在自动驾驶落地的产业化进程中，“感知”作为自动驾驶的核心技术，是一切的起点和基石。目前，感知识别的传感器主要有：摄像头、毫米波雷达、超声波雷达和激光雷达。市场上现有的智能驾驶感知方案也主要可分为两大派系：“视觉系”和“雷达系”。
“视觉系”是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。这一方案始于Mobileye，后来备受特斯拉推崇并发扬光大，也是当下驾驶辅助系统的主流方案，但能否胜任L3级及以上的自动驾驶，行业内对此争议很大。
至于“雷达系”，则是以激光雷达为核心传感器，以摄像头、毫米波雷达、超声波雷达为辅实现精确感知。该方案较多应用于Waymo、百度等L4、L5级自动驾驶测试车辆。2017年，新款奥迪A8成为第一款搭载量产激光雷达的车型，后来特斯拉CEO马斯克多次公开唱衰激光雷达，主推视觉方案，但激光雷达技术反而逐渐进入更多车厂的量产规划中，离上车越来越近。
“视觉系”VS“雷达系”，行业里对此的争议主要体现在哪里？激光雷达究竟是否必不可少？激光雷达发展的现状与挑战有哪些？带着这些问题，笔者近期采访法雷奥中国CTO顾剑民博士。作为行业内第一家也是目前为止唯一一家量产车规级激光雷达的供应商，法雷奥在激光雷达领域已有建树，相信顾剑民对行业与技术的思考、见解也将十分具有代表性和参考价值。
激光雷达在自动驾驶中究竟扮演何种角色？“对于L1、L2级驾驶辅助车辆来说，激光雷达可以起到重要作用，但可能并不一定完全必要。但对于高级自动驾驶车辆来说，尤其是L3级以上的自动驾驶车辆，要实现真正的行车安全，在感知的传感器方案中，激光雷达是必不可少的传感器之一，而且感知融合、安全冗余设计十分重要。” 顾剑民肯定道。那么，现如今以摄像头为核心的视觉方案主要的功能有哪些？适用于哪些场景？核心传感器摄像头的探测距离在100 m左右，目前也在逐渐提升，原理简单来说就是“所见即所得”，通过收集外界反射的光线从而进一步呈现外界环境原画，核心环节是与卷积神经网络配合实现人、动物、车辆、道路标志和各种其它障碍物的识别与匹配，或者运用AI学习来达到感知分析物体的目的，最终解决“拍到的是什么”这一问题，但受恶劣天气影响大；而毫米波雷达不受天气影响，但分辨率低，对行人等非金属物体的反射波较弱，对静止物体探测能力也弱；至于超声波雷达，由于其探测距离近、精度低、检测速度受限，仅使用于极短距离的探测，如自动泊车等。总的来说，视觉方案一般可以实现车辆横向和纵向的控制，如自动刹车辅助系统（AEB）、自适应巡航控制（ACC）、交通拥堵自动驾驶（TJP）、车道偏离预警系统（LDWS）等预警类、识别类功能。而且，视觉方案的优势明显：其一，通常将雷达类比为“拐杖”，是测量性技术，而摄像头可以类比为人类眼睛，符合第一性原理；其二，雷达主要是依据点云方式识别目标，重在轮廓，而摄像头在颜色/纹路等方面的识别能力更强，在识别标志牌方面有优势；最后关键是成本低，数据显示，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。但是，视觉方案的局限也十分突出，提及最多的是无法突破真实驾驶场景的长尾问题。以特斯拉为例，特斯拉的自动驾驶系统（Full Self Driving，简称“FSD”）是一套目前水平在 L2+级，未来目标是全自动驾驶的系统。特斯拉近几年的多起交通安全事故，都显示出FSD系统仍然存在诸多安全盲点。为此，特斯拉通过多个摄像头无死角收集数据、多模型训练数据、自研高算力FSD芯片，以及独创“影子模式”等一系列解决方案形成数据采集与学习循环，以此突破视觉系统的缺陷。但我们十分清楚，不管测试多少路程，收集多少数据，长尾问题的本质就是无穷无尽，真实的驾驶中总会有未曾遇到过的场景。因此，企图在对摄像头的训练中穷尽所有障碍物是一件几乎不可完成的任务。而激光雷达正是重感知、高精度的技术，虽不是万能，但却可以补足视觉与其它雷达的局限。与视觉方案重在分析不同，犹如“拐杖”的激光雷达可以通过主动探测的方式直接实现物体和路况建模。它的核心原理之一是用ToF（光飞行时间法）测量法，由激光二极管发出红外脉冲光，而且能在1 s内发射高达百万数量级的脉冲光，形成庞大的点云，绘制出物体的精确轮廓，从而构建出周围环境的三维模型。那么，激光雷达既然这么优秀，为什么之前市场上没能大规模应用呢？这里不得不谈到它无法企及的高成本，与摄像头的成本差距过大，目前市场上L2+级及以下辅助驾驶的车辆非必需也用不起。数据显示，2007年Velodyne刚刚推出HDL-64E之时，其价格高达8万美元，近些年激光雷达成本已经大幅降低，但仍高居数万美元。顾剑民表示：“要实现激光雷达的大规模应用，成本的下降是一个重要影响因素。如今，车企方提出的要求一般是在几百美元到1000美元以内这个范围，因此数万美元的价格实属难以承受。”从2017年法雷奥量产了第一款车规级激光雷达，即第一代SCALA，到今天为止，法雷奥在全球范围内已经生产和交付了12.5万颗激光雷达，分别安装在奥迪A6、A8、Q7等车型上，这对于法雷奥已是量产路上很好的开端。谈到未来在降成本方面的计划，顾剑民表示：“要得到车企OEM大规模的应用，法雷奥的目标是让激光雷达的批量售价远低于1000欧元。”另一方面，受制于各地区交通法规的影响，上路的具备L3或以上级别自动驾驶功能的车辆大多是测试区域的车辆。但全球范围内都在加速自动驾驶法规的落地。日本在这方面走在前列，2019年，日本通过了《道路交通法》，是最早允许有条件的L3车辆上路的国家；2020年，日本通过《道路运输车辆法》，指出通过软件程序使车辆自动行驶时，必须安装摄像头、雷达等装置，加速自动驾驶落地。顾剑民谈到，在日本这一先行者之后，欧洲国家中预估2021年或2022年英国和德国也将推出L3车辆上路的法规政策。在中国，对于自动驾驶和无人驾驶，国家法律、行政法规还没有规定；有地方立法权的地方政府反而可以走在前面，先行立法。政策端利好的同时，我们也看到，跨入2021年，L3级自动驾驶迎来量产时间点，蔚来汽车、小鹏汽车、长城汽车、Lucid等多家车企均规划或推出带有激光雷达的车型，因此激光雷达有望加速量产时间点。面对这一蓝海市场，激光雷达的新进入者也加速涌入这一赛道，如华为、速腾等，这对于老牌供应商法雷奥是否意味着挑战？对此，顾剑民表示：“大量新进者涌入，这代表了我们坚持和选择的这一道路是正确的，挑战一直都存在，但我们在车规级、制造工艺、生产能力以及主机厂配套集成方面累积了深厚的经验。”得益于这些优势，法雷奥的激光雷达已经拿到了至少4家国际化车企的订单，总订单额约为5亿欧元。尤为值得提及的是，2021年法雷奥16线的第二代SCALA激光雷达将在一家欧洲车企的车型上量产，之后法雷奥激光雷达也将在另一家亚洲车企上车。激光雷达大规模应用之路上，对于这个赛道上所有的供应商来说，如何实现车规级批量生产，仍然是最大的“拦路虎”。目前，市场上大多数供应商和初创公司切入激光雷达的方式主要是通过后装市场，以高性能为主，但这一经验是否能完全复制应用于前装市场？答案当然是否定的。例如，我们看到测试车辆的激光雷达大都安装在车顶处，像一个“大脑袋”，仅仅是造型这一点对于任何一家需要量产的主机厂都有可能没办法接受。顾剑民指出：“车厂要求激光雷达必须做到体积足够紧凑，能够完全融合在车辆的造型中，与车身融为一体。这对供应商的制造工艺、生产能力，以及上车集成的实际开发能力等都是全方位的考验。”未来，激光雷达要迎来全新发展，技术的拓展和降本是重要的发展方向。技术的升级，一方面是高线数。目前市场上比较常见的有8线、16线和32线激光雷达，还有少量64线产品。激光雷达线数越多，分辨率越高，安全性也越高。但这里也有悖论，高线数意味着高成本、复杂结构和制造难度。因为机械式激光雷达实现高线数需要多个激光发射器，而且扫描系统依赖电机，系统成本较高。尤其是扫描部分都会由一个旋转棱镜来反射发射激光束，这是一个高速旋转的装置，而任何高速旋转部件装车都会面临车规级的严苛挑战，包括振动、冲击、高低温、电磁兼容等，所以，未来的方向肯定是将高速旋转件去掉。这就涉及另一大技术升级。顾剑民谈到，“从技术趋势来讲的话，激光雷达肯定会从原来的机械式激光雷达向固态激光雷达发展”。至关重要的是，从机械到固态，降本效果最显著。对于固态激光雷达，一般包括MEMS半固态激光雷达、Flash固态激光雷达、OPA固态激光雷达。目前来看，MEMS半固态激光雷达供应链最为成熟，是量产产品的首选。当前阶段产品价格已经可以达到500~1000美元。MEMS微振镜本质上是一种硅基半导体元件，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。据悉，速腾即将要量产的车规级激光雷达就是MEMS半固态激光雷达，即将搭载在Lucid的量产车上。而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，而且目前价格相对MEMS较高。Flash激光雷达技术的天然优势在于：这是全固态，没有任何移动部件，更像是一个半导体产品。如此一来，大批量车规级生产也更容易，从而能降低成本。至于OPA固态激光雷达，潜力最大，但没有成熟产业之初，难度较高。那么，法雷奥的产品规划如何？顾剑民表示：“法雷奥正在研发的下一代激光雷达会从机械式进化到固态式，而且会分远近探测距离和不同技术路线。”最后，回到自动驾驶的初衷，安全性仍然是重中之重。只有感知技术性能和方案的持续升级，才能支撑自动驾驶从L1到L5级的愈发严苛的感知方案需求；但无论哪一种感知方案都不是万能的，它们之间相互补充、相互融合，才能为自动驾驶的安全性增添保障，而且最终落地的关键还在于主机厂在需求、场景与成本三者之间的平衡。另一方面，单车智能是必须，但在自动驾驶的场景中，总是会遇到一些瓶颈，如果能有高精度定位、高精度地图甚至是V2X车路协同等技术加持，相信自动驾驶、智慧城市的愿景会越来越近。