春晓资本刘海涛：自动驾驶系列专栏——不够靠谱的传感器（四）

亲爱的晓伙伴们！春晓资本“晓专栏”迎来第八期，本次继续放送由春晓资本投资总监刘海涛倾情主笔的自动驾驶晋级路上的几大关卡系列分析。本次晓专栏将就不够靠谱的传感器——激光雷达进行详解，以下enjoy：

晓 专 栏

激光雷达……可能还得再等等（下）

在上一篇文章中，我向各位看官粗浅介绍了“机械旋转”和“反射镜旋转”激光雷达。文章最后提到，在目前以自动驾驶技术公司为主要客户群体的市场中，这两类激光雷达还是很符合客户实际需求的。而少量的量产车也都是在封闭和半封闭的场景中运营，所以可以预见的是在未来一段时间内，至少是在纯固态激光雷达成熟量产前，这两类产品的市场应该都还不错。

百度“阿波龙”自动驾驶车

但是自动驾驶的未来绝不能局限于这种封闭场景或者低速应用。只有上了量产的商用车或乘用车型，自动驾驶才算是真正的走向了成熟。而在产品正向开发过程中，下游客户的实际需求是工程师产品开发思路的最重要依据，只有充分考虑了下游客户的意见，在后续的产品Design In推广过程中才可能“无往不利”。顺着这个思路思考下去就会发现乘用车整车开发者们对车载激光雷达的看法非常重要。在咨询了一些在业内工作的同学以及行业专家后，我把整车厂的看法大致梳理为四点如下：

机械式激光雷达在造型上让整车厂比较难接受。测试车可以不用过多考虑外观，但乘用车还是要考虑美观性问题。

目前机械式雷达的平均的失效时间仅几千小时，难以达到整车厂们的最低要求的上万小时。

机械旋转结构的可靠性和稳定性是不够的。

数万元起的市场价格整车企业难以接受。

目前机械旋转式激光雷达，在以自动驾驶技术公司、封闭半封闭场景自动驾驶车，以及专业领域（比如测绘、工业等）为主要客户群体的市场卖的也还不错。但是这个技术路线的产品显然不是量产车的菜。

特斯拉超级工厂

众所周知汽车行业的特点是市场规模巨大、上游供应商利润非常可观。而且一般来说产品一旦进入供应链，除非是出现了技术迭代否则Tier1和整车厂出于安全性的考虑，不会轻易更换供应商。所以虽然汽车对产品要求非常严苛，但大家还是要挤破头往汽车行业钻。在电子行业这种现象非常明显，在全球来看能做车规级产品的厂商的行业地位明显要高出只能做通用产品的厂商。目前固态激光雷达还没有哪条技术路线成为公认的主流技术路线。各团队或者公司都在试图通过自己擅长的技术领域解决固态激光雷达的各个难点。面对整车厂的“吹毛求疵”，激光雷达行业的工程师们提出了四个“固态”的激光雷达解决方案——MEMS（微振镜）、Flash（泛光面阵）、OPA（光学相控阵）、棱镜分光扫描。

左图为MEMS振镜放大照片

右图为MEMS振镜激光雷达原理图

首先说说一个“基本”算是固态激光雷达的技术方向——MEMS（Micro Electro Mechanical System——微机电系统）。MEMS是一类器件的统称，常见的产品包括MEMS加速度计、微型麦克风、微马达、微泵等等。简单来说这类器件就是用加工芯片的工艺，在很微小的尺度上构建出机电结构。具体到激光雷达上讲MEMS指的就是里面那个小小的“振镜”。

量产的Innoviz激光雷达

提到MEMS激光雷达就不得不说一说激光雷达领域的又一个知名企业——Innoviz。Innoviz成立于2016年初，在成立初期就拿到了数千万美金的投资。随后在各路顶级投资机构和战略投资者的帮助下，这家公司以非常快的速度发展起来。我们先来看看Innoviz的股东们都有谁——Aptiv（前身是德尔福）、麦格纳国际（Magna International）、三星催化剂基金（Samsung Catalyst）、软银韩国（SoftBank Ventures Korea）、360 Capital Partners、耀途资本（Glory Ventures）、Naver等。很豪华有没有？我觉得在如此豪华的股东阵容帮衬下，Innoviz只要技术路线靠谱、公司不犯大错，获得市场成功几乎是水到渠成的事。

Innoviz-one激光雷达参数

相对于机械旋转式雷达，MEMS这种解决方案带来的优点比较明显。首先这个方案是通过振镜在两个轴上不同频率的震动，将一束激光等效成若干束激光进行扫描，激光收发装置数量以及机械结构的减少直接降低了激光雷达的BOM成本。虽然增加了一个振镜器件，但是由于采用的是芯片工艺，所以在出货量达到一定程度后振镜的成本有可能变得非常低。其次MEMS激光雷达并没有宏观上的运动，这样使整个模块的使用寿命和可靠性等指标在“理论上”都能够大幅度提升。另外，由于MEMS的加工工艺还算比较成熟，所以上游供应商们在不远的未来应该能够拿出成熟的标准化程度高的“振镜”产品。我觉得也正是基于对上游核心器件厂商技术突破的信心，Innoviz才敢在2016年放话“要在2018年推出100美元的激光雷达产品”。但是现实是，目前Innoviz的单台雷达价格还是在数千美元。

速腾聚创RS-LiDAR-M1 Pre激光雷达的点云图

至于为什么MEMS激光雷达到目前仍谈成本居高不下、量产困难重重，具体原因还是集中在核心器件上。由于目前的MEMS振镜产品都是为激光投影机等产品设计开发的，因此参数指标上看并不能完全适配激光雷达。此前我也从一些测试过多种MEMS振镜产品的朋友那里了解到，现在能够买到的MEMS振镜的一致性还非常差。这也就意味着每一颗振镜都是不同的，那么每一台激光雷达在制造过程中就都要单独进行调试和参数设置。这对于产品量产来说无疑是一个噩梦，更何况是对产品一致性和不良率要求近乎苛刻的汽车产业。当然了，半导体工艺也在不断地取得进步。也许在不远的将来我们就能看到一致性非常好的双轴MEMS振镜产品。到那时候MEMS激光雷达就具备了成熟稳定量产的可能性。

目前看来，MEMS应该也是过渡型产品，但是它至少在DEMO层面在很多敏感性指标上已经接近或者达到车载要求。所以只要MEMS振镜能够突破，MEMS技术方向在未来5到10年内很可能是车载激光雷达主流技术方案之一。除了Innoviz，目前国内也有很多企业在这个技术路线上努力着。比如深圳速腾聚创应该会在今年拿出可量产的产品。禾赛科技的MEMS产品很早就已经发布。初创期团队里也有一径科技这样的“清华基科班”团队，产品化的速度也并不比其他家慢。

说到这里，各位看官应该意识到一个普遍规律，那就是固态化程度越高，雷达模组的稳定性、可靠性就越好，距离车规的要求越近。加上第一篇文章，我们已经介绍了两个半的激光雷达的技术方向。但是这个两个半方向都或大或小有机械运动结构。那么接下来，我将介绍三个完全固态的激光雷达解决方案。

左图为德国大陆集团推出的Flash面阵激光雷达

右图为北京饮冰科技的Flash激光雷达“拍摄”的深度图

我们先研究一下Flash（泛光）面阵激光雷达。所谓“泛光”是相对于“激光”概念而言的。激光其实就是通过“准直透镜”将一束发散的光收敛成一束接近平行的光线。这样就能最大限度保证光在传播的过程中光束横截面上的能量密度不衰减。那么问题来了，这样做距离虽然远但是光照射的范围就变成了一个点。所以前面介绍的几款激光雷达才采用扫描的形式，用高密度的点云来描绘物体。而Flash技术则反其道而行之，采取了一种更类似于摄像头拍摄照片的方法。

Flash（泛光）面阵激光雷达原理图

这个技术路线的大致原理是将光以一定的角度散射出去，然后再用“光电雪崩二极管阵列”（天呐！这是什么鬼……其实非工程人员把它理解为类似摄像头里CMOS传感器的东西就可以了）接收目标物体反射回来的光，再利用上文讲过的TOF测距原理，给这个二维的图片上每个像素点加上深度信息，就完成了视场范围内的三维成像。

作为非专业技术人员，我对Flash方案也有很多细节的技术问题搞不明白，这里我就把有限的认知总结如下。（各位技术大神拍砖的时候可要手下留情啊！）

Flash激光雷达最核心的硬件就是那个“光电雪崩二极管阵列”（当然也有美国Tetra Vue这样特立独行的公司，采用了传统CMOS传感器做接收器）。目前对“光电雪崩光电二极管阵列”的应用主要分为两个技术流派。一种方案的工作区域是在二极管的雪崩阙值以上（这种应用方式通常采用“单光子光电雪崩二极管阵列”）；第二种方案的工作区域是在二极管的线性区域。两种方案的特点各位可以参考下面的表格。

工作在雪崩阙值以上的时候，光电二极管发出来的信号是0或1，是非连续的。这样就相当于直接给出了数字信号，再加上TOF就可以做3维成像。如果工作在线性区，由于二极管给出的信号是模拟信号，所以要增加模数转换器等模拟器件，把模拟信号转换为非连续的数字信号。这样就增加了整个系统的搭建难度。从性能角度看，工作在雪崩阙值以上的ADP放大因子大很多，灵敏度相对较高，更容易做到较远距离的探测。但是单光子光电雪崩二极管的“暗计数（简单讲就是将非信号光和电噪声当作有效信号的误判）”以及高温问题也是很难突破的瓶颈。而工作在线性区时，数字信号是从原始模拟信号恢复出来的，所以噪声要小很多。目前我能确定的采用线性区方案的仅有美国的ASC公司。其他创业团队的方案应该都是工作再雪崩阙值以上的。

Flash技术路线的优点在于全固态，可靠性强，但是其技术路线上也还有一些问题没有解决。由于全固态对于车载前装市场来说非常重要，而大家又普遍希望自己在未来自动驾驶市场的爆发时能够占领有利地形，所以目前看在这条赛道上竞争的选手并不少。据我不完全的统计，除了美国的Tetra Vue和ASC两家公司以外，国内的北科天绘、北醒光子、镭神智能、饮冰科技等公司也都在做Flash方案。其中饮冰科技还推出了用于Flash激光雷达信号处理的ASIC芯片。

QUANERGY公司发布的S3OPA激光雷达

在各种激光雷达方案中，最“科幻”的应该就是OPA（Optical Phased Array——光学相控阵）了。

“相控阵”这个词大家应该多少都有耳闻，比如现代军舰上和战斗机上普遍采用的相控阵雷达，以及本系列文章第一篇所介绍的毫米波雷达。其实相控阵的作用就是对目标物的相对角度进行测量，再加上TOF测距技术就能够实现对视场角内的3维探测。说到这里我们就不得不把相控阵技术拎出来单独介绍一下了……（其实，我特别不想聊这个，描述起来太累了。）毫米波雷达的相控阵和光学相控阵的工作原理还是有些区别的。下面我们分别介绍一下。

毫米波雷达角测量原理

上面这张图就是毫米波雷达的角测量的过程。电磁波发射出去以后，在不同角度上的目标物反射回来的波被阵列上不同位置的接收器接收到时，由于接收距离的微小差异，就存在了一定的相位差（其实就是存在一定的时间差）。通过对这种差异的精确测量和三角函数计算，就能够得出目标物相对接收天线阵列的角度。之前的文章中介绍的毫米波雷达就是用这种原理。这种工作方式的实现难度相对小一些，早在上世纪80年代已有成熟的微波频段系统部署于舰艇及中/小型飞机上。但是这种工作原理并不适用于光波频段的电磁波，原因在于光波的波长非常短，而一个波长是这种工作方式最基本的测量计算单位。这样做起来难度太大，很难做到高精度和高角分辨率。所以OPA采用了另外一种工作方式。

光学相控阵激光雷达角测量原理

上图就是OPA激光雷达的工作原理图。从图中可以看出，OPA其实是在光发出去的时候，发射阵列上不同位置的发射器之间的波存在一定的相位差。由于电磁波有一种特性叫相干性。所以存在相位差的几束光波在发射出去以后就等效成了朝一定方向发射的没有相位差的光波。当已知偏转角的光波遇到目标物并反射回来以后加上TOF测得的距离，就可以确定目标物的相对位置了。

目前OPA相位调制也有很多技术流派，比如液晶相控阵，以及铌酸锂、PLZT、AlGaAs等相位调制器等等技术流派。目前已知的创业团队大多都采用硅光方案做相位调制。但是硅光方案下的光功率损耗高达75%，虽然扫描速度和精度都提升上去了，但是功耗过大导致做远距离扫描的时候需要更大的发射功率。但是与业内专家沟通后我认为，功率损耗问题实际上是可以通过工程优化不断改善的。所以我初步认为，硅相位调制器方案会是OPA最终的主流方案。上面说的这些技术流派还都只是发射问题，接收器目前也还存在多种技术流派。这里要想一一说明确实太难。有兴趣的童鞋可以后台留言，我们继续讨论。

QuanergyS3的光学相控阵工作原理

由于上游核心器件尚处于发展早期，所以目前在OPA这条赛道上的选手并不算多，其中比较知名的包括美国的OPA骨灰级玩家Quanergy、还有获得宝马投资的Blackmore以及被通用汽车公司收购的Strobe公司。7月30日Quanergy宣布其固态激光雷达生产线通过了IATF16949认证。虽然只是生产线通过认证，距离真正上量产车还有不小距离，但是这至少证明OPA流派一直在进步。速腾聚创也已经通过投资储备了自己的OPA核心芯片团队和技术，国内方面，力策科技完全自主研发的相位调制芯片已经经过了两次流片，目前正在逐步解决问题。虽然目前全球来看也没有见到一家能够拿出完整产品的企业，但至少我国在这个新兴技术方向上与西方发达国家基本在同一个进度上。

全固态激光雷达最年轻的一条技术路线是“棱镜分光扫描”。其实这条技术路线的原理非常简单。上中学物理课的时候我们都做过一个用棱镜制造“彩虹”的实验。“棱镜分光扫描”就是利用不同波长的电磁波在透过棱镜时的偏转角不同的原理，先将不同波长的脉冲光波发射到棱镜上，然后利用折射偏转角来做扫描。

虽然原理很简单，但是这个技术方案的工程化难度其实非常大。首先最难的就是如何对光波的波长精确控制和快速切换波长。目前对光波波长进行控制的相关元器件成本还非常高昂，所以我认为这种方案仍需要比较长的时间才有可能达到和其他几种技术相同的发展阶段。

到这里，我已经向大家介绍完了车载激光雷达的几个主要技术方向。其实这些技术方向的争论无非是围绕着车载应用场景下对探测距离、分辨率、可靠性稳定性、成本以及量产难度五个问题展开的。目前看起来在真正的量产车应用场景中，机械旋转式激光雷达前景并不太好，Flash和OPA很理想但还需要时间去克服未知的设计及工艺技术挑战，MEMS只要上游得到突破，就是未来较长时间内靠谱的过渡性方案。总的来说激光雷达现在已经基本明确了技术发展方向，但是想看到符合车规要求的成熟产品，恐怕还得再等等。就像业内某大神说的，“让我们拿出一点耐心，一起见证一个行业的变革！”

好啦，自动驾驶环境感知系统的三个主要传感器终于都说完了。其实自动驾驶系统里用到的传感器还有很多，比如IMU神马的。我选择写毫米波、摄像头、激光雷达这三个家伙，主要原因是这三个传感器的输出结果比较直观，非技术人员理解起来相对容易一些（我也比较好交差……哈哈哈）。

接下来的一段时间，我准备把自动驾驶落地场景、高精度地图以及相关法律法规和伦理道德问题再详细研究一下，力争尽快推出下一个系列文章。感谢！

PS:每次文章发出去后我都会非常忐忑，担心我的某些观点过于偏激或者涉及技术的表述不准确。不过好在从前面几篇文章的反馈看，大家对我还是包容多过苛责。最后，我要感谢文中涉及领域的“十二位”技术大神对我这几篇拙作的指导。由于涉及到很多商业机密，所以我这里没法披露各位大神名讳。没有各位的“无情斧正”我真的不敢随便发技术性这么强的文章。谢谢各位！