今天凌晨1点，苹果发布会如约举行。iPhone 12 Pro毫无悬念地升级了它的摄像头，并加入了iPad Pro上的那颗激光雷达。

在iPad Pro刚发布时，外界有很多不理解的声音，大部分买了设备的人更是完全没有在意过激光雷达。

你或许并不了解苹果宣传页上的“应用于NASA火星登陆任务的技术”到底代表了什么，但激光雷达早就在各个领域大显身手：既能测距、又能建模、甚至还可以测雾霾……

测距：可远观，亦可近玩

激光雷达（LiDAR）的全称是光探测和测距（Light detection and ranging），最主要的能力是对距离的感知。这也是苹果选择激光雷达的直接目的——用于增强现实（Augmented Reality，AR）。
AR技术在近些年一直被提起，但应用一直滞后：如果你用过苹果手机里的“测距仪”，一定会觉得并不好用。由于之前的机型使用图像跟踪方式识别物体，光线过暗、平面颜色变化不大、非平面区域都会导致测距不可用。

普通摄像头的传感器直接接收外部物体的光线从而成像，激光雷达则是“主动探测”：激光雷达首先向外发射激光，激光遇到障碍物后会反射回来进入传感器中，通过计算激光从发射到接收的时间，与光速相乘便可得到距离信息。这有点像小学学过的匀速直线运动物体的时间、距离与速度计算。

当激光雷达连续工作时，通过“扫描”检测区域，就可以快速形成一张“点云”图——每一个被扫描的点的距离信息都会被记录下来，从而与摄像头的图片信息一起合成三维世界的模型。

激光雷达也让拍照技术提升了一大步：在低光场景下，激光雷达的主动探测能力可以辅助摄像头实现快速自动对焦，并提供更多的深度信息，拍摄极为出色的人像照片。

激光雷达给AR的应用赋予了无限可能：不仅使得“测距仪”APP可以发展成更为好用的三维测量工具，还可以让你实现远程口红试色，或是在自己的客厅里穿梭热带雨林。

激光雷达优秀的测距能力在自动驾驶上发挥到了极致。自动驾驶中，车辆对于周边环境的实时感知极其重要。
近期百度在北京正式开放了自动驾驶出租车服务，其中的所有汽车均搭载了激光雷达。这种机械旋转式激光雷达通过高速旋转，可以360度检测周边的环境。

测绘：细识庐山真面目

如果你现在面对着一望无际的森林，该怎么统计整个区域的树木数量？
传统的方法一般使用“样方调查”，通过将实地采样调查后的结果，推算到整个区域进行计算。但有了激光雷达，研究人员将其装载到飞机、卫星上，通过探测垂直距离，快速对地面上树木的高度信息进行测量，构建森林地区的三维视图。

随着激光雷达的分辨率不断提高，能够采集到的信息也越来越多。在森林测量领域，多维度的激光雷达不仅可以获得树木高度，还可以获取更精细的树木形态学特征并进行树木分类。这不仅大大降低了人工与时间成本，还能获得更大规模的数据。

建模：真作假时假亦真

传统的建模软件一般根据设计需求直接在软件中进行模型的构建，但对于更精细的实体细节，往往还需要花更长的时间来调整参数。激光雷达可以直接扫描整个实物，直接将物体数字化，存储在计算机中。

激光雷达的建模能力，在文物数字化领域大展身手。只能在博物馆里看到一面的文物，如今可以通过激光雷达扫描形成三维图像，更多的细节被呈现在观众面前。这种非接触、无损坏式的记录将历史永久地记录，同时为文物修复工作提供了直观的模型参数，大大降低了文物修复的难度。

雾霾监测：雾里看花？一目了然！

上面提到的几个应用大多都逃不开“测距”这一主要功能，但光本身有这么多的特征信息，仅用来测量发收时间有些大材小用。
当光穿过一层颗粒物时，不同浓度区域反射回来的光信号强弱也会有明显的区别，再加上接收时间差距，就可以计算出不同区域的颗粒物浓度。
没错，雾霾也可以用激光雷达进行测量了。加之以不同的光学参数（如波长、偏振等等）的探测，可以实现污染物浓度、种类等多个项目的监测。

传统的雾霾检测手段通常是定点采样分析，但难以获得垂直距离上的分层信息。颗粒物激光雷达的出现使得更大空间尺度的雾霾监测成为现实。
在环境领域使用的激光雷达，不仅可以安装在地面上，还拥有了车载、机载、星载等多维度探测的激光雷达。地面上定点的激光雷达可以连续监测固定区域上空的污染情况，其他几种则可以通过移动激光雷达，绘制出污染剖面图，从而找出污染物的传播途径。

NASA在火星探测设备上装备的激光雷达，也是通过类似的方法，测量大气气体成分特征，从而寻找新的生命迹象。
苹果并没有夸大其词：光本身可以承载太多的信息，激光雷达作为光探测的一种重要手段，已经被广泛应用在生活和科研领域。但这似乎是第一次出现在手机上。
移动端设备搭载激光雷达，为今后的AR应用提供了更多的可能。iPhone 12 Pro，是一个新的尝试，也可能是激光雷达的另一个开始。
一个AI：上得火星，下得客厅。你目前可以用手机实现后半句了~

作者：Owl
编辑：Luna

参考文献
[1] Nilsson, M. (1996). Estimation of tree heights and stand volume using an airborne lidar system. Remote sensing of environment, 56(1), 1-7.
[2] Nelson, R., Krabill, W., & MacLean, G. (1984). Determining forest canopy characteristics using airborne laser data. Remote Sensing of Environment, 15(3), 201-212.
[3] 郭庆华, 刘瑾, 陶胜利等.(2014). 激光雷达在森林生态系统监测模拟中的应用现状与展望. 科学通报, 59(06), 459-478.
[4] 张勇, 王长科, 原瑞红.(2020). 激光扫描与3D打印在文物保护中的应用. 岩土工程技术, 34(05), 260-262+267.
[5] Lv, L., Xiang, Y., Zhang, T., Chai, W., & Liu, W. (2020). Comprehensive study of regional haze in the North China Plain with synergistic measurement from multiple mobile vehicle-based lidars and a lidar network. Science of The Total Environment, 721, 137773.
[6] Lv, L. , Liu, W. , Zhang, T. , Chen, Z. , Dong, Y. , & Fan, G. , et al. (2017). Observations of particle extinction, pm2.5 mass concentration profile and flux in north china based on mobile lidar technique. Atmospheric Environment, 164(sep.), 360-369.
[7] 苹果公司官网 https://www.apple.com.cn/
[8] 禾赛科技官网 https://www.hesaitech.com/

本文来自果壳，未经授权不得转载.

如有需要请联系sns@guokr.com