LiDAR用于自动驾驶的汽车外部环境感知，最早将在2021年出现在量产车型上。宝马预计将在2021年秋季上市车型上采用以色列LiDAR制造商Innoviz Technologies生产的第二代激光雷达产品。该产品于2019年夏季开始交付样品，目前计划于2020年正式量产。

同样美国的激光雷达制造商Quanergy Systems也在2018年宣布，其产品将从2021年开始搭载于量产车型。先锋电子也表示，其LiDAR将在2020年之后安装在当地的穿梭巴士和其他特殊用途车辆上。

“机械式vs 非机械式”的竞技

上述三家公司所提供的LiDAR都是“机械式的”（图1）。与自2012年以来Waymo安装在自动驾驶测试车辆车顶上的圆柱形“机械式”相比已大幅降低了成本。Waymo使用的机械式产品由美国Velodyne 公司提供，价格最贵的型号达到了约7万美元，只能是作为实验室阶段采用。

图1： 用于自动驾驶汽车的LiDAR发展路径

图片显示了LiDAR在自动驾驶汽车发展过程中的使用状况。 Waymo从2012年开始已经在公共道路上测试的试验车型上采用“机械式”产品，旨在替代单车成本接近1000万日元的第一代“非机械式”LiDAR产品提案出现在2010年代后期。 主要是对激光束扫描方法进行了改进，其中一部分产品将在2020年代初期搭载在量产车型中。 为了将LiDAR的测距范围扩展到200 m以上，过去2~3年内提出的技术一直在改进波长和测距方法，这些技术预计将在2020年代后期开始用于量产车型。 （ 右图为Innoviz距离图像，Blackmore激光光源，Pioneer MEMS扫描图像，Velodyne机械产品）

另一方面， 非机械式激光雷达也将在2021年搭载于量产车型之上，通过非旋转元器件或MEMS系统替换用于扫描近红外激光的扫描机构，从而降低成本。 预计量产价格在1000美元左右。虽然与Velodyne的实验规格不完全相同，但基本可以满足汽车制造商的要求，同时价格大幅下降，预计2年内这些车载激光雷达将投放市场。

未来，非机械型LiDar由于其成本竞争力和高可靠性，极有可能淘汰机械类产品。 以机械类产品著称的Velodyne据说也已完成非机械型产品的开发。看到这里，旁观者已经看到基本是非机械型产品赢得竞争，而接下来的竞争就是性能的竞争了。如果将与机械型产品竞争的非机械型称为“第一代”产品，则与非机械型竞争的是“第二代”（图1）产品。第二代非机械型融合了多种新技术，可增强在距离超过200 m或阳光等噪音较大的环境中的检测能力（图2）。

（a）搭载AEye激光雷达的测试车辆

（b）Blackmore开发的产品

（c）Blickfeld的开发产品

（d）Innoviz的产品照片

（e）先锋电子的开发产品

图2： 关于LiDAR的新产品和技术层出不穷，仍在寻找最佳方式。 最新产品是一种非机械式的改良产品，可以安装在量产车型上。

从2025年开始全面普及

第一代非机械型产品的商用化仅仅是LiDAR的开始， 众多LiDAR制造商都认为2025年后才会开始全面采用车载LiDAR。

Innoviz认为， 到2025年，车载激光雷达市场将首次突破1000万台，其中将引入具有全自动驾驶功能的私家车（“ L4级”或“ L5级”） 。在此之前，大多数应用将用于自动穿梭巴士和机器人出租车。由于价格相对没有私家车敏感，因此最初可能使用机械型版本，类似于Google的实验车辆所使用的版本。

先锋电子对LiDAR全面采用的时机也有类似的看法。“ 2015年的时候，许多人预测具有L3级以上自动驾驶功能的私家车的普及将在2022~2023年，但是最近的观点却普遍认为可能会到2025年以后。” （先锋电子智能和自动驾驶技术研究部门部长村松英治）。

性能与价格之间的两轴竞争

在2025年之后的普及时期，激光雷达制造商已经进入了两个方面的竞争： （1）非机械型产品之间的性能竞争，（2）各个雷达产品的价格竞争。

随着竞争要素的增多，2020年代初的第一代非机械式产品的赢家，可能在2025年之后无法保持赢家的地位。而众多以第二代非机械式Lidar为目标的制造商们大多期待在2025年之后取胜。

（1）关于性能的竞争，自2018年以来尤为明显。先锋松村先生表示：“我认为，进入2018年明显感觉到对于LiDAR提出了更高的性能要求。” 不仅限于他，不少相关人士均表示，车载LiDAR所需的规格要求在不断增加。过去，距离图像的级别为“距离为200m，分辨率小于1度”，但最近级别已增加为“距离为200-300m，分辨率为0.1度”。

例如，在以超过100 km/h或甚至200km~300km的高速自动驾驶期间，就必须进行长距离测距以控制速度而不会突然制动。即使当前无法识别的物体位于前方，高分辨率LiDAR也可以轻松地从远处提高识别精度。在私家车特别是豪华私家车中，在高速自动驾驶过程中的舒适驾乘度可能是造成差异化的主要因素

（2）使用无线电波的车载雷达，原本配备的分辨率是不足以识别物体的形状或种类的，但最近1年已经出现了大约1度左右高分辨率的产品。部分雷达可以代替LiDAR进行外部传感。不需要光学组件，只需要用半导体和印刷板就能实现。尽管不是用于自动驾驶，但已批量生产用于车载，量产初期就实现了仅数千日元的低价格水平。

虽然目前尚无分辨率达到0.1度的车载雷达，但在分辨率小于1度的范围内，如果将驾驶条件限制在每小时数十公里的低速范围内，完全有可能替换LiDAR。此外，理论上将测量距离扩展至300m也是比较容易实现的，而且不容易受到诸如雨天等恶劣天气的影响。

对于性能依然中途半端的LiDAR，我们可能很容易得出使用雷达就足够了的结论。所以降价很重要。

价格下降不及预期

LiDAR价格并未以LiDAR制造商在2016-2017年预期的速度下降。 仅仅将扫描机构替换成非机械式显然是不够的，还需要大规模量产。 与雷达或摄像头在车载领域已经大规模量产的情况不同，而第一款车载产品LiDAR在增加出货量和降低价格方面仍然还是“先有鸡还是先有蛋”的关系。

在2016-2017年左右，人们期望到2020年左右，非机械型激光雷达产品的成本可低于100美元）。然而，实际上LiDar制造商们最新的预期是，在2025年左右，能提供满足汽车制造商需求的LiDAR成本可实现100到数百美元（图3）。

图3：能切实可行的降价方向

Quanergy LiDAR产品的价格路线图。 对于许多LiDAR制造商而言，在满足LiDAR要求的同时，迅速降低价格似乎很困难，2025年该公司的价格将低于100美元。 （图片来源Q公司）

波长和测距的新方法

为了在激烈的车载传感器竞争环境中扩大采用范围，特别是LiDAR的专业制造商们正在以低成本和非机械型为前提，开发各种新技术（表1）。其中可以看到作为第二代无机械式产品，可取的主要新技术是关于波长和距离的测量方法。

表1： LiDAR开发示例

主要为非机械式。 Cepton的扫描机构是机械式的，但是很容易降低价格。 此外，汽车，车载设备和IC厂商也纷纷投入开发。 Velodyne目前还没有公开其非机械型产品规格，但据说正在与瑞典电子制造商Veoneer合作。

更高的微米光输出对眼睛安全

至于波长，现有的LiDAR大多使用900~905 nm左右的波长。 与此相对，第二代非机械型产品则采用了1550nm（1.55 µm）甚至10 µm的较长波长。长波长光具有两个主要优点。

一是它不容易受到阳光的影响。地面上太阳光的能量密度的峰值在500 nm附近，从900 nm附近开始波长越长能量密度就会越低（图4）。所以在白天作为激光噪声的太阳光减少的话，就可以容易地增加光接收单元的SN比（信噪比）。

图4：长波长化和“雷达化”的进展

左图是太阳光的光谱。 波长越长，阳光能量越少。 对眼睛的影响也降低了。 右边是三个示例，说明了如何读取反射激光的距离（R）。 脉冲差（⊿t）用于幅度检测，相位差（⊿Φ）用于相位检测，频率差（⊿f）用于频率检测。 将来，雷达使用的频率检测可能会成为主流。 （右图： 基于Oryx的图创建）

另一个优点是容易增加输出强度。对于激光，IEC（国际电工委员会）规定900纳米左右的波长为输出上限，以保护人眼。当光线通过眼睛的晶状体被视网膜吸收时，视网膜可能会受损。波长为1400 nm以上的激光不会被视网膜吸收，所以能不受IEC法规的约束。原理上就是输出一个超强光线，而在光接收部位调整SN比。

用1550nm的光识别前方1公里

AEye（美国），Baraja（澳大利亚），Blackmore Sensors and Analytics（美国）使用波长为1550nm的光源。以色列Oryx Vision则使用10µm光源。

AEye声称 它可以使用1550nm的波长识别1公里的距离。 为了不损害眼睛，采用的光源是光纤激光器，其输出可以高于半导体激光器的输出。 但是，由于输出过强可能会导致内置在另一个系统的照相机中的CMOS图像传感器的像素（光电二极管）有时会被损坏。Blackmore则先在480m范围内进行识别。采用的是已被证明可用于光通信的半导体激光器和安装技术。

通常，半导体激光器不能用于10µm的光源。以色列Oryx则使用天线代替受光元件1） 。

先锋电子目前使用的波长为905 nm，但将来可能会使用更长的1550 nm波长光源以获得更长的测量距离。该公司使用其独有的MEMS系统用于扫描，并且设计它不选择光源的波长。

直接测量速度，对摄像头也很安全

在LiDAR距离测量中，通常使用ToF（飞行时间），但是FMCW（调频连续波）的方法正在增加。ToF发射脉冲光并测量反射光的延迟时间从而测算出距离。FMCW读取反射波的频率变化而测算距离（图4）。

FMCW不太容易受到阳光噪声的干扰，并且不受其他系统的干扰。将来，如果自动驾驶汽车大面积普及，与使用ToF相比，很有可能减少误检测。这是因为使用了连续波来代替ToF中使用的脉冲。在ToF中，需要通过重复捕获脉冲的处理来减少错误检测。FMCW是一种广泛用于雷达的方法，可以直接通过多普勒效应测量速度。这是优于LiDAR的优势，后者即使是高分辨率雷达也无法直接测量速度。

使用这种测量技术还可以减少损坏摄像头的CMOS图像传感器的风险。当发射相同能量的光时，连续波FMCW的峰值功率低于脉冲波。Blackmore通过使用相同的1550nm的竞争LiDAR突出了这一点。

使用FMCW的LiDAR制造商除了Blackmore外还包括Oryx。从距离测量方法来看，美国Aeva可能也采用了FMCW。LiDAR制造商之间的实现方法似乎没有显着差异。根据信号与发出频率线性变化的信号和信号之间的频率差估算距离。通过多普勒效应测算速度。

厘米级“大” MEMS镜

非机械型激光雷达的扫描方式除了MEMS，还有相控阵，微透镜阵列等。

在MEMS中，通过MEMS移动镜头以改变激光的方向。 除了Innoviz，德国的Blickfeld也采用这一方式。Blickfeld表示，通过使用直径比普通MEMS反射镜系统大的反射镜，从光学原理上已经提高了分辨率和测量距离。通常，MEMS反射镜最多只有几毫米，但该公司的反射镜却超过了10毫米。由于重量的原因，在保持高速（600线/秒）和广角（最大±60度）的同时实现驱动变得困难。该公司通过采用独特设计方法开发的驱动技术实现了这一目标。

美国的TriLumina公司则正在开发微透镜阵列扫描3 ）。

通过设计激光元件和透镜的位置来控制激光的照射方向。 来自位于透镜中心的激光元件的光被导向透镜的前部，而来自偏心（偏移）的激光元件的光可以被导向与偏移侧相反的一侧。因此，大量（例如512个）激光元件被分散并布置在一个透镜的正下方，从而通过选择发光元件可以在各个方向上发射光。

仅通过信号处理提高ToF

同时，采用ToF进行距离测量的开发中，抑制噪音影响的技术开发仍在继续。例如东芝（图5）。

图5： 通过信号处理抑制噪声的影响

在LiDAR测距中应用技术来减少接收光的噪声的示例，由东芝开发。 与该公司的常规方法相比（左），2019年的最新方法（右）减少了红色包围的区域中无法检测到的部分（黑色）

通常，采用基于ToF的LiDAR的情况下，由于日光等原因，可能无法识别本应接收的反射光。在以往的方法中，对周围的多个像素进行积分并求平均，但在这种情况下，对不相关的物体（例如车辆和电线杆）进行求平均，存在降低分辨率的可能性。

该公司将其累积的像素限制为与目标像素相关的像素。例如，据说来自同一车辆的多个反射光具有相似的振幅等，并且即使它们彼此靠近，来自电线杆的反射光也具有不同的振幅等。因此，仅集成测算相似（相关）的反射光。

在2019年，该公司进行了进一步改进。具体而言就是利用历史信息。例如，在捕获特定帧中的反射光的像素时，即使下一帧中的反射光的振幅减小，也增加认为存在反射光的可能性。反射光接收电路例如仅识别在一定期间（从假定的最大距离起的反射时间）内振幅大的两个反射光。这次，在前一帧中存在反射光的像素的幅度拓展到例如是以第3~4帧为对象，由此减少了无法测量距离的区域（图5）。据说，在相同条件下，可测量距离增加了22％，分辨率提高了2.2倍。