第一情报 ---信息产业

自动驾驶汽车技术发展趋势——激光雷达技术呈现固态化趋势

供稿人:殷媛媛  供稿时间:2020-5-25   关键字:自动驾驶  智能网联  激光雷达  

环境检测技术是自动驾驶汽车的眼睛,发展趋势是高性能、轻小化、高可靠和低价格。自动驾驶汽车的量产化落地离不开高鲁棒性、低成本的传感器方案配合,其中,激光雷达、毫米波雷达、车载摄像头等是研发重点。三者融合使用,将有助于提高系统探测精度,增强整车安全性能,是实现高度自动化驾驶的必然趋势。

图1:三种主要传感器的效果区别

资料来源:上海科学技术情报研究所整理

激光雷达(LIDAR)因综合性能最为突出而成为高级别自动驾驶系统的首选配置。与摄像头相比,激光雷达的探测结果更加直接可靠,且不易受环境的干扰;与毫米波雷达相比,它的数据密度和探测能力更为出色。随着智能驾驶的等级逐步提升,尤其是在进入到L4-L5级别的自动驾驶后,系统对传感器的要求会更加严苛,激光雷达也正是为了满足这些需求而不断进化。

1、机械式激光雷达

目前市面上可见的车载激光雷达,基本都是机械式,其典型特征即为拥有机械部件,会旋转。机械式的代表是Velodyne,其目前应用范围最为广泛,Velodyne在2017年底推出线束高达128线的机械式激光雷达。但机械式的设计直接构成了当下激光雷达的几项不足:光路调试、装配复杂,生产周期漫长,成本居高不下;机械旋转部件在行车环境下的可靠性不高,难以符合车规的严苛要求。为了大幅度地降低激光雷达的成本,也为了减少活动部件提高可靠性,满足车规的要求,激光雷达的发展方向顺利成章地从机械式激光雷达转向了固态激光雷达,实现路径则是改革现有的需要手工装配的光路设计,以及减少或者取消移动部件。

图2:Velodyne 128线激光雷达

资料来源:Velodyne

2、固态激光雷达

固态激光雷达目前大致形成了三种技术路线:MEMS、OPA与Flash。其中MEMS和OPA均为扫描式,而Flash为非扫描式。固态激光雷达的优点包括:数据采集速度快,分辨率高,对于温度和振动的适应性强;通过波束控制,探测点(点云)可以任意分布,例如在高速公路主要扫描前方远处,对于侧面稀疏扫描但并不完全忽略,在十字路口加强侧面扫描。而只能匀速旋转的机械式激光雷达是无法执行这种精细操作的。因此,尽管目前车载激光雷达的主流仍然是机械式激光雷达,但从长远而言,它终究难以满足自动驾驶普及提出的大规模、低成本、车规级需求。因此,固态激光雷达成为了车载激光雷达的下一个发展形态。

MEMS激光雷达 MEMS(微机电系统)只需一个很小的反射镜就能引导固定的激光束射向不同方向。这种激光雷达的优势是,传感器可以动态调整自己的扫描模式,以此来聚焦特殊物体,采集更远更小物体的细节信息并对其进行识别,这是传统机械激光雷达无法实现的。当前研发MEMS激光雷达的主要有Luminar和Innoviz,还有国内的速腾聚创。

 

图3:Innoviz激光雷达

资料来源:Innoviz

相控阵列激光雷达 相控阵技术此前主要应用于军事雷达,这类激光雷达搭载的一排发射器,可以通过调整信号的相对相位,来改变激光束的发射方向。整个过程中没有机械动作,仅靠电子元器件本身来实现扫描。相控阵的技术门槛较高,代表公司是Quanergy。Quanergy已开始大规模量产固态激光雷达,与业界领头羊Velodyne的旋转式多线激光雷达不同(最低售价数千美元),Quanergy已经可以将激光雷达售价压到250美元(大规模采购)。

图4:Quanergy激光雷达

资料来源:Quanergy

Flash激光雷达 Flash激光雷达运行起来则更像摄像头,激光束会直接向各个方向漫射,由类似于摄像头成像的CMOS传感器采集反射回来的激光束。它可以快速记录整个场景,难点也在接收信号的传感器,所以目前在性能上相比前三种还处于劣势。代表公司有LeddarTech、TetraVue等。 

参考文献

[1]berginsight.The Future of Autonomous Cars[R].2016

[2]李霖.殷媛媛.杜渐等.国家智能网联汽车(上海)试点示范区发展报告2018[M].上海交通大学出版社,2018

[3]荣文伟.陈海林.殷媛媛.杜渐等.国家智能网联汽车(上海)试点示范区发展报告2017[M].上海交通大学出版社,2017

[4]陈卓等.智能汽车决战2020——探索智能化浪潮下汽车行业转型突围之道[M].北京理工大学出版社,2018

[5]Autonomous Vehicle Report[EB/OL].[2017-01-20].http://www.flhsmv.gov/html/ HSMVAuto_nomousVehicleReport2014.pdf

[6]Google Self-Driving Car Project[EB/OL].[2017-01-20].https://www.google.com/ self_ drivingcar/

[7]Gartner.Top Trends in the Gartner Hype Cycle for Emerging Technologies,2017 - Smarter With Gartner[R].2017-08-15

[8]Gartner.Hype Cycle for Smart Machines, 2016[R].2016-07-21

[9]Mcity Test Facility[OL/OL].[2016-12-18]http://www.mtc.umich.edu/test-facility

[10]CES2018.[EB/OL].[2018-1-12].https://www.ces.tech/

[11]Thomson Reuters.Thomson Reuters Releases Detailed Report on Automotive Innovations[EB/OL].[2015-1-20].

http://www.patinformatics.com/thomson-reuters-releases-detailed-report-automotive-innovations/

[12]Oliver Wyman.Google Racking Up More Patents Than Most Automakers On Connected And Self-Driving Cars[EB/OL].[2017-5-17].

https://www.forbes.com/sites/oliverwyman/2017/05/17/google-racks-up-more-patents-than-most-automakers-on-connected-and-self-driving-cars/#5862186b41ef

[13]Cologne Institute for Economic Research .Who Leads the Autonomous Driving Patent Race[OL].[2017-8-29].https://www.statista.com/chart/10879/autonomous-driving-patents/

[14]长城证券.前瞻性研究-汽车智能化行业深度报告系列[R].2017

[15]易观.中国智能汽车市场专题分析[R].2017

[16] An open autonomous driving platform[EB/OL].[2018-10-10].https://github.com/ ApolloAuto/apollo

 


注册成为正式用户,登陆后,获得更多阅读功能与服务!
转载本文需经本平台书面授权,并注明出处:上海情报服务平台www.istis.sh.cn
了解更多信息,请联系我们

§ 请为这篇文章打分(5分为最好)