汽车激光雷达有什么用？激光雷达和毫米波雷达的区别

激光雷达是通过发射光束来探测目标的位置、速度等特征量的雷达系统。它相当于我们的眼睛，具有强大而复杂的信息感知和处理能力。激发光雷达在多年前就已经广泛应用于飞行器避障、侦察成像、导弹制导等领域，应用场景极其丰富。

车载激光雷达主要用于自动驾驶，也就是未来的无人驾驶。不过目前只用于自动驾驶辅助。激光雷达主要用在多波束的汽车上，可以帮助汽车感知道路环境，规划自己的行驶路线，控制车辆达到预定的目标。比如根据激光遇到障碍物后的折返时间，可以计算出目标与自身的相对距离，可以帮助车辆识别路口和方向。

激光雷达和毫米波雷达的区别在于，激光雷达使用激光作为探测手段，而毫米波雷达使用毫米波作为探测手段。毫米波的波长是毫米，激光本质上是电磁波，但波长要小得多，大概几百纳米，大概是毫米波的千分之一到万分之一。

此外，从实际效果来看，激光雷达获得的点云数据经过处理后，可以被AI识别，准确判断障碍物的类型，是人还是狗，是车还是树，然后自动驾驶系统可以根据障碍物的类型更加智能，作为判断的依据。

但是毫米波的探测精度要低很多。它只能确定障碍物的大致形状和距离，而不能用来获取更精确的轮廓和三维形状信息。毫米波雷达已经广泛应用于L1、L2的自动驾驶辅助系统，如自动跟车，其中很多都使用了米波雷达。

比如 特斯拉 就擅长结合成熟的低成本技术，通过他的软件实现复杂的功能。现在，它主要利用摄像头和毫米波雷达的结合来提供自动驾驶所需的实时路况输入。

@2019

特斯拉取消的毫米波雷达 究竟是“鸡肋”还是“必备”？

汽车 行业没有哪家企业能像特斯拉这样“自带流量”，这一方面因为特斯拉CEO埃隆·马斯克经常“语出惊人”，另一方面也是因为特斯拉常有的“反常”决策。

就在这个月底，特斯拉再次成为了舆论焦点，而这一次并不是因为“刹车”，而是关于一项配置的去留。

而这项配置，就是智能 汽车 最关键的传感器之一——雷达。

近日，特斯拉对外宣布，从5月份开始，北美市场的Model 3和Model Y将不再配备雷达传感器，取消车前方的毫米波雷达，仅使用摄像头作为自动驾驶系统的信息采集，这意味着特斯拉准备“冒天下之大不韪”，成为真正意义上第一个在量产车上实现“纯视觉”自动驾驶方案的车企。

据悉，特斯拉暂时并不会对北美市场的Model S和Model X车型进行同样的改动，也不会对海外市场生产的特斯拉车型进行改动。

不过，仅仅是在北美市场取消毫米波雷达，已经导致特斯拉在美国失去了多家机构的安全背书。包括美国国家公路交通安全管理局(NHTSA)、《消费者报告》和美国公路安全保险协会(IIHS)在内的多家机构均宣布，将暂停或取消特斯拉Model 3和Model Y车型的部分安全背书。

事实上，特斯拉CEO埃隆·马斯克一直坚定地反对激光雷达，甚至多次在公开场合贬低激光雷达，比如：“激光雷达毫无意义，对于自动驾驶 汽车 来说没有必要”；“激光雷达昂贵、丑陋、没有必要”；“激光雷达就像人身上长了一堆阑尾，阑尾本身的存在基本是无意义的，如果长了一堆的话，那就太可笑了”；“任何依赖激光雷达的公司都可能无疾而终”等等。

那么，为什么马斯克会如此坚定地“嫌弃”激光雷达乃至所有雷达，如此推崇“全视觉”方案？

要搞清这个问题，我们可能需要先对自动驾驶系统方案有一个基本了解。

视觉派 VS 激光雷达派

要打造一套自动驾驶系统方案，自然离不开自动驾驶算法。而要达成计算，首先需要足够多的信息。

在行驶过程中，车辆收集信息的来源，就是车身上大大小小的传感器。其中，要实现自动驾驶，最为重要的传感器，就是摄像头和激光雷达（当然，还要加上毫米波雷达和超声波传感器等的辅助）。

因此，在自动驾驶领域，一直分为视觉派和激光雷达派。前者主张使用高清摄像头 + 视觉识别算法，后者主张再加入激光雷达以保证系统稳定。

视觉派，或者说纯视觉感知方案，其实就是完全模拟人驾驶 汽车 时的状态，首先由“眼睛（摄像头）”看到画面，然后传输给“大脑（处理器）”进行处理判断，然后给“腿脚（行驶机构）”下达命令。

除了特斯拉以外，国内包括极氪、百度等企业也都采用了纯视觉感知方案。

激光雷达派，或者说激光雷达方案，就是以激光雷达为主导，配合毫米波雷达、超声波传感器、摄像头来完成自动驾驶。包括发现物体、测距等一系列信息的获得，主要靠激光雷达来实现，从而绘制出一张3D环境地图来让系统进行分析和下达指令。

相对来说，这种方案更像是人在行走的同时，手里还拄着一根拐杖。包括小鹏、蔚来、北汽ARCFOX、智己等众多车企亮相的新产品均采用了这一方案。

孰优孰劣？

纯视觉方案的优势在于，摄像头获取的视频数据与人眼感知的真实世界最为相似，也最接近人类驾驶的形态。同时，在现阶段激光雷达价格居高不下的情况下，视觉派仅使用摄像头，更容易控制成本。

另外，摄像头捕捉到的图像很适合用于识别物体、进行分类，在算法出色的情况下，能够有效排除干扰项，并能够在行驶过程中进行自主学习。

特斯拉的纯视觉算法分析能力已经很强

但是，作为与人眼相似的视觉算法，很容易受到光照影响，在极端天气或者光线不好的情况下，很容易造成误判。之前特斯拉车型在开启AutoPilot后，经过立交桥或者普通桥梁之下时偶发突然自动刹车的情况，就是因为算法将摄像头里突然出现的阴影当做障碍物导致的。

而相比纯视觉方案，激光雷达方案的优势就是监测的距离更长，精度更高，响应速度更灵敏，并且不受环境光影响。其对三维信息的处理，对物体大小、移动速度的计算都有着非常优异的表现。

激光雷达绘制3D环境地图的效果图

不过，激光雷达也并非尽善尽美，它也存在对物体的识别能力偏弱、价格高昂、在雨雪等极端天气测距精度会受影响等问题，因此激光雷达必须要借助其他传感器收集的信息，才能共同作用于算法，保证安全驾驶。

此外，大量的数据收集，对处理器的算力要求也很高，这相当于抬高了整车的成本。

从理论上来说，视觉技术和激光雷达相互结合是目前较为完善的方案，但在综合现有技术、产品成本等多个因素后，想要实现融合两种方案的“第三种方案”难度过大。也正是基于此背景，自动驾驶领域才分为了视觉派和激光雷达派这“立场鲜明”的两派，而马斯克和他的特斯拉则坚定不移地“站队”视觉派。

特斯拉的取舍

其实，弃用激光雷达，乃至如今弃用毫米波雷达，特斯拉做出如此选择的重要原因之一是为了实现更低的成本。

毕竟，激光雷达的成本非常高，早期的机械式激光雷达价格动辄十万美元起，而如今随着电子行业的发展，激光雷达的价格有所降低，但基本还维持在几百到上千美元的级别，但这相比高清摄像头“仅有”几十甚至十几美元的价格还是高了许多。

激光雷达成本高昂

不过，成本以外，特斯拉逐步弃用雷达的选择，也有技术层面的取舍。

首先，激光雷达无法判断物体的具体性质，就容易造成误判。比如一个大的塑料袋从前面飘过，摄像头方案能够识别出是塑料袋，然后不理会，但激光雷达会判断为阻碍物，然后把车停下来。

其次，毫米波雷达同样也有诸多限制。毫米波雷达的探测距离受到其频段损耗的直接制约，既无法识别行人，也无法对周边所有障碍物进行精准的建模，同时由于获取的数据量众多，还需要分走处理器宝贵的算力。

最后，对于在视觉方案方面目前走得最远也是做得最好的特斯拉来说，已经在视觉算法方面有了庞大的投入。要放弃之前如此大的积累，转身去做另一条路线，从投入产出比来说可谓“得不偿失”。

当然，也有人结合特斯拉与激光雷达技术公司Luminar签订了一份使用激光雷达进行测试和开发的合同的消息，以及前段时间推特上曝出的特斯拉给Model Y安装激光雷达的照片，猜测马斯克可能会“打脸”，特斯拉可能会在未来转向激光雷达路线。

对此，有业内人士判断，特斯拉在Model Y上安装激光雷达，很有可能是“用激光雷达来训练视觉算法，以便其迅速成长，从而最终彻底抛弃所有雷达”，在特斯拉的量产车上应该看不到激光雷达。

准备“一条道走到黑”的特斯拉

从目前特斯拉北美官网的最新展示页面来看，在全自动驾驶（FSD）的介绍中，毫米波雷达性能展示信息已被撤掉，仅仅保留了视觉和超声波传感器部分。

同时，特斯拉还在5月28日发布了司机监控系统，通过使用驾驶室摄像头的方式，让Model 3和Model Y的车载摄像头在Autopilot系统启用时监控司机行为，检测并提醒司机保持注意力集中。特斯拉声称“摄像头数据会保存在 汽车 中，系统不会将数据传回公司，除非用户启用数据共享”。

目前的FSD介绍已经没有了毫米波雷达

另外，特斯拉的FSD V9.0版本也将在今年正式推送。

当然，车主要升级到最新的FSD还是需要一定的“牺牲”的。特斯拉表示：“在这一过渡期间的短时间内，搭载特斯拉视觉系统的 汽车 可能会有一些功能暂时受限或不能启用，包括：自动转向将被限制在最高时速75英里（约120km/h）和更长的最低跟随距离。智能召唤（如果装备）和紧急车道偏离避免可能在交付时被禁用。”

未来是激光雷达凭借安全优势赢得市场，还是视觉算法凭借更低的成本优势赢得市场，目前尚难定论。

但从现有的信息来看，特斯拉是要把纯视觉方案“一条道走到黑”了。

校对：施鋆

太平洋 汽车 网 技术频道前不久，特斯拉正是发布了FSD Beta V9系统，虽然仍需要驾驶员手握方向盘保持高度警惕，不过这是特斯拉迈向全自动驾驶的重要一步。而同时，这也是特斯拉正式迈向真正的纯视觉自动驾驶路线的重要一步，因为特斯拉正式宣布，取消了毫米波雷达，改为单纯依靠摄像头实现辅助驾驶。

自从自动驾驶开始飞速发展以来，有很多路线之争，尤其激烈的要数要不要用激光雷达。也就是纯视觉路线和多传感器融合的路线，这部分我们在之前聊激光雷达的时候有过详细的讨论。不过仅在纯视觉路线中，大家的方案也不尽相同。例如百度应用了摄像头、毫米波雷达、高精度地图等的量产车型也称为纯视觉路线，而特斯拉此前的纯视觉路线也应用了毫米波雷达。

而这次，特斯拉决定把纯视觉路线进行一次“提纯”，彻底舍弃掉毫米波雷达。作为 汽车 上最常见的感知硬件，毫米波雷达究竟是“鸡肋”还是“必备”？特斯拉有为什么要取消毫米波雷达？

毫米波雷达在 汽车 上普及的原因和毫米波雷达没存在感的原因一样，因为这是一个已经比较成熟的产业。在之前激光雷达的节目中我们聊过，世界是上最早推出测距功能的是1992年三菱推出的第三代Debonair车型，配备了一颗固定视线激光雷达。在此基础是上，三菱在1995年发展出ACC自适应巡航功能。但在这个功能上，毫米波雷达显然更胜一筹。

1999年，奔驰给W220这一代的S级配上了自适应巡航功能，并且用毫米波雷达取代了激光雷达。毫米波雷达在 汽车 上的大规模应用由此拉开序幕，随着ACC自适应巡航的普及，毫米波雷达也变得愈加成熟，成本也更为可控。在近年来自动驾驶的快速发展中，毫米波雷达成为了最普遍但也最没有存在感的感知硬件。

那为什么特斯拉会抛弃毫米波雷达？马斯克并没有解释详细的原因。大概很多人都会想到“控制成本”，成熟的毫米波雷达确实不是特别贵，但也在千元级别，取消毫米波雷达对于降低成本还是有显著帮助的。不过降低成本绝不是唯一的原因。

其实市面上一直流传着一种说法：“毫米波雷达作为一种过时的技术，在自动驾驶中终将被淘汰”，因为毫米波雷达确实有不少明显的缺点。

在雷达中，根基发射电磁波波段的不同分为米波段（HF、VHF、UHF波段）、分米波段（L、S波段）、厘米波段（C、X、Ku、K波段）、毫米波段和激光波段等，而其中毫米波段应用领域最少，相比波长更长的电磁波，毫米波雷达有着辐射功率小、机内噪声较高、气象杂波等干扰较大、大气衰减较高等问题，仅适用于 汽车 防撞雷达这样探测距离较短的领域。但在 汽车 上应用，毫米波雷达的精度又远不如激光雷达级摄像头等，同时干扰和噪声的问题同样存在。

我们常见的ACC自适应巡航使用的毫米波雷达，会通过多个发射和接受天线，具备一定的角分辨率区分不同车道的车辆。但受制于成本，一般仅设计平面的角分辨率，垂直方向上则不做区分，因而也无法判断识别到的目标距离地面的高度。

特斯拉此前发生过两起轰动的辅助驾驶状态下撞上白色货车的事故，最终的调查结果显示，车辆将白色的货车识别为天空和云，因而未做出避让或减速反应。这两起事故显然也和毫米波雷达未能判断前方障碍物距离地面的高度有一定关系。随着特斯拉通过摄像头识别的纯视觉算法越来越成熟，毫米波雷达对于特斯拉的意义也在降低，宣布取消毫米波雷达也足以见得特斯拉对于自身纯视觉算法的自信。

但毫米波雷达真的只是终将被淘汰的鸡肋硬件？显然并不是，毫米波雷达具备的优势，是目前自动驾驶感知硬件中所独有的优势。

首先是全天候，毫米波雷达可以在雨雾风沙等较为恶劣的天气下正常工作，也完全不受日照、明暗交替等环境因素的干扰。前者对激光雷达有很大的影响，而后者会严重干扰摄像头的正常工作。

在特斯拉FSD Beta V9系统发布之前，小规模测试的FSD Beta版本就曾爆出在明暗交替时会突然异常减速。特斯拉官方表示在FSD Beta V9系统中，这一现象已经得到了改善。我们不清楚特斯拉是如何做到的，但人眼在驶入、驶出隧道时都存在短时间“眼盲”现象，目前摄像头宽容度远不及人眼，而自动驾驶使用的还是像素较低的摄像头。

另一方面，毫米波雷达是 汽车 上仅有的能够同时探测目标物体距离和速度的感知硬件。毫米波雷达利用多普勒效应，可以在测距的同时计算出目标物体的速度。多普勒效应是奥地利物理学家及数学家克里斯琴·约翰·多普勒在1842年提出的，波在波源移向观察者时接收频率变高，而在波源远离观察者时接收频率变低。因此利用多普勒效应可以测出目标物体与车辆的相对速度，根据车辆本身的速度便可以得出目标物体的当前速度，

当然，激光作为一种波，也可以制造激光多普勒雷达，不过目前主要应用在大气测量方面，在 汽车 上还没有展开应用。我们之前介绍过激光雷达的飞行时间法、相位法、三角测距等测距原理，但这些都仅能识别目标物体的距离，如果要得知目标物体的速度，需要通过多组数据进行计算。而摄像头在测距方面精度都远不及雷达。

有以上两点优势，毫米波雷达在自动驾驶感知硬件中必然能够取得一席之地。即便在纯视觉路线上一路狂奔的特斯拉宣布取消毫米波雷达，也无法撼动毫米波雷达的江湖地位。但前面提到的毫米波雷达的局限性也是客观存在的问题，现在业界也在研发新的成像毫米波雷达提升其精度，只是鉴于成本的增加，目前才刚刚开始得到应用。下期节目，我们就聊一聊成像毫米波雷达以及毫米波雷达的基本原理，了解大家常说的24GHz、77GHz毫米波雷达究竟是怎么回事。（文：太平洋 汽车 网 郭睿）

鹏仔微信 15129739599 鹏仔QQ344225443 鹏仔前端 pjxi.com 共享博客 sharedbk.com