與普遍的看法相反，自動駕駛尚未實現幾年前承諾的結果。不幸的是，感官、光學、定性和時序層面的許多問題對傳統 LiDAR 的性能產生了負面影響。

　　盡管如此，許多公司仍在不斷改進他們的方法和技術，并且已經在市場上看到了出色的結果。其中一家公司 Baraja 已為多項技術申請了專利，這些技術將顯著改善自動駕駛汽車的未來。

　　激光雷達的挑戰

　　自動駕駛領域仍處于起步階段，汽車要像人類一樣自動駕駛還需要一段時間。盡管在優化檢測和感知方面仍然存在許多挑戰，但技術無疑會一一解決所有這些挑戰。

　　正在進行一項大型研究以改進人類使用的技術。換句話說，解決方案必須精確地基于人類駕駛員的方法和他們遵循的道路規則。

　　實現完全駕駛自主需要克服的一些最困難的挑戰包括：

　　從人類駕駛員那里學習主要駕駛技術并在自主系統中實施

　　人工智能與自動駕駛相關的改進

　　充分利用傳感器

　　優化傳感器以準確檢測遠距離物體

　　收集大量數據

　　增加以自主模式行駛的公里數

　　這些都是關鍵要求，旨在確保駕駛員、乘客、行人和機動車的極其安全駕駛。

　　未來自動駕駛將優于人類駕駛

　　克服上面列出的所有挑戰，在未來，至少在大部分行駛里程中，自動駕駛和自動駕駛的優勢可能超過人類所執行的駕駛。一般來說，一個人需要幾年的時間才能學會如何開車。研究表明，在 25 歲時達到了完全的能力。換句話說，人類必須學會理解和概念化他們的周圍環境。此外，在學習駕駛技術之前，他們必須了解車輛、障礙物和危險、人行橫道和道路標志的概念。Baraja 首席商務官 Joseph Notaro 在汽車技術論壇的一次演講中說：“這些是極其復雜的想法，大腦以自然而簡單的方式執行這些想法。”。 “為了更接近人類駕駛行為，必須使用多模式傳感套件，配備用于停車輔助的超聲波傳感器、用于自動緊急制動的雷達、多個攝像頭，以及最后但并非最不重要的車載激光雷達。這已被證明可以顯著提高安全性。”

　　中央凹是人眼中的一個小區域，可產生最高分辨率的視覺，例如，當駕駛員需要對道路上或道路附近的物體進行分類時。當頭部指向一個物體時，中央凹被激活以對細節進行分類。一旦大腦獲得了信息，駕駛員就可以通過再次將注意力集中在地平線上來安全地返回駕駛。

　　因此沒有必要以高分辨率持續監控整個道路和周圍環境。監測可以通過低分辨率周邊視覺進行，優化大腦生成和處理的數據量。獲取與對象速度相關的信息也非常重要，因為它允許您從一組點中分割和提取更多數據。今天的激光雷達并非旨在幫助自動駕駛汽車比人類表現得更好、更安全。

　　激光雷達系統能夠“看到”最遠幾公里的東西是不夠的。最重要的信息是系統可以正確準確地解釋對象的最大距離。因此，在任何情況下都必須根據數據和信息進行遠距離準確的目標檢測。

　　光譜掃描激光雷達

　　與標準 LiDAR 系統不同，Baraja 的 Spectrum-Scan 專利平臺采用了不同的方法。通過類似棱鏡的光學元件折射光線用于掃描周圍區域，而不是使用易碎的移動部件和擺動鏡。另一方面，在快軸上使用機械掃描的傳感器具有昂貴、笨重且容易發生故障的移動部件。根據 Notaro 的說法，Baraja 的頻譜掃描 LiDAR 即使在最極端的環境中也能提供前所未有的范圍、精度和可靠性，并使用一種稱為隨機調制連續波 （RMCW） 的信號處理方法，與更傳統的測距和檢測方法。

　　在實踐中，光通過光學棱鏡折射，可以輕松生成高分辨率掃描圖案。該系統通過利用這樣一種現象來“掃描”環境，即穿過棱鏡的白光被分成不同的顏色分量，每個分量都有自己的波長，當它穿過棱鏡時會以不同的角度折射。因此，使用工作在 1，550 nm 的可調諧波長激光器和類似棱鏡的光學器件來代替昂貴、笨重且不可靠的機械解決方案來引導激光束。

　　通過這種方式，無需使用任何機械部件即可管理和掃描數百行圖像。在實踐中，分辨率甚至可以管理 2000 行的垂直軸，比傳統方法好 10 倍。傳感器數據非常可靠，完美地描述了現實世界。它不受環境和其他激光雷達傳感器的干擾。因此，該系統基于折射光學，折射光可以以每秒超過 100 萬次的速度掃描，而無需任何移動部件。

　　注視點

　　一些當前的 LiDAR 架構無法動態改變視場 （FoV） 中的點密度，就像固定激光陣列的情況一樣。其他的，如振鏡和 MEMS，可能能夠在 FoV 內產生高達單個更高密度的波段，但這樣做的代價是在其精細、快速移動的掃描機制中產生額外的漏洞，使其不太適合汽車應用程序。在現代 LiDAR 系統中，檢測和聚焦 FoV 中物體的能力至關重要。Baraja 的光譜掃描 LiDAR 可以動態（幀到幀或幀內）改變掃描模式，以在感興趣的區域提供最大密度，例如目標遠離傳感器時跟隨的地平線。

　　每點多普勒速度

　　即時速度測量旨在簡化和改進事件分割和預測，是下一代 LiDAR 傳感器啟用的附加功能。目前，從計算的角度來看，后續幀速率的計算是緩慢的、不精確的和昂貴的。如果行人意外走進街道，感知系統必須能夠盡快識別事件。根據 Notaro 的說法，Baraja 的 LiDAR 無需額外計算即可提供瞬時、精確的每點多普勒速度信息。按速度分組有助于分割和預測物體的軌跡，從而獲得更好的感知結果。

　　無模糊點云

　　該解決方案允許人們在遠距離獲得高質量的點云，而不會因非固態掃描而產生模糊）。由于掃描過程中鏡子或激光的快速移動，在機械掃描 LiDAR 系統中，模糊是一種正常現象。當相機快速移動時會出現類似的效果，從而導致產生模糊的照片。在 200 米的距離處，模糊可能會使物品變得難以察覺和難以理解。

　　Spectrum-Scan 技術通過實時從一個點跳到另一個點的可調波長激光器進行掃描來消除模糊。與受錯誤數據阻礙的傳統技術相比，這導致了無模糊的點云和更可靠的信息。

　　“高分辨率點云不僅取決于‘像素’的數量，還取決于‘像素’的質量，”Notaro 說。“在 Baraja，我們努力設計我們的光學器件，以確保真正緊密、準確的光束放置，因此您可以信任我們提供的數據。”

　　無斑點點云

　　這種方法可以實現一塵不染的圖像和高質量的點云數據，在所有級別都具有更高的檢測概率。由于缺陷導致的圖像退化也是當今 LiDAR 傳感器的一個典型問題，這會導致誤報并大大降低正確分類的可能性。得益于專有的硅光子芯片設計，Baraja 消除了圖像中的斑點，為它們提供了更好的視覺范圍，并為在高速公路上行駛做好了準備。

　　抗干擾性

　　在受控條件下，激光雷達可以極其準確地復制其環境。然而，當外部影響出現時，例如強大的前照燈或直射陽光，外來光源可能會淹沒 LiDAR 的鏡頭并可能使探測器過飽和。Spectrum-Scan 平臺是第一款對所有干擾具有獨特內置免疫力的 LiDAR。多層保護意味著不再有感知盲點和增強的安全性，為明天充滿傳感器的世界做好準備。

　　結論

　　可靠的自動駕駛成為現實只是時間問題。目前限制這項技術全面發展的問題必須得到解決。最重要的因素是精確可靠數據的可用性，這將使自動化系統能夠執行高度可靠的實時分析和處理，從而實現無縫汽車集成。

　　審核編輯：郭婷