自动驾驶深度学习(第5/100天)激光雷达:精确勾勒世界的“点云大师”,纯视觉路线真的不需要它吗?

阅读约12分钟 | 关键词：ToF、点云、905nm vs 1550nm、半固态激光雷达、纯视觉 vs 激光雷达

前四天我们认识了摄像头和毫米波雷达。今天的主角是智能驾驶传感器中的“贵族”——激光雷达。它价格昂贵、技术复杂，却能被华为、小鹏、蔚来、理想的顶配车型争相搭载。它到底有何过人之处？又为什么成为“纯视觉派”与“多传感器融合派”的技术分水岭？

今天我们彻底讲透激光雷达的原理、优势和争议。

🔦 一、激光雷达是什么？——主动发射激光的“3D扫描仪”

激光雷达（LiDAR，Light Detection and Ranging）的工作原理很直观：向目标发射激光脉冲，测量脉冲反射回来的时间（飞行时间差，Time of Flight），乘以光速再除以2，就得到距离。

通过快速旋转或扫描，激光雷达可以每秒发射数百万个激光点，覆盖周围360°或前方一定角度，每个点都带有精确的三维坐标（x, y, z）和反射强度。所有点汇集起来就是点云（Point Cloud），能精确勾勒出障碍物的形状、轮廓甚至表面材质。

核心性能指标

· 线数：如96线、128线、300线。线数越多，垂直分辨率越高，点云越密。
· 探测距离：10%反射率下通常150-200米（低反射物体如黑色车辆），高反射率（如路牌）可达300米以上。
· 角分辨率：水平/垂直方向上相邻两个激光点之间的角度间隔。越小，看得越清晰。
· 点频：每秒发射的点数，如每秒150万个点（150万点/秒）。

✅ 二、激光雷达的三大不可替代优势

1. 高精度三维建模

摄像头只能拍出2D图像，再通过算法猜测深度（误差大）。激光雷达直接给出每个点的三维坐标，精度可达厘米级。它能精确描绘出路沿、雪糕筒、行人腿部、车辆轮廓，甚至路面小坑。对于异形车辆（如装载树木的货车、三轮车）或非标准障碍物，激光雷达是当前最可靠的感知手段。

2. 不受光照影响

激光雷达是主动传感器，自己发光，不需要环境光。在黑夜、隧道、逆光等摄像头“致盲”的场景，激光雷达性能几乎不受影响。这使其成为夜间AEB、夜间高速NOA的关键冗余。

3. 直接测距，无需算法推测

摄像头的测距需要复杂的神经网络估计，误差随距离增加而迅速放大。激光雷达测量的是实实在在的飞行时间，距离越远，相对误差反而越小（因为时间更长，测量更准）。可靠性是它被用于安全功能的核心原因。

⚠️ 三、激光雷达的三大短板

1. 受恶劣天气影响

激光的波长（905nm或1550nm）比雨滴、雾滴小，在雨、雪、大雾中会发生严重散射，导致有效探测距离骤降。大雨天里，激光雷达可能“看不清”10米外的物体。而毫米波雷达几乎不受影响。所以激光雷达无法完全替代毫米波雷达。

2. 无法识别语义

激光雷达只知道“那里有物体”，但不知道是什么物体——是车、行人、还是大垃圾袋？它不能分辨颜色，也看不清路牌上的文字和红绿灯的颜色。语义理解仍需要摄像头来完成。

3. 成本高且体积大

虽然激光雷达价格已从几万元降至2000-5000元（半固态），但对于15万以下的车型仍难以普及。此外，机械旋转式激光雷达需要安装在车顶（如蔚来ES8），影响风阻和外观；半固态/固态可以嵌入前保险杠或翼子板，但视场角有限。

🔬 四、激光雷达的关键技术分支

1. 按扫描方式

· 机械旋转式：通过电机带动整个激光发射/接收模块360°旋转。技术成熟，点云质量高，但体积大、成本高、易磨损。主要用于L4级自动驾驶测试车（如百度Apollo、Waymo）。
· 半固态（MEMS振镜）：激光源固定，靠一个微小的振镜反射激光束来扫描。体积小、成本低、量产成熟。目前主流车载激光雷达（如禾赛AT128、速腾聚创M1）都属于此类。
· 固态（OPA / Flash）：完全无运动部件。OPA（光学相控阵）通过控制相位实现电子扫描；Flash是一次性照亮整个区域。技术还在探索中，未来有望大幅降低成本。

2. 按激光波长

· 905nm：最常见，成本低，但对人眼有一定风险（靠近可见光波段），因此功率受限，影响探测距离。主流车载雷达多采用905nm（如禾赛、法雷奥）。
· 1550nm：远离可见光波段，对人眼安全性高，可以发射更高功率，探测距离可达300-500米。但需要昂贵的铟镓砷（InGaAs）探测器，体积也更大。典型代表：蔚来ET7搭载的图达通Falcon（远距离激光雷达）。

🧭 五、路线之争：纯视觉 vs 激光雷达——谁代表未来？

这是智能驾驶领域最热闹的争论。

特斯拉的纯视觉立场

· 论点：人类只靠两只眼睛就能开车，AI也应该能。激光雷达是“拐杖”，增加了不必要的成本和复杂度。
· 做法：所有车型只配备摄像头+毫米波雷达（后来连毫米波雷达都去掉了，仅用8个摄像头），依靠强大的神经网络（BEV+Transformer+占用网络）实现深度估计和3D建模。
· 优势：成本极低，便于大规模普及；数据闭环优势巨大，数百万辆车持续贡献训练数据；算法迭代速度行业第一。

华为/蔚来/小鹏等的激光雷达路线

· 论点：纯视觉在极端天气、逆光、黑暗场景下存在不可靠的“长尾问题”。激光雷达提供精确的几何冗余，能大幅提升安全性。成本已下降至可接受范围，安全无价。
· 做法：车顶或前保险杠布置1-3颗激光雷达，与摄像头、毫米波雷达深度融合。
· 优势：城市NOA中，无保护转弯、异形障碍物绕行等场景更顺畅；夜间AEB更可靠；用户感知上“硬件更安全”。

当前共识

· 高端车型（30万以上）：普遍搭载激光雷达，以体现旗舰身份和极致安全。
· 中低端车型：纯视觉或视觉+毫米波雷达方案占主导，成本受限。
· 长期趋势：随着激光雷达成本降至千元以内，5年后20万以上车型可能普及激光雷达。但纯视觉也会持续进化，两者并非绝对对立——最终会走向“以视觉为主，激光雷达为安全冗余”的融合架构。

📌 今日思考题

1. 为什么说激光雷达“无法替代摄像头，也无法替代毫米波雷达”？三者各自不可替代的价值是什么？
2. 如果一辆车没有激光雷达，它的夜间AEB和城市NOA在哪些场景下可能不如有激光雷达的车型？

关键词回顾

ToF 点云 905nm vs 1550nm 半固态激光雷达 纯视觉 vs 激光雷达

🎯 明天预告（第6天 / 动态篇）

结合今天激光雷达的知识，解读一则行业新闻：某激光雷达厂商价格降至200美元，纯视觉阵营是否动摇？ 一起分析成本变化对技术路线的影响。

本系列为100天深度学习计划，每日1篇。欢迎随时提问。