激光雷达（LiDAR）在汽车上的应用主要围绕高阶自动驾驶辅助系统（ADAS）和自动驾驶展开，它通过发射激光脉冲并接收反射信号来精确感知周围环境的三维信息，是提升车辆环境感知能力的关键传感器之一。以下是其主要应用场景和优势：

核心应用场景

1. 高精度环境感知与目标检测

   • 构建3D点云地图：实时生成车辆周围环境的详细三维点云模型，精确识别物体轮廓、位置、距离和大小（如车辆、行人、路障、路沿、树木等）。
   • 小目标检测：对低反射率物体（如黑色车辆、夜间行人）或小型物体（如锥桶、宠物）的探测能力强于摄像头和毫米波雷达。
   • 车道级感知：识别车道线、可行驶区域及非结构化道路（如工地、草地）。

2. 精确测距与定位

   • 厘米级精度测距：测量精度可达±2 cm，远超毫米波雷达（通常米级误差），保障跟车距离和变道安全。
   • SLAM定位：结合高精地图和实时点云数据，实现车辆厘米级定位（如城区无GPS信号场景）。

3. 自动驾驶路径规划与决策

   • 为控制系统提供高分辨率环境模型，支持复杂场景决策（如拥堵路段加塞、交叉口无保护左转）。

4. 增强安全冗余

   • 多传感器融合：与摄像头（提供颜色/纹理信息）、毫米波雷达（测速/穿透雨雾）互补，构成感知冗余系统，提升系统可靠性。
   • 失效场景应对：在摄像头受强光/逆光干扰、毫米波雷达误识别静止物体时，LiDAR提供关键校验数据。

5. 特殊场景优化

   • 夜间/低光环境：主动光源不受环境光影响，夜间探测能力优于摄像头。
   • 恶劣天气：部分波长（如1550nm）可穿透薄雾和细雨，但暴雨浓雾仍受限。

技术优势

典型配置方案

• 位置：车顶（360°全景扫描）、前保险杠（主探测方向）、车侧（盲区覆盖）。
• 数量：L2+ 车型常配1-3颗（如蔚来ET7、小鹏G9），L4 测试车可达4-6颗。
• 技术路线：机械式（旋转扫描，逐渐淘汰）、半固态（MEMS振镜/转镜，主流方案）、固态（Flash/OPA，未来方向）。

当前挑战

1. 成本高昂：单价曾达数千美元，现降至$500-$1000（如禾赛AT128），但仍显著高于摄像头。
2. 天气干扰：大雨/大雪/浓雾会散射激光信号，需与毫米波雷达融合补偿。
3. 数据处理压力：每秒百万级点云数据需高性能计算平台（如NVIDIA Orin）。
4. 车规级标准：耐高温/振动/冲击的设计挑战大，影响使用寿命。

行业趋势

• 成本下探：国产化加速（速腾聚创、禾赛科技等）推动价格降至$200-$500区间。
• 芯片化发展：VCSEL激光器 + SPAD探测器 + ASIC芯片集成，提升可靠性与能效比。
• 与4D毫米波雷达协同：中低端车型可能以4D雷达替代部分LiDAR功能，高端车型仍依赖多传感器融合。
• 政策推动：中国L3级自动驾驶标准落地（2023年起），强制要求感知冗余系统。

总结

激光雷达是实现L3+自动驾驶的核心传感器，尤其在复杂环境感知、安全冗余和精准定位中不可替代。尽管成本与气候适应性仍是挑战，但随着技术进步和量产规模扩大，它正从高端车型逐步渗透至主流市场，成为智能汽车"智能化下半场"的关键硬件基石。