什么才是纯固态激光雷达的终极方案？（下）
激光雷达最主要的功能就是检测真实的3D点云数据，所以可能大家最关注的指标就是距离。
距离与选择的芯片方案、芯片设计和信噪比相关，这个当然是物理上的一些事情。但实际上，真正需要考虑的因素其实是蛮多的，是很具体或者很需要去确定的一些东西。
首先是被测物体的反射率。探测距离是跟被测物体的反射率是一个强相关性的事情，就是说我们看一个反射率90%的物体（比如白墙）和看一个反射率10%的物体（比如黑墙），能测试的最远距离上差数三倍，这个差距是非常大的。
其次，就是测距的概率。
为什么会有概率这个事呢？按不同的方案对这个事情的解释或者说原因还不太一样。
比如说单光子探测是最明显的，单光子探测具有少数光子的灵敏度，在这种情况下，是存在泊松分布 Poisson distribution的，简单说就是会有一定的概率看不到这个光子。
所以这是为什么我们看单光子探测会有一个很重要的指标叫PDP，就是探测光子的概率。在940纳米的话，可能这个概率基本是在10%左右，根本上来说是物理的原因。
除了刚才说的两点之外，激光雷达是一个系统级的产品，它有各种各样的指标是互相牵连的。
这里面比较主要包括有分辨率、视场角、帧率。这些因素甚至还有其他因素互相搅在一起，所以我们在做一个距离指标的时候离不开这几个因素。所以大家一般给指标时都是一些典型的值，但实际上这些东西是互相关联的。
这四个颜色的方框是目前在测距方案里面最常见的几个流派，他们的原理差别非常大，无论是用功率还是用光子数来评价其实都不公平。
我试图用这个图把这四个技术放在同一个图里来讲一下。X轴代表每个探测通道有效测距的点率，跟我刚才说的帧率有点关系，就说使用这个技术的时候，每个通道每秒钟能测多少个点。
Y轴代表灵敏度效率，注意这不是灵敏度的概念，不是说这里面的光子数越小代表能测的距离越远。
大概意思是一共用多少光子才能达到需要的测试距离，光子的多少包括改变出光功率，也包括改变测量时长，这个词在教材或是文献里没有的，之所以用这个概念就是为了方便一起评价这四个方案。
x和y轴是这四个方案比较本质的因素，所以能相对比较公平的来评价一下这四个技术的特色，这里面其实没有绝对的好和坏。
首先，是dToF方案，就是直接飞行时间测量（右下角橘黄色方框）。
该方案用APD就是雪崩探测器来做探测。我们现在已经在车上用的激光雷达基本都是采用这个技术。
原理就是发射一个激光脉冲，然后用一个灵敏度比较高的APD来探测返回来的光，然后计算两个脉冲的时间差。它有什么好处呢？
它在x轴上是最靠右的，也就是说它每通道每秒钟能测点数是最多的，因为原则上它只需要看一个脉冲返回的时间就可以了。这也是为什么现在采用这种方案的激光雷达基本上只需要用3~6个通道就可以覆盖一个每秒百万级的点密度，这个点密度适合目前很多应用，这个是现在目前采用的主流技术。
但是你可以看到缺点呢？它这个灵敏度效率的这个轴上是最低的，也就是他需要用最大的光子数，在这个情况是指峰值光功率来实现测距距离。
那如果这个光功率超过了人眼安全的限制，那就在测试距离上有了限制，你可以看到比如用905纳米的激光器的dToF方案能测试的最大距离大部分是在100米到150米之间（10%反射率），这个是在人眼安全限制下比较远的测试距离。
但如果想测的更远，就需要把波长换到对人眼更安全的1550纳米，然后来用更大的光功率来实现更远的距离。
其次，是iToF方案，就是间接飞行时间测量（左下角绿色方框）。
该方案其实就像我们手机里的CMOS摄像头一样通过积分方式来获取很高的灵敏度。
虽然说并没有单光子能力，但是可以加时间，可以让这个光子一点点进来，一点点积累，积累到一定程度能探测了，再把这个数据在输出。
所以其实也能达到非常高的灵敏度，也可以测非常远的距离，但是效率会比较低。
另外就是说你如果想测的距离远，你就需要积分时间足够长。
然后你看这个图上这个绿色的框在x轴上很长，覆盖很长一个范围就是因为如果想测的远，就要用更长的积分时间，那每秒的点就少，如果你测距离近，这样就可以提高这个数字。
所以你可以看到，做这种iToF的方案的话基本都是用一个二维阵列的方式，就类似于我们图像传感器这个方式，因为每个通道需要花很长的时间，甚至是毫秒级来进行测量，那当然就是我们希望同时能采集更多的点，然后同时把这个数据输出，这个是这个技术一般使用的方式。
再次，也是dToF直接飞行时间测量，但是用的是SAPD或者SiPM。
这个技术在图中是斜着放的的一个区域，因为它可以原则上达到单光子灵敏度，但是你需要等足够长的时间和重复测量次数。
实际上单光子探测在科学实验上是真的可以测单光子，但实际上在我们激光雷达室外场景下应用的话，基本上也是百光子量级的脉冲，需要在合理的采集时间和灵敏度平衡下进行。
单光子探测是一个灵敏度非常高的技术，但有一个缺点就是说它太灵敏了，任何一个噪声源比如说太阳光、比如说环境光、比如说电路里的噪声电子，任何一个单个的电子或者光子都可能会造成一个假信号，那这样的话测量的信号并不知道真还是假。
那你怎么做呢？你就经过多次测量，比如测几百次，测几百次之后你把它作为做一个频次图，频次最高的那个峰值是最有可能是真实信号的，把这个信号作为时间对应的距离。
所以虽然是用脉冲来测时间，但实际上我们需要发射和采集很多次，而这个很多次之间还需要停顿一段时间，有一个死亡时间，单光子探测材料和物理上的限制造成你不能立刻采集下一个脉冲，所以就变成单光子探测也需要花比较长的时间探测一个点，就有点接近于iToF的情况，一般也需要大规模2D阵列。
但为了能在室外环境光下使用，一般需要把多个像素组合，做所谓的coincidence探测，比如4x4甚至8x8组合，这样往往把一个SPAD阵列的有效像素数减少的非常厉害，造成分辨率指标的下降。
最后，是FMCW，调频连续波相干探测（中间紫色方框）。
FMCW简单来说就是通过一个本振光，就是我们把发射的光留一小部分，然后大部分是作为一个探测的光源输出了，通过物体返回来之后，跟本振光进行相干混合，是个相干探测的一个技术。
我们的3G、4G手机信号里面经常做这种相干混频的事情，在光通信里面也做很多相干探测的方案，物理原理和公式都是一样的，不过这里是一个模拟信号。
经过这种相干探测之后，如果我们调制这个信号的频率可以测这个两个信号之间的一个频率差，我们采集一段时间的数据，利用傅立叶变换把时域的信号变成频率的信号，对应的频率差的峰值，就能知道这个频率变化，我们就可以推出距离数据。
这个主要有两个好处：一个就说通过本振能有很大的放大这个信号，只要1mW的光去放大1pW的信号，这个放大倍数是非常高的，这个放大是相乘的关系，同时因为这个放大信号是跟距离的1次方成反比（而其他任何方案都是和距离2次方成反比），动态范围非常大。
另外一个好处就是通过本振混频的这种方式可以有非常强的抗干扰性，这个我后面会说的更仔细一点。
但是，它的缺点是需要采一段时间的数据，并不说一个脉冲回来立刻可以完成测试，这个时间并不会像iToF或者像多次测量SPAD这么长，所以FMCW在x轴上的位置是介于这些方案中间的一个位置。
但是因为它需要时间，它也需要更多的通道数才能完成需要点云数，所以它一定是一个多通道的方案。应该说不会是dToF一样3～6个通道的问题，但也不至于都要320*240这种2D阵列，应该是一个10~100级别的通道数方案。
对于FMCW，刚才我已经讲过了从原理上看就是利用随时间变化的频率，然后通过反射回来的波跟本地的这个波的频率差，通过三角波调制的计算可以得到两个方程，可以得到跟距离成正比的傅里叶变换图，同时可以得到跟速度成正比的傅里叶变换图。
如果你有多个物体，还可以读到多个峰值，你可测的多个物体，比如说有半透明的物体作为第一次反光，后面还有一个不透明的物体作为第二次反光，你可以测两个峰值。
我们为什么做FMCW
然后我刚才提到我们会着眼于一个比较长的时间，因为我们认为这个赛道不是一个3、5年的事情，这是一个非常长、非常宽的一个赛道，长是指应用的时间比较长，宽是指应用的方向比较多，因为我们相信这个3D传感未来会像摄像头一样到处都是。
那你如果把眼光放这么长去看的话，你想的就是一个能走到最后的方案，那最后方案我们会需要什么呢？
测试距离实际上各个方案努力一下都有可能达到一个比较远的距离，比如使用1550nm的激光，做脉冲ToF也可以达到一个200米以上甚至更远的距离。
但姑且不提1550nm脉冲光纤激光器的成本问题，除了成本之外我们也可以看到FMCW的一些好处。
如果你认为激光雷达是一个很长远的赛道，未来会是到处都是，路上的各种车甚至设施都会有激光雷达，作为智能驾驶V2X的补充，这样的话会有很多激光雷达互照，那互扰会是一个比较大的问题。
当然ToF是可以用编码的方式做一些抗干扰，但是如果做编码就意味着在时间上做一些采样，那又回到了刚才的问题上，本来ToF是一个单点测试时间很短的技术，你加上编码把时间拉长了，那你是不是需要更多的通道呢？
那么APD怎么解决多通道的问题呢？现在是3个通道、6个通道，那怎么解决30个通道、60个通道的问题呢？扫描的方案是不是也要跟着变？这就是一个很有挑战的事情。
但是FMCW用的是一个很窄频的激光器，这个频率是在100kHz量级，如果你换算一下的话是在百万分之一纳米这么窄的一个光谱上，然后这个光谱自己激光器跟自己做混频，而这个混频的优势就是其他跟这个频率不吻合的频率信号会过滤掉。
也就是说可能发生同频的情况在百万分之一纳米这个范围之内，这产生互扰的概率非常低。对于阳光也是一样，阳光虽然是一个广光的光，但是在百万分之一纳米能够进来的光非常少，FMCW是唯一一个可以对着太阳照而不饱和的激光雷达方案。
另外就是左边这个图，想说的是速度直测这个事情。
我和很多自动驾驶感知团队有比较多的交流，他们今年拿到了国外某FMCW激光雷达的样机，然后在测试过程中发现速度场真的是很好的一个东西，在很多corner case能够提供很好的判断依据。
我们看左边这个图，车和人如果距离比较近，用3D深度图是很难做语义分割，但是如果看速度场，车和人的速度相差非常大，可以直接把两个物体分割出来，占用很小的数据量的数据维度就可以获得非常巨大的好处。
另外一个芯片可以实现的事情就是纯固态扫描。
无论成本上来说还是可靠性来说，大家都希望最后的方案一定是一个纯固态的方案。
无论是早期的360°机械旋转的方案，还是目前已经上车的半固态方案，大家都认为是一个过渡的方案。过渡的时间可长可短，最终一定要实现一个纯固态的方案。纯固态方案用芯片来实现是一个必然的一个事情。
芯片的纯固态扫描大体有下面三种方式：第一种就是OPA就是相控阵的方式，相控阵其实在无线电通信里面使用很多年来了，就是靠天线阵列之间互相干涉进行远场的光斑扫描。
第二种就是Focal Plane Array，基本上就是把像素反过来用，是一个不同角度的光作为发光源，发射出去形成不同角度的发射和照射。
第三种就是一个用波长来进行扫描，这个在学术界比较常用，有一些做产品的人也考虑用这个，这个就是用波长和芯片的Dispersion色散的功能，不同的波长通过芯片到达不同的方向，这个和棱镜的道理差不多，分光的一个道理，然后实现不同角度的扫描。
这些方案各有利弊，没有一个方案是有完全的优势的，这就涉及到系统参数的选择和应用场景的配合。
简单来说对于OPA来说扫描的角分辨和灵活性非常强，随时可以扫描任何角度，任何顺序，任何的点，可以达到很高的角分辨率，只要阵列做的足够大，但是它的缺点就是有旁瓣的干扰，这个地方需要做特殊的处理。
刚才说的虽然可以达到很高的分辨率，但是达到很高的分辨率需要做一些牺牲，你的芯片天线数会增多，芯片会变得更复杂，功耗会提高，控制会更复杂。
对于Focal Plane Array，实现起来比较简单，就是不同通道而已，但是它的损耗较大，因为要进行分光，每个光就会变小，同时点亮很多像素的话就会有问题，角度是固定的，这个设计好角度就不能随时调了。
第三个波长扫描这个事情，控制会比较简单，波长一改变方向就跟着改变，感觉概念很简单，但是Dispersion色散不是一个很强的效应，需要一个很宽的光谱的范围才可以调一个比较大的角度范围，而很宽谱可调的激光器的难度和成本是比较高的，这是一个比较主要的限制。
最后就简单说一下洛微科技做的事情。
我们做一个大规模集成的基于CMOS硅光的芯片。里面我们集成了多组通道的FMCW，也集成了很多其他的功能，包括天线、相控阵以及各种各样光学上的功能。
这是一个集成光学的SoC系统级芯片。我们把光芯片和电芯片封装在一个芯片里面，我们叫光引擎，是一个SiP的封装。
实现完整的固态扫描和FMCW探测，形成我们产品的一部分，最终加上其他部分会变成一个完整的激光雷达产品。
什么才是纯固态激光雷达的终极方案？（下）相关推荐
- 抢跑“补盲”风口，纯固态激光雷达上车面临哪些挑战？
未来两年,激光雷达市场高速发展的同时,来自市场的需求也逐渐清晰化. 高工智能汽车研究院预测数据显示,预计2025年前装标配激光雷达交付将有望达到200万颗/年的规模.其中,面向私人消费市场的车型,将主 ...
- 大疆半固态激光雷达Horizon的优缺点
原文链接: 大疆激光雷达,车厂为何不爱? 优点: 1.成本低,可以量产:2020 年,在当年的 CES 展会上,大疆 Livox 发布了 Horizon(浩界)和 Tele-15(泰览),前者的售价仅 ...
- 关于车规级固态激光雷达的一些思考
当前很多主机厂都推出了基于激光雷达的L3级自动驾驶汽车,例如极狐阿尔法S,蔚来ET7,极氪001等车型,为满足车规级要求,大部分厂商选择使用固态激光雷达作为感知传感器并配合摄像头进行感知.本文将介绍固 ...
- 固态激光雷达原理及优劣
激光雷达被认为是各行各业的关键传感技术,在机器人.无人驾驶.智慧城市等领域充当着推动者的角色.而近年来一直被寄予厚望的固态激光雷达成为业内关注的热点. 何为固态激光雷达? 理论上来说,固态激光雷达是完 ...
- 可替代角雷达，这款纯固态补盲激光雷达什么来头？
这一次,激光雷达供应商们又集中"卷"向了补盲赛道. 今年5月,亮道智能率先发布了国内首款专为近场感知设计的纯固态补盲激光雷达--LDSense Satellite. 11月2日正式 ...
- 重磅！上汽智己IM AD将搭载速腾聚创第二代智能固态激光雷达
传统车企面向汽车高端化和智能网联电动化发起全面进攻,竞争开始进入实质性阶段. 刚刚开幕的成都车展上,智己.极氪.极狐.岚图等几大新"二代"品牌纷纷到场同台炫技,其中上汽智己汽车就带 ...
- matlab 固态 机械_电脑是固态+机械硬盘好??纯固态硬盘好？
今天小五就给大家细细讲讲 机械硬盘 ✍️ 机械硬盘顾名思义就是机械结构的硬盘 啥叫机械结构呢?其实就是内部用N个高速旋转的磁性通碟来储存数据,再通过一个磁头对相应的磁盘进行读取和写入,像这样(够机械吧 ...
- LiLi-OM: 走向高性能固态激光雷达惯性里程计和建图系统
点击上方"计算机视觉工坊",选择"星标" 干货第一时间送达 编辑丨当SLAM遇见小王同学 声明: 本文只是个人学习记录,侵权可删.论文版权与著作权等全归原作者所 ...
- 文远知行与禾赛合作升级，半固态激光雷达落地L4级自动驾驶
从乘用车到细分特定场景的L4级自动驾驶,禾赛科技的半固态激光雷达的量产上车正在加速进行. 4月29日,全球领先的激光雷达公司禾赛科技和全球领先的L4级自动驾驶科技公司文远知行WeRide宣布合作升级, ...
最新文章
- 基于2-channel network的图片相似度判别
- jq画布插件_超炫HTML 5开发的jQuery进度条插件
- python中冒号报错_python新手常见错误和异常
- HTTP调试之保持连接状态（微软知识库文章）
- pthread_create会导致内存泄露
- Vivado工程文件分类
- PS教程第二十二课:羽化选区
- 从入门到入土：Python爬虫学习|实例练手|详细讲解|爬取腾讯招聘网|一步一步分析|异步加载|初级难度反扒处理|寻找消失的API来找工作吧
- so(3) se(3) optimization
- centos下修改mysql默认端口_centos7修改mysql默认端口
- 数据挖掘算法和实践（八）：K-means 聚类(西瓜数据集)
- AB测试平台的工程实现
- matlab仿真没有synchr,Synchro交通仿真系统分析及应用
- 股票学习（技术指标--个股贡献度）
- Q2净利润同比下降1%，甲骨文转型之路错搭“老爷车”？
- 怎么的测试用例是一个好的测试用例?
- 深度学习Python环境打包到另外一台电脑（详细教程）
- 下载百度排行榜音乐的程序(Perl)
- Spark快速大数据分析——Scala语言基础（壹）
- 好未来 2021校招 测开岗