摘要：本文对激光雷达的基本原理、特点、技术现状、分类和应用情况等进行了概述。特别针对其在自动驾驶领域的应用情况进行了详细分析，对车载激光雷达的应用、技术、产业链和主要的生产企业以及未来的发展趋势进行了论述。

关键词：激光雷达；自动驾驶

Abstract: This paper gives an overview of the basic principles, characteristics, technical status, classification and application of Lidar. In particular, we analyze Lidar's application in the field of automatic driving, and discuss Lidar's application, technology, industrial chain, major manufacturing enterprises and future development trends of automotive Lidar.

Key words: Lidar; Automatic driving

1　引言

激光雷达是一项主动式的现代光学测量技术，将传统雷达技术与激光技术相结合形成的新技术。由于激光具有高亮度性、高方向性、高单色性和高相干性等特点，因此激光雷达具有一系列独特的优点:角分辨率高、距离分辨率高、速度分辨率高、测速范围广、能获得目标的多种图像、抗干扰能力强。

激光雷达是以激光作为信息载体，可以用振幅、相位、频率和偏振来搭载信息的雷达技术，它不仅能够精确测距，也能够精确测速、精确跟踪。继微波雷达之后，激光雷达把辐射源的频率提高到光频段，比毫米波高出两到四个数量级，这使之能够探测微小自然目标，包括大气中的微小颗粒。同时激光雷达的体积和重量都比微波雷达小，应用更加灵活方便。它是 通过对远距离目标的散射光特性探测来获取目标相关信息的光学测量技术。随着超短脉冲激光技术、高灵敏度的信号探测和高速数据采集系统的发展和应用，激光雷达以它的高测量精度、精细的时间和空间分辨率以及大的探测跨度已经成为一种重要的物联网检测技术。

2　激光雷达原理

激光雷达工作时，首先由发射机发射一束特定功率的激光束，经过空气传输辐射到目标表面上，反射的回波由接收装置接收，再对回波信号进行处理，提取有用信息。通过测量反射、散射回波信号的时间间隔、频率变化、波束所指方向等就可以确定目标的距离、方位和速度等信息，然后结合激光器本身的位置信息和姿态角度信息，准确计算出目标表面回波点的三维坐标。若激光束不断地扫描目标物，就可以得到目标物上全部目标点的数据，用此数据进行成像处理后，就可得到精确的三维立体图像。至于目标的径向速度，可以由反射光的多普勒频移来确定。激光雷达探测原理如图1所示，系统框图如图2所示。

图1 激光雷达飞行时间法测距原理

图2 典型的激光雷达系统框图

激光雷达在一些关键技术指标上远远超越了其他遥感探测技术，使其在很多领域得以广泛应用。具体包括：

（1）数据密度大

激光波束窄，探测次数多，因而采集数据量更大。每秒可测量数十万个点，对真实物体表面(如地面)的还原和建模带来极大方便。同时，可调节点采集间隔，大大提高了适用性和工作效率。

（2）数据精度高

由于激光波长短、频率高，可以使激光雷达达到极高的测量精度。高精度测量激光雷达测量精度可达毫米以下，机载激光雷达测量精度也可达厘米级。

（3）植被穿透能力强

激光在植被中传播时，可以在树冠、树枝、地面等多个高程发生反射，从而得到多次回波数，这是其他雷达所不具备的优势。特别是得到的地面回波数据，有效克服了植被影响，使精确探测地面真实地形成为可能。

（4）不受太阳高度角和阴影影响

激光雷达为主动测量式雷达，不依赖自然光，因而与传统方式相比，其获取数据的精度不受时间、太阳高度角和地物阴影的限制和影响，可以二十四小时全地形作业。

（5）隐蔽性好、抗干扰能力强

激光传播方向性好、波束窄，只在传播路径上存在，难以发现和截获。同时，激光雷达口径小，且定向接收，只接收指向区域回波，接收干扰信号的概率极低。

（6）体积小、重量轻、作业效率高

激光雷达发射口径只有几厘米，重量小的可以单人手持使用，相较其他雷达设备要轻便、灵巧得多，不但可以大量节约人力、物力资源，而且可以使工作变得更加简单快捷，可应用的领域也更广。

3　激光雷达的发展历史

20世纪30年代，EH Synge提出了激光雷达的理论开始，在过去的近一百年里，激光雷达得到飞速发展，如图3所示。

图3 激光雷达发展史

激光雷达的技术也发生了巨大进步，光源、成像方式和检测技术的发展，推动了激光雷达从第一代已经发展到第四代，具体的技术细节如表1所示。

表1 激光雷达技术发展情况一览表

4　激光雷达分类和应用

激光雷达是激光、大气光学、雷达、光机电一体化和电算等技术相结合的产物，几乎涉及了物理学的各领域。目前激光雷达种类繁多，可以按照所用激光器、功能用途、运载平台及探测技术进行分类。

对于不同的用途激光雷达所选择的激光器不同，大多数的激光雷达使用的是气体或固体脉冲激光器，也有部分使用气体连续激光器。目前激光雷达中常用的激光器有CO 2激光器(9.2-11.2μm)，Er: YAG激光器（2μm）、拉曼频移Raman-shifted Nd:YA激光器（1.54μm），Nd:YAG激光器(1.06μm)， GaAIAs半导体激光器（0.8-0.904μm），HeNe激光器（0. 63μm）、倍频Nd : YAG激光器（0.53μm）等。

从实际工程和应用角度来说，激光雷达的分类方式繁多：

·按照激光波段来分，有紫外激光雷达、可见激光雷达和红外激光雷达等。

·按照激光器的工作介质分，有固体激光雷达、气体激光雷达、半导体激光雷达、二极管泵浦固体激光雷达等。

·按照激光发射波形分，有脉冲激光雷达、连续调制激光雷达等。

·按功能用途来分，有激光测距雷达、激光测速雷达、激光测角和跟踪雷达、激光成像雷达、大气探测激光雷达和生物激光雷达等。

·按照激光雷达的载荷平台可分为便携式激光雷达、地基激光雷达、车载激光雷达、机载激光雷达、船载激光雷达、星载激光雷达和弹载激光雷达等，不同的激光雷达测距范围也不相同，如图4所示。

图4 不同激光雷达的测距范围

·按照激光雷达探测技术的不同，可以分为直接探测激光雷达和相干探测激光雷达两种类型。

·按照体制来分，有多普勒激光雷达、合成孔径成像激光雷达、差分吸收激光雷达、相控阵激光雷达等。

鉴于激光雷达能全天时对地观测，受地面背景、天空背景干扰小，并具有高分辨率和高灵敏度，激光雷达可以广泛应用在环境监测、海洋探测、森林调查、地形测绘、深空探测、军事应用等方面，如图5所示。近年来，由于物联网技术的发展和应用，激光雷达在自动驾驶领域的应用成为了新的热点。

图5 激光雷达应用领域一览

5　自动驾驶领域的应用

激光雷达在民用领域主要集中在一些智能设备上，如AGV小车、扫地机器人和自动驾驶领域，如表2所示。

表2 激光雷达在民用领域的应用

自动驾驶成为当前汽车产业乃至整个科技行业中最受关注的技术之一；自动驾驶技术也已经从疯狂的科幻创意变成了汽车行业的未来。不出意外，自动驾驶技术将会广泛出现在我们的生活之中，但美好的前景下也依然有着现实的困难。为汽车提供3D视觉功能的激光雷达是解决自动驾驶困难的关键技术。过去两年里，超过8亿美元被投入到激光雷达公司。尽管很多公司的创业时间很短，但是却完成了数千万美元的融资。据麦姆斯咨询介绍，成立于2016年Blackmore最近从宝马（BMW）和丰田（Toyota）获得了1800万美元资金。而2012年成立的Quanergy于2017年完成了1.8亿美元的融资。这些投融资事件说明汽车激光雷达技术还不成熟。初创企业、工业厂商、汽车一级供应商和汽车OEM厂商都在采用不同的方式进行投资布局，但是成功与否还不得而知。预计全球汽车激光雷达市场将在2023年达到50亿美元，到2032年将达到280亿美元。

毫无疑问，汽车激光雷达目前正在迅速发展，但是存在替代方案。特斯拉（Tesla）宣布其不会将激光雷达应用于自动驾驶，而中国图森公司正在开发没有激光雷达的自动驾驶卡车。此外，最近发布的凯迪拉克超级巡航系统主要依赖于地图。在技术方面，由于激光束的偏转，汽车激光雷达获得成像能力。视觉处理和人工智能正在帮助激光雷达更好地检测和分类目标物体，从而理解三维空间。另外，红外摄像头也可以满足夜视应用。所有这些技术都以惊人的速度提升，为激光雷达厂商创造了一个竞争激烈的空间。因此，确定哪种技术将最终“统治”自动驾驶汽车，还为时尚早。但是，我们相信各种传感器之间的冗余性和互补性是汽车自动驾驶必须考虑的。

5.1　车载激光雷达的技术分析

激光雷达是自动驾驶汽车中最强大的传感器之一。与雷达原理相似，激光雷达使用的技术是飞行时间法。具体而言，就是根据激光遇到障碍物后的折返时间，计算目标与自己的相对距离。激光光束可以准确测量视场中物体轮廓边沿与设备间的相对距离，这些轮廓信息组成所谓的点云并绘制出三维环境地图，精度可达到厘米级别。它可以区分真实移动中的行人和人物海报、在三维立体的空间中建模、检测静态物体、精确测距。谷歌自动驾驶公司Waymo在汽车上使用的激光雷达及传感器布局图如图6所示。

图6 谷歌自动驾驶汽车激光雷达及传感器布局

车载激光雷达按有无机械旋转部件分类，包括机械激光雷达和固态激光雷达。机械激光雷达带有控制激光发射角度的旋转部件，而固态激光雷达则依靠电子部件来控制激光发射角度，无需机械旋转部件。

机械激光雷达由光电二极管、MEMS反射镜、激光发射接受装置等组成，其中机械旋转部件是指图7中可360°控制激光发射角度的MEMS发射镜。

图7 机械激光雷达

固态激光雷达与机械雷达不同，它通过光学相控阵列、光子集成电路以及远场辐射方向图等电子部件代替机械旋转部件实现发射激光角度的调整。固态激光雷达常见的技术实现方式有三类：微机电（MEMS）、相控阵（OPA）和泛光面阵式（3D Flash）。泛光面阵式激光雷达是目前全固态激光雷达中最主流的技术。成像系统向外发射光源，发射出的光源到达物体表面后，一部分反射回图像上的像素点。而由于物体表面到返回点的距离不同，其反射光飞行时间不同，通过对光飞行时间的测量，每个象素就可获得独立的距离信息，其探测范围可达到百米以上。摄像头可以实现百万像素级别的分辨率快速三维成像。

由于内部结构有所差别，两种激光雷达的体积大小也不尽相同。机械激光雷达体积较大、价格昂贵、测量精度相对较高，一般置于汽车外部。固态激光雷达尺寸较小、性价比较高、测量精度相对低一些，但可隐藏于汽车车体内，不会破坏外形美观，另外，装配调试可以实现自动化，量产成本与量产时间可期待，因此，固态雷达被认为是未来的主要方向。激光雷达技术的对比如表3所示。

表3 车载激光雷达技术现状对比

根据线束数量的多少，激光雷达又可分为单线束激光雷达与多线束激光雷达。顾名思义，单线束激光雷达扫描一次只产生一条扫描线， 其所获得的数据为2D数据，因此无法区别有关目标物体的3D信息。不过， 由于单线束激光雷达具有测量速度快、数据处理量少等特点，多被应用于安全防护、地形测绘等领域。

多线束激光雷达扫描一次可产生多条扫描线，目前市场上多线束产品包括4线束、8线束、16线束、32线束、64线束等，其细分可分为2.5D激光雷达及3D激光雷达。2.5D激光雷达与3D激光雷达最大的区别在于激光雷达垂直视野的范围，前者垂直视野范围一般不超过10°，而后者可达到30°甚至40°以上，这也就导致两者对于激光雷达在汽车上的安装位置要求有所不同。

5.2　车载激光雷达的产业链

激光雷达上下游产业链如图8所示。

图8 激光雷达的上下游产业链

激光雷达系统复杂，涉及的核心元器件众多，如光电探测器、激光器、准直镜头、扫描镜、数模转换器等。核心元器件目前主要是国外厂商垄断，国内很少有企业有能力自主量产。核心元器件厂商如表4所示。

表4 激光雷达核心元器件生产厂商

5.3　车载激光雷达的现状和未来发展趋势

车载雷达分为长距离、中距离和短距离三类，如表5所示。目前，激光雷达厂商普遍使用830~940纳米波长（中短距离激光雷达），车载激光雷达可适用不同等级的自动驾驶系统，需要符合安全规定（例如：紧急自动制动、前向碰撞），特别是在全自动驾驶汽车上，需要能够探测10%低反射率的物体，为了保障行车安全，部分厂商（如Blackmore、neptec、Aeye、Luminar）已开展在1550纳米波长的技术研发，这种波长允许在远距离范围内对暗物体发出更高功率的脉冲，能够使快速行驶的车辆及时发现危险并安全停车。

表5 车载激光雷达的技术应用

全球激光雷达主流厂商仍然以外企为主，国内比较有影响力的激光雷达生产企业有速腾聚创、北醒光子、镭神智能、北科天绘、禾赛科技、光珀智能等，如表6所示。

表6 全球激光雷达主流厂商

目前车载激光雷达处于起步阶段，行业呈现多技术路线并存的状态，随着时间的推移，基于MEMS的扫描激光雷达最早将在2020年开始部署，而纯固态激光雷达技术的成熟也将成为MEMS技术的一大挑战，制造工艺、分辨率、成本也成为了每种技术成功的关键，发射极类型、探测技术以及光束转向技术都是行业技术的难点，图9是车载激光雷达的技术发展路线图。

图9 车载激光雷达技术发展路线图

6　结语

进入5G时代，万物互联的物联网时代即将到来，激光雷达技术作为物联网架构的底层技术必将得到广泛应用，市场前景十分可观，特别是在自动驾驶领域将从试验阶段逐步过渡到实用阶段，相应的技术也将得到进一步的完善和发展。

参考文献：

[1] 刘斌, 张军, 鲁敏, 等. 激光雷达应用技术研究进展[J]. 激光与红外, 2015, 45 ( 2 ) : 117 - 122.

[2] 赵一鸣, 李艳华, 商雅楠, 等. 激光雷达的应用及发展趋势[J]. 遥测遥控, 2014, 35 ( 5 ) : 4 - 22.

[3] 何志远. 车载三维成像激光雷达系统研究[D]. 哈尔滨：哈尔滨工业大学, 2015.

[4] 林辉. 基于车载多激光雷达的地图构建与障碍物检测[D]. 杭州：浙江大学, 2017.

[5] 董士军. 车载激光雷达系统设计与实验研究[D]. 南京：南京理工大学, 2016.

[6] 叶刚. 城市环境基于三维激光雷达的自动驾驶车辆多目标检测及跟踪算法研究[D]. 北京：北京理工大学, 2016.

作者简介：

朱常兴（1979-），男，黑龙江大庆人，高级工程师，博士，现就职于北京和利康源医疗科技有限公司，从事医疗仪器和物联网技术研究。

摘自《自动化博览》2019年12月刊