隨著世界科技向智能化、高效率發(fā)展，激光雷達及其應用也受到越來越多的關(guān)注。但是，人們對激光雷達技術(shù)及性能等方面也存在一些誤解。本文將為大家揭開關(guān)于激光雷達的六個常見誤區(qū)。

1、激光雷達應用的技術(shù)復雜

雖然激光雷達是由不同硬件組成的復雜傳感器，但實際上其基本工作原理相當簡單。傳感器使用飛行時間法，該探測原理類似于蝙蝠使用聲波或雷達使用微波。

如果我們把傳感器分解成幾個部分，即激光器、探測器和光束偏轉(zhuǎn)單元，激光雷達就不再是一項令人望而生畏的技術(shù)了。激光源首先發(fā)出激光脈沖，這些脈沖通過微振鏡偏轉(zhuǎn)到場景中，探測器檢測反射光，根據(jù)激光脈沖發(fā)射時間和返回時間精確計算出距離。

每秒鐘重復數(shù)千次甚至數(shù)百萬次以上這個過程，實時生成精確的3D環(huán)境點云。這些3D點云數(shù)據(jù)易于分析和利用，例如，用于自動駕駛決策。

這項技術(shù)是在20世紀60年代早期發(fā)明脈沖激光器之后發(fā)展起來的，脈沖激光器重復發(fā)射光脈沖，而不是采用連續(xù)波。

2、在自動駕駛汽車應用中，激光雷達是多余的

埃隆·馬斯克(Elon  Musk)在2019年的一次會議上忽視了激光雷達在自動駕駛汽車上的用途，這一事件迄今為止滋生了許多關(guān)于激光雷達的謬論。他聲稱，在相機和智能算法的輔助下，激光雷達是多余的，并將一直堅持自己的立場。

攝像機應用不同的圖像識別技術(shù)，可以采集彩色視覺圖像，但僅僅采用一個攝像機，只能捕捉到2D數(shù)據(jù)，很容易導致視覺錯覺和距離誤判。有不少的悲慘例子表明，這些缺陷是危險的，有時甚至是致命的。

相比之下，激光雷達可以可靠地捕捉3D數(shù)據(jù)，并精確識別出距離和物體尺寸。

融合精確的3D激光雷達數(shù)據(jù)有助于在攝像機“失明”的情況下依然能夠感知周圍環(huán)境，比如在走出隧道后攝像機需要一定時間適應光線變化等場景。

此外，攝像頭生成的2D圖像，表面上看起來可能足夠精確，足以訓練自動駕駛汽車的算法。但它們?nèi)匀挥泻芏嗖痪_的地方，會降低機器學習模型的準確性，從而降低車輛感知、預測和決策的能力。促進自動駕駛的機器學習能力需要具有可擴展性，并解決“長尾巴”問題。這意味著僅滿足道路上車輛所面臨的95%的場景是不夠的，基于機器學習的自動駕駛功能還要針對5%的棘手情況進行訓練，同時不斷提高其性能，這需要大量純相機系統(tǒng)數(shù)據(jù)用于訓練。

相比之下，激光雷達可以提供更多的機器學習預測模型，同時生成更高精度的訓練數(shù)據(jù)。因此，激光雷達是更可靠、更健壯的自動駕駛系統(tǒng)所必需的傳感器。

3、激光雷達可以完全被其他傳感器取代

關(guān)于激光雷達最常見的一個誤解是，它可以被相機或雷達傳感器替代，這種誤解源于人們對這些傳感器技術(shù)如何以不同方式對物體進行分類缺乏了解。在理解了這些傳感器的不同能力和產(chǎn)生的數(shù)據(jù)類型之后，我們會了解到它們在功能上的互補。相機采集到的是2D圖像，提供灰度或顏色信息、紋理和對比度。為了進一步分析這些數(shù)據(jù)，需要使用圖像識別軟件。因為相機應用的是被動測量原理，物體需要被照亮來檢測。此外，需要兩個或更多的相機來創(chuàng)建3D圖像，以及高計算能力。

雷達測量三維信息，在確定物體距離和速度方面具有極高的精度。然而，分辨率較低，他們無法精確探測（以厘米為尺度）或?qū)ξ矬w進行分類。

激光雷達將采集得到的三維數(shù)據(jù)創(chuàng)建形成點云，根據(jù)點云形狀和大小，可以精確地檢測物體，將物體分為不同的類別，如人、汽車、建筑物等。