自动驾驶传统上严重依赖激光雷达，因为它们简单易用。然而，LiDAR 存在一些局限性，例如前期成本高、分辨率低以及缺乏物体识别能力。随着特斯拉和约翰迪尔的仅使用摄像头的自动驾驶汽车最近取得的成功，潮流正在转变，摄像头即将接管。

IDTechEx 最近的研究，“机器人传感器 2023-2043：技术、市场和预测”，显示激光雷达在机器人行业的市场份额将从 24% 下降到 21%，而相机的市场份额预计在未来十年内将增长 3%。

IDTechEx 技术分析师 Yulin Wang 认为相机正在成为更受欢迎的选择对于移动机器人，它们比 LiDAR 有以下优势：

室内移动机器人不需要 3D LiDAR。与相机相比，LiDAR 的优势之一是它们不易受恶劣天气条件和有限能见度的影响。虽然这对于在不可预测的天气下工作的户外机器人来说是一个显着的好处，但对于室内移动机器人来说并不是很需要，因为它们从根本上设计用于在具有稳定人工照明的良好控制环境中工作。此外，与提供 3D 点云的 LiDAR 不同，相机可以同时捕获 3D 信息和颜色信息。这使机器人能够根据颜色和纹理识别和区分物体。3D信息捕捉能力为相机取代激光雷达铺平了道路。

LiDAR 硬件的高成本鼓励最终用户采用替代技术。成本是放弃 LiDAR 的主要因素。LiDAR 传感器可能很昂贵，价格从几百美元到几千美元不等。相比之下，相机的价格要便宜得多，这使它们成为许多公司更容易获得的选择。这导致基于摄像头的系统得到更广泛的采用，因为它们现在对于较小的公司和初创企业（许多机器人原始设备制造商都是）更具成本效益。然而，尽管相机硬件（图像传感器）的成本很低，但由于软件和图像处理单元（如 GPU 和图像处理软件系统），相机的总拥有成本可能非常高。

尺寸和重量。与 LiDAR 相比，相机还具有更小的外形尺寸，使其更容易集成到移动机器人中。这允许更紧凑和更轻便的设计，这对于需要在狭窄空间或狭窄门口导航的机器人来说至关重要。此外，摄像头可以放置在机器人的多个位置，提供更广阔的视野并提高导航精度。

维护。与 LiDAR 相比，相机更易于校准和维护。LiDAR 需要仔细对齐以确保 3D 点云的准确性，并且随着时间的推移很难保持这种准确性。另一方面，相机通常是即插即用的，因此更易于使用和维护。

纯视觉与激光雷达之争

根据集微咨询预计到2030年，L3级别以上自动驾驶渗透率有望达到30%以上。随着自动驾驶级别的提升，必然对汽车的感知、决策、执行相关的技术进行变革，其中感知侧的变革尤为明显。

2025年全球车用CIS市场规模预计达到32.7亿美元，年复合增长率达14%；激光雷达的销售额将达到61.9亿美元，年复合增长率达36%，无论是车载摄像头还是激光雷达其增速都非常快。自从马斯克跑轰激光雷达走纯视觉方案后，业内对于这两种方案的探讨从未停止，其归根结底在于该不该增用激光雷达作为在自动驾驶感知层面的一种手段。

英博超算创始人、总经理 田锋表示，纯视觉路线主要挑战在于摄像头分辨率与算法提升，而激光雷达在于可靠性、成本及可嵌入性。激光雷达的加入对控制系统的可靠性提供了更多的信息，例如车辆在行进过程中的抖动对视觉测距跟踪尤其是远距离会产生一些跳变，这些影响需要后期通过算法纠正，而激光雷达完全不存在这个问题。总体而言，视觉是未来自动驾驶感知技术的一条主线，会不断增强，但激光雷达的使用短期来看收益明显，长期来看取决于各个厂商对其的认知，或是消费者对于激光雷达的隐蔽性喜好程度如何。

北醒光子CEO 李远表示，无论是激光雷达也好毫米波雷达也罢，或是走纯视觉摄像头路径，其本质是挑战人类视觉极限。如今，产业所追求的视觉技术是逐步趋近于人眼，但这样一种2D的传感器本身就有边界。激光雷达的加入就是在弥补这样一种缺陷，它能够超出生物传感的特点包括直接探测反射率，可以全天候运行同时还能保证1%的精度等。如果以长远的目光去看待现阶段感知技术的发展，未来必会接触到激光雷达所带来的意义。当前激光雷达存在供应链不成熟及成本高等问题需要时间进行沉淀，如同汽车替代马车时的汽车那样，总有这么一个过程。

包括IEEE的专家在内，对于视觉路径成为自动驾驶技术的一条主线是基本的判断，诚如上文所说的那样，2D传感器有其天然的缺陷，而对于汽车这种对安全性和可靠性要求严苛的终端而言，能够让视觉技术支撑起自动驾驶的落地，必然是对其背后的软件算法提出了更高的要求。在此情况下，纯视觉的技术路径会对软硬件提出怎样的要求？它的落地难度与挑战又是如何？

福田汽车智能控制副总工程师 钱国平指出，从技术角度看，现阶段的纯视觉方案不太可能成功。一方面，摄像头需要解决“雨雾污”（雨天、大雾天、污垢）的问题。恶劣的环境会使摄像头拍到的图像变形，会导致测速测距的精度下降。另一方面，目前自动驾驶积累的数据不足以覆盖所有场景，所有路况，无法解决不断出现的新情况。摄像头的分辨率不断提升，对算力的要求也在不断提升，市场上可供选择的大算力芯片厂商寥寥无几。除了算力芯片外，负责图像处理的ISP等其他芯片性能需求也在不断上涨。短期内，视觉、毫米波雷达、激光雷达融合的方案能够各自发挥其优势，提高可靠性。

田锋表示，纯视觉路线并不靠谱。以人类驾驶员为例，其开车过程中并不仅依靠视觉信息，交规、前后车喇叭、路况信息积累等都是保障汽车平稳运行的信息来源。如果要让纯视觉技术成为可能，这背后也必须有V2X、高精度地图等技术的加持。如果在成本可接受的情况下，要尽可能综合使用这些传感器来为自动驾驶技术落地带来正向的促进作用，反之，也可利用传感器性能差异来满足不同级别自动驾驶技术路线，打造差异化。

未来自动驾驶技术的发展

毋庸置疑，增加传感器种类可以提高对环境感知的精确度及信息丰富度，但目前激光雷达等存在成本过高，供应链不成熟等问题，这也或许成为了厂商对自动驾驶技术发展路径再三斟酌的原由，但多传感器融合的路径是目前主要采取的方案，而未来自动驾驶的发展又如何？

李远表示，美国与日本占据全球无人驾驶视觉相关专利70%以上，而中国仅占7%左右，由此可看出在视觉技术上与全球领先国家能有十倍的差距。而激光雷达在中国发展的速度很快，放眼全球差距比视觉技术要小很多。

发展激光雷达对于中国而言，就如同大力发展电动汽车一样，都在寻找下一代技术来弯道超车。激光雷达比起摄像头成本高、工艺复杂、良率低并且都是些新公司，不如摄像头供应链成熟，但从没有人否认过激光雷达本身具有的优势，它绝对是高阶无人驾驶技术必备的传感器。短期内，行业还是会以多传感器融合为基础，同时也会推进成本控制，良率提升等问题，作为新一代传感器，激光雷达的上升空间相当广阔。

钱国平表示，无论是摄像头还是激光雷达，甚至毫米波雷达都在不断的发展，也有各自相对应的挑战与痛点。一个自动驾驶解决方案也必然不可能仅靠感知层面，背后也有单车智能化、V2X的边缘计算等去协同感知侧的发展。只要能达到自动驾驶的目的，任何解决方案都是最优、最有效的，也就成为了未来的趋势。

我国科学家攻克激光雷达抗干扰难题

随着高级别自动驾驶的日益普及，确保行驶舒适安全的激光雷达作为其核心器件，受到越来越多的重视。高性能、小体积、低成本、低功耗、高安全的激光雷达是未来厂商竞相追逐的方向。

北京大学电子学院王兴军教授课题组-常林研究员课题组在两年攻关的基础上，研制出一种全新的硅基片上多通道混沌光源，提出了一种基于混沌光梳的并行激光雷达架构，攻克了激光雷达抗干扰和高精度并行探测这两个世界性难题，保证高性能高安全的同时，极大降低未来激光雷达系统体积、复杂度、功耗和成本。团队的研究成果《突破时间-频率拥塞的并行混沌激光雷达》于日前发表在《自然-光子学》杂志。

研究团队通过集成微腔光梳的调制不稳定状态产生天然的多通道随机调制信号，使其信号混沌带宽可超过7GHz，且光梳的调制不稳定态在18GHz的失谐范围内展现出良好的鲁棒性，能够应对外部泵浦光源的频率抖动。同时，材料的高非线性系数使产生的调制不稳定光梳的阈值功率相比其他材料平台低1~2个数量级，能够与片上分布式反馈激光器共集成。

在此基础上，研究团队还搭建了并行激光雷达演示系统并对实物目标进行了高精度三维成像，验证了10通道规模的单像素成像，证明了各通道间良好的正交隔离性。此外，研究团队还对接收信号在不同信号干扰混叠下的抗噪功率抑制比进行了测试，实测可得在3dB阈值判据和12.5微秒积分时间下，单路信号的功率动态范围接近60dB，对调频连续波信号的抗噪功率抑制比接近30dB，对自身随机调制信号的抗噪功率抑制比可达22dB，展现出了良好的有源抗干扰能力。上述结果有望推动下一代高性能抗干扰激光雷达的变革。

文章来源： 光明网，集微网，国际电子商情