智、無錫中科光電、北京德可達科技、護航實業、鐳神智能、思拓力、四維遠見、數字綠土。詳細情況見下圖：
1.4演算法晶片
無人駕駛決策系統的核心環節，無疑是演算法+晶片的深度學習。需要利用大量實際道路測試資料積累和控制策略反覆運算。
行業領先者的NVIDIA Drive PX，通過挖掘GPU計算能力進行深度神經網路訓練；Google Brain Deep Learning則通過類比人腦的多層神經網路進行智慧汽車環境識別的途徑。
目前，已經獲得美國加州無人駕駛路試資格的公司包括：
（1）科技公司，如Google、Tesla、Cruise Automation（通用收購）、Zoox、Drive.ai、Faraday Future；
（2）傳統整車廠與一級供應商，如大眾、賓士、日產、寶馬、本田、福特、博世、德爾福等。
當下，GPU的趨勢向FPGA過渡，FPGA（可程式設計閘陣列）是“萬能晶片”，使用者根據自身需求用HDL對硬體電路設計燒錄。單位能耗下性能更強、更靈活，比GPU更有效，“以面積換速度”。這類似於比特幣挖礦晶片的發展規律，智慧駕駛車用晶片最終會走向ASIC時代（ASIC挖礦速度是FPGA/GPU的200-400倍）。
車聯網
車聯網將是智能駕駛的延伸和拓展。細分又可分為：前裝車聯網、後裝車聯網。
前裝車聯網，主要是地圖導航以及V2V通訊。2016年中國前裝車聯網滲透率19%（全球平均27%）。預計到2020年中國車聯網市場規模2600億。後裝車聯網，可自主設置娛樂、導航、生活消費等車載服務。詳見下圖所示：
目前，國內參與地圖導航的公司主要有：四維圖新（FastMap）、高德地圖、TomTom（荷蘭公司，有博世合作開發無人駕駛技術）、HERE聯盟（奧迪寶馬戴姆勒31億美元買下，四維圖新英特爾參股）、百度等等。
而V2V通信技術，是由福特公司在2014年6月3日發佈，可以監測街上行駛的其他車輛的速度、位置等對其他駕駛員無法開放的“隱藏”資料，可降低交通事故幾率、提升用戶粘性。目前，中國利用現有蜂窩網路基礎設施推廣LTE-V車聯網專用通信。LTE-V有以下優勢：1）支持更高車速；2）保證更小時間延遲；3）資料傳輸速率更快；4）覆蓋範圍更廣；5）成本更低；6）通信更安全。主要推動者為：大唐電信、高鴻股份、中興通訊。
在後裝車聯網的車載作業系統上，國外科技型公司佔據底層系統，如Android Auto、iOS+QNX的CarPlay、Windows，及國際主流車企的作業系統如寶馬ConnectedDrive、賓士Command等。
UBI是基於駕駛行為的保險。當前車險改革轉向以人為主、人車路相結合，個性化服務和產品，提高客戶接觸頻率、體驗、粘性。空間巨大。目前障礙包括駕駛風險模型和保險定價模型，原因是整車廠和tier 1尚未開放UBI資料來源。UBI參考公司有Progressive、State Farm、Metromile、Insure the Box、Provinzial。而Mobileye已於Seesam、CLAL等險企合作，安裝了的10-25%報廢折扣。國內尚處於探索階段。
車載作業系統方面，國外科技型公司佔據底層系統，如Android Auto、iOS+QNX的CarPlay、Windows，及國際主流車企的作業系統如寶馬ConnectedDrive、賓士Command、奧迪MMI、通用OnStar等。
國內車聯網驗證基地目前有上海嘉定汽車城封閉測試區；杭州雲棲小鎮5G車聯網示範區；重慶智慧汽車于智慧交通應用示範區；北京通州國家車聯網產業基地；蕪湖自動駕駛試驗區。
汽車後市場：共用自動駕駛使出行成本顯著降低
智慧化、聯網化的汽車，將使我們的出行方式發生重大變革。
自動駕駛未來離不開雷射雷達？
近期，自動駕駛無疑已經成為科技圈和汽車圈的熱點話題，穀歌、百度、蘋果及Uber等科技公司，特斯拉、奧迪、賓士、寶馬等主流汽車廠商紛紛投入自動駕駛領域。然而，關於自動駕駛技術路線之爭也一直沒有停止過。據瞭解，在不同技術路線中，所使用到的感測器主要有雷射雷達、毫米波雷達以及攝像頭三類，且各具優缺點。
一、主流感測器對比
雷射雷達：
雷射雷達具有高精度、高解析度的優勢，同時具有建立周邊3D模型的前景，然而其劣勢在於對靜止物體如隔離帶的探測較弱且目前技術落地成本高昂。由於雷射雷達可廣泛應用於ADAS系統，例如自我調整巡航控制(ACC)、前車碰撞警示(FCW)及自動緊急制動(AEB)，因此吸引了不少具有先進技術的初創公司競爭，同時傳統供應商也積極佈局投資希望能夠達成戰略合作關係以便快速獲得先進技術。
毫米波雷達：
與雷射雷達相比，毫米波雷達具有探測距離遠，不受天氣狀況影響以及成本低的優勢。由於毫米波雷達採用矽基晶片，不會特別昂貴，也不涉及複雜工藝，同時正處於第二次工藝轉型的重要時期，預計成本仍有下降空間。
相比雷射雷達暫時高不可攀的成本以及較低的技術壁壘和自身可全天候工作的優勢，毫米波雷達可以說是目前初創公司進入自動駕駛市場的一個門檻較低的入口。
攝像頭：
車載攝像頭是最基本常見的感測器，價格低廉且應用廣泛同時具備雷達無法完成的圖像識別功能，不僅可以識別路牌，在自動駕駛系統的影像處理方案中也是不可或缺的一部分。
鑒於目前雷射雷達的高成本，攝像頭配合高精度地圖是另一種較低成本的技術路線。除了與高精度地圖配合為自動駕駛提供定位服務，攝像頭還可以在地圖採集過程中作為低成本且資料傳輸量小(攝像頭捕捉的是小尺寸的2D畫面)的資料收集器。
二、視覺主導還是雷射雷達主導?
據清華大學鄧志東教授介紹，自動駕駛環境感知的技術路線主要有兩種：一種是以特斯拉為代表的視覺主導的多感測器融合方案，另一種以低成本雷射雷達為主導，典型代表如谷歌Waymo。
1、視覺主導，以特斯拉為代表：攝像頭+毫米波雷達+超聲波雷達+低成本雷射雷達。
攝像頭視覺屬於被動視覺，受環境光照的影響較大，目標檢測與SLAM較不可靠，但成本低。目前，特斯拉已經在其量產車上列裝了Autopilot 2.0固件，而且成本較低，只有7000美金左右，8個攝像頭組成單目環視，有1個毫米波雷達和12個超聲波雷達，希望從L2跳躍到L4。
經過半年的努力，特斯拉近期已經完成了將路測大資料從Mobileye單目視覺技術過渡到基於Nvidia Drive PX2計算硬體平臺的特斯拉Vision軟體系統上，並且在今年3月底發佈了8.1軟體版本，它用深度學習的方法在短期內基本達到了Mobileye的技術水準，這是以前很難想像的。特斯拉的自動駕駛技術究竟怎麼樣，一個重要的觀察點就是看它能否在2017年年底，如期從洛杉磯開到紐約，實現全程4500公里且無人工干預的完全自主駕駛。
2、雷射雷達主導，以Google Waymo為代表：低成本雷射雷達+毫米波雷達+超聲波感測器+攝像頭。
雷射雷達是主動視覺，它的目標檢測與SLAM比較可靠，但是卻丟失了顏色和紋理且成本高昂。目前穀歌Waymo自己組建團隊研發雷射雷達的硬體，把成本削減了90%以上，基本上是7000美金左右，同時他們已經開始在美國鳳凰城地區對500輛L2級別的車進行社會公測，大大地推進了該類技術路線的落地實踐。
雷射雷達主導的解決方案未來可以沿如下兩個方向繼續推進商業化進程：
一個是發展攝像頭與雷射雷達的硬體模組，把兩者結合起來，既有雷射雷達，又有彩色攝像頭，可以直接獲得彩色鐳射點雲資料。
另一個是進一步降低雷射雷達的硬體成本，比如研發固態雷射雷達並真正實現產業化，屆時成本會下降到幾百美金。
總之，現在自動駕駛領域有三大核心問題需要著力突破：即利用人工智慧，尤其是利用深度學習進行目標識別、自主導航和資訊融合，這三方面的技術成果是真正具有商業價值的。
目標識別：例如對交通流稠密的複雜城區，如何可靠地進行周邊障礙物的檢測與行為預測，特別是對極端與緊急情況的感知與預測。
自主導航：鐳射SLAM或視覺SLAM及其與低成本組合導航的精准融合;
資訊融合：多感測器如何進行資訊融合。
三、未來的發展趨勢是什麼?
目前，由於各種原因，不同廠商對於自動駕駛技術路線仍有爭議，所採用的感測器組合方式也有側重。但是，對於未來發展趨勢，業內主流觀點認為以雷射雷達為主，毫米波雷達以及攝像頭等多種感測器為輔的融合才是實現自動駕駛的必由之路。顯然，以色列創業公司Innoviz CEO兼聯合創始人Omer David Keilaf也是這種觀點的支持者。
他認為，將毫米波雷達、攝像頭、雷射雷達等感測器資料融合的技術，對於保證車輛對周邊環境的全域定位和理解是至關重要的，且為Level 3-Level 5級自動駕駛方案的實現提供了必要的技術儲備。在環境感知中，每一種感測器都有獨特的優勢和弱點。例如，毫米波雷達可在低解析度情況下完成測距，且受天氣因素影響小;而攝像頭有更高的解析度，能夠感知顏色，但受強光影響較大;雷射雷達則能夠提供三維尺度感知資訊，對環境的重構能力更強。
在這種前提下，只有幾種感測器的融合才能提供車輛周圍環境更精准的繪圖資訊，並達到OEM主機廠所需的安全標準。目前，高性能雷射雷達的量產和成本問題，仍是通往多感測器融合技術方案，乃至完全自動駕駛的障礙之一。
【聲明】轉載自其它平臺或媒體文章，本平臺將注明來源及作者，但本平臺不對所包含內容的準確性、可靠性或完整性提供任何明示或暗示的保證，僅作參考。若侵犯著作權，請主動聯繫本平臺並提供相關書面證據，本平臺將更正來源及作者或依據著作權人意見刪除該文章，並不承擔其他任何責任。
關於我們：
發起人孫春光 學歷：天津大學電子資訊工程本科、保送通信與資訊系統碩士 。
現擔任全國工商聯民辦教育出資者商會EMBA聯盟專委會秘書長；北京左右逢源創業投資有限公司合夥人；愛投（ITOU）高管會創始發起人；IT高管會創始發起人