近幾年，自動駕駛始終是一個熱門話題。百度、華為主打L4技術，小鵬、蔚來等造車新勢力比拼自主泊車與ADAS（高級輔助駕駛系統）的推送更新，蘋果雖未官宣，但也在研發無人駕駛技術。就此方向，峰瑞資本進行了大量的研究和討論，并在投資實踐中布局了10余個激光雷達、毫米波雷達及上下游項目。 過去幾年，我們對自動駕駛行業發展態勢的基本判斷，主要是以下幾點：

自動駕駛是汽車行業的未來，對這一點要充滿信心，但技術和應用的發展是循序漸進的，需要花大量的時間驗證、發展，才能到達L3、L4水準。

L3指有條件的自動化；L4指高度自動化，具體可參照SAE汽車工程師學會對自動駕駛汽車的分級。按照北美標準，可能未來要發展到Level5，才能實現理想狀態中、無需方向盤的全無人駕駛。

傳感器會早于自動駕駛系統完善前上車，并且會從輔助駕駛開始切入，逐漸積累數據、優化系統和技術，由簡入難，由輔助、半自動，最終實現高度自主、自動駕駛的L4級別。

傳感器維度，始終相信多傳感器融合是自動駕駛的最合理配置，主要傳感器有攝像頭視覺、激光雷達、毫米波雷達。

從過去幾年自動駕駛發展的情況看，大量量產汽車已經或多或少具備了輔助駕駛能力，少數品牌甚至有了L3、L4 等級的嘗試，各種傳感器也開始配置到量產車上，不僅有視覺攝像頭，還有毫米波雷達、激光雷達。在這篇里，我們就自動駕駛所涉及的傳感器做一些分析，希望能提供新的思考角度。

自動駕駛——多傳感器融合背景下的OPA激光雷達

關于自動駕駛的傳感器配置，業內主要分歧是：技術趨勢到底是單獨視覺攝像頭，還是攝像頭、激光雷達、毫米波雷達多傳感器融合。

這個問題之所以很熱，又很有爭議性，首先在于，自動駕駛技術是一個龐大的軟硬件高度融合的技術生態。任何一種傳感器的選擇，不是獨立的硬件選擇，它涉及配套的軟件、算法還有大規模的AI相關的數據積累，是牽一發而動全身的技術生態的選擇。所以，任何一個硬件傳感器的引入，都需要投入大量配套的軟硬件技術，以及長期的大數據積累，要慎之又慎。

另外，提起傳感器配置方案的爭議性，則少不了特斯拉對單獨攝像頭方案的堅持，還有馬斯克對技術輿論的引導。依據公開報道，馬斯克曾直言，特斯拉的自動駕駛系統過去和未來都不會用激光雷達。根據財經網的報道：“特斯拉CEO馬斯克曾經表示，激光雷達就像人身上長了一堆闌尾，闌尾本身的存在基本是無意義的；任何依賴激光雷達的公司都可能無疾而終。”

/ 01 / 路線之爭：為什么多傳感器融合未來比單獨攝像頭更合理？

要想分析清楚自動駕駛傳感器的配置問題，回答為什么多傳感器融合未來比單獨攝像頭更合理，我想至少應該先回答以下兩個問題：

▍特斯拉為什么堅持單獨攝像頭方案？

首先，我們要清楚特斯拉是個汽車品牌廠，或者叫整車廠。特斯拉在汽車產業鏈的整體定位是整車集成，即選擇汽車行業龐大供應體系（Tier 1）里適合自己整車產品定義的汽車組件，比如電機、電控、機械結構、多媒體等，最后組裝、生產成汽車。

從這個維度看，特斯拉對汽車配件和技術維度應該是“拿來主義的“和“中立的”。那為什么特斯拉會反對多傳感器，特別是激光雷達呢？ 問題可能出在激光雷達本身：一個是技術還不完善，特別是能生產符合車規標準的真正固體的激光雷達的企業暫不具備量產能力，另一個問題是激光雷達的價格還沒有低到合理、普適的位置。一言以蔽之，還沒有合適的激光雷達可以上車量產。 由此，假定我們站在特斯拉和馬斯克的角度來思考：作為自動駕駛汽車品牌的領導者和自動駕駛概念的最大商業受益者，特斯拉已經有一套視覺攝像頭方案量產，獲得了市場的認可，同時積累了大量的數據；作為攝像頭自動駕駛最成功的商業案例，特斯拉對單獨攝像頭方案充滿信心，并輸出這個信心給市場和用戶，是完全必須和應該的邏輯。相反，如果這個時候站出來說多傳感器融合，多少有可能被“誤讀”成單獨攝像頭方案還有些許缺陷和不足，將來需要其他傳感器來補充。

對于汽車這種長生命周期的產品而言，這種信息導向，很可能打擊一些潛在用戶的買車欲望，而客觀上市場上又確實沒有性價比足夠高的固態激光雷達可以供特斯拉采用，作為一個成熟、務實的著名汽車廠，這顯然是特斯拉時下不希望看到的“死循環”局面。

既然人類可以只靠肉眼這樣單一傳感器完成汽車駕駛，為什么AI不能通過視覺攝像頭完成自動駕駛？

要想回答這個問題，我們還要對人眼的視覺識別進行稍微深入一點兒的分析。 首先，人眼的視覺是個高度智能化、自動化的復雜系統，具有定焦、對焦、變焦、多區域視覺等等功能。 比如駕駛過程中，我們的視線會在遠景、近景切換焦距和成像，并且在即便是近景的情況下，對遠景的目標，特別是運動目標也具備檢測功能，從而在遠處有運動目標的時候，通過調整眼球晶狀體將成像面快速切換到遠距離目標。

與此同時，我們對于需要特別關注的目標，比如路面障礙物，我們可以“定睛一看”，進行特定區域的細致成像，提供局部目標視覺分辨率。 此外，我們還可以通過頸部、頭部的動作，調整我們眼睛的視角和視覺范圍，避免視覺死角，同時把視網膜有限的成像分辨率用在特別關注的目標區域的成像。 我們還有高度智能化、自動化的瞳孔“光圈”，控制眼睛的進光量，適用于不同的外界光照情況。 而車載自動駕駛電子攝像頭，基本都是固定焦距、固定FOV、固定光圈、固定位置安裝的，完全不具備人眼的自動化和靈活性。

這也解釋了為什么人類可以兩只眼睛“包打天下”，而自動駕駛要用十幾個甚至二十幾個攝像頭的原因。 舉個例子，安裝在車頭位置的前向攝像頭就需要配置多個，用以負責近距離、中距離，遠距離的視覺成像。之所以采用多攝像頭分工，而不是采用人眼這種“通用”攝像頭，除了成本的考量之外，關鍵還是要實現人眼類似的智能化、自動化，必然使用大量電機、機械運動、控制部件，比如調整焦距的電機，在汽車這種使用環境里是非常有技術挑戰的。原因是，汽車的使用環境高低溫工作范圍大，運動與震動強烈，而無故障運行時間要求很長。 小結一下，由于汽車使用環境的嚴酷性，大家最終選擇了“固態”攝像頭，而當前這個“固態”攝像頭的智能化、自動化、靈活性水平，和人眼相對比還有很大的差距。

另外，在測量距離這個指標上，攝像頭視覺甚至包括人眼，對比起激光雷達都有巨大的劣勢。因為從獲取距離（深度）信息的原理上，不同于激光雷達的直接測量法，視覺測距的實際精度和準確性都與被測物體，以及背景圖像的特點有很大的相關性，這種測距原理，在特殊的背景和目標場景下，就有可能會出現測距算法失效的可能性。而人眼還可以通過歪歪頭等“機械”動作，調整一下視角，獲取不同角度的圖像，提高三角測距法的準確性。 即便如此，人眼對距離感知，對低照度也有先天的不足。好在從進化論的角度，人眼的視覺能力足以“應付”我們進化歷史上漫長的“靠腿運動”的“低速” 時代。而汽車這種高速運動的機器誕生的時間，與人類的歷史相比極其短暫。 那么，在人類的視覺還沒有進化出（或許也不可能進化出）新的傳感器功能之前，我們借用一下激光雷達、毫米波雷達這樣有專長的傳感器測測距離，也許是合理和聰明的選擇。就像我們在沒有野生動物夜視能力的情況下，可以借用手電筒、汽車大燈，來走暗夜中的漫漫長路一樣。

所以，多傳感器融合對自動駕駛應該是一個合理和幾乎必然的趨勢。至于哪種傳感器在自動駕駛算法上起的的作用更大，可能不是傳感器企業最關心的事情，而是做算法的人更關心的事情。

/ 02 / 傳感的原理：攝像頭、毫米波雷達和激光雷達

談到自動駕駛的多傳感器融合，主要的還是攝像頭、毫米波雷達和激光雷達。關于這三種傳感器的大致特點和優缺點，行業里有很多討論，我們就不贅述了。 需要補充一點的是，從傳感的原理上，攝像頭和激光雷達本質上都是光學成像。攝像頭主要是可見光成像，可借助陽光、路燈、車燈等光源，更容易獲得比較高的平面分辨率；而激光雷達使用自己的專用光源，通常是不可見光的紅外激光光源，優勢在于獲得目標距離（深度）的信息；也因為激光雷達使用自帶的紅外激光光源，具有窄帶光譜的特性，天生比自然光成像具有更好的抗干擾性。 同時，因為自發光激光光源的相干性特點，可以采用光通訊行業長期積累的相干接收的技術成果，獲得更高的信噪比，在測距的同時獲得更多的測量數據，比如目標的運動速度，這也是行業里看好調頻連續波（FMCW） 技術的主要原因。

而毫米波雷達使用的是不同于光頻譜的無線電波，在雨、霧、霾等惡劣氣候下有非常明顯的優勢作用。但目前毫米波雷達在平面分辨率和距離分辨率上還不如攝像頭和激光雷達。毫米波雷達如果要提高以上兩個分辨率，需要使用更多的通道和天線單元，加大通訊帶寬，提高射頻頻段，這需要新的技術努力，并且在成本控制上也會有新的挑戰。在毫米波雷達領域，也不乏創新者，比如峰瑞資本投資的加特蘭微電子，主攻CMOS工藝毫米波雷達芯片開發與設計，在全球范圍內率先量產汽車級CMOS工藝77/79GHz毫米波雷達射頻前端芯片。

激光雷達是最晚進入汽車行業、同時也是討論熱度最高的傳感器。從全球領先的激光雷達公司Velodyne多線機械掃描雷達開始，眾多創業團隊嘗試了MEMs激光雷達、Flash（TOF）面陣成像、OPA相控陣激光掃描等多種技術方案。 努力的方向是兩個：一是降低成本，二是盡力減少機械運動部件，實現固態激光雷達，以滿足汽車惡劣的工作環境和超長的無故障工作時間要求。

/ 03 / 激光雷達：ToF、OPA之爭

從技術維度看，Flash（TOF）面陣成像和OPA相控陣技術方案無疑是更接近理想固態構架的方案，因為它們都是基于半導體芯片技術。 而MEMS技術（Micro-Electro-Mechanical System，也叫做微電子機械系統、微系統、微機械等）雖然也使用半導體工藝和技術，但由于在芯片內部使用了微電機構建的振鏡作為激光束控制方向的部件，本質上還是包含一個機械運動部件，同時想在微小尺寸的振鏡上實現線性很好的掃描線控制和大的掃描角度也面臨許多技術挑戰。

Flash（快閃）激光雷達技術是最接近攝像頭技術的方案，可以利用攝像頭行業很多成熟的技術和工藝成果。但是，由于Flash激光雷達使用面陣的光源，由于人眼安全標準等現實限制，Flash 激光雷達更適用近距離、中距離的應用場景。蘋果在2020年推出的iPad Pro上使用了激光雷達，在掃描方式上，蘋果選擇的是Flash方案。激光雷達利用直接飛行時間 （dToF），測量室內或室外環境中從最遠五米處反射回來的光。單光子dToF技術是未來實現激光雷達（LiDAR）小型化、低成本、可量產的一項關鍵技術。 峰瑞資本投資的南京芯視界微電子，正是以光電轉換器件設計和單光子檢測成像技術為核心，提供單光子dToF三維圖像傳感芯片、大數據中心超高速光電互聯芯片及系統解決方案的公司。 OPA激光雷達是被行業最寄予厚望的技術方向。它的原理是，通過控制納米天線陣列中每個天線的發射信號相位，使得不同天線單元的信號互相干涉，從而控制輸出的激光束的方向。它是原理上最接近射頻頻段相控陣雷達的技術，如果能夠實現芯片化，將是目前能看到的最理想的純固態激光雷達技術路線。

除了純固態的優點，由于OPA激光雷達是由電信號完全控制激光掃描方向，能夠動態地調節掃描角度范圍，對目標區域，進行全局掃描或者某一區域的局部精細化掃描，一個激光雷達就可能覆蓋近距離、中距離、遠距離的目標、距離探測，如果和FMCW技術相結合，還可以直接提供目標的運動速度。 換句話說，OPA激光雷達沒有采用任何機械運動部件，卻實現了類似人眼視覺的機動性、靈活性。

由于OPA技術的先天優勢，國內外都投入了大量資金和技術人才。峰瑞資本投資了洛微科技（Luminwave）和力策科技兩家致力于OPA 芯片和激光雷達的公司，其中洛微科技專注于硅光技術的OPA解決方案，力策則基于III-V族半導體材料，創新和發展了空間光調制OPA技術和芯片。

在OPA技術的發展進程中，基于液晶材料的空間光調制（spatial light modulator，SLM）技術，曾經是重要的技術探索方向之一，但是液晶SLM掃描速度非常慢（毫秒級別），遠遠滿足不了自動駕駛快速成像的要求。力策科技的OPA方案，從使用者角度看，相當于做了個高速的SLM，完成一個單波長激光的高速空間調制；當然從技術維度看，力策的OPA技術無疑是一種新的創新，同時也是目前最接近量產的OPA固態激光雷達技術方案。 經過幾年的努力，洛微科技和力策科技兩家激光雷達領域的創業公司，都在自己的技術方向上取得了較好的成果，洛微科技剛剛完成數千萬元融資，力策科技也即將開始新一輪融資。

本篇總結

1，多傳感器融合對自動駕駛應該是一個合理和幾乎必然的趨勢。目前“固態”攝像頭的智能化、自動化、靈活性水平，和人眼相對比還有很大的差距。另外，在測量距離這個指標上，攝像頭視覺甚至包括人眼，對比起激光雷達都有巨大的劣勢。因此，多傳感器融合，利用攝像頭、毫米波雷達和激光雷達各類傳感器的優勢，是目前自動駕駛領域較為可行的方案。2，激光雷達是最晚進入汽車行業、同時也是討論熱度最高的傳感器。目前激光雷達行業主要往兩個方向努力：一是降低成本，二是盡力減少機械運動部件，實現固態激光雷達，以滿足汽車惡劣的工作環境和超長的無故障工作時間要求。3，從技術維度看，Flash（TOF）面陣成像和OPA相控陣技術方案無疑是更接近理想固態構架的方案，它們都是基于半導體芯片技術。

原文標題：峰瑞2021展望④ | 自動駕駛背后的傳感器終局猜想

文章出處：【微信公眾號：CEO創客】歡迎添加關注！文章轉載請注明出處。

責任編輯：haq