機遇

激光雷達在智能機器生態(tài)系統(tǒng)中有很多機遇。與使用二維圖像相比，點云能夠更容易的被計算機使用，用于構建物理環(huán)境的三維形象——二維圖像是人腦最容易理解的數據，而對于計算機來說，點云是最容易理解的。

Scanse的一款價值250美元的名為“sweep”的二維激光雷達掃描器可在戶外使用，并專為移動、低功耗應用而設計。它只用了競爭對手近四分之一的成本，這將給這類傳感器帶來全新的應用（我們在很多其他類型的傳感器中已經看到過這樣的現(xiàn)象）。

二維激光雷達也可以被搭載到另一個旋轉的元件上以產生環(huán)境中完整的三維點云。

其他公司正在尋求降低系統(tǒng)成本的其他策略，例如Quanergy的固態(tài)激光雷達。該系統(tǒng)大體與上文已介紹的系統(tǒng)相同，然而，與使用旋轉光學器件來移動光束不同的是，它們使用 “相控陣列光學系統(tǒng)”來引導激光脈沖的方向，它可以在某一方向上釋放一個激光脈沖，而讓下一個脈沖（1微秒之后）瞄準視野中的其它地方。

它能夠實時關注視野范圍內看似移動的物體，這是對人類駕駛員的模仿——后者能及時注意到即將進入汽車所行駛的道路的障礙物。

Quanergy系統(tǒng)被設計為能在沒有機械移動的情況下做到這一點，并且每秒采樣大約100萬個數據點——這與64線旋轉激光雷達的速度相當，卻能顯著降低成本。它另一個優(yōu)勢是更容易被集成在反光鏡和保險杠等其他汽車部件上。

另外，更大和功率更高的系統(tǒng)也正在開發(fā)中，它可以從在3萬英尺高度飛行的飛機上對地面成像，其分辨率足以能夠看到地面上的車輛。雖然這些系統(tǒng)的市場需求更小，且成本更高，但其發(fā)展將繼續(xù)降低傳感器技術的整體成本。

挑戰(zhàn)

由于激光雷達基于對激光脈沖返回傳感器所需時間的測量，因此高反射率的表面會帶來問題。大多數材料從微觀水平上看表面粗糙，并且向所有方向散射光；這類散射光的一小部分返回到傳感器，并且足以產生距離數據。然而，如果表面反射率非常高，光就會向遠離傳感器的方向散射，那么這一區(qū)域的點云就會不完整。

空氣中的環(huán)境也可以對激光雷達讀數造成影響。記錄顯示，大霧和大雨會減弱發(fā)射的激光脈沖而對激光雷達造成影響。為了解決這些問題，較大功率的激光器投入使用，但它對于較小的、移動或對功率敏感的應用來說并不是一個好的解決方案。

激光雷達系統(tǒng)面臨的另一個挑戰(zhàn)是旋轉時的刷新率相對較慢。系統(tǒng)的刷新速率受復雜的光學器件旋轉速度的限制。激光雷達系統(tǒng)最快的旋轉速率大約是10Hz，這限制了數據流的刷新速率。

當傳感器旋轉時，以60英里/小時行駛的汽車在1/10秒內行進8.8英尺，因此傳感器對于在汽車駛過期間在這8.8英尺內發(fā)生的變化基本上是看不清的。更重要的是，激光雷達覆蓋的范圍（在完美條件下）為100-120米，這對于以60英里/小時行駛的汽車來說僅相當于不到4.5秒的行駛時間。

也許對于激光雷達來說，高昂的設備成本是它需要克服的最大挑戰(zhàn)。盡管自該技術得到應用以來其成本已大幅降低，但仍然是它被大范圍采用的一個重要障礙。

對于主流汽車工業(yè)來說，一個價值2萬美元的傳感器將無法被市場接受。Elon Musk（特斯拉CEO）說：“我不認為它對于汽車的發(fā)展是有意義的，我認為它不是必須的。”

最后，雖然我們將激光雷達視為計算機視覺的一個組件，但點云卻是完全基于幾何呈現(xiàn)的。相反，人眼除了形狀之外還能識別物體的其他物理屬性，比如顏色和紋理。