本文转自：上观新闻
据不完全统计，截至2022年1月，全球已有至少17家汽车制造商宣布将推出20款配备激光雷达的新车，在中国市场，也有10多款车型开始装载本土制造的激光雷达。
而3年前，美国特斯拉公司首席执行官埃隆·马斯克就已提出，“依靠激光雷达的人注定要失败”。直到今天，特斯拉不仅放弃使用雷达传感器，还高调宣布推出依赖摄像头的“特斯拉视觉”系统。
那么，激光雷达真的是未来自动驾驶车型的必选项吗？
自动驾驶货车前的激光雷达
01 新技术的诞生
1917年，爱因斯坦提出了“光与物质互相作用”技术理论，大意是物质的原子中，有不同数量的电子分布在不同的能级上，高能级上的电子受到某种光子的激发，会从高能级跃迁到低能级上，这时将会辐射出与激发它的光性质相同的光，在某种状态下，能出现一个弱光激发出一个强光的现象。这就是激光的理论来源。但直到1960年，美国科学家梅曼发明了世界上第一台可操作的波长为0.6943微米的红宝石激光器，这才揭开了激光应用的序幕，激光雷达便是最早的实用案例之一。
激光雷达是使用激光器作为发射光源、采用光电探测技术手段的主动遥感设备。早期激光雷达主要用于太空探测、气象监测等非民用方面，还曾跟随美国阿波罗15号飞船完成了月面测绘。后来，激光雷达的应用扩展到军事、医疗、通讯、工业、航空等各领域，但从成熟程度以及增速上看，汽车领域最为突出。
从原理上讲，激光雷达通过激光测定传感器发射器与目标物体之间的传播距离，分析目标物体表面的反射能量大小，反射波谱的幅度、频率和相位等信息，输出点云，从而呈现出目标物精确的三维结构信息，因此系统就可以对周边环境3D建模，从而有利于智能驾驶系统对车辆精确定位，避免与周围物体发生碰撞。
2005年，美国音响公司威力登发明了实时环绕式激光雷达系统，自此开创了自动驾驶的新纪元。两年后，他们生产出首台商用3D动态扫描激光雷达，激光雷达的商业化落地进程由此起步。
传统汽车装载的毫米波雷达、超声波雷达等，都只能满足L2级自动驾驶（在系统所规定的运行条件下，车辆本身能够控制汽车的转向和加减速运动）要求。当越来越多的汽车品牌开始布局L3级（汽车自动系统既能完成某些驾驶任务，也能在某些情况下监控驾驶环境，但驾驶员必须准备好重新取得驾驶控制权）及以上级别时，对于车身周围环境信息的准确探测、识别、传输、分析要求越来越高，激光雷达的重要性开始逐渐凸显。
采用激光雷达的自动驾驶厂商一般选择在车顶配置 64 线激光雷达，用于障碍物和移动车辆检测，同时在车身四周环绕成本相对较低的低线束激光雷达或毫米波雷达进行视野补充。由于它是一项高精度和完整的技术，因此被大多数人认为是自动驾驶汽车的关键部件。
02 马斯克为什么说“不”
这里的“大多数人”并不包括马斯克，他推崇的“纯视觉方案”是通过摄像头、毫米波雷达捕捉周边环境信息，再通过算法进行分析抉择。他认为，“汽车上的纯视觉方案，尤其是使用显式光子计算时，比雷达+视觉的组合要好很多。后者有太多的不确定性——当雷达和视觉感知不一致时，不清楚该相信哪个。”
特斯拉不仅坚持不用激光雷达，还在2021年5月北美上市的特斯拉 Model 3(配置|询价)、Model Y(配置|询价) 车型上取消毫米波雷达，改为采用完全由摄影镜头侦测的特斯拉纯视觉技术，作为自动驾驶辅助系统的基础。
此外，由于特斯拉拥有软硬件算法完全自主的掌握与开发能力，马斯克坚信特斯拉FSD（完全自动驾驶）算法升级的速度会比激光雷达降价的速度更快。
还有一个没有被说出来的原因是，特斯拉已经在视觉算法方面投入巨大，如果安装激光雷达，其硬件改装很难做到向前兼容，甚至计算平台都需要额外进行设计改装，以适应激光雷达的布置、线缆连接和数据处理。要放弃之前如此大的积累，转身去做另一条路线，投入产出比可谓“得不偿失”。
不过，马斯克并不孤单。2022年4月7日，丰田汽车旗下子公司“编织星球”（Woven Planet）就对外表示，要在其辅助驾驶和更高阶的自动驾驶项目中，采用单一视觉方案开发自动驾驶，即在不使用激光雷达等昂贵传感器的情况下，通过成本相对较低的摄像头采集数据，推进自动驾驶技术。
03 各有优劣
以特斯拉为代表的“视觉方案派”和以大多数汽车厂商为代表的“激光雷达派”，双方对垒的根源在于理念的不同。前者希望使用尽可能少的传感器来降低汽车成本，比如特斯拉整车共使用12个超声波传感器、1个毫米波雷达和8个感知摄像头，在整车的感知范围布局上几乎没有重叠。马斯克认为，这种方法有助于降低自动驾驶的成本，并使辅助驾驶功能更快地实现商业化。而后者则出于安全考虑，通过采用多种传感器的组合来确保冗余性，确保当某一种类型的传感器出现故障或无法在特定情况下运行时，始终会有一个备用传感器正常工作。
这两派可谓各有优劣。“视觉方案派”所需的硬件成熟度较高，且成本低，但毫米波雷达探测角度较小，远距离探测能力也不足，不仅需要优异的算法来弥补缺点，成像质量受到环境亮度影响也较大，尤其是在雨雪、沙尘等天气等恶劣环境下，完成感知任务的难度会大幅提升。比如特斯拉汽车曾把白色的大货车识别成云朵，直接撞上去；把二维的人体投影当成真人，主动刹车等。
最重要的是，不管摄像头的清晰度有多高，哪怕特斯拉引入了3D鸟瞰预测图，视觉方案获得的信息终究还是2D图像。比如，跨层泊车场景全是静止障碍物，地形又复杂，需要地形建模，相比激光雷达，无法3D建模的纯视觉方案的劣势就更明显。
激光雷达收发的是激光，具有精度高、范围大、抗干扰能力强的特性，但在恶劣天气的条件下表现一般，缺乏对环境的颜色和纹理信息的辨别，并且在大范围安装后，激光雷达有无法判断脉冲光是否为自己发出的串扰风险，直接导致其判断不出物体的形状。
更大的缺点正如马斯克所指出的那样，是价格昂贵。随着量产，激光雷达单机已从最开始的上千美元下降为 400～500 美元，并逐步趋于稳定，在 3～5 年内预期降幅不大，相比高清摄像头几十甚至十几美元的价格还是高出许多。因此，激光雷达方案纵使能进一步提高自动驾驶的安全性，可出于成本考虑，大规模普及可能尚需时日。
激光雷达要量产装车，需要同时满足性能、体积、成本、安全等多个要素，任何一方面都不能有太明显的短板。但现实是，现在的激光雷达很难同时兼顾，无论是在应用端还是在产业端，都还不够成熟。从理论上来说，或许视觉技术与激光雷达相互结合才是完美的方案，但最终它们的博弈走向何方，只能交给时间。
来源：《环球》杂志
栏目主编：秦红 文字编辑：李林蔚 题图来源：图虫 图片编辑：徐佳敏