![智能驾驶之激光雷达算法详解](https://wfqqreader-1252317822.image.myqcloud.com/cover/487/50233487/b_50233487.jpg)
1.6 车载激光雷达的商用现状
Robotaxi和无人驾驶卡车由于对传感器成本相对不太敏感,因此普遍配备了激光雷达。图1-22和图1-23分别展示了享道出行的Robotaxi运营车辆和TuSimple的无人驾驶干线物流车辆。
![](https://epubservercos.yuewen.com/4AC89A/29556666103448906/epubprivate/OEBPS/Images/tx00070.jpg?sign=1739294182-kkd7tj7FthW1iiYRHaO36eRHUKHfy0IV-0-cc6e0adc7cead5a2ae756cb8cbe088f2)
图1-22 享道出行的Robotaxi运营车辆
(注:图片来源于享道出行官网)
![](https://epubservercos.yuewen.com/4AC89A/29556666103448906/epubprivate/OEBPS/Images/tx00071.jpg?sign=1739294182-RcDGwTGUdf9mqlOpZ8f4AOEM4hqt94UT-0-0c599de0b9586093262d7707dbbe60a6)
图1-23 TuSimple的无人驾驶干线物流车辆
(注:图片来源于TuSimple官网)
然而,对于整车厂而言,量产高阶辅助驾驶车辆的感知技术路线则主要分为以视觉为主导和以激光雷达为主导(即激光雷达、相机、毫米波等多传感融合)两个方向。以视觉为主导的感知方案具有成本优势,而以激光雷达为主导的感知方案具有实现更高级别智能驾驶的潜力。
特斯拉是使用以视觉为主导的感知方案的代表性企业,其基于海量的路采数据,结合强大的芯片算力,采用“摄像头+毫米波雷达”的感知方案,较好地解决了多数场景的环境感知问题。而北美版2021款Model 3和Model Y进一步去除了毫米波雷达传感器,仅使用纯视觉感知方案。图1-24为特斯拉官网给出的AutoPilot HW2.0系统感知传感器配置示意图,该系统配备了8个相机、1个前向毫米波雷达及12个超声波雷达。
![](https://epubservercos.yuewen.com/4AC89A/29556666103448906/epubprivate/OEBPS/Images/1-24.jpg?sign=1739294182-RN14nwlAr4pszuDdxYMya4ziYbLaHyDy-0-0ab5fde9d025e622f55463c0066aabf1)
图1-24 特斯拉车载感知传感器配置示意图
(注:图片参考特斯拉官网资料绘制而成)
但是,由于以视觉为主导的感知方案在感知精度、稳定性、场景适应性方面都有局限性,对非标准静态物体识别困难,且系统对视觉算法要求较高,因此除了特斯拉以外,其余大部分智能驾驶公司和汽车厂商逐步转向以激光雷达为主导的多传感融合方案。近年来,随着激光雷达的成本不断降低,其价格已经由早期几十万元人民币降至目前几万元甚至几千元人民币,并且一些激光雷达供应商表示,未来几年激光雷达的价格将进一步下探至千元人民币左右。在这种趋势下,一些整车厂明显加速了激光雷达前装量产的进度。例如,如图1-25所示,蔚来汽车在2021年发布的ET7搭载了超感系统,并配备了1个图达通激光雷达、7个800万像素摄像头、4个300万像素环视摄像头、5个毫米波雷达和12个超声波雷达;威马汽车在2021年发布的M7配备了3个速腾M1激光雷达、5个毫米波雷达、12个超声波雷达、7个800万像素超高清摄像头和4个环视摄像头;小鹏P5的XPilot 3.5系统则搭载了2个Livox激光雷达、12个超声波传感器、9个高清摄像头、4个环视单目摄像头和5个毫米波雷达;理想汽车在2022年发布的L9也搭载了1个禾赛AT128激光雷达、6个800万像素的ADS摄像头、4个环视鱼眼摄像头、1个毫米波雷达和12个超声波雷达。此外,北汽极狐阿尔法S、非凡R7、摩卡WEY、广汽AION LX Plus和沙龙机甲龙等多个车型也都宣布搭载了高性能激光雷达。
![](https://epubservercos.yuewen.com/4AC89A/29556666103448906/epubprivate/OEBPS/Images/tx00072.jpg?sign=1739294182-ofLfJkUHHFzVVk4RaPeKsSYVQsgqM6Ms-0-0c96440750d1717747f5a7adda9019b7)
(a)蔚来ET7
![](https://epubservercos.yuewen.com/4AC89A/29556666103448906/epubprivate/OEBPS/Images/tx00073.jpg?sign=1739294182-Ua7SfmG7l1mM9vrvj9AkBKE2MMZMjDLg-0-b121c61dc36588c0781b27133b65fcdc)
(b)威马M7
![](https://epubservercos.yuewen.com/4AC89A/29556666103448906/epubprivate/OEBPS/Images/tx00074.jpg?sign=1739294182-ldDoPQUEz2rgivhzuOoUZ6z5YBDBkYfm-0-07e3c2102d49d5856812d9a58746ffe1)
(c)小鹏P5
![](https://epubservercos.yuewen.com/4AC89A/29556666103448906/epubprivate/OEBPS/Images/tx00075.jpg?sign=1739294182-xc8iLC0OdOZxzJtB3jPFclfXBfGogFO1-0-2d5ee1be9c590129ffc0769b3e0d4170)
(d)理想L9
图1-25 多款搭载了激光雷达的量产车型
(注:图片来自对应车型的官方网站)
在上述商业化背景下,汽车行业对激光雷达算法工程师的人才需求也逐步增大。但是相比图像算法而言,国内关于激光雷达算法的研究起步较晚,该领域的从业人员相对较少。此外,由于目前市面上并没有系统介绍车载激光雷达相关应用的图书,使得许多工程人员在转入激光雷达领域的研究和工作时上手困难。因此,笔者结合工作中的经验和总结,系统地收集和整理了部分优秀的算法,并给出相关算法的开源代码地址供大家参考。本书主要分为4部分,涉及激光雷达和智能驾驶的基础知识,以及激光雷达在智能驾驶中的标定、感知和定位方法,基本涵盖了车载激光雷达常见的应用场景,希望能够帮助行业新人快速了解激光雷达的相关基础知识和算法。