自动驾驶汽车传感器技术解析—激光雷达

智能驾驶技术的迅速发展极大地推动了各类环境感知传感器的研究。车载激光雷达(LiDAR)因其具有可准确获取目标的三维信息、分辨率高、抗干扰能力强、探测范围广、近全天候工作等优点,在智能驾驶环境感知系统中占据了重要地位。

作者 / 开拓者 出品 / 公众号“AI汽车人”(ID:aiqicheren)

激光雷达工作原理

激光雷达是一种雷达系统,是一种主动传感器,所形成的数据是点云形式。其工作光谱段在红外到紫外之间,主要发射机、接收机、测量控制和电源组成。工作原理为:首先向被测目标发射一束激光,然后测量反射或散射信号到达发射机的时间、信号强弱程度和频率变化等参数,从而确定被测目标的距离、运动速度以及方位。除此之外,还可以测出大气中肉眼看不到的微粒的动态等情况。激光雷达的作用就是精确测量目标的位置(距离与角度)、形状(大小)及状态(速度、姿态),从而达到探测、识别、跟踪目标的目的。

激光雷达主要优点是能对周边物体进行建模形成高清3D 图像,以便计算机进行快速识别和决策。但在不良天气条件下精度将会下降,以及无法辨别物体属性。

激光雷达技术路线

车载激光雷达主要分为三种:机械式车载激光雷达,混合式车载激光雷达,全固态车载激光雷达。

1,机械式车载激光雷达

机械式车载激光雷达是指通过机械旋转实现激光扫描的车载激光雷达。其中,激光发射部件在竖直方向上排布成激光光源线阵,并可通过透镜在竖直面内产生不同指向的激光光束;在步进电机的驱动下持续旋转,竖直面内的激光光束由“线”变成“面”,经旋转扫描形成多个激光“面”,从而实现探测区域内的3D 扫描。机械式车载激光雷达是最早应用于智能驾驶的激光雷达产品,时至今日凭借其原理简单、易驱动、易实现水平360°扫描等优点仍被广泛应用于智能驾驶实验测试车上。

美国Velodyne 公司是著名的机械式车载激光雷达供应商,Velodyne 的两款机械式激光雷达产品如图所示

尽管机械式车载激光雷达探测性能优越、技术成熟,是当前的主流,但其高昂的成本和较短的使用寿命却使其无法实现车规级量产。机械式车载激光雷达内部结构精密,零件数多、组装工艺复杂、制造周期长,因此生产成本居高不下。HDL-64E 售价高达8 万美元。机械式车载激光雷达内部含有大量可动部件,易受车辆振动影响,在行车环境下磨损严重,长期使用可靠性差。如今机械式传感器平均失效时间为1000h∼3000h,而汽车厂商的要求是至少13000 h。此外,机械式激光雷达还存在接受光窗数值小、信噪比低等缺点。

2,混合式车载激光雷达

混合式车载激光雷达将微机电系统(MEMS)与振镜结合形成MEMS 振镜,通过振镜旋转完成激光扫描,一般称为MEMS 车载激光雷达。其发射系统结构如下图所示,驱动电路驱动激光器产生激光脉冲同时驱动MEMS振镜旋转,激光在旋转振镜的反射下实现扫描,经发射光学单元准直后出射。

MEMS激光雷达通过在硅基芯片上集成的MEMS 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描角度和较大的扫描范围。

  • 优点:MEMS 微振镜相对成熟,可以以较低的成本和较高的准确度实现固态激光扫描(只有微小的微振镜振动),并且可以针对需要重点识别的物体进行重点扫描,落地快;
  • 缺点:没有解决接收端的问题,光路较复杂,仍然存在微振镜的振动,这个结构会影响整个激光雷达部件的寿命,并且激光扫描受微振镜面积限制,与其他技术路线在扫描范围上有一定差距。

典型企业和产品:Velodyne 的Velarray 系列,LeddarTech,innoluce,Innoviz,Fujitsu, Toyota,Draper。

3,全固态车载激光雷达

全固态车载激光雷达,完全取消了机械扫描结构,水平和垂直方向的激光扫描均通过电子方式实现;相比于仍保留有“微动”机械结构的MEMS 激光雷达来说,电子化的更加彻底。由于其内部没有任何宏观或微观上的运动部件,可靠性高、耐持久使用,系统整体体积缩小。主要包括光学相控阵(OPA)车载激光雷达和闪光(Flash)型车载激光雷达两种。主要技术指标如下

光学相控阵OPA – Optical Phased Array 激光雷达

光学相控阵OPA 固态激光雷达原理是多处振动产生的波相互叠加,有的方向互相增强,有的方向抵消,采用多个光源组成阵列,通过控制各光源发射的时间差,可以合成角度灵活、精密可控的主光束。

  • 优点是没有任何机械部件,结构相对简单,精度高,体积小,成本低。
  • 缺点是在主光束以外会形成“旁瓣”,到时能量分散,并且阵列单元尺寸小于500nm,对加工精度要求高,扫描角度有限,接收端方案薄弱,接收面大、信噪比较差。
  • 典型企业和产品:Quanergy 的S3,Blackmore, Strobe。
  • 3D Flash 激光雷达
    3D Flash 激光雷达以一次脉冲向全视野发射,利用飞行时间成像仪接收反射信号并成像,发射的激光波长是关键因素。如果使用905nm,虽然成本较低,但功率受限,因此探测距离不够远。若使用1550nm,在接收上需要更高成本的探测器,目前尚没有商用条件。也有一批厂商采用Flash 技术路线,对成本和人眼保护的平衡形成了一定的解决方案。典型企业和产品:LeddarTech 的LCA3,Tetravue,Princeton Lightwave,Trilumina (VCSEL 阵列),Toyota 丰田,等;

短期MEMS 方案较快落地,中长期OPA和3D Flash 方案有望突破

机械和固态激光雷达前景

2020-2022 年以前的L3 级别自动驾驶车量产可能会以MEMS激光雷达为主,因为它成本较低,微振镜技术较成熟,可以较短时间内进行低成本的量产。例如Velodyne、Innoviz等与车企或Tier1 有合作的激光雷达公司目前都采用这个技术路线。

2022 年后L4 或以上级别自动驾驶车量产的阶段,预计OPA 的旁瓣效应或3D Flash 的人眼保护问题将得到较大程度的解决,届时可能会替代MEMS 成为真正无任何移动部件的固态激光雷达,因为MEMS 毕竟存在一个振动部件,在寿命和工作稳定性上较难与其他技术路线PK。但是具体哪种技术路线会最终跑赢目前较难下结论,需要看不同技术路线代表性公司的研发进度。

此外,机械式激光雷达依然有其用武之地。机械式激光雷达精度较高,信息细节较丰富,对于自动驾驶出租公司或Uber 等共享出行公司有特殊用途,如搜集路况、交通甚至路边的建筑等信息,有助于路线设计等需求。

车载激光雷达应用算法

车载激光雷达应用算法可分为三类:点云分割算法、目标跟踪与识别算法、即时定位与地图构建算法(SLAM),如下图所示。

各类算法的合理选择使用将解决不同场景下的智能驾驶问题,其中

  • 点云分割算法是目标跟踪与识别的基础,
  • 目标跟踪与识别将实现对汽车周围障碍物运动状态和几何特征的判断,
  • SLAM 将实现汽车的精确定位与可通行路径规划。

困难挑战及发展趋势

面向智能驾驶应用的车载激光雷达产品目前仍面临着很多挑战:

(1) 成本居高不下

高昂的成本几乎是车载激光雷达被大规模推广使用的最大障碍。

(2) 车规级量产困难

自法国法雷奥(Valeo)公司宣布在奥迪A8 车型上量产4 线激光雷达ScaLa 之后,关于激光雷达车规级量产的消息几近空白,而且已量产的ScaLa 能实现的自动驾驶功能相当有限。激光雷达要实现车规级量产,需满足性能、环境适应性、可靠性、产品一致性等多方面要求,且供应商需建立规范化、自动化的装配生产线。此外,车载激光雷达车规级的有效验证方式也尚未有定论。

(3) 气候环境影响

车载激光雷达的探测光束,受大气吸收、散射、折射效应的影响。首先,智能驾驶汽车中的激光雷达一般安装在汽车顶部或嵌于车身四周,较低的安装高度使得大气中某些气体分子和悬浮粒子引起的回波缩减效应较大,从而造成激光雷达探测器的接收效果变差。其次,在雨、雾、冰雪等恶劣天气时,激光雷达探测范围减小、检测精度降低。

(4) 应用算法的适应性

当前各种车载激光雷达应用算法通常只针对某个特定场景开发,而且往往精度越高、适应性越差,使用范围相当有限。面对各类复杂多变的智能驾驶场景,使算法具有扩展性和可移植性,提升算法的自适应性尤为必要。

未来车载激光雷达发展趋势:
(1)车载激光雷达固态化,小型化。
(2)车载激光雷达的智能化、网络化技术
(3)多传感器数据融合
(4)车载激光雷达算法优化和封装

本文已注明来源和出处,版权归作者所有,如有侵权,您可以告知我们(点击此处)

参与评论

请输入你的评论!
请在这里输入你的名字