說到激光雷達就一定會提到自動駕駛，而在如何實現自動駕駛的方法論上，不管馬斯克如何安利純視覺方案，也不管他如何貶低激光雷達，特斯拉的中國學生們卻沒有學美國老師的玩法，紛紛給電動車裝上了激光雷達，走雷達+攝像頭的混合感知路線。

在剛剛過去的廣州車展上亮相了13款裝有激光雷達的車型，長城旗下新能源電動車品牌沙龍機甲龍更是一口氣裝上了4顆，并且放出狠話“4顆以下，請別說話”。如此霸氣的炫富，即使在概念頻出的新能源電動車圈里也不多見。

那到底激光雷達給自動駕駛帶來了什么好處，以至于這么多車企都要裝？又為什么說Mobileye可能會是激光雷達行業的終極贏家呢？繼續往下分解

祖師爺Velodyne：以機械式激光雷達開場

都知道Mobileye以單攝像頭視覺方案崛起于ADAS，但攝像頭在某些場景下存在很難克服的困難，比如夜晚光線太暗導致成像效果不理想、惡劣天氣導致能見度太低等。最為致命的是在高速路上，高速行駛的車輛需要提前感知前方足夠遠距離內的道路狀況，好提前做好預警準備。而攝像頭能清晰識別的距離有限，一般不會超過70米，這個識別距離在高速路上明顯不夠。

于是，激光雷達登場了。激光的準直性不錯，光線聚焦不容易發散，能將識別距離提高到150—200米。1個激光發生器稱為1線，16線就需要16個激光發生器，在豎直方向上1條線對齊排列，然后360°轉動。這種方案稱之為機械式激光雷達，也是激光雷達鼻祖Velodyne選擇的方案。

圖：三種線數的機械式激光雷達示意圖

優點是能探測車輛周圍360°的圖像，視場角FOV達到360°的最大值，沒有視場盲區。但缺點也非常明顯，要得到分辨率更高的圖像，就要增加激光雷達的線數，也就是要增加激光發生器的個數，導致產品體積成倍增加，沒法集成到車身里，只能裝在車頂，被車廠親切地稱為“車頂肯德基桶”。

圖：裝在車頂的機械式激光雷達

更麻煩的是，要保證掃描光線彼此平行不交叉，需要調教激光發生器的相對位置。線數越多，需要調教的激光發生器數量就越多，調教難度又是成倍增長。另外，機械式激光雷達必須用電機作為轉動部件。電機一刻不停的轉動，就不斷有機械磨損，導致工作壽命在幾千小時，一般不會超過5千小時，離車規要求的上萬小時距離較遠。

體積大零部件多、制作難度大、使用時間短，種種原因導致機械式激光雷達的價格極高。2016年，Velodyne的16線產品售價約8000美元，而一枚64線產品售價高達8萬美元，普通乘用車根本用不起。如今機械式激光雷達大都用在無人車的測試車上。

固態：用光學鏡頭偏轉取代機械轉動

既然激光雷達必不可少，機械式的缺點又這么多，那就用技術來升級它。聰明的工程師們想到一個絕妙的辦法，用光學鏡頭折射激光，達到多個激光發生器同等的效果。比如激光在1s內掃描1個點，如果鏡頭0.5s偏轉一次，讓激光在1s 內掃描2個點，那么就相當于有兩個激光發生器，可稱之為等效線數。

采用這種方案就不需要激光發生器360°轉動了，也減少了激光發生器數量，大大降低成品體積，可以被集成到車身上，能被乘用車采用了。根據光學鏡頭和偏轉方式，又可以分為這么幾類：

1、旋鏡方案

如下圖所示，激光發生器發出的激光經過一塊平面鏡反射到一個棱柱狀旋鏡。平面鏡上下翻轉，可以實現激光在垂直方向上的掃描；旋鏡轉動實現激光在水平方向上的掃描。1個激光發生器+兩個鏡頭就可以覆蓋車輛前面一定范圍的圖像（實際產品中不止一個激光發生器）。采用這種方案的公司有禾賽科技和華為。以禾賽科技在2021年下半年發布的最新車規級激光雷達AT128為例，其視場角為水平120°×垂直15.4°，最高探測距離200m，尺寸137×112×147mm。

圖：半固態旋鏡方案激光雷達示意圖

2、MEMS微振鏡方案

這種方案的光學掃描部件采用MEMS工藝制作的微振鏡，尺寸在微米量級。如下圖所示，圓形鏡片在懸臂梁的支撐下可以在上下和左右兩個方向上振動，同樣實現激光在水平和垂直兩個方向上的掃描。

  圖：MEMES微振鏡3D立體示意圖                圖：MEMES微振鏡2D平面示意圖

知名創企速騰聚創就是采取這種方案，也是目前商用的主流方案，優點是MEMS工藝成熟，成本可控，受到車廠青睞。去年廣州車展上亮相的13款前裝激光雷達新車型中，有接近一般都選擇了這種方案。

3、棱鏡方案：

光學掃描部件采用不規則的棱鏡，如凸面鏡、楔形鏡等。好處是通過不規則棱鏡的折射，可以把激光偏轉到更大的范圍，增大激光雷達的視場角。難點在于對光路的設計，以及對微型電機的控制。大疆的子公司覽沃科技Livox就是采用這種方案，借助于大疆在無人機上積累的電機控制經驗，Livox在已經發布的車規級激光雷達產品HAP上將電機尺寸軸承直徑做到了5mm，轉速高達7000轉/min。轉速越大，等效線數越大，每個目標點上有更多光線掃過，分辨率就越高。

圖：棱鏡方案光學部件示意圖

以上三種方案都是在光學掃描部件上做文章，但更高階玩法是在激光收發部件上動心思。傳統激光發生器一般采用分立器件組裝形式，體積大，成本高。采用如下圖所示可以集成到芯片上的垂直腔面發射激光器（VCSEL），一顆芯片就可以集成數十、上百個激光器，再加上接收部件、邏輯運算單元，一顆激光雷達專用SoC誕生了。只要芯片化，就可以用摩爾定律降低其體積和成本，加速激光雷達上車應用的步伐。

 

         左圖：垂直腔面發射激光器示意圖        右圖：集成多個垂直腔面發射激光器的芯片

 

Mobileye的逆襲：FMCW對戰TOF

終于輪到Mobileye出場了。2021年1月11日，Mobileye發布了一款激光雷達SoC芯片，2025年量產。探測原理采用了跟以上所有方案都不相同的調頻連續波FMCW（ Frequency Modulated Continuous Wave）的方案。

以上所有激光雷達探測原理都是基于飛行時間TOF：入射光打在物體表面被反射回來，接收器檢測到反射光，計算光線從出射到回收的時間，就可以算出光線走過的路程，除以2就是物體與雷達的距離。目前裝車商用的激光雷達產品，以及有點知名度的創企幾乎全是采用這種技術路線。

Mobileye之所以會選擇FMCW，是因為TOF的路上有幾個不太好跳出來的坑。比如很難規避外界光線干擾的影響，這個干擾來自可能來自強陽光、也可能來自車輛自身安裝的其他激光雷達，或者是別的車上搭載的激光雷達。

如今裝有激光雷達的車輛數量很少，這個問題還不嚴重，當裝有激光雷達的車輛越來越多，車輛之間激光信號的串擾問題會越來越嚴重。要解決這個問題常見的做法是對每一束激光脈沖進行單獨編碼,使其不受其他激光雷達的干擾。不過，編碼會導致信噪比下降，進而犧牲測距能力。

TOF方案最大的問題是沒法獲取目標物體的速度信息，尤其是較遠處物體的速度信息，因為物體距離越遠，反射回來的激光信號越弱。但在某些場景下，比如一輛速度很快的車輛對向駛來的時候，TOF方案沒法預測到這個潛在危險，到走近之后才發現留給車輛的規避時間就很短了。

再比如，下雨天車輛前輪胎會濺起水霧，水霧在TOF激光雷達射上形成的點云看起來跟車輛或其他障礙物沒什么區別。這種信息會給自動駕駛決策系統造成很大的困擾。如果經常因水霧而誤剎車，不僅乘坐體驗很差，而且還埋下了可能被追尾的安全隱患。

圖：激光雷達掃描得到的點云圖

以上困難用FMCW就很好解決。FMCW通過發送和接收連續激光束，把返回光和本地光做干涉，并利用混頻探測技術測量返回光和本地光的頻率差異，再通過頻率差換算出目標物的距離。如果目標物靠近車輛，光頻率會升高；如果目標物遠離車輛，則光頻率會降低，通過頻率差異就能算出目標物相對于車輛的速度。

在上面那個水霧的場景下，水霧在FMCW探測圖像上有明顯的上升和下降的軌跡，可通過這些速度信息幫助決策系統判斷出它們是“水霧”，在決策算法中將其過濾掉。另外，FMCW只對自身發射的激光產生干涉，不受其他雜光的干擾，包括太陽光等環境光，以及來自其他激光雷達的光。TOF易受外光串擾的問題也迎刃而解。

這么好的方案為什么國內幾大知名的激光雷達創企沒有跟進呢？原因在于，要制造FMCW芯片需要復雜的硅光子芯片制造工藝，而Mobileye的東家Intel在服務器領域有強大的光纖收發器產品線，積累了豐富的硅光子芯片制造工藝，可以幫助Mobileye解決研發和制造上的難題。

在2021年CES上，Mobileye CEO Shashua在演講中是這么說的：“我們激光雷達的性能預計會超過市場上任何已知的解決方案，能夠使激光雷達本身成為一個單一的、完整的、獨立的感知系統。”

當業界還在感嘆昔日ADAS的霸主Mobileye在高階自動駕駛上逐漸掉隊的時候，殊不知，人家正在醞釀著一次終極反擊。