當前，自動駕駛可分為兩大應用場景，一是開放式道路上的乘用車，二是封閉、半封閉環境下的功能型汽車。受技術、倫理道德以及法律限制等影響，在開放道路上無人駕駛全面商用還距離甚遠，但在一些封閉、半封閉的應用環境下，其影響已經無處不在。如礦山、港口、景區、環衛等應用場景下的“低速無人車”已經穩步著陸。
除乘用車市場外，相對開放道路的自動駕駛而言，低速無人駕駛領域對激光雷達的需求更有望快速起量。
在快速發展的賽道中，對于應用企業來說，什么樣的激光雷達方案才是實現低速無人駕駛的最優解？
激光雷達的三大路線
首先，我們來看看當前激光雷達主要的幾類技術路線。激光雷達系統涉及激光光源、接收器件、掃描模式、測距原理等多個獨立的維度或子模塊，每個維度上都有多種潛在的方案選擇。排列組合下來，理論上可行的激光雷達系統方案甚至可能超過上百種。
激光雷達分類方式繁多，當前業內常用的分類方式是根據雷達內部有無機械旋轉部件來定義的，主要分為三種類型：機械式、固態、混合固態。
機械式
機械式雷達是指通過電機帶動光機結構整體旋轉的機械式方案，激光脈沖發射器、接收器等元器件都會隨著掃描模塊進行 360°旋轉，從而生成一個立體點云，實現對環境的感知掃描。
機械式激光雷達最大的優點是可以通過物理旋轉進行3D掃描，對周遭環境進行全面的覆蓋形成點云，且精度高、工作穩定、成像快。但缺點也很明顯，一個是高頻的轉動和復雜的機械結構致使其壽命相對較短，另一個是機械式雷達掃描線束的提高依賴于激光收發裝置的堆疊，在成本和體積方面難以控制。
在自動駕駛的實驗階段，機械式雷達是能夠滿足應用端需要的，但伴隨著自動駕駛從概念走向現實，要實現規模落地應用，核心零部件的壽命、成本等問題成為企業不得不考慮的問題。
固態式
前進的路上遇到攔路石，一般有兩種選擇，要么換一條路，要么搬開石頭。
在激光雷達領域，隨著傳統機械式激光雷達漸漸不能滿足自動駕駛規模落地的需要，更換路線成為大部分企業的選擇。
固態激光雷達開始被認為是自動駕駛規?；瘧玫年P鍵。相比機械式激光雷達，固態激光雷達僅面向一個方向一定角度進行掃描，覆蓋范圍有所限制。但取消了復雜高頻轉動的機械結構，耐久性得到了巨大的提升，體積也可以大幅縮小。
盡管能夠解決機械式激光雷達面臨的一些問題，但固態式激光雷達也存在著一些限制。
當前的固態激光雷達方案主要分為三種：Flash、OPA以及MEMS。
Flash能夠在短時間內直接向前方發射出一大片覆蓋探測區域的激光，通過高度靈敏的接收器實現對環境周圍圖像的繪制。Flash激光雷達的原理類似于拍照，但最終生成的數據包含了深度等3D數據。但是由于短時間內發射大面積的激光，因此在探測精度和探測距離上會受到較大的影響，當前也無法滿足開放道路自動駕駛乘用車的需要。
OPA發射的是電磁波，同樣也是波的一種，波與波之間會產生干涉現象。通過控制相控陣雷達平面陣列各個陣元的電流相位，利用相位差可以讓不同的位置的波源會產生干涉，從而指向特定的方向。往復控制相位差便可以實現掃描的效果。
但是，OPA激光雷達要求陣列單元尺寸必須不大于半個波長，因此每個器件尺寸僅500nm左右，對材料和工藝的要求都極為苛刻，成本難以控制。上游的供應鏈尚未突破，OPA激光雷達的開發也存在諸多限制。
MEMS采用二維微振鏡，僅需要少量激光收發單元，通過一面MEMS微振鏡來反射激光器的光束即可實現對目標物體的3D掃描，對激光器和探測器的數量需求明顯減少。MEMS 激光雷達結構原理上減少了絕大部分運動結構，但仍有一丁點可運動部件，也就是偏振鏡面工作時候做出的振動，因此，也有一些人認為應該將MEMS歸為混合固態類。
但也有企業表示，固態激光雷達與非固態激光雷達的區分，重點不在于內部是否存在運動部件，而在于結構的可靠性，行業對于“固態”的期待，大多源于機械電機及軸承不可靠的方面襯托，而MEMS在結構的可靠性方面已經無限接近“固態”了。
當然，固態還是混合固態其實并不是關鍵，關鍵在于，MEMS方案是否能夠滿足自動駕駛的需要。
MEMS的主要優勢在于體積小，容易集成，便于整機盡可能小型化，量產后成本較低……不過 MEMS 也有它的局限性，如有效距離短、FOV窄等。此外，MEMS 器件的核心結構是尺度很小的懸臂梁結構，如果芯片設計或者器件選型不得當，會因為外界的振動或者沖擊導致斷裂，對激光雷達企業的設計和生產能力要求較高。
總體而言，在當前的三種固態方案中，MEMS技術是最為成熟的，也是業界和投資界比較看好的，有望最快實現量產落地。
混合固態
由于大部分固態技術突破及量產的實現還有很長一段路要走，作為折中方案的混合固態雷達開始成為一些廠商的方向。
混合固態雷達不需要通過機械結構來旋轉激光發射器和接收器來進行360度掃描，體積比較小，成本也比較低，但是內部又有部分小型的機械運動部件。目前混合固態的主要方案有兩種：
轉鏡式。轉鏡是通過反射鏡面圍繞圓心不斷旋轉實現掃描，轉鏡在功耗、散熱等方面有著更大優勢。法雷奧推出的全球首款車規級激光雷達就采用了轉鏡形式。在轉鏡方案中，存在一面掃描鏡（一維轉鏡）和一縱一橫兩面掃描鏡（二維轉鏡）兩種技術路線。一維轉鏡線束與激光發生器數量一致，而二維轉鏡可以實現等效更多的線束，在集成難度和成本控制上存在優勢，不過轉鏡方案與MEMS一樣存在信噪比低，和有效距離短，FOV視場角受限等問題。
棱鏡式。棱鏡激光雷達也稱為雙楔形棱鏡激光雷達，內部包括兩個楔形棱鏡，激光在通過第一個楔形棱鏡后發生一次偏轉，通過第二個楔形棱鏡后再一次發生偏轉?？刂苾擅胬忡R的相對轉速便可以控制激光束的掃描形態。相比與轉鏡方案，棱鏡激光雷達可以通過增加激光線束和功率實現更高的精度和更遠的探測距離，不過機械結構也相對更加復雜，體積較前者更難以控制，存在軸承或襯套的磨損等風險。同時由于非重復性掃描點云有別于行業一直以來應用的重復性掃描點云，需要單獨開發算法匹配，感知系統開發成本和周期更高。
不同類型激光雷達優劣勢對比
低速無人駕駛的最優解
機械式、固態、混合固態……，哪一種方案才是實現低速無人駕駛的最優解，目前尚未有定論。事實上，盡管定義為“低速”，但由于應用場景多樣復雜，不同的場景對于傳感器的需求也呈現出不同的特點。
目前，我們所提到的低速無人駕駛一般聚焦于園區、景區、礦區、港口等室外半封閉場景的應用，事實上，室內一些清潔服務機器人甚至于工業場景應用移動機器人也被看做是低速無人駕駛。（延伸閱讀：一文讀懂移動機器人專用激光雷達）而激光雷達在低速無人駕駛領域的主要作用有兩個：
1、目標檢測
無人車對周圍環境的準確感知是保證安全的基礎，因此感知數據的精度和可靠性十分重要。激光雷達作為自動駕駛目標檢測的最重要的傳感器之一，常用于物體檢測、障礙物識別、道路分割和目標關鍵信息提取。
下圖是一個典型的目標檢測效果圖
2、SLAM定位與構圖
激光SLAM指搭載激光雷達的車輛，使用實時的激光點云數據于運動中估計自身的位姿，同時增量式構建周圍的環境地圖的算法?；诩す饫走_的SLAM就不受光照影響，數據量比較小，創建的地圖精度高，而多線激光雷達還能提供豐富的三維點云數據，適應室外復雜環境，因此在低速無人駕駛領域廣受歡迎。
激光SLAM定位與構圖過程可分為三個步驟：首先對激光點云進行數據處理完成關鍵特征的提取。其次，根據幀間的特征匹配完成車體的實時位姿估計并且增量式地構建地圖。最終，進行地圖的全局優化，并結合高精地圖、IMU等輔助信息優化自身的位置、姿態信息，實現高精度的地圖構建與精準定位。
探維Tensor激光雷達建圖效果
除此之外，障礙物檢測、 可行駛區域識別等應用也都會需要用到激光雷達。
一般而言，室外場景更看重激光雷達的環境適應能力，比如抗雨霧、抗太陽光、灰塵等影響。室內場景，比如商場、火車站、機場等，更注重的是對透明玻璃或者大大小小的動態物體比如小動物或者小的障礙物這些的探測能力。此外，越大型的設備存在的盲區也更多，對傳感器方案的配置也有不同的需求。
以下選取了當前低速無人駕駛幾個典型場景的激光雷達的應用現狀。
清潔機器人
清潔機器人應用場景具體可分為兩大類，室內&室外，不同場景也有不同的需求。
以高仙機器人為例，其相關產品以3D/2D激光雷達+攝像頭+超聲傳感器為主的多傳感器融合方案，其系列產品主要可以分為室內、外的商用清潔機器人，與園區、道路用無人駕駛環衛車兩大板塊，商用清潔機器人應用場景又可以細分為較為簡單的寫字樓、酒店、商場、廣場、交通樞紐、園區，和較為復雜的超市、地下車庫、工廠車間等，因地制宜為用戶提供最有效的機器人清潔服務。運行的環境不一樣，對激光定位的要求也不一樣，環境相對簡單的，則以無碰撞安全運行為主，傳感器的視距需求不高，但視野需要比較聚焦局部。而對于室外大型的清掃車一般會搭載3個及以上的激光雷達來實現定位導航及避障。
在雷達的選用上，目前高仙傾向機械式多線束雷達，跟速騰聚創合作居多，同時高仙也在不斷積極探索其他高效前沿的傳感器方案。據2020年報道，高仙也與大疆旗下的激光雷達公司覽沃達成了合作，覽沃為高仙定制的Mid系列產品采用棱鏡式方案，覽沃方面表示該系列產品點云密度可以達到20-32線的激光雷達效果，未來與高仙的合作也將會持續擴展。
當前，高仙在環衛保潔數字化這條路上走在前沿，以全系列商用清潔機器人與無人駕駛環衛車為載體，對傳感器方案落地進行的一系列探索，也為行業作出了一定的貢獻，頗具參考意義。
無人配送車
從限定區域的無人清掃到最后一公里無人配送，相對于清潔機器人而言，無人配送車面臨著更加復雜的環境，對感知定位系統的要求也更高。
以美團最新一代的魔袋20為例，整車搭載了30余個傳感器，包括3個激光雷達、19個攝像頭、2個毫米波雷達和9個超聲波雷達。其中，車頂激光雷達為禾賽科技Pandar 64，為一顆64線機械激光雷達，在車前左右兩側還分別配備了Velodyne的激光雷達，用于補盲。
這種激光雷達配置方案也是目前市場上大部分無人配送車的選擇，車頂的激光雷達用來全局掃描，左右兩個用來補盲，再與其他傳感器相配合。
無人配送小車對激光雷達的應用依舊是以機械式方案為主，不過也有一些在嘗試固態及混合固態的方案。2018年，阿里菜鳥與速騰聚創（RoboSense）聯合發布了全球首款應用固態激光雷達的無人物流車G Plus，該款物流車搭載了來自速騰聚創的固態激光雷達RS-LiDAR-M1Pre，前方兩臺，后方一臺。京東物流的無人小車也與LIVOX有相關合作。
但固態目前來說仍舊只是嘗試性的應用，阿里最新一代的物流機器人“小蠻驢”依舊采用了機械式的方案，批量搭載了速騰聚創RoboSense為其定制的新一代32線激光雷達。其他包括京東、新石器、智行者也依舊是以機械式方案為主。
無人卡車
作為低速無人駕駛領域車型最大的無人卡車，在感知定位方面，則需要更多傳感器的融合。
以斯年智駕的港口無人卡車為例，車上搭載了激光雷達、相機、毫米波雷達、超聲波雷達等傳感器，其中，作為主傳感器的激光雷達都是傳統的機械式方案，一共有4個，左右兩側和頂上配備高線束激光雷達，一般不低于32線，前方還需要補盲雷達，一般需要16線以上。據了解，一輛無人卡車整體傳感器硬件成本接近20萬，其中激光雷達占了70%-80%。
無人駕駛卡車廠商也在嘗試固態的方案，不過固態的技術還并不成熟，首先視野比較受限，要達到機械式同樣的掃描效果，需要多個拼接，且由于卡車本身的空氣懸掛設計，車體抖動劇烈，嚴重影響到傳感器之間的聯合標定和對齊，所以一些廠商認為拼接的方案目前來說并不適用。
踏歌智行和慧拓智能的無人礦卡則選擇了Ouster的數字激光雷達，所謂「數字激光雷達」，就是對激光雷達進行全半導體化的設計，將原來激光雷達產品內部的發射器、接收器等上千種光電器件固化到芯片之中，實現了「固態」的形式。在此基礎上，Ouster 再在激光雷達內部加入旋轉裝置，讓其能夠在 360 度方向上實現掃描。數字激光雷達其實也可以理解為一種混合固態的方案，相對于純固態激光雷達，ouster的數字激光雷達方案擴大了掃面角度，更適用于大型卡車的感知需要。
機械式為主，固態方案逐漸嘗試
可以看出，目前在低速無人駕駛領域，無論是小型的清潔機器人還是大型的無人卡車，機械式激光雷達都是應用主流。
盡管各類產品應用場景不同，但同處低速領域，也有一些共同的特征。
與開放道路乘用車相比，低速場景的無人駕駛產品對探測距離、探測頻率的要求相對來說較低，對感知距離要求也較低，一般在20-50米之間。因此目前低速場景應用的較多的都是低線束及短距離激光雷達，16線是應用最多的，其次是32線。
大部分廠商都在嘗試固態的方案，主要因素之一在于機械式目前的成本較高。高仙機器人相關負責人表示盡管激光雷達的價格已經逐年下降，但對于應用端來說更低的價格始終是最大的關注點。
另外一點則在于使用壽命。機械式激光雷達的工作原理決定了它的壽命，因為軸承再好也是有一個絕對壽命的，長時間連續旋轉到一定的程度后，再加上溫度的因素，都對機械式激光雷達壽命有一點影響，不過伴隨著一些廠商對機械式方案的不斷改進，當前機械式產品的使用壽命也在不斷延長。
事實上，無論是機械式、固態還是混合固態，都有各自的優點以及尚未突破的難點，目前并沒有哪種方案是完美的，當然，未來伴隨著技術的發展或許當前存在某些的問題能逐漸解決，但應該也很難出現一個能解決所有問題的“完美方案”。就像現在一樣，應用端們還是要根據自己的需求去綜合分析，選擇最合適的方案。
當前來說，機械式方案最為成熟，顯然更適用于低速無人駕駛領域，但成本高，壽命受限是目前存在的主要問題。固態方案尚存在諸多技術難點有待突破，混合固態雷達的應用也還不成熟，不過伴隨著乘用車市場的推動，固態及混合固態方案可能會加速迭代發展，但當前大部分固態及混合固態產品針對的都是乘用車市場，未來要想在低速領域得到規模化應用，廠商能否針對這一市場推出適用性產品也是關鍵。
國產激光雷達廠商崛起
當然，技術的發展離不開企業的推動，伴隨自動駕駛的發展尤其是低速無人駕駛的逐漸應用，這一階段，國內外激光雷達企業紛紛成立，激光雷達市場規模開始爆發，企業也開始進入快速成長期。
這之中，中國的激光雷達廠商雖然起步較晚，但近幾年，伴隨著中國無人駕駛產業的快速發展，在不斷的應用打磨中也逐漸成長起來，推進著激光雷達國產化的進一步深入。尤其是低速無人駕駛領域，中國的激光雷達廠商，以無法拒絕的性價比優勢搶占了大量的市場份額。菜鳥、京東、美團、新石器、高仙、斯年智駕……都紛紛換上了國產激光雷達。
表：國內部分低速無人駕駛產品激光雷達應用情況（本表粗略統計，如有未完善之處，請指正?。?br />
低速無人駕駛市場正在飛速發展，瞄準這一應用領域，一些激光雷達廠商也開辟了專門的產品線。
速騰聚創
RoboSense（速騰聚創）成立于2014年，RoboSense總部位于深圳，通過激光雷達硬件、AI算法與芯片三大核心技術閉環，為市場提供具有信息理解能力的智能激光雷達系統，產品技術包括：MEMS與機械式激光雷達硬件、硬件融合技術、AI感知算法等。
2016年速騰聚創發布了首款用于自動駕駛的16線激光雷達RS-LiDAR-16和32線激光雷達RS-LiDAR-32，2017年4月，速騰聚創16線激光雷達RS-LiDAR-16實現量產，陸續向合作伙伴供貨。于此同時，2016年速騰也開啟了固態激光雷達研發項目。通過不斷迭代升級，MEMS性能不斷完善，今年3月，速騰聚創在國內的首條車規級固態激光雷達產線正式落成。
而針對低速無人駕駛領域，目前速騰主要產品有RS-LiDAR-16、RS-LiDAR-32、RS-Bpearl以及新款大FOV的32線，主要以低線束的機械式激光雷達為主。其相關產品廣泛應用到無人物流車、商用清潔機器人、巡邏機器人等領域，并與阿里菜鳥、京東物流、蘇寧物流、AutoX、小馬智行、Momanta、元戎啟行等有著深度合作，市場占有率領先。
禾賽科技
禾賽科技2014年成立于上海，禾賽憑借自主研發的微振鏡和波形加密技術，始終引領傳感器創新的發展方向。經過多年深耕，禾賽在核心元器件、自研芯片、車規級生產能力、功能安全、主動抗干擾技術以及基于深度學習的激光雷達感知方面都有深厚的積累。
早在2016年，禾賽科技便前瞻性地開始自主研發激光雷達，并逐步進入無人駕駛激光雷達領域。深耕行業多年，先后推出多款產品，包括面向無人駕駛領域的Pandar40、Pandar40P、Pandar64、PandarQT、Pandar40M、Pandar128；與百度Apollo聯合發布的多傳感器融合感知套件Pandora；面向高級輔助駕駛領域的PandarGT；面向車聯網應用的PandarMind；面向機器人、中低速應用等市場的PandarXT等系列產品。
針對中低速場景應用的PandarXT是禾賽基于自研芯片打造的中距離激光雷達，是一款32線360°機械旋轉雷達，最遠測距120m@20%，垂直視場角31°，各線均勻分布，垂直分辨率為1°。探測能力方面，PandarXT在100k Lux陽光下感知80m處10%反射率物體的探測概率超過90%。
探維科技
探維科技團隊從2008年開始布局硬件級圖像融合的固態激光雷達技術，2017年開始專注車載和自動駕駛應用場景，開發車規級的激光雷達產品，目前已經完成大規模量產產線的建設，進入批量交付階段。值得關注的是，探維科技是國內唯一一家來自清華大學國家重點實驗室的知識產權成果轉化團隊，在高精度激光測距和芯片化信號處理領域擁有十多年的研發經驗和技術積累。
探維科技在技術方案上堅持核心器件的陣列化、集成化和芯片化，并基于這一目標開發了激光雷達的ALS技術平臺。ALS技術平臺包括陣列化模擬前端、專用并行處理芯片、單軸大視場描掃光學系統。其優勢體現在產品穩定性強、量產難度低、靈活性高和迭代速度快四個方面。
2019年探維科技發布了16單元產品Tensor，并于業內率先實現了產品的規?；慨a，2021年2月，探維正式開始交付全新高性能混合固態激光雷達產品——64單元Scope系列。目前，探維科技激光雷達已經完成大量的客戶測試和驗證，應用場景覆蓋L3級乘用車商用車、L4級低速自動駕駛、工業AGV、無人叉車和車路協同等領域。在低速無人駕駛領域，Tensor具備明顯的價格優勢和產能優勢，自去年量產以來已陸續完成交付數千臺。高線數的Scope自今年年初正式發布后已獲多筆意向訂單，并得到了行業客戶的廣泛認可。
北醒光子
北醒光子成立于2015年，總部設于北京。秉承“做世界上最好的機器人眼睛”的經營理念，北醒不斷將新技術與應用相結合，輔助客戶探索安全智能行駛和自動化領域，快速進入“智能”新時代。
北醒光子激光雷達現已實現量產，年產能達到60萬臺。合作伙伴覆蓋全球超過64個國家和地區，為智慧軌道交通、智慧民航、智慧航運、車路協同及自動駕駛、無人機、機器人、物位檢測、安防、IoT等行業實現技術升級。
在低速無人駕駛領域，其最新一代CE系列激光雷達主要為低速領域無人車提供主雷達前向探測功能，量程較近、探測精度高、性價比高、多模式可配置，并配有TF系列激光雷達為無人車提供輔助補盲/避障等功能。目前已在園區和礦區進行了大量應用測試，穩定運行。
除以上列舉的部分企業外，還有包括鐳神智能、萬集科技、歐鐳激光等企業也擁有相關產品。
任何產業的健康發展都離不開產業鏈上下游的協同，自動駕駛的發展推動著激光雷達的不斷進步，激光雷達技術的不斷突破也給了自動駕駛更多可能性，在低速無人駕駛領域，隨著相關產品的批量化落地，也將推動激光雷達市場規模進一步擴大，激光雷達整體預計也將繼續呈現高速發展態勢。
