2020年12月15日 | 激光雷达：为什么马斯克不要我？

前几日，完成反向并购上市的激光雷达供应商Luminar Technologies（股票代码为LAZR）的股价就像磕了猛药，日日狂飙，3日累计涨幅达到114%。

猛然提起Luminar你可能有些陌生，它是第二家完成上市的致力于为自动驾驶汽车提供关键传感器的硅谷企业；大哥江湖名号Velodyne Lidar Inc。

至于二者在激光雷达技术上谁更牛掰，我着实不感兴趣，我在意的是激光雷达企业在上市初期为何如此受到市场青睐。

牛气的激光雷达，有哪些真本领？

股市的投资者们，从头到脚的每个毛孔里都散发着精明的气息（小散除外）；能让他们拿来猛炒的企业自然具有良好的发展前景，护城河自然也是不一般的宽广。

被应用在车辆自动驾驶的激光雷达显然前景广阔，要论企业的护城河够不够宽，还得从激光雷达自身的特点说起。

我们知道，自动驾驶由感知、决策、执行三部分组成；激光雷达正是在感知环节扮演着重要的角色。

我们在上学那会儿都学习过，雷达是通过仿生蝙蝠发射超声波制造的；激光雷达的工作原理也与此类似，其通过发射激光束到达物体，然后接收从物体折返的激光束，并测量激光信号的时间差和相位差来确定距离。

这也正如我们打乒乓球击球和接球的过程，区别在于人类用眼睛结合大脑来判断球速和旋转；而激光雷达通过激光发射与接收器等硬件，结合软件算法来判定障碍物方位。

但如果你认为激光雷达只会进行障碍物方位的判断，那就太小看它了。激光雷达可是由四大护法加身，分别是前面提到的激光发射、接收器和扫描、信息处理系统。

在激光发射器周期性的发射激光束的同时，扫描系统当然舍不得闲着；它会忙着采集目标表面的深度信息，以期得到测量目标的相对完整的空间特征；在信息处理系统的帮助下，收集到的信息被重构成为三维表面，进而形成容易被我们理解的立体三维图形。

所以，单是看到激光雷达能干的事就让人感觉很了不起，真正开发一款满足车规级要求的激光雷达更是难度甚高（到目前为止，全世界只有法雷奥做出了一款满足车规级要求的量产激光雷达-SCALA）。加之未来激光雷达对自动驾驶重要的促进作用，Luminar在上市初期受到民众青睐自然无可厚非。

纵然强悍，难敌肥臀男

激光雷达不仅具有构建清晰目标3D图像的高超技艺，而且具有分辨率高、穿透抗扰能力强和全天候工作的优良素质。

可以说，激光雷达相对其它雷达和摄像头有着天生的优越感。

众所周知，小鹏汽车创始人何小鹏是激光雷达的拥趸，其曾经在今年的广州车展发表声明称，小鹏汽车将从 2021 年生产的车型开始升级其自动驾驶软件和硬件系统，采用激光雷达技术用以提高小鹏汽车的物体识别性能。

但，看起来强悍的激光雷达，并不能得到所有人的芳心。

特别是肥臀男马斯克，其不仅对小鹏汽车自身的激光雷达路线嗤之以鼻：“小鹏汽车的软件水平处于落后状态，并且没有神经网络计算能力”；而且公开表示：“激光雷达就像人身上长了一堆阑尾，阑尾本身的存在基本是无意义的；任何依赖激光雷达的公司都可能无疾而终。”

在老马看来，人类通过视觉收集信息+大脑处理信息的方式进行安全驾驶，意味着自动驾驶也能通过同样视觉感知+算法决策来实现。

于是，他坚持使用视觉融合模式；在特斯拉硬件系统 Autopilot HW 2.0中， 搭载了 8 颗摄像头用以提供360度环视功能，包括前置三目摄像头（分别是长距窄视角、中距中视角和短距鱼眼）、左右两侧各有 2 颗面向侧前和侧后的摄像头，再加上 1 颗后置摄像头。

要知道，视觉信号就是由摄像头采集到的视频数据，这些视频数据由一张张色彩绚丽的照片组合而成。你可以用心观察下，我们在生活中用手机随手拍的较为清晰的照片的大小已经接近10MB；而在自动驾驶汽车运动过程中，每颗摄像头每一秒的数据量更是会达到MB（1024KB）级别；当8颗摄像头同时工作，每秒钟的数据量将会更大。

而与之相比，激光雷达、毫米波雷达、超声波雷达等传感器采集到的数据就只是规范化的数据包。就拿获得过百度和福特1.5亿美元（约合人民币9.8亿元）共同投资的Velodyne，所生产的VLP-16 16线激光雷达为例，其每一帧的数据长度固定为1248字节，也就是大约1KB,而这颗激光雷达每秒的输出为480帧，算下来每秒的数据总量大约只有500KB。

所以，在汽车自动驾驶中，靠摄像头叠加构建的视觉感知融合方案相对采用激光雷达方案，对系统算力的要求要高得多。

也正是考虑到这个原因，押注于视觉融合方案的特斯拉，决意摒弃英伟达基于GPU开发的Xavier自动驾驶芯片，转向自主研发更高算力的FSD芯片。

视觉融合，任重道远

你以为摄像头相对激光雷达，只有对系统算力要求高这一个缺点？

当然不是，车辆在自动驾驶中必须精确定位自己的位置，才有资格考虑“要去哪儿”的问题。无奈的是，利用摄像头来实现自身定位非常困难；而激光雷达可以通过将自身检测数据与高精度地图连续实时匹配，进而获得汽车在高精度地图上的全球位置及行驶方向。

也许你会说，摄像头不能很好的实现自身定位没关系呀，不是有GPS了么，定位本来就应该是它的任务呀。

我们要知道，GPS自身的定位精度本来就不足，这点大家在开着导航找目的地的时候绝逼是深有体会。其实GPS的定位精度取决于卫星提供的精度；原则上美国提供的该系统定位精度可以达到5米，但普通民众所接收的民用信号是经过技术处理的，最优良的精度只能达到10米；当汽车行驶在周边高楼林立、进出隧道等路况时，10米的定位精度也将变成奢望。

但目前国际上较为公认的自动驾驶定位精度要求为10厘米；你说靠GPS来定位自动驾驶靠不靠谱。当然了，未来换装我国的北斗系统定位精度会高一点，但军用信号预计也只能达到1米，民用信号定然也无法满足自动驾驶的精确定位需求。

另外，在我看来激光雷达在探测成像这块可以被类比为太阳，而摄像头就像是地球。

地球本身不发光也不透明，光源来自太阳，地球通过自转产生昼夜交替。摄像头在工作时就像地球一样，需要获得外界的光源；因此在夜晚光线暗淡、强光照射、存在高亮反白物体时，摄像头采集的数据都难以通过算法进行有效可靠的环境感知。

而激光雷达在工作时并不受到外界光源的影响，它是通过发射激光束来主动探测成像的，可以直接测量物体的距离方位、深度、反射率等信息。

也正是由于这个原因，特斯拉在车身周边加装了12个超声波传感器和一个增强版的前向毫米波雷达，用以弥补视觉的不足；但特斯拉在市场上偶发的惨烈事故，仍昭示着其视觉融合方案，任重道远。

自动驾驶，仍是成本为王

激光雷达在自动驾驶中相对摄像头着实有着诸多天然的优势，但价格却也高的离谱。就以Velodyne的激光雷达为例，16线束的需要4千美元（约合人民币2.6万元），64线束的高达8万美元（约合人民币52.4万元）；而一个摄像头的硬件成本才几百美元。

不仅如此，前面提到视觉融合模式需要更强大的系统算力，其中一个很重要的原因是摄像头能够获得丰富的纹理色彩，进而实现精细化的识别与跟踪。但激光雷达所采集信号的色彩纹理并不丰富，并不适合信号跟踪。因此，当车辆采用激光雷达方案时，仍必须采用与相对较少数量的摄像头融合的模式；而这将进一步叠加对应车辆的前装出厂成本。

因此，要想采用激光雷达辅助自动驾驶的方案，成本降低是必然趋势；也许正是囿于这种市场对于激光雷达降本的不确定性，Luminar的股价在狂飙后又出现了连续多日的大幅回调。

好在曾经处于汽车圈外的一些企业也将自动驾驶视作未来的蓝海，纷纷投身激光雷达开发。就拿华为为例，其透漏出自己的目标是短期内开发出100线的产品，并在未来将成本降低至200美元（约合人民币1309元），甚至100美元（约合人民币654元）；另外无人机巨头大疆，也在今年8月宣称自己可以量产千元级适用于L3、L4级别的激光雷达，对应的产品Horizon和Tele-15的价格分别为800美元（约合人民币5236元）和1200美元（约合人民币7853元）。

当然，特斯拉这种倾注视觉融合的方案，也并非完全不可取。其通过融合毫米波雷达和超声波传感器等方式来补偿视觉的缺陷；并通过自身强大的芯片开发团队，打造出算力更强大的满足车规级的芯片。

未来，实现完全无人驾驶的方案，绝不是自古华山一条路。

在充分市场竞争的道路上，就看激光雷达的降价速度，能否优先于视觉融合团队的算力提升速度。

无论如何，自动驾驶的初衷是让人们更快乐的出行；任何企业不应执迷于某种技术或方案；毕竟一丝丝的迟滞与误差，就可能让多少家庭痛不欲生。