就目前市场行业，激光雷达还是有非常大的发展前景，各种车企也已经把激光雷达规划在自己的路线图中。

可以说除了坚定的视觉派支持者特斯拉以外，基本上我们听说过的所有车企都已经在考虑激光雷达的规划了。

视觉派不选择激光雷达的理由并不是说激光雷达不好用，相反，激光雷达的精确度很高，但有一个很大的问题——激光雷达技术尚未特别成熟，导致它的量产成本过高，对于当前的竞争形式，过高的生产成本会极大的限制车企的发展速度。

但不可否认的是，包括蔚来、理想、小鹏、威马等车企，乃至视觉派的忠实拥护者特斯拉，在等到激光雷达的成本降到可以实现量产之后，都会选择激光雷达+相机这个方案。

所以，基于可靠性的考虑，其实行业中多数人在研究的都是如何将视觉与激光雷达所获得的信息进行融合，实现更加精确的环境感知。而目前视觉系统之所以说占主流，本质还是视觉技术的成熟，成熟的技术则意味着成本的可控，这其实是一种妥协的结果。

知其然更要知其所以然，回到开头那个问题：激光雷达是昙花一现还是必由之路?

在讨论这个问题之前，我们先来回顾一下目前自动驾驶所应用的传感器以及各自的优劣势。

当前自动驾驶技术涉及的环境感知传感器主要包括视觉类相机(包括单目、双目立体视觉、全景视觉及红外相机)和雷达类测距传感器(超声波雷达、毫米波雷达、激光雷达)，不同传感器的原理不尽相同，性能特点也各有优势，可用于实现不同的功能。

视觉类相机：能以高帧率、高分辨率获取周围复杂的环境信息，且技术成熟，价格便宜。但图像传感器是一种被动式传感器，其本身并不发光，成像质量受到环境亮度影响较大，在恶劣环境下完成感知任务的难度会大幅提升。

超声波雷达：超声波雷达的工作原理是通过超声波发射装置向外发出超声波，到通过接收器接收到发送过来超声波时的时间差来测算距离。

超声波雷达防水、防尘，即使有少量的泥沙遮挡也不影响。探测范围在0.1-3米之间，而且精度较高，因此非常适合应用于泊车。

优势：超声波的能量消耗较缓慢，在介质中传播的距离比较远，穿透性强，测距的方法简单，成本低。

劣势：超声波雷达在速度很高情况下测量距离有一定的局限性，而且传播速度较慢，当汽车高速行驶时，使用超声波测距无法跟上汽车的车距实时变化，误差较大。

另一方面，超声波散射角大，方向性较差，在测量较远距离的目标时，其回波信号会比较弱，影响测量精度。

划重点：在短距离测量中，超声波测距传感器具有非常大的优势。

毫米波雷达：毫米波雷达，是工作在毫米波波段探测的雷达。通常毫米波是指30~GHz频域(波长为1~10mm)的。毫米波的波长介于厘米波和光波之间，因此毫米波兼有微波制导和光电制导的优点。

优势：毫米波雷达的波束比较窄(一般为毫弧度量级)，所以它的角分辨能力和测角精度相当不错，抗电子干扰、杂波干扰以及多径反射干扰能力也比较强;

同时它的工作频率高，对应着它的信号带宽比较大，在测试距离、速度、测量精度以及分辨能力上，都有不俗的表现。

劣势：毫米波在雷达中应用的主要限制有：雨、雾和湿雪等高潮湿环境的衰减，以及大功率器件和插损的影响降低了毫米波雷达的探测距离。

同时，它的元器件成本高，加工精度相对要求高，单片收发集成电路的开发相对迟缓。

激光雷达：激光雷达是以发射激光束探测目标的位置、速度等特征量的雷达系统。其工作原理是向目标发射探测信号(激光束),然后将接收到的从目标反射回来的信号(目标回波)与发射信号进行比较，作适当处理后,就可获得目标的有关信息，如目标距离、方位、高度、速度、姿态、甚至形状等参数。从而对目标进行探测、跟踪和识别。

它由激光发射机、光学接收机、转台和信息处理系统等组成，激光器将电脉冲变成光脉冲发射出去，光接收机再把从目标反射回来的光脉冲还原成电脉冲，送到显示器。

优势：可以生成三维的位置信息，快速确定物体的位置、大小、外貌和材质，在此同时还能获得数据形成精确的数字模型。

比摄像头等传感器，探测距离更远、精确度更高，还有更灵敏的响应速度，还不受环境光的影响。同时穿透效果较好，反复进行回波。当激光束在植被中进行放射时，也能够得到较好的传播效果。

劣势：它的最大缺陷，就是不能再雪雨等极端天气下工作，在这种天气下会有一定影响激光雷达的效果，从而影响三维地图的构建，导致车的定位不准。

同时，激光雷达的分辨率还没达到摄像头的程度。再加上它要建造数据模型，需要定XYZ坐标、采集反射率信息、甚至RGB信息，这对带宽和CPU的处理能力都有一定的要求，所以在成本上也是几类传感器中最高的。

无论是以摄像头为主的计算机视觉方案，还是激光雷达，目前尚未拥有独当一面的能力，且信息冗余更有利于安全，因而多传感器融合成为自动驾驶产业共识。

在此基础上，自动驾驶所需的传感器部件将进一步向轻量化(包括产品重量及传感器数量)、低成本方向发展。

原文来源

艾迈斯-欧司朗