激光雷达是如何让机器“看见”世界的？ | 硬创公开课

本篇文章3556字，读完约9分钟

今年八月，雷锋。搜索“雷锋”。将在深圳举办“全球人工智能和机器人创新大会”。在这次会议上，我们将发布“人工智能和机器人创新企业25强名单”，速腾聚创科技是我们的重点公司之一。今天，我们邀请了速腾聚创首席执行官邱春新分享激光雷达和无人驾驶的内容。

嘉宾介绍:速腾聚创首席执行官、哈尔滨工业大学深圳研究生院博士后邱春新，多年来致力于机器人导航与控制技术研究，并完成了国家自然科学基金等多个机器人相关项目的研发。

几年前，激光雷达只用于军事应用，但现在这项技术已经逐渐渗透到消费市场。激光雷达可以在机器人、无人驾驶飞行器和已经在路上测试过的无人驾驶飞行器上看到。特别是在无人驾驶领域，由于谷歌无人驾驶汽车率先采用了velodyne 64线激光雷达，业界对激光雷达的关注度持续上升，激光雷达正式迎来了自己的亮点时刻。一些业内人士表示，激光雷达已经成为无人驾驶汽车的标准。

那么激光雷达是如何让机器看到世界的呢？无人驾驶汽车中使用的激光雷达如何识别行人并实现屏障功能？它有什么样的瓶颈？让我们来看看速腾聚创首席执行官邱春新带来的分享吧！

成百上千的激光雷达

记者:业界主流的三维重建方案是什么？他们各自的特点是什么？

事实上，三维重建主要有两种方式，一种是视觉方式，另一种是激光雷达。可以说，这两种技术各有优缺点，它们的应用场景也大不相同。

可视化三维重建的优点是可以获得丰富的信息，并且价格低廉，体积小，实时性好。然而，它也有非常致命的缺陷，即它容易受光的影响，而且测量距离短(一般不超过10米)。

视觉测量可以分为单目+结构光和双目测量。例如，大江利用双目视觉进行测距；向皓使用了同样的技术，单眼+现实感。

另一方面，激光雷达的测量方法几乎是视觉方法的补充。其优点是测量精度高，测量距离长，稳定性好，对周围环境适应性强，因此激光雷达非常适合户外使用。然而，没有一个方案是完美的，并且激光雷达也有一些缺点，例如不能在没有距离差的情况下在平面上感测目标的信息，体积庞大且昂贵。

作为一种面向市场的技术，激光雷达有许多应用场景。不同的应用可以生产不同的产品。在这里，我们可以将激光雷达分为两类——实时激光雷达和非实时激光雷达。非实时三维激光雷达可以全方位360度水平扫描和270度垂直扫描，精度达到毫米级。它主要用于建筑、桥梁、考古等领域。这些领域不要求实时性，但要求高精度和全方位。

实时3D激光雷达，也称为多线或多层激光雷达，通过多个激光发射器和接收器在一维高度旋转。更新频率可达10hz。但是垂直方向的视野很小，只有20度左右。垂直方向上的点的分辨率也很低。主要用于无人驾驶和其他实时性要求高、精度要求低的领域。通常，精度可以是厘米级。

记者:我很好奇。使用扫描机器人的激光雷达方案可以达到几百元，但是无人驾驶汽车车顶上的“大家伙”需要几十万元。它们之间有什么区别？

激光雷达本身有许多应用场景，这些场景对产品性能有不同的要求，因此所用方案的原理也大不相同。

扫描机器人使用的激光雷达测量距离短(5-6米)，精度低，测量速度慢。通常每秒数千点。制造商通常采用三角测量方案，这种方案具有低阈值和低硬件成本，这也是其价格相对便宜的原因。

无人驾驶对激光雷达的要求很高。首先，需要测量足够远的距离，通常达到100-120米，精度以厘米为单位；其次，速度测量要求也很高，单次激光发射的速度应该达到每秒数万点，通过多个激光发射器可以实现实时的环境感知。该激光雷达属于脉冲测距模式。与三角测距方案相比，它的成本要高得多，而且也很难开发。搜索者系列，像现在用于建筑和桥梁领域的速腾，具有100米的测量距离，毫米的测距精度，以及单个激光头的数万次测量。这个方案被采纳了。

无人驾驶汽车的“眼睛”

记者:以无人驾驶为例，评估激光雷达性能的参数是什么？这会影响什么性能？

测量距离、测量精度、测量速度和角分辨率是决定三维激光雷达性能的几个重要指标。

例如，在无人驾驶汽车的应用领域，需要激光雷达的探测范围。例如，我们应该能够在高速公路上检测到我们前面的车辆，在十字路口，我们应该能够观察到马路对面的汽车。

有趣的是，准确度越高越好。激光雷达获得的数据可用于障碍物识别、动态目标检测和定位，但如果精度太差，上述目的无法实现；然而，精确度太高也有问题。高精度对激光雷达的硬件要求很高，计算量很大，成本很高。因此，精确度应该适中。

另一个不可忽视的点是角度分辨率，它决定了被击中后两个激光点之间的距离。如果两点与物体表面的距离太远，测距精度将失去意义。

记者:装有激光雷达的无人驾驶汽车如何区分行人和其他障碍物？识别后如何实现屏障功能？

无人驾驶汽车不需要驾驶员操作的原因是它们能够自动识别道路信息和行人，并且能够自动控制汽车完成障碍物等功能。实现这些的前提是利用激光雷达获得的环境信息，引导无人驾驶车辆实现辅助驾驶或自动驾驶。关键技术是激光点云的后处理算法。

首先，利用激光雷达获取三维点数据。为了分离点云并将其聚集，通常通过计算两个相邻激光点之间的距离来确定它们是否属于同一类。聚类后，障碍被识别。在识别障碍物之后，我们可以通过比较前后两个频率来识别它们是静态障碍物还是动态障碍物。动态障碍物也可以计算移动速度等。

结合无人机的当前位置信息，计算避开障碍物所需的最小安全距离，实现障碍物功能。

根据现在无人驾驶使用的多线激光雷达，每秒钟的点数超过200万，这意味着有几十兆的数据。这些数据需要实时处理，这就对硬件和算法提出了很高的要求。

挑战在哪里？

记者:实际上，汽车激光雷达有一些局限性。例如，雨雪天气会影响测距范围和精度。对此有什么对策？

由于激光雷达本身穿透性差，在恶劣环境下其性能会大大降低。但这不是一个无法解决的问题，所以我们可以使用多传感器融合技术。如果激光雷达与毫米波雷达匹配，虽然毫米波雷达精度低、视场小，但测量距离可达200米，也可在雨雪天使用。激光雷达和毫米波雷达的融合正好弥补了它们的不足。

记者:主流车载激光雷达体积庞大，价格昂贵，所以一些厂家采取了减少线束，改用固态雷达的方案。这会影响产品的稳定性吗？

实际上，减少线路或固态雷达的数量不会影响稳定性，相反，固态雷达会提高产品的稳定性。虽然通过减少线的数量减小了体积，但是它将减小垂直方向上的感测范围或者削弱垂直方向上的分辨率。稳态激光雷达缩小了水平感应范围。小型化、低成本和提高稳定性是大势所趋。

然而，最好的解决方案应该是朝着小型化和低成本的方向发展，而不削弱性能。例如，混合固体或多种固体是很好的解决方案。

目前，国外主流激光雷达制造商velodyne采用激光发射和接收共转的方式；Ibeo采用固定的激光光源，通过旋转内部玻璃板来改变激光束的方向，以满足多角度检测的需要；Quanergy采用相控阵技术，内部没有旋转部件。

记者:激光雷达防御黑客攻击的手段是什么？

让我先告诉你一些事情。激光器本身没有编码。因此，接收器本身无法识别这束光是由它旁边的发射器发出的，还是干扰信号。

黑客攻击指的是一种模拟车辆和行人信号并反馈给激光雷达以制造周围障碍物的幻觉的攻击技术。最终，汽车将被迫减速或刹车。

对于激光雷达制造商来说，有两种方法可以抵御黑客攻击。

如果激光传输频率增加，并且高速激光传输频率为几微秒，黑客很难选择何时发送干扰信号给接收机接收。此外，通过算法做出一些错误的判断，并参考以前的频率数据滤除干扰数据。

无人驾驶汽车离我们有多远？

记者:今年8月，雷锋将在深圳举办“人工智能与机器人创新全球大会”。想知道，你认为无人驾驶的趋势如何？

每个人基本上都有一个统一的观点。首先，技术应该不断改进，其次是成本问题(尤其是激光雷达)，最后是政策问题。国际汽车公司通常计划在2020年左右，在特定的道路条件下，如高速公路，大规模生产自动驾驶汽车。更多汽车公司和互联网巨头的参与将加快商业和大规模生产的速度。

精彩的问答

曲晓峰@香港理工大学:激光雷达的最小尺寸限制和最小功耗是多少？

顾客:事实上，看看速达因或速达制造的我们自己的产品，空仍有许多改进，尤其是销量。

我想达到手掌大小，甚至更小，这应该是有希望的。当然，我们必须结合需求，看看行数。理论上，行数越多，体积越大。功耗应该在10瓦以内，这也与线路数量有关，远远高于视觉方式。

戴·@镭神:想知道固态激光雷达的工作原理，它和目前主流的激光雷达有什么区别？

顾客:quanergy的固态激光雷达现在采用相控阵技术，里面没有旋转部件。

相控阵激光雷达的全激光探测在水平和垂直两个方向都是电子实现的。

主流激光雷达通过激光在单个点发射脉冲光束，接收器在接收到光束后计算距离。通过机械旋转实现全范围检测。