2012 年底，Dirk Van Dijck 教授和連續創業者 Johan Van den Bossche 的注意力落在了一張谷歌自動駕駛汽車的照片上。山景巨人的第一個原型剛剛在許多媒體上被披露為首頁。

在改裝后的豐田普銳斯車頂上，旋轉的 Velodyne LiDAR 使汽車能夠以 3D 方式查看周圍環境，為定位和定位算法以及其感知堆棧的第一層提供必要的數據。兩人開始想象這輛車在汽車行業激烈競爭的壓力下將如何發展。

運輸中的挑戰之一一直是移動人和物，以盡量減少移動部件的數量。對于我 8 歲的孩子來說，這個概念也很清楚，他希望遠程交通取代汽車：噪音更小，污染更少，當然更快。機械運動系統由許多部件組成，這些部件需要能量來加速質量，并贏得摩擦和動量，從而導致效率和可靠性的損失，從而導致總體成本增加。

在汽車系統的發展過程中，首先要優化的元素通常是運動部件。我們有很多這樣的例子，比如自適應前照燈，旨在更好地照亮轉彎并避免使用復雜的快門和云臺系統產生眩光，現在已被數千個固態 LED 所取代。

在第一款 Google AV 中，完整的感知堆棧依賴于一個移動元素：一個旋轉的激光雷達來掃描周圍環境。

許多其他創新者發現了第一款 AV LiDAR 的同樣弱點，并引發了對改進 LiDAR 方法的戲劇性探索，并催生了數十家初創公司。許多人看到了機會，許多人選擇了應用漸進式創新的方式，專注于掃描原理、減少質量、小型化組件（例如引入 MEMS（微機電系統），同時提高性能。

這位教授和企業家在簡歷上都擁有大量專利、技術初創企業和成功案例，他們選擇了不同的道路，因為他們知道具有更高潛力的創新往往伴隨著重大決策。如果掃描的弱點是運動，為什么不完全消除掃描的需要呢？為什么不一次發射數千個激光束，而不是使用幾個旋轉激光呢？真正固態激光雷達的想法與第一家開發它的激光雷達公司 XenomatiX 一起誕生。那是 2013 年。

真固態激光雷達

“固態”定義已被用于對不同類型的 LiDAR 進行分類，這在 LiDAR 社區內也引起了一些混淆。固態可以描述激光源和檢測器的類型，例如，當使用半導體時。盡管依靠移動微元件來改變激光方向，但基于 MEMS 的激光雷達通常被認為屬于這一類。固態系統是否意味著沒有運動部件？此外，Aurora、英特爾和 Aeva 等大公司最近采用的 FMCW 技術假裝是固態的。顯然，當仍然需要掃描機制來控制激光波時，這是不正確的。一些使用 OPA（光學相控陣）的 FMCW LiDAR 的技術準備程度非常低，還有許多技術方面需要解決。與原來的 Velodyne LiDAR 相比，

由于需要區分其技術，XenomatiX 引入了“True”屬性來識別在各個方面都符合定義的固態 LiDAR 系統：XenomatiX 技術是真正的固態，因為它是由基于半導體的激光源制成的，并且檢測器，因為它無需掃描或移動組件即可實現，提供可靠的大規模生產所需的簡單性和可擴展性。

最近，越來越多的玩家采用了這種方法。帶有數字 LiDAR 的 Ibeo 和帶有全固態 LiDAR 的 Ouster 都承諾解決方案很快準備好進行大規模生產。Apple 正在 iPad 激光雷達中使用這種方法。

原始設備制造商對真正的固態感興趣。2017 年，通用汽車獲得了一項專利，描述了模塊化 LiDAR，沒有移動部件，集成并分布在車輛周圍，具有 360° 覆蓋范圍。

最近，長城汽車宣布與 Ibeo 建立合作伙伴關系。

Marelli 于 2020 年與 XenomatiX 啟動了一個聯合開發項目。

對于 Dirk Van Dijck 和 Johan Van den Bossche 來說，這些事實證實了他們自 2012 年以來的愿景。

多波束

真固態的一個特點是用成千上萬的光束照亮場景，將相干光聚焦在離散的點上，這些點同時測量并轉換成點云。這種多光束技術也不同于閃光激光雷達。與真正的固態激光雷達一樣，傳統的閃光激光雷達也不使用機械部件來逐步照亮場景。相反，他們使用鏡頭將光線散布在整個場景中。閃光 LiDAR 不僅照亮觀察到的目標，還照亮未測量的點，失去了達到中遠距離所需的光學效率。Flash LiDAR 主要用于需要最大 20 到 50 米范圍的應用。多光束方法解決了這一限制，僅將發射的光子集中在將要測量的點，確保高分辨率，并達到高速公路所需的遠距離。達到更遠距離的唯一限制是由眼睛安全法規規定的。對于不需要激光 1 類分類的應用，多光束可以在 500m 及以上有效。

發射器 – VCSEL

多光束可以從毫米尺寸的芯片產生，其中數千個 VCSEL（垂直腔面發射激光器）發射器被封裝成陣列。VCSEL 陣列以短脈沖發射具有高光功率的垂直于半導體表面的激光束，不會過熱且需要有限的電力。一個 20,000 到 40,000 個激光器的 VCSEL 陣列需要幾瓦，這與單個汽車 LED 近光燈的消耗量大致相同，并且比鹵素燈少 5 倍。

VCSEL 技術和性能在過去幾年中呈指數級提高，這得益于在光通信中用作光纖上的信號發生器；這種進步在汽車和消費激光雷達領域得到了直接應用。

探測器

探測器是激光雷達技術最關鍵的組件，因為它們需要高靈敏度、大動態范圍和高分辨率。旋轉、機械和固態激光雷達主要基于雪崩光電二極管 (APD) 或單光子雪崩光電二極管 (SPAD)。這種傳感器一旦被光擊中，就會產生高增益電流，可以對其進行測量和后處理，以直接或間接計算激光脈沖在目標上反彈的飛行時間，從而揭示其距離。

在激光雷達探測器的背景下，XenomatiX 采用了完全不同的方法。汽車對于滿足大批量生產和較長的車輛壽命有非常嚴格的要求。Dirk Van Dijck 和 Johan Van den Bossche 設定了使用經過驗證且具有成本效益的技術設計 LiDAR 系統的目標。標準相機 CMOS 具有與汽車相關的所有特性。兩人找到了一種在創新像素設計中實施飛行時間測量的方法，創建了基于 CMOS 的 APS（有源像素傳感器）。與智能算法一起，像素對光子進行計數，減去背景噪聲，并計算到目標的距離。百萬像素 APS 每幀可捕獲 36,000 個 3D 點，是 SPAD CMOS 的兩倍多。

第一個重要結果是點云以全局快門模式捕獲，消除了圖像失真的風險。傳統的中遠程激光雷達需要重建 3D 圖像，因為它們在不同的時刻捕獲每個點。使用掃描方法，圖像不是在同一時刻捕獲，而是自上而下或從左到右捕獲，從而形成滾動快門模式。卷簾快門可能會導致速度非常快的目標（例如高速公路上的車輛）的形狀變形。卷簾快門是在照片中使直升機的葉片變形而形成彎曲形狀的效果。發生這種情況是因為當傳感器捕獲轉子的中心時，葉片的尖端正在移開。與滾動快門相反，全局快門在同一實例中捕獲完整圖像。

這種革命性方法的第二個結果是固有的傳感器融合。當 APS CMOS 不用于采集 3D 點云時，在激光脈沖之間，它可以像標準相機一樣采集 2D 圖像。用于計算對象位置的同一像素也用于捕獲此類對象的圖像。相機和激光雷達現在在物理上和本質上融合在一起。讓系統和軟件開發人員松了一口氣，APS CMOS 允許跳過繁重的傳感器融合過程，并消除了兩種數據中的一種的視差錯誤或盲點的任何可能性。自治系統開發人員現在可以從同一個成像儀獲得高分辨率圖像和點云，從而大大簡化了感知環境所需的硬件和軟件。

APS CMOS 帶來的第三個優勢是對干擾和其他 LiDAR 信號的魯棒性。每個檢測激光并計算目標距離的像素都經過校準，以僅識別特定發射器的信號及其在空間中的獨特位置。如果一個像素被其他激光雷達或來自不同方向的信號照射，同時比較來自周圍像素的信息，它可以識別干擾，并丟棄測量。

多光束激光雷達需要最少數量的組件。借助兩個鏡頭、PCBA 上的兩個芯片和一個外殼，這些傳感器提供的材料清單可與同等價格范圍內的立體相機相媲美。使用立體相機的相同裝配線和校準工具，可以輕松擴大生產規模。使用現有的芯片技術和組裝概念使 XenomatiX 能夠建立并依賴成熟的供應商生態系統，并將單位成本預測在 100 美元范圍內，這使得 LiDAR 技術不僅適用于豪華車。

4D人工智能

用于計算點云的 APS CMOS 還可以捕獲對象反射率和 2D 圖像。

用于物體檢測和分類的標準 AI 方法要么基于從 2D 相機圖像分析的形狀和顏色，要么基于最近由 LiDAR 或立體相機 3D 點云捕獲的幾何信息。最復雜的算法結合了兩種方法，比較和驗證兩個系統在所謂的傳感器融合中獲得的結果。

真正的固態 LiDAR 可以改為運行AI 算法基于 3D 幾何信息以及此類傳感器捕獲的物體表面反射率。使用純幾何信息的 3D-AI 需要高分辨率和精度來區分非常接近的物體，例如，計算擁擠空間中的人數。這是因為人工智能被訓練來識別物體的形狀和尺寸，當兩個物體重疊時，它們的形狀就會變得混亂。添加與表面屬性相關的信息使算法能夠使用形狀內的特征（例如面部與軀干）進行訓練，并使用這些特征來區分和計算人群中的人數。使用幾何和反射率的人工智能稱為 4D AI。因為它依賴于對外部照明條件不敏感的激光雷達捕獲的數據，

?

可集成性/模塊化

但是，這些吸引汽車行業興趣的優勢的實際應用是什么？交通運輸領域不可忽視的兩個先決條件是由空氣動力學驅動的風格和效率。這種風格一直是汽車的中心舞臺。多年來，燃油效率和空氣動力學一直很突出。不再局限于跑車，這一方面在汽車領域進行了優化，特別是在電動汽車中，以增加續航里程和 EPA 評級。

AV 或 ADAS 傳感器堆棧必須被成熟的 OEM 造型和空氣動力學部門所接受。因此，傳感器集成是絕對必要的。在這一點上，掃描系統表現出一些弱點。此類設備依賴于昂貴的組件和復雜的架構，只有當它們能夠覆蓋大視野時才會變得具有成本效益。另一方面，大視野需要廣闊的視野和消除任何可能的“死角”。不幸的是，這與當今車輛的形狀完全不相容——根據車展上的趨勢，在可預見的未來似乎也是如此。特斯拉采用了一種解決方案，將攝像頭隱藏和集成在車輛周圍，以風格和空氣動力學驅動攝像頭位置，反之亦然。

查看通用汽車的專利，我們計算每側 10 個 LiDAR 或 20 個完整的 360 度。考慮到完整 LiDAR 套件的 2000 美元目標成本，每個傳感器 100 美元成為實現更高級別自主性的必要推動因素。由于 Dirk Van Dijck 和 Johan Van den Bossche 于 2012 年開始的創業冒險，多光束真固態 LiDAR 可以實現如此嚴格的限制。

?

?

參考

US9831630B2；2015-08-06 ; 通用汽車全球技術運營有限責任公司；“用于汽車的低成本小尺寸激光雷達”

作者：XenomatiX 北美銷售和業務發展經理 Jacopo Alaimo 和首席執行官 Filip Geuens

審核編輯 黃昊宇