2020年以来,以特斯拉和中国“蔚小理”为代表的新势力车企,将量产车的L2辅助驾驶能力推升到了新的高度。在此推动下,全球车企加快对更高阶自动驾驶能力的追求,激光雷达的大规模量产上车随之备受关注。

为实现前装量产,各激光雷达厂商在扫描方式上进行了多种创新,并推动激光收发装置向更高集成度、芯片化的方向演进。

时间来到2021年H2,激光雷达量产看上去已是万事俱备——据《建约车评》不完全统计,有至少10家乘用车企业已宣布将于2021-2022年间推出搭载激光雷达的量产车型。

激光雷达规模量产的一个案例

一、自动驾驶需要激光雷达吗?

将激光雷达视为高级别自动驾驶的必须器件,是绝大多数汽车厂商的共识。然而,偏偏电动车和自动驾驶的全球领先者特斯拉,始终对其不看好。

自2015年特斯拉发布Autopilot 7.0以来,自动驾驶感知的“纯视觉”与“多传感器融合”路线之争,已逐渐演变为「Tesla Against the World」。

特斯拉不仅坚持不用激光雷达,更于今年5月在北美市场的Model 3/Y上取消了毫米波雷达,决心要在纯视觉道路上一意孤行(一骑绝尘)下去。

于是,自动驾驶界呈现出奇特的对立:唾弃激光雷达的马斯克和力挺激光雷达的everybody else,看法南辕北辙,态度却坚定得如出一辙。

为什么特斯拉认为自己不需要激光雷达?

8月19日,马斯克携其AI和Autopilot团队在AI Day上大秀实力,不仅展示了基于纯视觉感知的数据标注、仿真模拟和规划控制能力,还通过发布神经网络训练专用芯片D1,跨界震惊了AI领域。

如特斯拉AI负责人Andrej Karpathy所说,特斯拉的自动驾驶系统,是以人类的“视觉-判断-规划-执行”架构打造的,相当于凭空造出一个人工智能生物,基本原理是基于摄像头采集到的数据(照片、视频)建立3D模型还原车辆周围环境,再由神经网络算法根据环境信息做出驾驶决策。

这完全符合马斯克式的第一性原理——如果人类能够依靠眼睛+头脑胜任驾驶,那么汽车依靠摄像头+人工智能也可以做到。

特斯拉的理念和尝试值得尊敬,但一方面,这样的路线对“追赶者们”并不友好,跟进起来难度太大——自主设计AI芯片,利用全球超百万车辆收集海量的实际道路数据,并对其标注、储存和处理,甚至打造全球顶尖算力的超级计算机以用于神经网络训练……特斯拉开发自动驾驶技术的一系列动作,超出了全球同行们的能力范围。

另一方面,没人能预测特斯拉的纯视觉路线最终能否成功以及何时才能成功——AI进步的速度,高度依赖算法,尽管特斯拉拥有算法训练所需的巨大数据,但用AI系统复刻人类的驾驶机能究竟需要多长的时间,在最终实现前始终是未知。

为了实现L4级自动驾驶的商业化应用,以特斯拉为首的智能电动车企业,需要不断扩展其智能驾驶系统的适用场景,以覆盖人类绝大多数的用车场景。

8月25日,马斯克在推特上称,特斯拉FSD的目标是比普通人类司机安全10倍。然而,假设在多家车企都顺利实现了L4功能之时,特斯拉FSD的事故率为百万分之3,而另一家厂商使用激光雷达的自动驾驶系统的事故率为百万分之2.5,那么特斯拉的纯视觉路线就会被认为是不完善、不成功的。

为什么everybody else需要激光雷达?

先说结论:激光雷达并不能确保自动驾驶系统更先进、更安全,但它能帮助自动驾驶系统“看得更清”。从逻辑上讲,“看得更清”并不是“驾驶更安全”的充分必要条件,但本着安全为上的原则,为自动驾驶汽车配置激光雷达的做法,具有天然的“道德正确性”。

之所以说激光雷达可使汽车看得更清,主要因为它能够提供远胜摄像头和毫米波雷达的测量精度。

激光雷达(Laser Detection and Ranging),就当前主流的ToF(飞行时间测距)技术路线而言,测距原理是用激光器发射激光脉冲,再用接收器探测障碍物反射回的脉冲,从而根据光速计算障碍物距离、形状、尺寸、速度等信息。

由于激光波长处于近红外光范围(780-2526nm),激光器可在1秒内发射出百万数量级的脉冲光,因此可形成庞大的位置点信息(点云),从而绘制出目标物体的精确轮廓。

在自动驾驶语境下,当前即将量产的主流车用前向激光雷达,横向角分辨率可达0.1°级别,这意味着能够探测到100m之外直径约25cm的物体——对于以时速120km行驶的车辆而言,在100m之外看到障碍物,便能有充足的反应时间完成刹车或避让。

与激光雷达相比,摄像头看到的世界更为丰富,在辨别颜色、纹理时更具优势,但因照片和视频均为2D数据,将其转换为3D模型时,对距离、速度、景深等信息的识别须高度依赖算法和算力。

毫米波雷达与激光雷达的测距原理相似,其优点是探测距离较长,但毫米波雷达所用电磁波的波长介于1至10mm(是激光波长的1000-10000倍),在角分辨率层面与激光雷达存在数量级上的差距(1°vs 0.1°),因此点云数量不足,无法展示出被探测物的细节。例如,两个相同质感的并列物体,在毫米波雷达“眼中”可能会被视为同一个。此外,传统的毫米波雷达还具有对金属敏感度高、无法判断物体高度等劣势。

对于激光雷达可能对自动驾驶系统带来的帮助,今年8月,美国国家公路交通安全管理局(NHTSA)展开调查的11起特斯拉Autopilot事故,可作为说明案例:

当前市场上以摄像头+毫米波雷达为主流感知方案的L2级辅助驾驶系统,由于毫米波雷达无法精确区分停靠在道路上的静止车辆和道路旁侧的隔离带、护栏、指示牌等静止物体,为了避免毫米波雷达识别出的静止障碍物信息对驾驶判断产生干扰,自动驾驶算法会调低毫米波雷达识别结果的权重。

这便是高速行驶时,车辆无法识别紧急停靠的工程作业车的原因。

换句话说,毫米波雷达能够“看见”停靠车辆,但因其无法准确区分停在路上的车辆与路边的隔离带,为了避免因误判而误刹车(高速行驶时的紧急刹车,危险性极高),所以毫米波雷达的识别信息被忽略了。

假如有激光雷达的加持,车辆对所在车道内静止障碍物的识别能力将会大幅提升,从而提前规划应对动作。

对于城市道路自动驾驶,由于激光雷达可实现厘米级的探测精度,道路中的行人、自行车、小动物,甚至路牙石,均会被准确地识别,从而提升行车安全。

此外,激光雷达与高精地图结合使用,还可精确定位车辆在地图中的位置,并依据激光雷达探测的道路环境,对云端的高精地图实现实时更新。

综上,激光雷达在探测精度方面具有无可比拟的优势,被称为“机器人的眼睛”,因此旨在提供高阶自动驾驶产品的全球汽车厂商(除特斯拉之外)纷纷将激光雷达纳入车辆感知套件。

鉴于搭载激光雷达的车型即将上市,激光雷达的量产已成为当下的重中之重。

当前众多优秀的激光雷达厂商,例如禾赛科技、速腾聚创、大疆、Innovusion等,尝试用不同的方案来实现激光雷达的量产,处于探索和实践的第一线。

在激光雷达从实验室走向大规模工业化量产的过程中,有无数的挑战,我们将逐步介绍这一过程和经验,本文选择ibeo作为一个案例。

二、长城首装纯固态激光雷达

在中国传统汽车厂商中,长城汽车是电动化和智能化转型最激进的一个。在激光雷达上车这件事上,长城同样冲在最前沿。

2020年12月30日,长城汽车在“智能驾驶战略升级发布会”上宣布,将于2021年实现全球首款全固态激光雷达的量产上车,并在发布会PPT上打出了“最先进的激光雷达系统”的字样。

这款名为ibeoNEXT的激光雷达采用Flash全固态方案,能够在1秒内发出76.8万个点,得到25.6万个像素数据,角分辨率可达0.05 (H) x 0.07 (V),可识别130m外的小目标物,还能感知行人、车道线等。

激光雷达规模量产的一个案例

项目实际执行中,长城汽车自动驾驶系统由魏建军投资的自动驾驶初创公司毫末智行负责系统集成和功能定义,德国公司ibeo负责激光雷达供应,亮道智能提供本地化开发和测试验证服务。

与其他几家即将量产车用激光雷达的厂商选择“混合固态”路线不同,ibeo采用Flash全固态路线。

所谓激光雷达的“固态化”,指的是其中的机械移动部件逐渐减少,直至完全没有移动部件,即为“全固态”。

早期用于自动驾驶测试车辆的机械旋转式激光雷达多被安装在车顶,由电机驱动整体呈360度旋转——这样的激光雷达体积大、成本高,无法通过车规验证,因此不适用于量产车。

在混合固态激光雷达中,激光收发装置不做机械运动,仅扫描模块为移动部件。而根据扫描模块的不同种类,混合固态激光雷达又被分为转镜式、棱镜式、微振镜式(MEMS)。

在纯固态激光雷达中,激光收发模块和扫描模块均不做机械运动——这样的好处不言自明:结构简单、集成度高、体积小、可靠性高、成本下降潜力大,但目前纯固态的两种技术方案OPA和Flash,各有明显的短板。

OPA由于加工精度要求极高、扫描角度小、信噪比差等原因,当前在性能和成本方面均不具备车用可行性。

Flash方案则由于发光面的分散,导致单位功率下的探测距离过短,难以用作车辆前向的主激光雷达。

既如此,为什么ibeo的Flash激光雷达能够实现最远250m、反射率10%物体140m的探测距离?

Flash激光雷达的成像原理类似于快闪相机,在短时间内向前方发射大面积的激光照亮整个画面,再依靠高灵敏度的探测器收集回波信号,从而绘制成像。这样的方案使得许多激光被浪费在像素之间的无效部位,可说是一种“蛮力型”方案。

为克服上述Flash激光功率密度低的劣势,ibeo通过三个方面提高探测精度和探测距离:

1.首先,通过缩小扫描角度,将激光发射聚焦于更小范围,以使相同功率下激光射得更远;

从ibeoNEXT的产品手册可以看出,该款激光雷达提供两种版本,其中视场角11.2°的版本探测距离更远(140m@10%),用于车辆正前方的主激光雷达;而另一版本视场角达到60°,探测距离则更短(50m@10%),用于左右侧前方的障碍物识别。

激光雷达规模量产的一个案例

2.其次,ibeoNEXT的激光收发装置分别采用VCSEL(垂直腔面发射)和SPAD(单光子雪崩二极管),组成一个80行×128列的发射阵列,共10,240组收发装置;能够探测单光子的SPAD灵敏度极高,因此能接收到反射距离很远、回波信号很弱的光子。

3.再次,与普通Flash方案一次性向整个平面发出激光不同,ibeo采用“顺序闪光”(Sequential Flashing)技术,对平面进行逐行扫描,从而在每一次扫描中最大化地利用激光功率,延长激光反射距离。

激光雷达规模量产的一个案例

与禾赛科技、速腾聚创、Innovusion、大疆等厂商的产品对比,ibeoNEXT的远距激光雷达在横向视场角方面劣势明显——如上所述,这是为了克服Flash功率密度低的劣势、追求更远探测距离的结果。

激光雷达规模量产的一个案例

但ibeoNEXT方案通过3颗激光雷达各司其职——长距激光雷达可探测道路正前方140m以外的障碍物,而两个侧前激光雷达视场角达到60°、探测距离50m,可识别旁道车辆加塞等场景——实现了全固态方案(易过车规)与性能需求的平衡。

对于长城提出的2022年功能目标——“准L3级”的HWA(高速驾驶辅助)以及后续升级为NOH(领航辅助驾驶)——ibeoNEXT方案具有很强的针对性和实用性。

此外,基于Flash架构,ibeoNEXT还是一款“4D激光雷达”——除通过提供每个探测点的x、y、z轴坐标形成3D点云以外,还可生成一张回波强度图,这张强度图的效果类似一张黑白照片,因此可用于与摄像头数据的验证和融合。

如果说,在与中国友商们的产品性能对比中ibeo并未展现出优势,那么当话题转向激光雷达的大规模量产、装车,以及软件算法能力,ibeo或有更多的自信——这要从ibeo的来头说起。

三、激光雷达老兵

成立于1998年的ibeo是不折不扣的激光雷达老兵,甚至可能是历史最久的专注汽车激光雷达的企业。

创始人Ulrich Lages博士,早在1989-1993年的大学时期就曾研究过室内自动驾驶车辆项目;攻读博士时,Lages的研究方向正是激光扫描器的实践应用;甚至还未完成博士论文,Lages就与合伙人共同成立了ibeo公司,旨在将激光雷达技术应用在汽车上。

2000年,ibeo被德国传感器巨头SICK收购,此后在2004、2005和2007年举行的DARPA自动驾驶汽车挑战赛上,有多辆参赛车辆即是使用了SICK的1线激光雷达。

由DARPA引出的故事如今已成佳话——音响公司Velodyne的创始人David Hall在此赛事上见识到了自动驾驶的魅力,决定杀入激光雷达领域。Velodyne相继推出的16线、32线和64线产品,令其统治自动驾驶激光雷达市场10余年,其中的明星产品HDL-64一度风光无两,一货难求。

期间,ibeo未能收获匹及Velodyne的声誉,但也在稳步前行。

2009年,ibeo从SICK独立出来,Ulrich Lages重新获得了公司的控制权,并继续供货自动驾驶测试车辆、追求研发资源,寻找商业化的机会。

2010年,凭借多年技术积累优势(也许还有“德国户口”的加持),ibeo赢得了与Tier 1供应商法雷奥合作为奥迪联合研发量产激光雷达的机会。

2013年,ibeo开始为奥迪提供激光雷达样品用于测试;2015年,一条车规级的小批量产线得以建立;又过两年后,到2017年11月第五代奥迪A8量产上市前,法雷奥一共生产出了5000多颗Scala激光雷达。

这款专为奥迪L3级自动驾驶系统打造的激光雷达,采用4线激光收发装置+一维转镜方案,水平视场角达到145°,能够探测150m以内的目标物。

激光雷达规模量产的一个案例

有了Scala的长距探测能力,奥迪在A8上搭载了名为Traffic Jam Pilot的自动驾驶系统,自2015年起,奥迪在该项目投入近10亿美元,在2017年5月,为支持“全球首款L3级自动驾驶量产车”奥迪A8的上路,德国立法机构甚至专门出台了允许L3级自动驾驶在高速公路行驶的法律。

TJP系统的亮点在于,当车辆在高速上堵车且时速不超过60km时,驾驶员可解放双手;而当系统检测到车速超过60km/h后,会提示驾驶员接管,并给出8-10秒缓冲时间。

然而,由于多方面的原因,这个风风火火的“全球首例”,至今也未能在实际道路上发挥它的神力——奥迪A8的TJP系统,并未向用户开放使用。

一些业内人士认为,奥迪取消L3项目的根本原因是L3级自动驾驶的“接管悖论”——L3系统既允许驾驶员脱离双手,同时又要求其在限定时间内接管,这便让所谓的“解放双手”成了伪命题。此外,如何定义接管的限定等待时间,以及如何解决等待时间内可能发生的危险状况,也是TJP系统无法回答的问题。

正是因为这一悖论,越来越多的自动驾驶产品开发者不再将L3级作为目标,而是或者直接做L4、或者从L2过渡到L4。

尽管奥迪的L3系统至今未能商业化,但在A8之后,Scala激光雷达还搭载在了A6、A7、Q7、Q8等奥迪车型上——至2019年9月,ibeo与法雷奥共向奥迪交付了超过10万颗Scala。

至此,在亲历全球首款前装量产车用激光雷达的完整开发过程之后,尽管TJP功能并未开放使用,ibeo仍可自诩为“迄今唯一搭载了前装量产车型的激光雷达供应商”。

四、激光雷达前装量产的壁垒

为什么从Scala立项开发到量产上市,ibeo和法雷奥用了长达7年时间?

在回答这一问题时,法雷奥中国CTO顾剑民曾介绍称,7年中大约只有三分之一用于开发硬件,另有三分之一用于开发软件、三分之一用于测试验证。

顾剑民进一步解释道,激光雷达上车需要在感知性能、体积尺寸、成本等因素之间找到平衡。性能方面,视场角、角分辨率、探测距离3项指标往往是相互牵制的;体积尺寸直接取决于设计的合理性,而更小的体积也意味着更少用料、更低成本,以及更易集成上车。

测试验证是为了解决车规问题,使激光雷达满足温度(-40°~85°)、机械振动、强化耐久试验等要求。

例如,激光雷达中的光学元件,必须保持光学路径的精确度。传统汽车行业的制造精度最多只在毫米级别,2010年的法雷奥所面对的任务,是汽车行业内第一次需要处理微米级的精度,而且要确保在冲击、振动、高低温等环境下始终保持这样的精度。

此外,为了做到多传感器融合和感知冗余,激光雷达的感知融合算法需解决运动补偿、传感器标定等问题,确保多个传感器获取的数据之间不存在时间和位置上的偏差。

从Scala到ibeoNEXT,已有过量产经验的ibeo此番为长城汽车提供激光雷达,显然不再需要又一个7年。但尽管如此,据ibeo在中国的技术合作伙伴亮道智能CEO剧学铭介绍,激光雷达上车要经历功能定义、系统设计、软件开发、测试验证和系统集成等步骤,其间对每个环节的诸多细节的打磨,需要时间积累。

例如,在接受《建约车评》采访谈及激光雷达在整车上的集成时,ibeo创始人Ulrich Lages特别强调了安装公差(Mounting Tolerance)对产品最终实现精准探测的重要性:

“ibeo通过软件算法和定制方案两个方面,解决安装公差的问题。一方面,我们开发出专用的软件模块,定义安装参数和安装公差,在测试车阶段,我们会根据测试结果反复调试、迭代软件算法,目标是确保激光雷达的集成,能够满足车辆全生命周期的工况要求;另一方面,ibeo与客户之间的紧密配合也起着决定性作用——根据整车厂提供的机械参数、动态特性、使用场景等,ibeo深度参与激光雷达的集成设计……当前并不存在理想的集成方式,我们会基于自己形成的工艺流程,再根据客户需求持续优化。”

Lages进一步介绍称,尤其是针对角分辨率低至0.1°的长距激光雷达,在整车集成时对安装角度的精确度要求非常高。为此,ibeo针对“后装”测试车采用手工集成,而针对“前装”量产车则设计了可安装到整车产线上的集成设备。

除了“过来人”的know-how,ibeo激光雷达前装量产值得借鉴的经验还体现在生产方面:

1.与Tier1绑定,熟知汽车供应链和车规要求,量产能力成熟。

激光雷达在整车上的集成,以及装车后的调试、测试、验证,需要车企与激光雷达厂商的紧密配合。从这个角度上讲,ibeo多年以来与Tier 1和整车厂的合作,有助于更准确地理解车企的思维方式和车规需求。

2016年,德国汽车供应商巨头采埃孚宣布收购ibeo 40%股权,再次拉近了后者与传统汽车供应链的距离。

据ibeo官网介绍,ibeoNEXT的产线建在采埃孚位于法国Brest的工厂,团队车规零部件生产经验丰富。

2.成熟的激光收发芯片供应链

ibeoNEXT所用的激光发射芯片VCSEL和激光接收器SPAD,由奥地利半导体巨头艾迈斯(AMS)提供。

在VCSEL阵列功率密度、转换效率和间距方面,艾迈斯处于行业领先地位;2018年,艾迈斯还通过收购VCSEL供应商Princeton Optronics获得了“可寻址VCSEL”技术,相较于传统的Flash方案,激光器的发射光峰值功率密度和信号信噪比更高。

成本方面,VCSEL可使用传统半导体生产技术进行量产,可实现单个晶圆制作从上千个到上百万个不等的VCSEL芯片,因此成本较低。

此外,今年6月16日,电声元器件制造商瑞声科技完成对ibeo的股权投资。除为ibeo提供光学元件以外,瑞声科技在高精密制造领域的能力,或许也将在未来帮助ibeo提升量产能力。

总结而言,当前车用激光雷达尚未有大一统的技术路线,各参与者当前即将量产的产品以混合固态为主,长远看,全固态则是业界公认的发展方向。

尽管当前人们在讨论激光雷达技术路线时,主要以扫描模块的“固态化程度”划分,但因为最终会走向固态,当激光雷达中不再包含机械部件时,量产能力的竞争将转化为基于精密光学设计能力的芯片生产能力,包括相关的供应链能力。

结语:量产之后是什么?

此刻,在激光雷达前装量产的前夜,行业的关注点聚焦于硬件层面的“量产”和“前装”。

由于产品形态仍处于演变过程中,各激光雷达厂商需要一边投入研发下一代产品,一边审慎地加大投资扩充产线、提升当前产品的生产自动化率和良率,以求更多出货量、占据更大的footprint,在竞争中赢得先机。

过去10年主要用于测试车领域的机械式激光雷达,装配过程需要大量手工作业;在接下来的工业化生产阶段,激光收发装置的芯片化设计,使得人工集成、手工对齐的环节被取消,将在很大程度上解决安装公差等问题。

随着规模的扩大、制造工艺的精进,领先的激光雷达厂商将带动一批供应链企业共同突出重围,提供性能优越、可靠耐久的激光雷达产品。

性能和质量的提升,将带来规模的进一步扩大,和成本的大幅下降。

此外,在开发更强性能、更低成本的产品的同时,激光雷达厂商对车企需求的响应能力、持续提供服务和迭代的能力,在量产时代将会是核心竞争力——在这一方面,中国新兴的激光雷达厂商更容易建立优势。

中国的智能汽车市场,将会是未来几年全球激光雷达量产上车的主战场。在这里,既有华为、大疆这样的科技巨头,又有禾赛、速腾、Innovusion等本土初创企业,还有Luminar。

量产能力和规模将成为决胜的关键。

激光雷达走向小型化,量产化,低成本化,将迎来快速发展的时期。为促进行业发展,艾邦智能汽车俱乐部建有激光雷达产业链微信群和产业通讯录,邀请激光雷达、光学器件、传感器、激光器、雷达罩、主机厂、芯片、自动化、塑料等厂商加入

激光雷达一周要闻:禾赛|镭神|速腾|艾迈斯欧司朗|未感科技

原文始发于微信公众号(建约车评):激光雷达规模量产的一个案例

艾邦现组建汽车雷达交流群,整合雷达厂、芯片、材料、设备等产业链上下游企业,以推动激光雷达行业发展 新闻速览|美国首款激光雷达量产车为Lucid Air,搭载激光雷达的威马M7将于22日发布  

作者 ab