激光雷達(dá)（LiDAR）對于自動駕駛汽車來說，就是讓自動駕駛汽車“看得見路”的感覺器官，它的工作原理簡單描述，就是將激光束打出去、把回波接回來，最后生成三維點(diǎn)云的交通環(huán)境。對于車企來說，并不是把“激光雷達(dá)”掛在車上，就意味著車輛一定能夠能看得清楚、判斷得準(zhǔn)交通環(huán)境，其實(shí)激光雷達(dá)探測環(huán)境的好壞有非常多的影響因素。

先從對于激光雷達(dá)最重要的，也是直觀的“看得多遠(yuǎn)、看得多細(xì)、看得多穩(wěn)”這三件事說起。一個激光雷達(dá)是否適合自動駕駛，基本上取決于它在距離（range）、角度/點(diǎn)云分辨率（resolution）、以及在現(xiàn)實(shí)世界復(fù)雜條件下的魯棒性（robustness）�！熬嚯x”回答了你能在多遠(yuǎn)處發(fā)現(xiàn)目標(biāo)、提前多久作出決策；“分辨率”決定了你能否分辨小物體或近距離復(fù)雜結(jié)構(gòu)；“魯棒性”則決定了在雨、霧、太陽直射或腰包里泥土?xí)r傳感器還能不能靠譜工作。這三項(xiàng)看似簡單，但每一項(xiàng)下面都藏著多個具體參數(shù)，在實(shí)際選用時需要逐一對照。對于激光雷達(dá)的選用，其實(shí)有多個參考參數(shù)。

第一類是基礎(chǔ)物理與測量參數(shù)，即最大探測距離、最小測距范圍、距離精度（accuracy）與重復(fù)性/精密度（precision）、回波強(qiáng)度（intensity）或反射率敏感度、脈沖能量和波長（常見905nm與1550nm之分）、多回波能力（multi-echo），以及死區(qū)和盲區(qū)等。

第二類是點(diǎn)云相關(guān)參數(shù)，即點(diǎn)云率（points per second，PPS）、水平與垂直角分辨率（angular resolution）、垂直通道數(shù)（channels）或陣列設(shè)計、探測視場（horizontal/vertical FOV）、掃描模式（旋轉(zhuǎn)/固態(tài)MEMS/OPA/Flash）和掃描頻率（rotation rate或frame rate）。

第三類是系統(tǒng)與工程參數(shù)，即時間戳與同步精度、延遲與抖動（latency/jitter）、溫度與振動抗性、IP等級與可靠性（MTBF）、電源與功耗、體積重量與安裝便利性、接口（Ethernet/CAN/ethernet+PoE）和軟件驅(qū)動兼容性。

最后是環(huán)境與場景適應(yīng)性，也就是激光雷達(dá)在雨、雪、霧、塵埃、日照下的探測能力、對低反射材料（深色衣物、黑色塑料）的探測概率、以及在多傳感器融合場景下與攝像頭、雷達(dá)的互補(bǔ)性。

激光雷達(dá)的這些參數(shù)并非獨(dú)立，常常聯(lián)系密切，在選擇時更是“有得必有失”的權(quán)衡。比如要把探測距離推向200米以上，需要更高的發(fā)射能量或更靈敏的接收器，而這會觸及眼安全規(guī)范（eye safety），價格也會顯著上升；提高角分辨率更是意味著在同一時間內(nèi)每個方向給出的點(diǎn)更密集，但如果不增加點(diǎn)云總數(shù)（PPS），那就必須犧牲掃描頻率；而增加點(diǎn)云率會對車端算力和帶寬提出更高要求。只有理解這些權(quán)衡，才能在產(chǎn)品選型或系統(tǒng)設(shè)計時做出合理取舍。

是不是還不夠直觀？那就舉個常見的“點(diǎn)云密度/角分辨率”計算示例。假設(shè)一臺LiDAR標(biāo)稱點(diǎn)云率為1,200,000點(diǎn)/秒（1.2Mpps），并且是64通道的旋轉(zhuǎn)式設(shè)計，旋轉(zhuǎn)頻率為10Hz（即每秒10轉(zhuǎn)）。我們要計算每轉(zhuǎn)的點(diǎn)數(shù)、每轉(zhuǎn)每通道的點(diǎn)數(shù)，以及由此得到的水平角分辨率。步驟很直接但要把算數(shù)寫清楚，每秒點(diǎn)數(shù)乘以單轉(zhuǎn)時間等于每轉(zhuǎn)點(diǎn)數(shù)；單轉(zhuǎn)時間等于1÷旋轉(zhuǎn)頻率。代入數(shù)值，1,200,000×(1÷10)=1,200,000×0.1=120,000點(diǎn)/轉(zhuǎn)。把這120,000點(diǎn)在64個垂直通道之間分配，得到每通道每轉(zhuǎn)的點(diǎn)數(shù)為120,000÷64=1,875點(diǎn)。水平角分辨率近似等于360°÷每通道每轉(zhuǎn)點(diǎn)數(shù)，即360÷1,875≈0.192°。這意味著，在10Hz轉(zhuǎn)速和1.2Mpps的條件下，單個通道的水平分辨率約為0.19度，若車輛在50米處，同一通道相鄰兩點(diǎn)之間的橫向間距大約為50×tan(0.192°)（大約0.168米）。這個例子明確說明點(diǎn)云率、通道數(shù)和轉(zhuǎn)速如何共同決定遠(yuǎn)處的點(diǎn)云密度，進(jìn)而影響目標(biāo)檢測與輪廓還原能力。

說到這里，相信還會有許多人好奇，點(diǎn)云率越高就意味著激光雷達(dá)越好么？答案是否定的。如果只是單純提高PPS，而不匹配合適的掃描模式、分辨率與算力支持，反而會造成數(shù)據(jù)擁堵和處理延遲，形成“有點(diǎn)但用不好”的尷尬局面。更重要的其實(shí)是點(diǎn)云的“有效點(diǎn)密度”，即落在目標(biāo)表面的點(diǎn)數(shù)，而不是單純的總點(diǎn)數(shù)。有效密度受目標(biāo)大小、表面反射率、視角、距離以及掃描幾何共同影響。對于一個行人（橫向?qū)挾燃s0.5米）在40米外能否被可靠檢測，取決于水平角分辨率、垂直通道覆蓋和回波強(qiáng)度。

說到點(diǎn)云質(zhì)量，其實(shí)就不得不談“噪聲、精度與偏差”。距離精度指的是測到的距離與真實(shí)距離的偏差，重復(fù)性（precision）反映的是多次測量的穩(wěn)定性。兩者都很重要，如果偏差可校正（系統(tǒng)性誤差），靠標(biāo)定可以補(bǔ)償；但如果噪聲不可預(yù)測（隨機(jī)誤差）或隨溫度大幅變化，那對下游感知算法的影響就更致命。系統(tǒng)級評測中常測溫漂（temperature drift）、多次標(biāo)定后的殘差，以及隨振動、碰撞后的校準(zhǔn)保持性。車輛是一個高振動、高溫差的工作平臺，商用化的LiDAR必須通過汽車級的振動、沖擊、熱循環(huán)和密封測試（如IP67/69K）才能被考慮用于量產(chǎn)車。

關(guān)于波長與眼安全，905nm與1550nm的選擇關(guān)系到發(fā)射功率上限與成本。1550nm波長相對眼安全容許更高的發(fā)射功率，從而在相同比例下更容易實(shí)現(xiàn)更遠(yuǎn)的探測距離或更高SNR，但相關(guān)的激光源和探測器往往更昂貴，且生態(tài)鏈（器件供應(yīng)、封裝工藝）更復(fù)雜。905nm方案在成本和成熟度上一般更有優(yōu)勢，但在追求超遠(yuǎn)距（比如200m以上）性能時會遇到能量瓶頸。多回波（multi-echo）能力則在復(fù)雜場景（半透明目標(biāo)、樹葉、雨雪）里非常有用，因?yàn)樗�能返回多個回波，用來區(qū)分近表面與后方物體，減少錯誤深度估計。

再說說激光雷達(dá)對于天氣與環(huán)境的適應(yīng)性，激光雷達(dá)在雨、雪、霧中，光會被散射，回波能量驟減，導(dǎo)致最大有效探測距離顯著下降。此處不能只看激光雷達(dá)硬件，一個好的系統(tǒng)還需要配合濾波、去噪和多傳感器融合策略。例如在強(qiáng)降雨中，毫米波雷達(dá)對大顆粒反應(yīng)更穩(wěn)定，攝像頭能提供顏色與紋理信息，兩者與LiDAR融合能提高檢測概率。廠商在規(guī)格表上給出的“最大探測距離”往往是在標(biāo)準(zhǔn)反射率（如10%或20%）且無雨霧的理想條件下測得，如果您是車企激光雷達(dá)的采購人員，務(wù)必要求廠商提供不同反射率、不同天氣下的檢測概率曲線，而不是一個單值的“最大距離”指標(biāo)。

除了硬件之外，軟件處理能力也決定了激光雷達(dá)“好不好用”。好的激光雷達(dá)廠商會提供高質(zhì)量的驅(qū)動、低延遲的時間戳、穩(wěn)定的包結(jié)構(gòu)（點(diǎn)云格式），以及用于時空校正的算法（motion compensation、timestamp interpolation、intensity calibration）。此外，廠家能否提供預(yù)處理（去畸變、濾雨雪點(diǎn)云、時間同步到IMU/車輪里程計）和完整的測試數(shù)據(jù)集（包括不同天氣、不同道路場景的原始點(diǎn)云）也會顯著縮短集成團(tuán)隊(duì)的開發(fā)周期。一個看起來光學(xué)參數(shù)優(yōu)秀的激光雷達(dá)，如果驅(qū)動欠缺、時間戳不準(zhǔn)或沒有足夠的診斷信息，集成代價只會變得很高。

說了這么多，其實(shí)對于車企來說，在實(shí)際場景選型時，其實(shí)最關(guān)鍵的一點(diǎn)是“明確使用場景”。如果目標(biāo)是高速場景（比如高速公路的自動巡航或L4區(qū)域的車道間長距離預(yù)判），你需要長探測距離、高SNR、低誤差和良好的遠(yuǎn)距角分辨率；如果目標(biāo)是城市復(fù)雜路段或泊車場景，近距性能、垂直分辨率、低最小探測距離和對小目標(biāo)的檢出率更重要。這意味著沒有“放之四海皆準(zhǔn)的最好激光雷達(dá)”，只有“適合我場景且在工程集成上最省力的激光雷達(dá)”。因此在評估時務(wù)必做場景化測試，在你要上車跑的典型路段、典型車速、典型天氣與典型目標(biāo)（行人、自行車、垃圾桶、反光路牌等）上跑一套測試，而不是只看實(shí)驗(yàn)室里給你的“最大距離”。

此外，對于廠商承諾與后勤支持也不能忽視。成熟廠商通常能提供完整的驗(yàn)證報告、軟件更新機(jī)制（OTA）、長期供貨計劃和量產(chǎn)一致性保證。對于車廠或系統(tǒng)集成商，傳感器的一致性（unit-to-unit variation）和可批量化的校準(zhǔn)流程非常重要，否則每輛車上線都要浪費(fèi)大量人工去調(diào)參。除了上面聊得這些，廠商的備件供應(yīng)、維修服務(wù)、以及在國內(nèi)外的技術(shù)支持網(wǎng)絡(luò)，都會直接影響量產(chǎn)節(jié)奏和后裝維護(hù)成本。

總結(jié)一下今天聊的內(nèi)容，希望可以幫助讀者將上面的理論落到實(shí)處。評估一款激光雷達(dá)時，不要被高PPS、很多通道或很遠(yuǎn)的“最大探測距離”單元的標(biāo)簽迷惑。一定要看三類實(shí)際數(shù)據(jù)，即檢測概率隨距離和反射率的曲線、在目標(biāo)典型尺寸下的點(diǎn)云密度（包括垂直和水平方向）、以及在多種惡劣天氣條件下的可用性百分比（比如0-5mm/h、5-20mm/h降雨條件下的可用性）。其次，要求廠商提供時間同步精度和延遲數(shù)據(jù)，因?yàn)樵诟咚俣葓鼍跋聨缀撩氲臅r間戳差異就會導(dǎo)致定位與感知錯位。第三，與廠商協(xié)商獲取原始點(diǎn)云樣本（包括邊界條件下的失敗樣本），把這些原始數(shù)據(jù)丟進(jìn)你自己的感知算法里跑一遍。第四，重視軟件與工程配套，良好的驅(qū)動、API、診斷信息和清晰的標(biāo)定流程往往能把“紙面上略遜一籌”的傳感器在系統(tǒng)里調(diào)到更好；反之，硬件再牛如果沒有好的軟件支撐，也可能成為項(xiàng)目瓶頸。第五，考慮系統(tǒng)冗余與傳感器定位，單一激光雷達(dá)出故障的后果與多個不同類型傳感器組合的魯棒性差異，也應(yīng)納入成本效益分析里。

評判激光雷達(dá)好壞不能只看單個參數(shù)，必須從“場景需求—物理參數(shù)—系統(tǒng)集成—軟件支持—可靠性驗(yàn)證”的系統(tǒng)視角出發(fā)。點(diǎn)云率、通道數(shù)、波長、探測距離、角分辨率、時間同步、天氣魯棒性和廠商工程支持，這些都是要逐一驗(yàn)證的要素。只有把廠商提供的規(guī)格轉(zhuǎn)化為對你場景的檢測概率曲線與點(diǎn)云密度圖，做場景化的驗(yàn)收測試，配合多傳感器融合和穩(wěn)健的軟件預(yù)處理，才是把激光雷達(dá)發(fā)揮到極致的正確路徑。

-- END --

       原文標(biāo)題 : 決定自動駕駛激光雷達(dá)感知質(zhì)量的因素有哪些？