【智能驾驶】2万字一文带你看懂车载激光雷达技术、市场、发展前景

↓↓↓

点击下方链接查阅目录

↑↑↑

快速查看300+高质量干货文

如需加群，请联系微信群管理员圈圈哥微信GSAuto0001验证信息后邀请进群

前面有文章专门解释了，特斯拉为什么有勇气对激光雷达say no，今天我们来说说其他车企为什么要在这个时间节点一窝蜂上激光雷达，感觉就是一个窗口期，谁家的汽车还不上激光雷达就意味着落后，意味着在自动驾驶这个赛道上掉队不少，特别是最近的上海车展来看，这个形态就越明显。

L2+辅助驾驶即将来临，各传感器战乱纷争

目前全球汽车自动驾驶功能都处于在L2级，即将突破L2+（有条件的自动驾驶）。

在L2+级的应用场景中，环境监控主体从驾驶员转变至传感器系统，驾驶决策责任方从驾驶员过渡到汽车系统信息，对应硬件传感器读取物体信息的准确度要求更高，软件/算法能力需要进一步增强。

这个时候就需要考验传感器的性能，价格，实现的功能各方面的优劣势对比了，前面几个系列已经介绍了摄像头、毫米波雷达的性能和价格，一起看看这几个传感器的优缺点。

从探测的距离来看，摄像头会比激光雷达的距离少很多，而且夜间适用性比较差，对于算法的要求非常高，当然这些在成本面前都是可以去优化的，摄像头的成本确实非常非常低。一般也就20-30美金左右，当然双目摄像头成本会贵一些。

所以从上图可以看到，摄像头一般都用于车道保持，BSD盲区检测等功能，而毫米波雷达主要用于ACC、AEB等功能。

相较于毫米波雷达，激光雷达在探测精度、探测范围及稳定性方面更有优势。在精确度方面，由于频段的原因，毫米波雷达的探测距离越远，频段损耗就会越大，因此较难感知行人，并且对周边所有障碍物无法进行精准的建模。

视觉系智能驾驶从Mobileye 的史开先河到特斯拉的发扬光大，视觉系仍是当下智能驾驶主流，但对于是否完全能胜任L3 级以上自动驾驶仍有争议。市场主流前端感知技术可分为两派：视觉系与雷达系，其中视觉系以特斯拉NOA 的量产化广泛为行业所认知，从硬件角度来看，视觉系以摄像头为核心传感器，辅以毫米波雷达、超声波雷达完成高级别自动驾驶感知工作。

激光雷达早期高成本导致一直应用于Robotaxi 等，但本身能达到的效果和成熟应用却能超越视觉系。对于雷达系而言，从早期Waymo 的应用，到埃隆·马斯克的“嗤之以鼻”，再到以小鹏汽车为代表的众多车企站队，激光雷达逐渐进入大众视野。从硬件角度来看，雷达系以激光雷达为核心传感器，辅以摄像头、毫米波雷达、超声波雷达达到精确感知的效果。

从结果看，视觉系与雷达系的核心差异点在于核心传感器方案是否采用摄像头还是激光雷达，尽管各个传感器均有其优劣势，从车企技术规划来看未来更倾向于多传感器、多路线融合使用的方案。激光雷达作为核心传感器，能打破视觉系先行者构建的算法、数据壁垒，有望成为后来者居上的核心传感器，从商业上具有极大的潜力。

激光雷达为何必不可少

视觉仍有劣势，激光雷达不可或缺

视觉方案仍具有瓶颈，且需要大量数据积累和处理

采用视觉方案的整车厂以特斯拉为代表，另外Mobileye 作为视觉巨头Tier 0.5 或Tier1，也与多家整车厂建立了合作关系。

视觉方案通过摄像头，致力于解决“拍到的是什么”问题。从工作原理来看，视觉方案以摄像头作为主要传感器，通过收集外界反射的光线从而进一步呈现出外界环境画面，即我们所熟悉的摄像头功能，再进行后续图像分割、物体分类、目标跟踪、世界模型、多传感器融合、在线标定、视觉SLAM、ISP 等一系列步骤进行匹配与深度学习，其核心环节在于物体识别与匹配，或者运用AI 自监督学习来达到感知分析物体的目的，需要解决的是“我拍到的东西是什么”的问题。

视觉方案核心优势在于低成本、颜色/纹路识别能力强。其一在于成本低，单目摄像头成本仅在150-600 元之间，较为复杂的三目摄像头成本也通常在1000 元以内；其二在于雷达方案主要根据点云的方式来识别目标，重在轮廓识别，但在颜色/纹路等方面摄像头的能力更强，例如在识别标志牌方面有优势。另外，以摄像头类比人类眼睛，相比雷达而言更符合第一性原理（雷达或可类比为拐杖）。

视觉方案主要存在3 个劣势：

1） 视觉方案重在分类，但样本有限度限制了视觉识别正确性，而优化样本对于AI 学习能力、样本数据量要求极高。由于L3 级及以上自动驾驶需要机器应对较为复杂的路况，要求车辆对于道路状况有精准识别能力，而视觉技术需要解决的是“摄像头拍到的是什么物体”的问题，因而对于神经网络训练集要求很高。对于训练的方法，一种为通过机器视觉，人为设定好识别样本，通过收集到的数据直接与样本匹配来识别的方式，但是能否成功辨别物体高度依赖样本的训练，样本未覆盖的物体将难以辨别；另一种为AI 学习，能够通过自学习的方式摆脱样本限制，但是对于算法与算力要求很高，并且其学习过程是个“黑盒子”，输出结果的过程未知，因而难以人为调试与纠错。

2） 视觉方案距离检测难度大。自动驾驶的路径规划需要3D 的道路信息和3D 的障碍物，而基于摄像头收集到的仅是2D 数据，因而要求分析2D 图像的每个像素，将其还原成真实的3D 场景，其背后需要先进的图像处理算法以及高算力硬件，并且可能误差较大。以上弊端主要来自单目摄像头，其他解决方案包括双目或多目摄像头，核心原理是通过2 个或以上摄像头运用视角差的方式还原3D 场景，但其弊端有2 个，其一在于由于摄像头之间的相对位置对距离检测精确度影响很大，而随着路况颠簸、气温等因素其相对位置往往发生变化，因此需要实时标定，难度很大；其二在于单个摄像头的测量误差在多个摄像头上会进一步放大，或使得距离判断结果与实际情况偏离程度过高。因此目前市场主流方案仍然是应用单目摄像头。

3） 摄像头在极端环境下效果欠佳。由于视觉技术依托于摄像头所采集的图像数据，对于光线依赖度较高，在弱光或光影复杂的地方难以使用，这也是目前特斯拉Autopilot 在夜晚以及雨雪天气工作准确度有所降低的原因。

特斯拉的视觉方案具有很高的算法与算力复杂度。特斯拉曾公布过自己数据流自动化计划的终极目标“OPERATION VACATION”，从数据收集、训练、评估、算力平台到“影子模式”形成数据采集与学习循环。

数据收集：通过8 个摄像头对车体周围进行无死角图像采集；

数据训练：使用PyTorch 进行网络训练，特斯拉的网络训练包含48 个不同的神经网络，能输出1000 个不同的预测张量。其背后训练量巨大，特斯拉已耗费70000 GPU 小时进行深度学习模型训练；

背后算力支持：特斯拉自研打造了FSD 芯片，具有单片144TOPS 的高算力值。另外，特斯拉规划创造Dojo 超级计算机，可在云端对大量视频进行无监督学习训练，目前离开发出来的进度仍然很远；

影子模式：特斯拉通过独创“影子模式”来降低样本训练成本、提高识别准确度，即特斯拉持续收集外部环境与驾驶者的行为，并与自身策略对比，如果驾驶者实际操作与自身判断有出入，当下数据就会上传至特斯拉云端，并对算法进行修正训练。

激光雷达，英文全称为Light Detection And Ranging，简称LiDAR，是一种集激光（频率在10 万GHz）、全球定位系统（GPS）和IMU（InerTIal Measurement Unit，惯性测量装置）三种技术于一身的系统，用于获得数据并生成精确的DEM（数字高程模型）。

民用领域中，激光雷达可以分为一维激光雷达、二维激光雷达、三维激光扫描仪、三维激光雷达等。激光雷达的主要应用仍然在测绘之中，其中二维激光雷达和三维激光雷达可以实现空间建模，可以使用在机器人及自动驾驶之中，尤其在L3 及以上等级自动驾驶当中作用巨大。

与基于摄像机的解决方案不同，激光雷达解决方案通过提供周围物体的精确距离测量，使机器能够看到3D图像。激光雷达解决方案使用一系列激光器，以光速测量环境中的距离。在暗光条件下，激光雷达也比相机表现更好，产生的误差更少。与雷达相比，激光雷达提供了更好的分辨率，可以感知物体的形状，从而获得更好的标检测和分类。

根据美国汽车协会的一份报告，目前的行人检测系统在保护行人和自行车方面相对无效，尤其是在夜间。而激光雷达系统在白天和晚上都能很好地探测行人，因为激光雷达系统通过激光束提供自我照明。激光雷达的这些优势，再加上较低的计算能力要求，使平台能够快速、准确地做出决策，以减少碰撞。

激光雷达简单了解

激光雷达属于感知设备，其通过发射接收激光束，实现对外界环境的3D建模。激光雷达不断向外发射激光束，并接收物体反射回的光脉冲，根据已知光速计算出两者信号之间的时间差、相位差来确定车与物体之间的相对距离，再通过水平旋转扫描或相控扫描测量物体的角度，通过获取不同俯仰角度的信号获得高度信息。感知到与物体之间的距离、角度等信息后，再通过软件算法去做3D 建模，构建一个机器能够理解的虚拟模型。

激光雷达通过主动探测技术，可直接构建路况模型，降低分析难度。与视觉方案重在分析不同，激光雷达可以通过主动探测的方式直接实现物体、路况建模，极大降低了视觉方案当中的分析难度。

激光雷达的核心原理在于运用蝙蝠测距用的回波时间（Time ofFlight，简称ToF）测量法，由激光二极管发出红外脉冲光，脉冲光照射到物体表面后发射回一部分光束，光束被激光雷达上搭载的光子探测器接收并记录，通过计算发射和探测的时间差就可以计算出目标物表面与激光雷达探测器之间的距离。由于激光雷达可在一秒内发射大量的脉冲光（目前最高可达百万数量级），因此可以形成庞大的位置点信息（称为点云），绘制出物体的精确轮廓，从而构建出周围环境的三维模型。除了测量距离以外，激光雷达还可以初步识别物体的材料成分等其他特征，其中运用的特性包括诱导多普勒频移等（induced Doppler shift）。

与毫米波雷达、超声波雷达相比，激光雷达精度优势很突出。毫米波雷达、超声波雷达基础原理与激光雷达类似，主要采用ToF 的方式，核心区间在于雷达信号不同，毫米波雷达为发射毫米波（频率为30-300GHz）、超声波雷达为发射超声波（频率通常为20kHz-58kHz），激光雷达为红外光（大于10 万GHz）。由于测量精度通常与波段频率正相关，激光雷达具有明显的精度优势。另外，毫米波雷达探测距离受到频段损耗的直接制约，无法感知行人，超声波雷达受到传播速度问题（仅仅音速传播，与光速传播差距过大）使得仅适用于极短距离的探测。虽然毫米波雷达、超声波雷达各有优势，目前仍为车型标配，但激光雷达的作用不可忽略。

类似于一个举例：

也许很多人会说，现在摄像头+毫米波+超声波雷达的组合，可以适用于95%的场景了，哪怕有一些不能自动驾驶的场景，此时属于长尾效应，让司机进行接管即可，激光雷达这么贵，有必要上么？

这样举例就比如好容易理解，不小心被狗咬了，而且那只狗携带狂犬病毒的概率也非常低，现在统计哪怕被狂犬病毒的狗咬了，感染上狂犬病的概率是15%-20%之间，这个时候会选择打狂犬病疫苗不呢，相信99.99%的人都会去打，当然也有杠精选择不打，激光雷达也是这样的，主要做系统冗余保护的，比如小鹏P5虽然使用了激光雷达，但是还是用摄像头做主要的传感器。

今年的上海车展热闹非凡，“智能化”已经成为2021年上海车展的核心主题，特别是新能源汽车大放异彩，预埋感知硬件，高的计算平台水平，自动辅助驾驶能力的肌肉展示。

自动驾驶等级每增加一级，所需要的芯片算力就会呈现十数倍的上升，L2级自动驾驶的算力需求仅要求2-2.5TOPS，但是L3级自动驾驶算力需求就需要20-30TOPS,到L4级需要200TOPS以上，L5级别算力需求则超过2000TOPS。

可以看到越来越多的计算平台的算力都有明细大幅度提升，目前主流自动驾驶平台的算力是能够支撑起L3级别的要求，当然这个不仅仅是看算力的，还需要外围的感知器件的能力的提升，而这其中激光雷达是整个行业默认在L3级别上必须的传感器，所以可以看到除了倔强的特斯拉以为，目前主流的自动驾驶平台都支持6颗以上的激光雷达。

对于要实现更高级别自动驾驶这一点来说，感知融合方案一定是不可或缺的一步，激光雷达自然是选择之一。

现在自动驾驶很难用级别划分，更多是基于场景和功能定义，目前国产新造车企业均实现了限定条件下高速公路、城市环路的自动驾驶。小鹏、蔚来已经实现了 NGP、NOP，理想也在研发的路上，特斯拉已经推送了 FSD Beta 版，新造车企业想要跟上特斯拉自动驾驶的推进节奏，必须加强功能上的突破。

这里面一直有一个误区是，使用激光雷达和不使用激光雷达是两个技术路线是对立面，这显然并不准确。而其实是「选择激光雷达是车企，实现自动驾驶现阶段规划功能最优的方案」。

4、上海车展重点的激光雷达车型

今年的的上海车展上我们看到，好几辆激光雷达的车型发布。

北汽阿尔法S

日前ARCFOX极狐和小鹏先后发布新车预告，宣布将推出搭载激光雷达车型：ARCFOX极狐阿尔法S 华为HI版和小鹏P5。两个车型都宣布自己是激光雷达第一车，我们来看看阿尔法S 华为HI版都有哪些亮点。

首先我们来看看这个车型的智能化配置：

华为HI版车型最大的亮点在于激光雷达智能驾驶系统方案，新车可实现L4级别的自动驾驶功能。硬件方面，华为ADS搭载超级中央超算ADCSC，可支持400TOPS/800TOPS两档算力。算法方面，ADS通过华为自研的全栈算法，实现了将Robotaxi高阶自动驾驶能力落地到私家车的能力。

具体到车型上，华为为极狐阿尔法S HI版提供的这套激光雷达方案，可以快速识别加塞车辆，以及在隧道中识别静止物体、实现主动避让、无车道线并线、复杂场景下泊车等。

小鹏P5

小鹏P5是小鹏汽车的第三款车，跟G3同平台的紧凑级纯电轿车。新车搭载Livox为小鹏汽车定制版车规级激光雷达，拥有XPILOT3.5自动辅助驾驶系统，并新增城市NGP功能。此外，新车将于第四季度交付，也就是说，相比极狐阿尔法S HI版，小鹏P5会更早交付。

小鹏汽车非常具有诚意，顶配在20W左右的价位，应该是最智能的汽车了，全车搭载了32个传感器和13个摄像头，并搭载XPILOT3.5自动驾驶辅助系统，可以实现厘米级高精度测距，探测距离远，不受环境光影响，空间分辨率更高，保证FCW/AEB/ACC等高阶辅助驾驶功能在高速行驶中更舒适、更安全。

当然最值得关注的是P5竟然提供激光雷达，大疆Livox为小鹏P5提供的这套激光雷达，这个是大疆的首款车规级激光雷达HAP，HAP利用Livox自研的“超帧率”激光雷达探测技术，可以做到针对低反射率为10%的物体(如黑色汽车)探测距离150米，横向视场角120度，角分辨率0.16度X0.2度，点云密度等效于144线激光雷达。此外，大疆在激光雷达布局上也有不少创新，可以跟双目摄像头集成，也可以跟左右后视镜集成。

蔚来ET7

蔚来ET7最早亮相于1月9日的NIO DAY上，计划将在2022年1季度交付。两大卖点是搭载固态电池和激光雷达。

从感知算法到地图定位，从控制策略到底层系统，蔚来全面自研，建立NAD全栈自动驾驶技术。NAD将逐步实现高速、城区、泊车和加电场景的全覆盖，给用户带来全新的自动驾驶体验，而这些都是建立在非常丰富的传感器上面。

蔚来ET7全车拥有33个高性能感知硬件，包括11个800万像素的高清摄像头，1个激光雷达、5个毫米波雷达、12个超声波传感器，而且这些都是全系标配。值得一提的是，搭载Innovusion提供的超远距高精度激光雷达，横向视场角120度，最远探测距离500米，分辨率0.06度X0.06度，等效300线，最远探测距离可达500米，并拥有聚焦功能，可分辨更多细节。

智己L7

智己汽车是由上汽集团、张江高科和阿里巴巴三方投资的用户型科创公司，是一个专注于打造高端智能纯电动汽车品牌。智己L7定位高端纯电动轿车，并开启了“天使轮版”全球预售，预售价为40.88万元，这么高的售价是由于高端的智能化进行支撑。

智己L7具备12个高清视觉摄像头、5个毫米波雷达，以及12个超声波雷达，同时还支持英伟达Orin X（500~1000+TOPS）和3个激光雷达的升级能力，后续激光雷达进入商业化量产成熟期，智己汽车将会在量产车上立即升级激光雷达系统。

智己L7可实现的自动驾驶功能包括记忆泊车&唤车、自动代客泊车、红绿灯识别及自动通过路口、防加塞&自动躲避障碍物、根据导航路径自动变道/超车、上下匝道、追尾报警以及Super Pilot、Traffic Jam Pilot等。

这里的激光雷达的厂家还处于保密阶段，还没有公布是哪个厂家的激光雷达，从激光雷达的造型和供应商关系来看，极大可能是华为的激光雷达。

当然还有宝马的IX也使用了1个激光雷达，加上最近的发布的国内外车型，统计的激光雷达的车型汇总如下：

5、主流车厂激光雷达的选择和布局

激光雷达发布的车型虽然多，但是价格高低，设计性能各不同，俗称外行人看热闹，内行人看门道，激光雷达都有哪些门道了，其实从主机厂关心哪些指标就知道有哪些门道了。

当然价格是车企最关心的第一要素，无论什么先进技术在汽车产品上的落地，还是要考虑价格的适用性，必须在车企能够接受的范围内。

激光雷达早期都是机械雷达，高成本导致一直应用于Robotaxi 等，Velodyne的64线机械激光雷达在8万美元，32线机械激光雷达成本在2万美元。SCALA在国内的单台采购价格一度在 2 万美元级别。虽然SCALA是全球第一款满足车规的激光雷达，但要知道第一代 SCALA 的扫描效果大致相当于 4 线，垂直视场角仅 3.2°。目前能在前装量产车上使用 SCALA 的客户，主要也是欧洲的豪华品牌，无论是奥迪A8还是奔驰S，都是百万级别的豪车。

当前主机厂普遍对于激光雷达的价格期望是：

在L4级自动驾驶系统中，激光雷达的采购价最终能够达到1000 美元以下；

在 L2+自动驾驶系统中，激光雷达长期目标价格能够达到500美元以下；

因为在L4级别的时候整机的销售价格也就越高，主机厂对于激光雷达的价格也就没有那么敏感，同时L4级别的激光雷达的指标也要求更高，指标高意味着需要成本的上升。

意味着激光雷达必须在现在的上万美金的成本上基本上要下降95%的成本，而且性能还能满足L2+级别的需求，这不是天方夜谭，这是实实在在的需求，这意味着必须有激光雷达厂家去挑战并实现它，必须是技术上进行革命性的改变，如果只是小的修修补补，前面的机械式激光雷达的厂家早就实现成本下降了，来看看激光雷达都有哪些组成，衍生出哪些技术方案，有哪些成本是可以下降的？

激光雷达部件较多，每个部件技术选择的不同就会造成效果和成本的不同，这也带来激光雷达技术路线的多元。激光雷达从测距方式、发射方式、光束操作方式、探测方式以及数据处理方式可以分为5 个核心技术，每个核心技术均有不同的技术分支，效果、成本、当前量产难度等均有不同，在5 个核心技术上不同的分支技术选取也导致了各家激光雷达技术路线的不同。

虽然有这么多种激光雷达的分类模式，目前行业统一意见的还是按照扫描部件来进行分类，分为三大类，机械式、半固态、固态三大类，其实也是从成本角度出发分类。

机械旋转式：机械部分（扫描模块）和电子部分（激光收发模块）都在运动——被电机带着360度旋转。

混合固态：激光收发模块是不运动的，只有扫描模块在运动。按扫描模块的运动方式划分，混合固态又分为MEMS、转镜式和棱镜式三种。

纯固态：不仅激光收发模块不运动，而且，扫描模块也没有机械运动。纯固态方案主要有OPA相控和Flash两种。

无论是哪些形式的激光雷达，我们看看激光雷达的成本构成，其实可以看到光电系统就占据70%的成本，而人工调试就占据25%的成本。

在人工成本这块，最典型的就是机械式雷达，传统激光雷达在制造过程中最耗时的流程就是最后的校准，通常是人工进行。早期Velodyne的64线激光雷达之所以价格高昂，就是一台激光雷达需要一个熟练工一星期的人工校准。

而在目前的光电系统中，扫描部件是最大成本单元也直接影响到性能，扫描部件从机械到固态是降本最为有效的手段，所以固态激光雷达替代机械式激光雷达成为降低成本的必然选择。

通过上表可以看到，进入2020年以后，激光雷达成本大幅度下降，直接从上万美元进入到1000美元之内的期间，让越来越多的车企可以看到希望，接近上车的批量价格。

根据扫描方式的不同，目前激光雷达技术路线主要为机械、MEMS、Flash 和OPA 四种。每个技术路线各有自己的优劣势，同时也有自身亟待解决提升完善产品的核心痛点。从目前产品的成熟度来看，MEMS 激光雷达将是当下主流方案，OPA 潜力最大，FLASH 光探测痛点解决潜力也较为显著。

机械旋转式激光雷达主要卖给Robotaxi的测试车队，由于需求量少，Robotaxi客户对激光雷达价格的敏感度并不高；并且，这些B端客户对激光雷达的技术成熟度、可靠性会有一个比较理性的预期，为确保安全，他们也会严格遵循厂商提供的使用期限，如果超期，会及时更换。此外，他们还会安排专人对激光雷达做定期的检查、维护，有问题也可及时发现。

但是在私家车上，终端消费者是没有能力去定期检查和维护的。

基于以上相关缺点，基本上注定机械式的激光雷达无缘在乘用车上大批量的使用。

如华为不做Robotaix测试市场，所以跳过了机械旋转式方案，直接从混合固态开始；而在机械旋转式激光市场上最具有竞争力的禾赛，也在开发面向前装量产市场的混合固态产品（MEMS、转镜）。

可以看到目前主流发布的几款车型的激光雷达全部无一例外的属于半固态激光雷达；小鹏P5的Livos 棱镜方案、蔚来ET7的 Innovusion 属于转镜方案、阿尔法S华为HI版的激光雷达属于转镜方案，车企主要采用半固态基于以下原因。

一是，半固态较机械式激光雷达更易降低成本，同时与纯固态（OPA、Flash）相比，技术相对成熟，更易实现商业化落地。

二是，转镜方案（法雷奥为代表）是第一个过车规、成本可控，可满足车企性能要求，且实现批量供货的技术方案。

当然也有斜杠青年，直接选择一条吃“螃蟹”道路，长城摩卡选择Ibeo公司提供的Flash 纯固态激光雷达ibeoNext，探测距离只有130米,纯固态激光雷达不仅体积小，而且由于没有运动部件，可靠性也更高，待技术成熟之后，其成本也会更低。

做长探测距离，有两个手段：提高激光发射器的功率，提高激光探测器的感光灵敏度。现阶段，这两款技术都还不成熟。等这两块技术都成熟了，并且成本也可接受了，Flash为代表的纯固态将成为主流。

现在由于摩卡还没有那么快交付，所以是骡子是马，是否能吃到“螃蟹”，最终还得上市后见分晓。

6、主流车厂激光雷达的选择和布局

价格对于问题解决了，再来看看激光雷达相关的性能指标，无论是OEM还是激光雷达厂家都达成共识，高速、拥堵等场景的自动驾驶是最大的市场，视觉加激光雷达最容易实现，因此车企对于激光雷达在L2+的性能要求如下。

1、测距距离有要求，高速场景下至少有150米以上的探测距离；

2、具有120°FOV宽视角，满足十字路口等特殊场景的检测；

3、测距的精准度，满足≤3cm，角分辨率越小越好，水平和垂直≤0.3°；

4、具备100 线以上的扫描效果和百万级别点频，这样遇到 150 米以外的物体也能反射回足够多的激光点云用于识别；

5、具有车规级标准的工作温度，能够规模化生产。

6、体积一定要小，方便车企的造型设计

看起来不复杂，其实要满足这些条件的激光雷达厂家，目前基本上还寥寥无几，或多或少有部分不满足，这些和激光雷达的技术路线都密切相关。

首先是测距距离，这个是车企最关心的问题，选择激光雷达就是为了能够快速建立远距离的测距能力，行业里面标准测试是针对低反射物料（10%的反射率）的探测距离，至少需要150米能够识别黑色车辆这样低反射率的物体。我们可以看到蔚来ET7、上汽R ES33的激光雷达都宣称最远探测距离500米，针对10%的低反射物体的探测距离达到250米，这个距离非常OK，完全满足要求，他们选用的光源是1550纳米的激光发射器，所以探测距离更远和信噪比更高。

在十字路口这样的场景下，需要大角度FOV的雷达探测能力，目前做到这个大角度的激光雷达非常不容易，

MEMS 难点是信噪比和有效距离及 FOV 太窄。首先，MEMS 激光雷达接收端的收光孔径非常小，远低于机械激光雷达，而信号光发射&接收峰值功率与接收器孔径面积成正比，这意味着信噪比降低。然后，因为通常 MEMS 方案只用一组发射激光和接收装置，那么信号光功率必定远低于机械激光雷达，这导致功率进一步下降，就意味着信噪比的降低，同时也意味着有效距离的缩短。

目前传统的MEMS 技术的激光雷达常见的FOV角度只能达到30°，探测距离50米左右，所以目前还没有看到国内的新能源汽车采用MEMS技术激光雷达。

当然这个MEMS领域也有吃“螃蟹”车企，Lucid 官方披露，其使用的激光雷达等效 125 线，其实就是速腾聚创的M1，这个是速腾聚创突破了非常多的技术才达到120°宽视角，最大200米测距，在10%低反射物料探测距离150米的产品。

点频指的是每秒钟激光打到障碍物上反射回来被探测器接收到的激光雷达点数。点云数量是实现精准感知的基础，点频越高则原始感知数据越准确详细，线束线数主要影响的是针对远距目标返回的点云数量。

这两个直接就影响到探测的精度了，如果返回来的数量不足，比如一辆车150米后，返回来只有几个点云数量，这个对于识别的构建非常大的挑战。

车规级目前对于激光雷达厂家来说，是除了上述技术难度以外最大的一个挑战，特别是温度和振动这两项，还是举目前遇到车规最大难题的MEMS的激光雷达。

硅基MEMS作为半导体工艺，其线圈都很细地密布在镜面背后，导热性差，对温度极为敏感。车规要求的工作环境为-40℃~85℃，硅基MEMS微振镜在雷达的密闭机壳里面，85℃的环境温度下雷达里面温度至少上升20℃，所以硅基MEMS微振镜的耐热温度至少要做到105℃，而当前，国内外都还没有能达到车规温度要求的硅基MEMS微振镜。

EMC、振动、防水这些都是车规级需要的必须项目，当然温度这个问题其实在车企那边可以有一定的让步空间，比如最开始的特斯拉的显示屏，就不是车规级的温度，就是-20-70℃的屏，为了快速导入市场，这个也是一个可以接受的温度范围。

半固态激光雷达，多数以牺牲激光雷达的水平视场角、点频等性能参数，来换取成本降低，以及体积与重量等参数的优化。

最后谈谈产品尺寸。车企对于整车的外观设计要求极高，毕竟目前消费者买车外观因素占据非常大的影响，激光雷达需要和车体完美结合。

上图就是常见的机械式激光雷达车的造型，是不是有丑出三界的感觉，就是天灵盖上面长了一个大犄角，买回家估计能把小孩吓哭咯，占的体检大，完全不能直接放置在车内。

再来看看最新上市的激光雷达布置的位置

小鹏P5搭载的2颗激光雷达（安装在前保险杠两侧）。

何小鹏对于小鹏使用激光雷达是这样表述的：我们跟传统做第四代自动辅助驾驶的或者他们叫无人驾驶的公司不太一样，他们是用激光雷达为核心画激光雷达的高精地图， 我们不一样，我们是用视觉为核心，以视觉高精地图为核心。因为我们觉得从趋势来看，全球所有的路、交通灯、法规都是以人的眼睛等等角度来看一个世界去开车的，我们认为这是最有效率、最接近真人且最便宜的，且又能够加上激光雷达组合能够把安全做好的事情。说实话，在最开始几年里面我们会把安全的因数放在非常非常非常重的角度， 宁愿我硬件冗余、宁愿软件冗余，也要把安全做好。

其实相当直观：小鹏汽车仍然以视觉为核心感知手段，激光雷达的作用是作为安全冗余，所以看到这颗激光雷达的指标,针对低反射率为10%的物体(如黑色汽车)探测距离150米，横向视场角120度，角分辨率0.16度x 0.2度，点云密度等效于144线激光雷达。

远远低于ET7的250米的探测距离，它更多的是用于安全冗余的作用，而不是做核心感知手段，分布在大灯两侧检测完全满足要求了。

ARCFOX极狐 阿尔法S华为HI版 是首款搭载华为激光雷达的车型，分别在车头和车头两侧安装3颗华为96线激光雷达。

蔚来ET7 则是最特别造型的 ，安装在前挡玻璃的上端，类似长了一个小犄角。

每个车企的激光雷达的布置，其实考虑的因素非常多，激光雷达的角度，承受的温度，振动，激光雷达体积的大小等等，激光雷达的体积越小，越方便整车造型的设计，这个体积就和采用的技术路线，散热密切相关了，所以明白斜杠青年摩卡直接上固态激光雷达了吧，造型必须得帅。

从2015年到现在，有关激光雷达硬件技术路线的问题一直被讨论，直到目前还没有结论，在相当长一段时间，至少会有2-3种技术路线并存。

2021年是激光雷达上车的元年，但是还远远没有达到普及的状态，没有真正的上车量产，技术方面的缺陷的改善，性能的提升，前途光明，道路还依旧曲折。

激光雷达可以高精度、高准确度地获取目标的距离、速度等信息或者实现目标成像。激光通过扫描器单元形成光束角度偏转，光束与目标作用形成反射/散射的回波。当接收端工作时，可产生原路返回的回波信号光子到达接收器，接收端通过光电探测器形成信号接收，经过信号处理得到目标的距离、速度等信息或实现三维成像。

激光雷达主要包括激光发射部分、扫描系统、激光接受部分和信息处理部分，结构较为复杂。从激光雷达的工作来看，主要分成四大部分：

1）激光发射部分：激励源周期性地驱动激光器，发射激光脉冲，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）激光接收系统：经接收光学系统，光电探测器接受目标物体反射回来的激光，产生接收信号；

3）扫描系统，以稳定的转速旋转起来，实现对所在平面的扫描，并产生实时的平面图信息；

4）信息处理系统：接收信号经过放大处理和数模转换，经由信息处理模块计算，获取目标表面形态、物理属性等特性，最终建立物体模型。激光雷达本身结构的复杂性和核心部件的高价格决定激光雷达短期价格，尤其是机械式激光雷达价格短期较高。

7、主流激光雷达工作原理介绍

激光雷达部件较多，每个部件技术选择的不同就会造成效果和成本的不同，这也带来激光雷达技术路线的多元。激光雷达从测距方式、发射方式、光束操作方式、探测方式以及数据处理方式可以分为5 个核心技术，每个核心技术均有不同的技术分支，效果、成本、当前量产难度等均有不同，在5 个核心技术上不同的分支技术选取也导致了各家激光雷达技术路线的不同。

按照扫描方式分类的介绍：

按照扫描方式有无机械转动部件可以分为机械旋转、混合固态、纯固态。混合固态分为MEMS、转镜，纯固态分为相控阵OPA、Flash。

机械式激光雷达：

机械式激光雷达可实现360°扫描，应用于主流无人驾驶测试项目。机械式激光雷达机械旋转式激光雷达的优势在于可以对周围环境进行360°的水平视场扫描，而半固态式和固态式激光雷达往往最高只能做到120°的水平视场扫描，且在视场范围内测距能力的均匀性差于机械旋转式激光雷达。

机械旋转式激光雷达凭借兼具360°水平视场角和测距能力远的优势，目前主流无人驾驶测试项目纷纷采用了机械旋转式激光雷达作为主要的感知传感器。但是它们调试、装配工艺复杂，生产周期长，成本居高不下，并且机械部件寿命不长（约1000-3000小时），难以满足苛刻的车规级要求（至少1万小时以上）。

优点是线束特别丰富（有64线、32线、16线、8线、4线不同的价格层次），性能高（可以实现360高速旋转），劣势是体积大、成本高、验证时间长。机械式激光雷达是目前Robotaxi的主流方案，Waymo自研的Honeycomb依然是传统机械式构造。海外市场以Velydone为主，国内玩家有禾赛、速腾。

混合固态激光雷达——转镜方案

工作原理：转镜式保持收发模块不动，让电机在带动转镜运动的过程中将光束反射至空间的一定范围，从而实现扫描探测，其技术创新方面与机械式激光雷达类似。

过车规和量产情况：转镜方案的激光雷达最早是法雷奥的Scala（与Ibeo联合开发），于2017年在奥迪A8上量产，也是首个车规级激光雷达。2020年10月，镭神CH32成为全球第二个获得车规认证的激光雷达。

大疆Livox激光雷达也在2021年量产上市，采用非重复扫描方式，类似于视网膜中的中央凹，通过两个棱镜转速的调整，激光雷达获得不同的扫描图案，时间越长，点云密度越高，对场景的还原度越高。

大疆的Livox 独创的双棱镜方案，使用在小鹏的P5的车上。

混合固态激光雷达——MEMS方案

MEMS激光雷达是采用微振镜结构进行激光束偏转。微振镜是MEMS激光雷达的核心组成部分，它需要具有平整的光学镜面，将机械式激光雷达的旋转部件微缩，增加集成度。

通过MEMS（微机电系统, Micro-Electro-Mechanical System）微振镜来代替传统的机械式旋转装置，由微振镜反射激光形成较广的扫射角度和较大的扫射范围。MEMS将机械微型化，扫描单元变成了MEMS 微镜。微棱镜的驱动方式以静电、电磁更为成熟、广泛。

微振镜技术门槛：

一、属于振动敏感性器件，而且MEMS材料的属性会随温度的变化而变化，影响微小活动部件的运动特性，车规级较难；

二、激光雷达需要设计偏转角度更大的MEMS，同时要求镜面尺寸尽可能大，但这会降低良率，加大成本；

三、MEMS代工资源较少：台积电安排产能少，只能找有MEMS的IDM厂或非主流代工厂。

MEMS(混合固态激光雷达) ：MEMS激光雷达使用微振镜替代机械式产品中的宏观扫描仪， 将机械部件集成到单个芯片。根据MEMS咨询估算， 机械式雷达每组芯片成本约200美元， 仅16组芯片成本已高达3200美元， 因此MEMS方案可以大幅降低成本和体积。同时由微振镜反射激光形成较广的扫描角度和较大的扫描范围，可以形成更多的点云， 有效克服了机械式激光雷达在寿命和良品率方面的不足。

MEMS方案是目前激光雷达市场的最主流方案。代表公司为Luminar和Innoviz， 其中Luminar有Iria和Hydra两款产品亮相， Ira预计2022年量产， L 3+激光雷达售价约1000美元/个。Innoviz第一代产品InnovizOne最远探测距离250米， 已经获得宝马订单， 最新发布的InnovizTwo比InnovizOne成本下降70%。

Innoviz 新发布的InnovizTwo 体积减半，比初代产品比成本下降70%。

MEMS 半固态激光雷达供应链最为成熟，目前是量产产品的首选，当前阶段产品价格已经可以达到500 美金-1000 美金。MEMS 微振镜本质上是一种硅基半导体元器件，其特点是内部集成了“可动”的微型镜面，采用静电或电磁驱动方式。采用MEMS 微振镜简单讲就是以电机为主的扫描系统换成MEMS 驱动的镜片，实现激光雷达的扫描。

MEMS 作为较为成熟的半导体元件具备大规模生产后成本下降的特性。MEMS 激光雷达的优点在于：

1）MEMS 微振镜的引入可以减少激光器和探测器数量，极大地降低成

本；

2）MEMS 激光雷达结构精巧，大幅下降尺寸；3）MEMS 微振镜并不是为激光雷达而诞生的器件，它已经在投影显示领域商用化应用多年，供应链较为成熟。

固态激光雷达——Flash方案

工作原理：短时间直接发射出一大片覆盖探测区域的激光，再以高度灵敏的接收器完成对环境周围图像的绘制，即快闪。

Flash 激光雷达采用类似照相机的工作模式，每个像素点可以记录光子飞行时间信息。发射的面阵激光照射到目标上，由于物体具有三维空间属性，从而不同部位的光所反射的光具有不同的飞行时间，被焦平面探测器阵列探测，根据飞行时间不同绘制图像。

Flash 激光雷达类似数字照片相机，用单次激光脉冲照亮目标环境，对抗震要求极高，同时发射高功率单次激光脉冲，需要对光源能量、发射方式进行创新，成本较高。Flash激光以LeddarTech为代表，但采用1064nm激光功率，并且没有采用昂贵的SPAD方案，因此功率和灵敏度受限。

Flash 激光雷达产品在消费电子领域产品成熟度较高，但在车载领域需要解决高能量发射的痛点，目前价格相对MEMS 较高，远期仍有潜力下探到500 美金以下。Flash 顾名思义，就是「闪光」，这种固态激光雷达像一个手电筒一样，发射一个面阵光，再通过高灵敏度的传感器绘制环境图像。FLASH 激光类3D Flash 技术的天然优势在于: 首先是全固态，没有任何移动部件，更像是一个半导体产品。

如此一来，在大批量生产从而降低成本、通过车规级方面，3D Flash 技术有天然的优势。Flash 激光雷达需要较高功率的脉冲才能实现较远距离的探测，主要解决方法是采用高功率的固态激光发射器，或采用InGasa 材质的SPAD 作为探测器，简单讲就是提升发射端功率或提高接收端的能力，目前这两种途径成本均较为昂贵。目前Flash 产品价格依然较高，Ouster 预计到2024 年将量产ES2 产品，价格为600 美金，而且随着技术的优化，将有望下探到100美金以下。

探测距离短，能耗高，Ibeo通过区域扫描、SPAD技术可达到250米探测距离，车规问题已解决。

Flash 激光雷达的探测距离较短，且能耗高，该方案的领跑者Ibeo在其Flash方案产品IbeoNext上采用了区域扫描技术，一次只有一个区域在发射激光，这样就把发射器的能量集中起来了，让每一束激光都射的更远；使用了SPAD（Single Photon Avalanche Diode，单光子雪崩二极管）来接受反射信号。因为可以探测单光子，所以即使激光发射的距离很远，反射的信号很弱，也能感应的到。两者解决了探测距离问题，使该雷达实现最远250米的探测距离。发射端（VCSEL）和接收端（SPAD）设备都已经做成了芯片级部件，再加上一个驱动器和主板，即可做成雷达本体，因为内部没有了精密的旋转部件，并且收发端实现了芯片级设计，所以又解决了过车规以及成本的问题。

固态激光雷达——OPA方案

OPA则是采用了高度集成化的光学相控技术，将激光器的功率分配到不同的相位调制器，通过光学天线发射，在空间远场形成较强的能量光束。通过不同的相位，不同角度的光速能够对物体进行扫描，从而不需要采用物理扫描的方式。OPA的相控阵主要分为液晶相控阵和集成光波导型相控阵。硅基集成光学芯片可以实现大规模激光器的集成，从而推动激光雷达的固态化。

工作原理：OPA (Optical-Phased-Array，光学相控阵)，振动产生的波相互叠加，根据干涉原理，有的方向互相增强，有的方向抵消，增强方向即激光扫描方向。采用多个光源组成阵列，通过控制各光源发射的时间差(光的相位差可以合成角度灵活、精密可控的主光束，在一定角度范围内立体扫描物体。

OPA取消了机械机构，激光控制集成在一块OPA芯片，结构简单，体积更小，可以动态控制扫描频率、分辨率和焦距调整，同时多线多维扫描能获得更高的数据采集。但另一方面，采用OPA路线的企业需要自主研发芯片，上游核心电子元器件、技术支持不成熟，制造工艺复杂，短期产业化难度大。Quarnergy是最早提出OPA方案的公司，Quarnergy的S系列是业内首款OPA架构的激光雷达，但目前尚未落地。

由混合固态过渡到纯固态激光雷达是未来的技术发展路线，短期转镜、MEMS，中长期OPA。目前测试车辆大多为机械式，但是它们工艺复杂，生产周期长，成本高，并且机械部件寿命不长；车载环境面临颠簸、震动、高低温等严苛环境，尤其在高速运行时，震动等对于可活动器件的稳定运行带来较大挑战。所以，长期的角度，激光雷达的发展将顺着可动器件趋近于0的方向，全固态大概率是激光雷达产品的最终状态。Flash方案一定程度上收到高功率发射对于探测距离的限制，OPA在可量产性、可靠性、成本方面（随着技术成熟和产业链完善，成本有望下降到百元级别）具备优势，主要问题是技术成熟度不足，一旦突破技术环节，OPA将成为最终方案。作为到固态激光雷达的过渡阶段，近几年量产的产品都属于混合固态激光雷达，主要包括转镜、MEMS方案。

8、激光雷达光源分类

EEL：

EEL 型激光二极管，通常有 905 纳米和 1550 纳米两种，材料则包括硅、GaAs （砷化镓）、InP（磷化铟）三种。

边缘发射激光器（EEL）彻底改变了激光系统，并赋予其以新的特殊属性，如小型化、稳定相干光和窄发射波长。在实践中，EEL可以用作“直接”激光器，但也可以与光纤或晶体耦合以制造光纤激光器或DPSSL。这项先进的激光器技术提供特定的优势，例如更好的光束质量、改善的激光噪声稳定性和更高的功率输出等。

VCSEL

VCSEL——垂直腔面发射型，通常以阵列形式出现。

• VCSEL从诞生起就作为新一代光存储和光通信应用的核心器件，应用在光并行处理、光识别、光互联系统、光存储等领域。随着工艺、材料技术改进，VCSEL器件在功耗、制造成本、集成、散热等领域的优势开始显现，逐渐应用于工业加热、环境监测、医疗设备等商业级应用以及3D感知等消费级应用。

不同波段VCSEL的应用

340nm：反射镜结构、P型掺杂、光刻等工艺。

630-670nm：直接用作可见光光源、光屏蔽和距离测试、高密度光存储系统、高清晰度激光打印、基于塑料光纤的光通信系统中。

980nm：其氧化层具有很强的光限制作用，有利于降低阈值电流。适用于光时钟、半导体电子和通信元器件中的光检测器、粒子发生器、模数变换等。

750nm-780nm：工业、环境和医疗的各类化学传感系统。

1300nm：是高速长距离光纤通信，光并行处理，光识别系统及并行光互连系统中的关键器件。

850nm：短程（≤500m）光纤通信系统中的关键器件，形成的阵列产品主要应用在中心局开关盒路由器、DWTM、局域网（LAN）和光纤信道存储网（SAN）中。

1550nm：主要作为光通信中的光源，应用于长距离、宽带高速光纤通信；可靠的低价格光纤链路；零偏发射机和二维发射阵列；且有潜力解决超大规模集成电路互连的瓶颈问题,是LAN、城域网、WDM、DWDM的关键器件。

从传统的VCSEL到多层VCSEL,传统的VCSEL激光器存在发光密度功率低的缺陷，近些年多家激光器公司开发多层VCSEL激光器，将发光功率密度提升了5-10倍，凭借在成本及可靠性方面的优势，预计未来VCSEL有望逐步取代EEL。

9、不同类型的激光雷达厂家

10、核心供应链

目前激光雷达除了本身系统层面的技术优化，上游核心部件的进一步完善和降本也对激光雷达，尤其固态激光雷达的性能和成本有明显的影响。从激光雷达的上游来看，主要核心部件是扫描器、光电探测器及接收IC 以及激光器，相关产品也分特有件和通用件，目前整体上游以半导体为主，国外企业处于相对垄断状态。

1）扫描器：从部件本身不管是旋转电机以及镜头还是MEMS 产品在其他领域也有较多应用，但需要针对激光雷达特定开发；

2）激光器：激光雷达的专有部件，基本上以半导体激光器为主；

3）光电探测器级接收器IC：光电探测器为专有部件，其他通用部件包括放大器、数模转换器、FPGA 等。

MEMS 微振镜，影响MEMS 激光雷达成本的关键点

MEMS 微振镜技术门槛较高，目前主要集中在国外企业手中。MEMS 作为一个半导体核心技术主要掌握在海外企业手中，目前全球前30 家MEMS 企业均为海外半导体知名企业。MEMS 微振镜的技术难度更大，具备技术成熟且量产的MEMS 微振镜企业基本集中国外，如欧洲Innoluce、美国Mirrorcle、日本滨松、瑞士意法半导体、美国MicroVision等。中国MEMS 微振镜企业近些年发展迅速，如西安知微传感、台湾Opus、苏州希景科技等均有产品推出。

MEMS 微振镜在MEMS 激光雷达中不管从技术制约还是从价值量而言，都是最为核心部件，激光雷达企业为提升自身核心竞争力努力向上游延伸。MEMS 微振镜在激光雷达中尺寸要求较大，根据Innoluce 目前报价来看，7.5mm 微振镜的价格在1199 美元，价格较为昂贵。MEMS 微振镜本身从消费级向车规级的升级中也需要更多技术要点需要克服，因此部分激光雷达企业也积极布局MEMS 微振镜上游。目前Innoviz、Aeva、Luminar、禾赛科技等均开选择自研MEMS 微振镜，速腾聚创也投资了希景科技。

发射接收端，优化后将提升激光雷达性能

发射器与接收器本身相辅相成，一方面提高接收器效能可以降低发射器功率，另一方面，比如1550nm 发射器需要特定的传感器介质。激光器本身行业较为成熟，主要分为固体激光器、气体激光器、半导体激光器、光纤激光器等。目前激光雷达主要采用半导体激光器，主要的提供商为滨松、Lumentum、ams、Manlight、Finsar 等。

接收器中的核心部件主要是光电二极管，主流采用的APD（雪崩光电二极管）。SPAD（单电子雪崩二极管）较APD 相比，灵敏度极高，是APD 的上百倍，可以大幅降低激光回传要求的质量。目前SPAD 价格远高于APD，但随着供应链的改善以及突破，SPAD潜力巨大。目前光电二极管的主要提供商为滨松、SensL、Osram、STM、Sens-Tech等公司。

11、激光雷达上下游产业链重点关注企业

目前激光雷达在发射、接收、光学方面都还是卡脖子技术，这些上下游的企业可以重点关注，看看技术的突破口在哪里。

激光雷达领域关注：Velodyne、Luminar、Innoviz、Aeva、Ouster、禾赛科技、速腾聚创、镭神智能、大疆、Innovusion、Ibeo、Quanergy

上游材料关注：OSRAM、AMS、Lumentum、First Sensor、Hamamatsu（滨松）、ON Semiconductor、Sony、Xilinx（赛灵思），Intel（英特尔），深圳瑞波光电子、常州纵慧芯光半导体、成都量芯集成科技、深圳市灵明光子、紫光国芯、西安智多晶微电子、矽力杰半导体技术、圣邦微电子（北京）