由于激光雷達(dá)與攝像頭具有出色的成像能力，一直以來(lái)被當(dāng)作自動(dòng)駕駛的核心傳感器。激光雷達(dá)相較于攝像頭的好處是它能得到準(zhǔn)確的三維信息，而且自身是主動(dòng)光源，能夠不受光照的影響，白天和晚上都能照常工作。

攝像頭識(shí)別的顆粒度比較高，能夠獲得豐富的紋理色彩，所以能夠?qū)崿F(xiàn)精細(xì)化的識(shí)別，在這一點(diǎn)上激光雷達(dá)不如攝像頭。

攝像頭最大的缺點(diǎn)是受環(huán)境光的影響大，在強(qiáng)光照射、高亮反白物體、夜晚弱光環(huán)境等情景下，采集到的數(shù)據(jù)都難以通過(guò)算法進(jìn)行有效可靠的環(huán)境感知。

激光雷達(dá)是通過(guò)激光主動(dòng)探測(cè)成像的，不受環(huán)境光影響，直接測(cè)量物體的距離方位、深度信息、反射率等。算法首先對(duì)障礙物進(jìn)行識(shí)別，然后再分類，識(shí)別準(zhǔn)確度和可靠性遠(yuǎn)超攝像頭，而消耗的計(jì)算資源低于攝像頭。

可以說(shuō)，激光雷達(dá)在自動(dòng)駕駛中的應(yīng)用，最重要的部分就是高精度定位，先確定自身所在的位置，自動(dòng)駕駛車輛才會(huì)面臨“要往哪里去”的問(wèn)題。所以，確定“我在哪里”是第一步，也是非常關(guān)鍵的一步。按常規(guī)理解，定位應(yīng)該只是GPS的任務(wù)，的確，自動(dòng)駕駛的定位會(huì)用到GPS，但是GPS定位的精度不足，而且在遇到高樓林立或者進(jìn)出隧道等情況下信號(hào)穩(wěn)定性差，因此難以保證自動(dòng)駕駛車輛的安全。所以自動(dòng)駕駛定位需要結(jié)合激光雷達(dá)、GPS、IMU等，以完成穩(wěn)定可靠的高精度定位。

激光雷達(dá)硬件配合針對(duì)自動(dòng)駕駛研發(fā)的AI感知算法，可以完成對(duì)周圍障礙物進(jìn)行識(shí)別，對(duì)路邊沿進(jìn)行檢測(cè)，進(jìn)行高精度定位等任務(wù)，還能夠?qū)崿F(xiàn)分類標(biāo)注，把障礙物分為卡車、小汽車、行人、自行車等。

激光雷達(dá)與自動(dòng)駕駛的產(chǎn)業(yè)化發(fā)展之路

首先，我們對(duì)自動(dòng)駕駛的發(fā)展做一個(gè)階段性的劃分，根據(jù)發(fā)展歷史和行業(yè)未來(lái)的預(yù)測(cè)，自動(dòng)駕駛的發(fā)展可以分為三個(gè)階段。第一個(gè)階段，2016年之前，實(shí)驗(yàn)室階段；第二個(gè)階段，2016年到2020年前后，試運(yùn)營(yíng)階段；第三個(gè)階段，2020年之后，大批量商業(yè)化運(yùn)營(yíng)階段。在每一個(gè)階段，自動(dòng)駕駛都對(duì)激光雷達(dá)有著迫切的需求，激光雷達(dá)技術(shù)產(chǎn)品的發(fā)展也推動(dòng)著自動(dòng)駕駛的快速發(fā)展。

實(shí)驗(yàn)階段

回顧自動(dòng)駕駛的發(fā)展歷史，最早應(yīng)該追溯到近百年前，美國(guó)的陸軍電子工程師Francis開(kāi)始用無(wú)線電波控制車輛的剎車、離合以及轉(zhuǎn)向。1956年，美國(guó)通用汽車用預(yù)埋電纜配合車上安裝的接收器進(jìn)行車輛的控制。1977年，日本筑波工程研究院開(kāi)始使用攝像頭傳感器，指導(dǎo)汽車駕駛。1998年，意大利的帕爾馬大學(xué)使用雙目攝像頭對(duì)物體進(jìn)行識(shí)別、導(dǎo)航，當(dāng)時(shí)車輛行駛了2000公里，94%的里程都是在自動(dòng)駕駛模式下完成的，剩下6%左右需要在人工干預(yù)下完成。

自動(dòng)駕駛發(fā)展最具有代表性的事件是2004年舉辦的美國(guó)無(wú)人駕駛DARPA挑戰(zhàn)賽，當(dāng)時(shí)有25支隊(duì)伍參與，遺憾的是，沒(méi)有一支隊(duì)伍完成任務(wù)，即使比賽總里程只有11.78公里。

當(dāng)時(shí)大家討論說(shuō)，這次比賽之所以沒(méi)有完成任務(wù)，最主要的原因是車輛對(duì)環(huán)境感知不充分，幾噸甚至接近十噸的車，碰到前面的小草堆就“不敢”過(guò)去了。這也從側(cè)面反映出純視覺(jué)傳感器的缺陷，它們要對(duì)強(qiáng)光對(duì)射、黑暗、斑駁光影的道路環(huán)境進(jìn)行感知，這將大大增加算法的難度。