特斯拉摒弃的这颗传感器,在L3以上智能驾驶有何进展?

电子说

1.3w人已加入

描述

自特斯拉正式入驻中国以来,自动驾驶成了大热的议题。那么什么是真正的自动驾驶呢?
 
国际自动机工程师学会(SAE)给自动驾驶的级别给到了定义。SAE J3016标准将自动驾驶分为L0到L5六个等级。以下是这6个等级的定义。

SAE自动驾驶分级 / SAE


 
特斯拉仍处于L2.5级别,但特斯拉打算直接跨入L4。目前的大部分自动驾驶汽车的研发进展仍处于L3到L4阶段,这其中少不了智能驾驶传感器的协助。
 
自动驾驶中的传感器一般由视觉系统,激光雷达,毫米波雷达和辅助传感器组成。其中视觉系统采用多摄像头组合,覆盖多种光照和气候条件,并获取基本的RGB信息,检测识别明显的信号灯,警示牌等物体。而激光雷达则负责距离检测,并高精度识别目标的三维信息。毫米波雷达则用于获取复杂环境下的物体状态。辅助传感器有GPS,RTK和麦克风等,对位置和距离进行一个大概的辅助测量。

而这些智能驾驶传感器中,关键的当属激光雷达。
 
激光雷达市场趋势
 
摄像头价格基本在200美元以下,而毫米波雷达则低于150美元,但激光雷达的价格则高至8000-30000美元。据市场研究机构Grand View Research的报道统计,预计全球激光雷达市场规模可至29亿美元,复合增长率达17.9%。而中国车载激光雷达的市场规模预计在2021年超过6亿元。
 
虽然特斯拉并不打算在自己的智能驾驶系统上加装激光雷达,但这并没有影响其它车厂这样做的决心。国外做激光雷达的企业起步早,其中领头并量产的就是Velodyne和Ibeo。福特投资了Velodyne和Argo AI,旨在打造自己的一套智能驾驶系统。Ibeo则与Valeo合作,在奥迪A8上实现了第一款量产L3汽车。国内的企业也在迎头赶上,其中禾赛科技,北科天绘和速腾聚创等都在研发固态激光雷达。谷歌出身的Waymo也在去年推出了性能优秀的自研雷达。

国内外车载激光雷达厂商

 
激光雷达分类
 
激光雷达按照有无机械件可以分为三种,一是机械激光雷达,二是固态激光雷达,三是混合固态激光雷达。如今市面上很多圆柱状的激光雷达都是机械激光雷达,为了达到360°的水平视场角,需要有控制激光发射方向的机械部件。而固态激光雷达采用相控阵列,Flash和MEMS等技术,虽然只有电子部件,但大多只能实现120°的水平视场角。
 
现在很多厂商都采用了混合固态的方案,混合固态激光雷达用MEMS扫描镜的微动镜面来调整激光方向,将机械结构集成到内部,从而实现更大的水平视场角。
 
接下来我们就从激光雷达来分析一下L3和L4这两个等级的自动驾驶方案。
 
不完整的L3

奥迪A8L / Audi

第四代奥迪A8是第一款达到L3级别的量产车。而L3智能驾驶中有两个典型功能,一是交通拥堵协同驾驶(TJP),用于高速公路上的拥堵情况,时速在0到60km/h时自动跟车。二是高速协同驾驶(HWC),用于高速公路上全速驾驶,在时速60km/h以上也能自动驾驶。但实际上奥迪A8的的L3级别功能并不完整,HWC功能并不能实际落地,个中缘由还是法律法规的缺失。

Scala激光雷达 / Valeo

 
但无论如何这是这款车仍是迈向L3自动驾驶的一大步,它所采用的正是法雷奥(Valeo)的Scala一代机械激光雷达。该雷达采用了旋转镜的技术,将水平视场角做到了145°,垂直视场角做到了3.2°,并选用了905nm的激光波长。而正在研发中第二代Scala激光雷达,能将垂直视场角提升至10°,并将分辨率改进至0.6°。
 
不完善的L4
 
因为许多法律和技术上的原因,不少厂商考虑跳过L3,直接往L4的方向研发。在广汽研究院智能技术部部长郭继舜的一次演讲中,他提到L4的自动驾驶依然面临着以下四大挑战。

广汽研究院

 
尽管如此,不同厂商仍在实现L4自动驾驶的路上研发自己的激光雷达产品。我们可以来对比其中几个方案。
 
Waymo

第五代Waymo驾驶系统/Waymo

 
Waymo是Alphabet(谷歌母公司)旗下的自动驾驶汽车项目公司,也是目前领跑的激光雷达制造商之一。如图是Waymo的第五代自动驾驶系统,车顶有360°FOV的激光雷达,视觉系统和毫米波雷达,而车前和车后都是近距离激光雷达+近距离视觉系统+毫米波雷达的组合。而Waymo在去年推出了对外的自研激光雷达Honeycomb。

Honeycomb激光雷达 / Waymo

 
该激光雷达提供水平360°高分辨率显示,车辆上还可以加入摄像头进行补盲,并引入HDR和热稳定性以应对复杂环境,配以毫米波雷达后视野更远,并提供大范围的高分辨率显示。虽然这款自研的激光雷达是一款短程激光雷达,但Waymo声称他们下一代的激光雷达探测距离将达到300m。
 
Honeycomb激光雷达拥有优秀的视野范围:最高95°的垂直视场角和360°的水平视场角,远超市面上大部分机械激光雷达。当Honeycomb发出光脉冲时,它不仅识别激光束触及的首个物体,甚至可以识别至多4个激光范围内的物体(比如同时识别树叶和树枝),所以环境识别细节程度很高。同时它的最小测量距离为零,所以更容易检测并躲避近距离的物体,可编程特性则让其能适应各种应用场景。
 
Velodyne

Alpha Prime激光雷达 / Velodyne

 
上图是Velodyne 的激光雷达Alpha Prime。它的水平视场角同样能够达到360°,而垂直视场角可以达到40°(-25°~+15°),对于10%反射率的目标探测范围在220米以上。该雷达采用了903nm波长的激光,也通过了Class1人眼安全认证。
 
值得一提的是,该激光雷达对低反射物体有着极佳的远距离检测,比如轮胎,暗色车辆,沥青路和行人等。因此可以用于市区和高速等一系列复杂环境。
 
Velodyne也有着短距广视场角的激光雷达方案,其VelaDome雷达就可以做到180°x 180°的FOV,最小侦测距离可至0.1m。
 
禾赛科技

PandarQT激光雷达 / 禾赛科技

 
禾赛科技是国内的一家激光雷达制造商,PandarQT是一款64线的短距机械激光雷达。该激光雷达不仅拥有机械激光雷达水平视场角360°的优势,更是将垂直视场角做到了104.2°(-52.1°~+52.1°)。但该激光雷达主要用于短距的测远,20%的反射率下拥有30m的测量范围。
 
因为该雷达发射的激光线束可达64线,因此垂直视场角的分辨率(两相邻激光的夹角)更小,获取的目标数据更多。
 
览沃科技

Horizon 激光雷达 / Livox

 
览沃科技(Livox)是从大疆内部孵化的激光雷达公司,专为自动驾驶和工业制造提供激光雷达方案。今年他们在CES2020上展出了自己的两款新型固态激光雷达Horizon和Tele-15。Horzion采用了非重复横向的激光扫描方式,与传统机械激光雷达相比,拥有更广的视场覆盖率。其水平视场角为81.7°,垂直视场角为25.1°。而Tele-15则专为500m的超远精确探测打造,在15°的FOV下可以实现2厘米的距离进度和0.03°的角度精度。而且这两款产品也公布了售价,分别为6499元和9000元,远低于传统机械激光雷达。
 
速腾聚创

RS-Ruby 激光雷达 / 速腾聚创

 
速腾聚创的多款激光雷达产品都采用了混合固态激光雷达的方案,不同的是,他们将水平视场角做到了360°。比如上图这款128线的激光雷达RS-Ruby,内部128个激光源旋转的同时也在发射线束,从而实现了360°的水平FOV,垂直FOV也做到了40°(-25°~15°)。
 
该公司也有着短距补盲的激光雷达RS-Bpearl,将垂直视场角提升至90°,最小侦测距离小于10m。这两者组合成了全新的Robotaxi环境感知方案。
 
对比了以上国外和国内的激光雷达方案,激光雷达中的关键参数已经很明晰了。更大的垂直视场角能提供更大的测量范围,但低分辨率能提供更准确的视野信息。与此同时探测范围,激光回波模式和强度也是实现高精度高实用性的关键因素。高功率的激光意味着更加远的探测范围,激光雷达的常用波长在850到905nm范围内,但若是提高激光功率,很可能会对人眼造成伤害,这也是为什么激光雷达也需要通过FDA或CFDA认证的原因。也有的激光雷达采用1550nm波长的激光,这样可以避免对人眼造成伤害,但这种波长的激光需要特殊的激光源制作材料,而且大功率下可能会损坏相机里的传感器。
 
机械激光雷达虽然可以轻易实现360°的水平视场角,但成本较高体积较大。而反观固态激光雷达,虽然量产优势较大,但往往需要在车身上固定多个才能实现机械激光雷达的水平覆盖范围。所以目前许多厂商都在研究混合固态的激光雷达方案,但考虑到内部元件过车规的难度较大,所以未来可能机械激光雷达仍会占据一段时间的主流市场。
 
尽管L4自动驾驶依然没有短期落地的趋势,许多激光雷达厂商也只是与一些汽车制造商和互联网公司开展试驾活动,因为从L3到L4,激光雷达的功率,安全性,鲁棒性等都是需要解决的难题。但L4并非离我们遥不可及,国家发改委也于今年发布了《智能汽车创新发展战略》,我们国家的战略路线和欧美国家有一定差异。国外追求的是先实现产品落地,而我们则是先实现车路协同。
 
有了相关法定和新基建辅助,激光雷达仍需通过一系列车规标准,这对自动驾驶系统中的其它传感器也有着较高要求,不仅仅针对激光雷达。而与激光雷达配合的图像识别算法也是自动驾驶中需要进一步优化的技术。待得L4的自动驾驶彻底落地后,我们还有L5这座大山横亘在面前,那时候激光雷达市场想必又是另一幅光景了。
 
本文由电子发烧友网原创,未经授权禁止转载。如需转载,请添加微信号elecfans999。

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分