如果在無人駕駛的戰(zhàn)場上劃出幾個“分戰(zhàn)場”，激光雷達分戰(zhàn)場，無疑是戰(zhàn)爭最激烈、也最受關注的分戰(zhàn)場之一。尤其是，進入2017年第四季度之后，戰(zhàn)局更加激烈，一輪輪的“你方唱吧我登場”陸續(xù)上演：

10月上旬，通用收購了激光雷達初創(chuàng)公司Strobe，希望將價格降至100美元；

10月下旬，福特收購了激光雷達初創(chuàng)公司Princeton Lightwave，希望開發(fā)出用戶“負擔得起”的激光雷達；

11月上旬，激光雷達頭牌廠商Vedodyne推出了128線激光雷達VLS-128，探測距離相較于其64線激光雷達提升一倍；

再然后，是在12月12日，硅谷的華人初創(chuàng)企業(yè)Innovusion宣布推出1000美元價位的300線混合固態(tài)激光雷達Hi Def LiDAR，在探測清晰度和數據融合方面取得重大進展。 

或許是因為“家世不夠顯赫”，Innovusion的300線Hi Def LiDAR在發(fā)布后未能像Velodyne VLS-128那樣迅速成為業(yè)界“熱點”，但這種“冷處理”，似乎無法阻止Innovision試圖后來居上、改寫激光雷達產業(yè)版圖的雄心。 

不光看得遠，而且還“看得細”

在無人駕駛汽車上，與攝像頭相比，激光雷達是可靠性更高的傳感器，這一點已基本不存在多少爭議，但在百度做過一年時間的傳感器集成工作并深度測評了各項新型傳感器技術后，鮑君威發(fā)現，現有的激光雷達仍有其自身的局限性，哪怕是“段位最高”的Velodyne 64線激光雷達，也很難用做L4級無人車的主傳感器。 

能作為主傳感器的激光雷達，失誤率一定要達到幾億分之一，甚至是幾十億分之一才行，但市場上現有的激光雷達，卻往往存在以下“陷阱”——因為分辨率不夠，在探測障礙物時很容易出現“漏洞”；

能看見前面”有個東西“，但無法識別出究竟是個“啥東西”；

廠商標的“探測距離”，也只說“能看多遠”，卻沒說清能看到的是這個距離上的什么東西（是一塊轉，還是一輛車？小汽車，還是大卡車？），很容易造成誤解。 

在發(fā)現這些痛點后，鮑君威于2016年11月份離開百度，創(chuàng)辦了Innovusion并擔任CEO，專注于激光雷達及傳感器融合技術。在經過一年多時間的閉關修煉后，鮑君威和他的團隊終于推出了自己的首款產品Hi Def LiDAR，并試圖“與天公試比高”。 

由于Velodyne VLS—128目前尚無公開的實際應用案例，詳細的產品參數也要等到下個月的CES展上才公開，因此，Hi Def LiDAR現階段主要是將Velodyne HDL—64作為“參照系”。 

無人駕駛汽車在復雜的場景下（如城市道路）行駛，需要一個安全的“剎車距離”，以保障在遇到緊急情況時有足夠的決策時間。通常，車輛在市區(qū)開時很容易達到時速60公里，按需要1-2秒的剎車時間算，安全的剎車距離應在50米以上，這就需要傳感器能檢測到50米外的行人“長什么樣”。 

圖片版權屬于Innovusion 

假定車輛在以64公里的時速行駛，距車輛50米處的地方有行人，上面左圖的“人類司機眼里的行人”為原始數據；中圖理那一組不連續(xù)的稀疏點，就是HDL—64“眼里的行人”；右圖那一組更密集的點，則是300線的Hi Def LiDAR“眼里的行人”。 

因為能檢測到更多的細節(jié)，避免“漏檢”，因此，Hi Def LiDAR也更有能力保護“亂穿馬路的小孩”的安全。把小孩換成“橫臥”在馬路中間的一輛自行、一個石墩或其他障礙物，車輛甚至可以避免自身“受傷”。 

高速場景下，車輛需要更遠的“剎車距離”。

圖片版權屬于Innovusion 

假定車輛以105公里的時速行駛，105米處有一輛紅色的車，上面左圖是“人類司機眼中的車”，中圖那些稀疏的點是Velodyne HDL—64“眼里的車”，而右圖那些密集的點則是300線的Hi Def LiDAR“眼里的車”。 

中圖最下面那兩個點，對應的是“車輪”，鮑君威的疑慮是，假如很不巧，這兩個點沒有被HDL—64探測到，那么，在激光雷達只“看見”最上面那一行點的情況下，它還能“認得出”那是一輛車嗎？ 

鮑君威指出，傳統的激光雷達的一個常見的問題是，掃描出來的線條縱橫分布不均勻，有的地方密，有的地方很稀疏。比如，載著傳統的Velodyne HDL—64的無人車在城市道路上“看到”的場景是這樣的：

圖片來自Velodyne官網

而載著Innovusion的300線激光雷達的無人車“看到”的斯坦福校園卻是這樣的：

圖片版權屬于Innovusion 

對比可發(fā)現，第二幅圖中，不僅掃描出的圖景更加“豐富多彩”（顏色代表反射值，對很多定位算法會有很大幫助 ），而且，線條也更加密集。 

線條稀疏有什么不好呢？有的地方沒掃描到，沒有數據，比如，假如車輛是在高速公路上飛快行駛，前面有一塊小磚頭，恰好處于兩條光線中間的空隙中，沒有被檢測到，這個時候，車輛當然會繼續(xù)“目中無磚”地開過去，結果，輕則爆胎，重則翻車。 

而Innovusion的Hi Def LiDAR通過300線的密集掃描，讓障礙物很難“見縫插磚”，極大地提高了無人車在高速場景下的行車安全性。 

這款“300線”的核心競爭力 

忍不住好奇，Hi Def LiDAR憑啥這么牛？在衡量一款激光雷達性能好壞最重要的“探測距離”和“角分辨率”這兩個參數上，Hi Def LiDAR都有著卓越的表現。 

先說探測距離，在城市道路場景下，激光雷達的探測距離只要能達到70-80米就差不多了，但如果車輛要以120公里的時速在高速公路上行駛，探測距離至少要達到150米才算安全。Hi Def LiDAR的探測距離恰好就是150米，似乎正是為了“高速”這個特定目標而設定的，相比之下，HDL—64的探測距離是，“能看見120米處的車或樹”。 

角分辨率，指探測目標上最鄰近的兩個激光點到激光發(fā)射器之間的連線所形成的夾角，這個夾角越小，探測的清晰度就越高。HDL—64的光束不是均勻分布的，在中間最密集的那個地方，縱向角分辨率為0.4度，而Hi Def LiDAR在各處的縱向角分辨率均為0.13度 。 

因為具有更高的分辨率、更強的圖像處理能力，Innovusion將Hi Def LiDAR定義為“圖像級激光雷達”。用戶可根據這款圖像級激光雷達提供的數據，直接對目標進行分類——通常，激光雷達只能告訴決策中心”前面有個東西“，卻不能具體說清那個東西究竟是什么；而根據“圖像級激光雷達”的數據，則可以識別出哪個是行人，哪個是電瓶車，哪個是汽車。 

鮑君威認為，只有達到了“圖像級”的識別水平，激光雷達才有資格“取代人眼”，做L4級無人車的主傳感器（Velodnye VLS—128在縱向視角最密的部分也基本達到了）。 

Hi Def LiDAR達到“圖像級”的水平，再與攝像頭融合，可以給點云加上彩色攝像頭的顏色。 

不同于無人駕駛方案供應商通常是將攝像頭獲取的數據跟激光雷達獲取的數據進行后融合，Innovusion則是在硬件層次就將激光雷達和視覺傳感器在像素級進行前融合，這極大地提高了感知算法的可靠性和運行效率。 

常見的那種“多傳感器融合”，是方案供應商從感知、定位 、決策控制到執(zhí)行的算法都自己做，傳感器從外部購買，再把各傳感器檢測到的數據匯總到中央處理器里。但這個數據匯總之后在軟件層融合的過程，常常需要幾十毫秒、上百毫秒的延遲——如果不同廠商做的傳感器沒有同步的機制，還需要額外花很大力氣做同步；同步不好的話，同一個物體會由于運動造成不同傳感器探測到的空間位置的不一致，給后續(xù)融合造成額外的困擾 。 

越原始的數據，融合后效果越好。 

我們大家理解的“點云”，其實并不是激光雷達的原始數據。光電信號經過模擬數字轉換，形成原始數據，原始數據再經過進一步分析計算之后才會形成點云。這里的原始數據可能比點云的數據多1000倍，也就是說，超過點云數據900倍的原始數據，都在傳感器里“藏著掖著”，沒有被輸送到中央計算系統——這些數據如果被充分利用起來的話，會有助于提高系統對外部環(huán)境的感知能力。 

而硬件端的融合，則可以充分利用起這些數據，再加上“像素級”激光雷達和攝像頭分辨率的自然匹配，極大地減少了三維空間重構以及物體探測的可靠性。 

同時，硬件端的融合還減少了對計算量的要求，提高了運算處理的效率。 

站在攝像頭的角度看，跟激光雷達在硬件端融合，檢測到的信息就直接是三維的，不像之前那樣只能檢測到二維信息，然后第三維“靠猜”了；站在激光雷達的角度，跟攝像頭的融合，檢測到的信息直接帶有顏色，可以分類，不需要后端再處理一次了。 

從產品性能的角度，節(jié)省結算量，就是提高效率；而站在用戶的角度，節(jié)省計算量，就可以降低功耗、降低對硬件端的性能要求，進而降低成本。 

鮑君威的目標是，今后Innovusion能通過持續(xù)提高圖像處理技術幫用戶節(jié)省計算，進而，讓用戶可以把花2000美元買的英偉達Drive PX2的計算力用在進一步提高系統的可靠性和決策的智能性上。 當然，這還只是一個目標，還有待于繼續(xù)努力才能實現。 

易集成，價格容易被市場接受 

除性能更強之外，傳統的機械激光雷達還有兩個很明顯的問題：一直要360度旋轉，不方便和整車集成 。這也是新生的激光雷達供應商們需要克服的問題。 

Hi Def LiDAR被做成了“混合固態(tài)”，前向視角類似攝像頭。并且，Hi Def LiDAR的尺寸要小得多，長度和普通智能手機相當，很容易被集成到整車上。 

在后續(xù)的生產中，Innovusion還可以根據整車廠的需求對Hi Def LiDAR的尺寸和形狀做適當調整。 

Hi Def LiDAR的水平可視角度為100度，如果要做到360度全覆蓋，一輛車上得安裝四臺；若再加上冗余，則需要5個。 

Innovusion將Hi Def LiDARD 量產價格定在1000美元。 

特斯拉的整套自動駕駛方案Autopilot的價格為5000美元，據《建約車評》了解，其中計算平臺Drive PX2的成本2500美元外，計算可知，傳感器部分的售價為2500美元；對比之下，鮑君威認為，作為L4級無人駕駛汽車的主傳感器，Hi Def LiDAR 只要把價格定在一兩千美元之間，市場都是可以接受的。 

Hi Def LiDARD將在下個月拉斯維加斯的CES展上正式亮相。預計樣品可在2018年上半年出來。 

附：Hi Def LiDARD的締造者，是什么來頭？ 

成立一年的初創(chuàng)公司，居然敢“叫板”資深的Velodyne，人們自然會好奇，Innovusion的締造者，都是什么來頭？ 

我們在本文開頭說過，鮑君威在創(chuàng)辦Innovusion前曾經在百度負責傳感器融合技術，并帶領團隊對各項新型傳感器進行深度測評，在這段時間，他對自動駕駛對傳感器技術的需求有了深刻理解。其實，跟鮑君威同時創(chuàng)辦Innovusion的，還有Innovusion現在的CTO李義民——他于2008—2011 年間在Velodyne 作為工程團隊核心成員研發(fā)激光雷達，并于2016 年初加入百度自動駕駛事業(yè)部，擔任傳感器團隊技術負責人。 

在2014年加入百度之前，鮑君威跟精密光學儀器打了十幾年交道。他自北大物理系畢業(yè)后就去加州大學柏克萊分校讀碩士和博士，并在讀博士期間和兩位師兄共同開發(fā)了可稱之為“顯微光學雷達”的Scatterometry 技術，創(chuàng)立Timbre Technologies, Inc。 

Timbre Technologies, Inc在2001 年被Tokyo Electron 并購。在隨后的十幾年里，鮑君威帶領Tokyo Electron 在硅谷的光學測量部門將Scatterometry 從原理模型變成可實際應用的精密測量設備，引領了Scatterometry 技術及其它精密光學傳感器在先進半導體生產制程中的廣泛應用。 

Innovusion  CTO李義民也是個精密電子及測試儀器方面領域的“老司機”了。他自本科到博士期間，一直就讀于北京大學無線電系，1999 年赴美在美國Argonne 國家實驗室做博士后，隨后在多家硅谷光通信及精密儀器公司開發(fā)技術，包括光纖激光器、超聲波探測器、陀螺儀、電子顯微鏡及原子力顯微鏡等。 

激光雷達是一種精密光學傳感器， 一定需要由有豐富精密儀器開發(fā)經驗的人做——激光雷達的原理并不復雜，真正困難的是，如何在那么小的空間里放進去那么多的精密部件，內部架構如何設計、怎么掃描、怎么接受、光路是怎樣的等等 。 

除鮑君威和李義民外，Innovusion還有多名成員都在精密光學設備領域有豐富經驗的?程師，平均工作經驗近二十年。 

鮑君威認為，這個擁有“跨界”知識（既懂自動駕駛市場的需求，又懂精密光學儀器）的團隊，才是Innovusion真正的壁壘。

撰稿：蘇清濤

返回第一電動網首頁 >