激光雷达油气管道工程？

军事领域激光雷达应用

激光雷达，作为新型先进的雷达装置将助力军事变革，已经受到各国的重视。目前军用激光雷达的研究和发展工作已取得长足进展，多种不同体制和不同应用的激光雷达已先后走出实验室进入实用阶段。目前军事领域激光雷达主要应用包括战场侦察、大气环境探测、跟踪及火控、水下探测、综合辅助应用等方面。

未来激光雷达在军事领域研究工作的重点将集中于以下几个方面：继续探索新体制激光雷达，不断增大激光雷达作用距离，多传感器集成和多功能一体化设计以及发展全固态化高效激光辐射源等。

测绘领域激光雷达应用

激光雷达测绘技术是一种集激光应用技术、光电探测技术、信息处理技术、全球定位技术(GPS)、惯性导航技术州(INS)等技术于一体的综合技术，激光雷达完成对探测区域的三维坐标信息获取(距离、角度、角度)，GPS实现激光雷达的定位与定高，INS实现对平台姿态的测量，经数据融合、处理生成测绘产品。激光雷达在测绘领域的应用包括基础测绘、精密工程测量及数字城市建设。

无人机领域激光雷达应用

机载激光雷达由于作业效率高、观测精度高、机动灵活、不受云雾遮挡、作业范围广、自动化程度高等优点，已逐渐成为对地观测的重要技术手段之一。为满足各种规模的项目和数据需求，可以对机载激光雷达进行合理应用，如输电线路巡检与地质灾害调查等方向。

无人驾驶领域激光雷达应用

激光雷达可以实现超远距离的探测，只需分析反射光即可完成。有单线激光雷达和多线激光雷达两种形式，多线雷达在单线激光雷达的二维测量基础上增加了一定角度的俯仰能力，可以实现对三维立体空间的扫描。在无人驾驶汽车上面，结合两种激光雷达是通常使用的办法，以此来准确实现障碍物的探测和完成保证汽车安全通过预定行程的功能。

激光雷达应用于汽车感知时，具有测量精度高、响应时间短、抗干扰能力强的优势。激光雷达技术在无人驾驶汽车领域十分广泛。在科技发展的基础下，随着激光雷达的性能越来越强，成本不断降低，无人驾驶汽车领域的运用将更加广泛。

虚拟现实领域激光雷达应用

虚拟现实产业链较长，目前具有使用激光雷达前景的环节为动作捕捉环节。例如虚拟现实游戏中有大量运动及射击类游戏以及虚拟现实视频转播等，需要运用动作捕捉。运用激光雷达动作捕捉系统将大大改善用户体验和捕捉精确度，全动作捕捉将是动作捕捉的发展方向，而激光雷达实现全动作捕捉显得较为容易。激光雷达动作捕捉原理实质就是要测量、跟踪、记录物体在三维空间中的运动轨迹。

动作捕捉设备作为虚拟现实的重要组成环节，具有较好的发展潜力。激光雷达动作捕捉系统的独特优势在虚拟现实潮流中的发挥，将带动激光雷达产业的发展。

总体来看，激光雷达的应用场景广泛，各领域具有较好的应用前景。下游测绘、无人机、无人驾驶等市场规模的增加，将有助于激光雷达市场需求的释放。

更多本行业研究分析详见前瞻产业研究院《中国激光雷达（LiDAR）行业市场前瞻与投资战略规划分析报告》。

投资界1月26日消息，车载激光雷达系统供应商亮道智能于近期完成了超亿元人民币的A+轮融资。本轮融资由国投招商领投，计算机视觉领域领先企业虹软科技等行业投资方跟投。

亮道智能是一家对自动驾驶理解深刻、技术优势突出的激光雷达系统供应商，专注于推动激光雷达系统在智能驾驶和智慧交通领域的量产落地。

亮道智能为汽车制造商提供量产车规级的激光雷达感知系统一站式解决方案，包括激光雷达硬件集成，感知算法开发，以及基于大数据的测试验证与功能迭代服务，在中欧两地技术交付能力。与此同时，亮道智能积极布局智慧交通领域，其路侧感知融合系统连续获得国内和欧洲多个主流客户订单，为客户提供优秀的中国方案。

亮道智能核心创始团队自2015年从德国回国创业至今，躬身自动驾驶赛道，深入参与中德两国汽车制造商前沿技术的量产交付，具有一流的国际化视野和全球化项目落地经验，这也成为亮道智能在中国自动驾驶赛道独具优势的一面。

国投招商专注先进制造产业投资，重点投资智能制造、新能源智能汽车、生命科学、信息和通信技术四大领域，致力推动制造业绿色化、数字化、服务化发展。此次领投亮道智能，

国投招商投资团队表示

：激光雷达是汽车走向自动驾驶过程中必备的传感器，生成点云的质量、目标识别的算法、真值系统的构建、海量数据的处理都是其中的关键环节，具有核心价值。亮道智能汇聚了众多的激光雷达领域技术专家，其核心团队具有国际化视野和全球化项目落地经验，将在未来几年激光雷达加速车载量产的过程中扮演关键角色。国投招商将积极发挥产业资源优势，助力亮道智能开拓国内整车厂及智能交通客户、开发上游产业链合作资源。

虹软科技是计算机视觉行业领先的算法服务提供商及解决方案供应商，致力于将领先的计算机视觉技术与人工智能技术商业化应用在智能手机、智能汽车、智能家居、智能零售、互联网视频等领域。虹软科技目前正在汽车智能驾驶领域积极布局，旗下ADAS视觉产品已经陆续获得长城、长安新能源、上汽、理想、一汽、东风、合众新能源等车厂的多款量产车型的定点项目。此次投资亮道智能，是虹软科技在汽车领域的又一重要的战略布局。

虹软科技表示

：亮道智能在自动驾驶前沿感知领域上的技术积累，以及在中德两国本地化的研发布局，对虹软来说，有一定重要的战略价值。未来两家企业将在智能驾驶领域开展深入合作，推动先进感知技术在自动驾驶领域上的落地与量产。

本轮由国投招商领投、虹软科技跟投的战略投资，是对亮道智能技术实力、产品价值和团队能力的充分认可。未来，亮道智能将立足激光雷达系统供应商身份，进一步加大技术研发投入与产品化，通过新型智能化传感器赋能智慧的车和智慧的路，为智能驾驶时代提供安全看世界的眼睛。

本文为投资界原创，网页转载须在文首注明来源投资界及作者名字。微信转载，须在微信原文评论区联系授权。违规转载必究责。

易车讯 日前，我们从官方渠道获悉，RoboSense（速腾聚创）与小马智行宣布展开全面战略合作。双方将基于RoboSense（速腾聚创）激光雷达产品在性能、量产能力等方面的综合优势，结合小马智行在自动驾驶技术和场景识别数据模型领域的深厚积累，在自动驾驶和智慧交通领域展开横跨全业务链的深入合作。

双方将通过创造性的技术迁移和大规模商业化的项目落地，推动行业的革新发展，为人们提供更安全、更便捷、更智能的出行体验和生活方式。

RoboSense（速腾聚创）联合创始人兼执行总裁邱纯潮表示，汽车产业智能化升级这一波澜壮阔的历史进程，为智慧交通的高速发展和融合变革提供了前所未有的强劲动力。RoboSense（速腾聚创）和小马智行紧扣时代脉搏，达成了产业链优势互补、开放共赢的全面深度合作。这不仅极大地提升RoboSense（速腾聚创）激光雷达在更广泛交通场景应用的优势，也将助力小马智行加速构建跨场景、跨平台、跨领域的自动驾驶技术，赋能智慧交通和自动驾驶行业的技术进化和产业变革。

小马智行联合创始人、首席技术官楼天成表示，激光雷达是自动驾驶技术方案中非常重要的核心硬件，而硬件迭代与技术迭代相辅相成，互为促进。通过同速腾聚创战略合作，我们将进一步打通自动驾驶产业链资源，打造最优的自动驾驶系统解决方案和智慧交通产品，共同推进行业的发展。

全球首款车规量产交付的智能固态激光雷达

在自动驾驶出行服务领域，RoboSense（速腾聚创）将围绕L4级自动驾驶出行服务的车规量产，与小马智行开展深度合作。

作为全球唯一实现智能固态激光雷达前装车规量产的科技企业，RoboSense（速腾聚创）在激光雷达领域具备领先的车规经验和量产实力，旗下第二代智能固态激光雷达RS-LiDAR-M1（简称“M1”）针对自动驾驶车规量产设计，集成度高，结构极致精简，在全球范围内率先通过一系列车规测试，拥有极高的成熟度和可靠性。

今年初，小马智行首度公开第六代面向L4车规级量产设计的自动驾驶软硬件系统外型设计、传感器及计算平台方案。双方将基于第二代智能固态激光雷达M1平台，共同研发针对定制化场景需求的激光雷达产品，加速小马智行新一代L4级自动驾驶的车规量产进程。

小马智行自动驾驶乘用车车队

RoboSense（速腾聚创）致力于赋予机器超越人类眼睛的感知能力，守护智慧交通安全。双方将基于此次战略合作协议，结合RoboSense（速腾聚创）领先的多传感器融合技术和智慧城市解决方案的研发应用经验，以及小马智行自研云平台和规模化、全天候、常态化的自动驾驶车辆所感知的路况信息，赋能智慧城市在感知领域的需求落地和方案升级，不断提升城市交通管理智能化水平，持续推动智慧城市实现治理模式、服务模式、产业发展的突破。

目前，RoboSense（速腾聚创）结合AI感知软件RS-LiDAR-Perception和性能优越的激光雷达硬件优势，已与行业伙伴就激光雷达车路协同解决方案在北京、重庆、上海、西安等城市展开深度实践与商业应用。

此次双方的合作，将进一步丰富城市智慧交通领域的环境感知产品形态和多元场景应用能力，促进自动驾驶企业在城市智慧交通领域的价值释放，构建城市智慧交通领域产业链高效融合和积极发展的生态环境，助力城市智慧交通新基建的快速发展。

小马智卡自动驾驶卡车车队

自2019年起，RoboSense（速腾聚创）与小马智行基于激光雷达硬件产品开展了卓有成效的紧密合作。双方将在无人货运领域深化合作，推动无人货运卡车商业化、规模化落地，构建智慧物流产业新格局。

2021年3月，小马智行推出旗下自动驾驶货运品牌小马智卡，通过建设自动驾驶卡车车队发力智慧物流生态建设。RoboSense（速腾聚创）激光雷达可提供高度精确的感知信息，为无人货运卡车提供了高度的感知冗余和安全保障。得益于此次战略合作，小马智行自动驾驶卡车的系统鲁棒性将进一步提升，加速自动驾驶卡车在智慧物流市场的大规模应用。

小马智行于2016年底在美国硅谷成立，致力于提供安全、先进、可靠的自动驾驶技术，实现交通方式的彻底变革。小马智行以“虚拟司机”技术为基础，以应用为导向，在中美两国同时布局，落地自动驾驶技术。目前，小马智行已获得中美多地自动驾驶测试、运营资质与牌照。

自动驾驶产业正在开启大规模落地和商业化运营，小马智行快速整合产业上下游资源整体联动，在多个关键领域与行业领先企业开展深入合作，过去一年中，小马智行已陆续与四维图新、英伟达、如祺出行、中国外运、一汽集团、三一重卡、上汽集团、曹操出行等产业链合作伙伴展开深度合作。RoboSense（速腾聚创）与小马智行的战略合作将拓宽行业合作生态圈，推动自动驾驶技术量产方案成型及商业化应用。 

RoboSense（速腾聚创）致力于激光雷达的大规模商业化普及，围绕领先的智能固态激光雷达产品，不断丰富产业链合作生态。

目前，RoboSense（速腾聚创）在自动驾驶出行服务领域已与小马智行、文远知行、元戎启行、酷哇机器人等自动驾驶企业达成深度战略合作，并在无人物流货运服务场景携手图森未来、嬴彻科技、挚途科技攻坚智能驾驶重卡量产定点项目，旗下智能固态激光雷达赢得比亚迪、一汽红旗、广汽埃安、长城汽车、小鹏汽车、威马汽车、极氪智能科技、路特斯科技、挚途科技、嬴彻科技等50余款车型的定点合作。

易车App提供销量、热度、点评、降价、新能源、实测、安全、零整比、保有量等榜单数据。如需更多数据，请到易车App查看。

撰文 / 张  鸥 

编辑 / 钱亚光 

设计 / 师  超 

来源 / Auto Futures，作者：Lynn Walford

在雷达研究领域，初创公司NPS（Neural Propulsion Systems：神经推进系统）利用数学上的突破，使雷达看得更快、更远、更清楚。

NPSai公司的创始人兼首席执行官贝赫鲁兹·雷兹瓦尼（Behrooz Rezvani）博士解释了NPS的AtomicSense算法，该算法基于加州理工学院和麻省理工学院科学家创建的Atomic Norm。

雷兹瓦尼此前创办过电信业公司Ikanos（被高通公司收购）和Quantenna（被安森美半导体公司收购）。在他职业生涯的早期，他曾在通用电气公司从事核磁共振成像系统工作，还在西门子办公室从事高分辨率超声波工作。

关于核磁共振和超声波，他说：“这两个系统在检测信号是都存在根本性问题。在某种层面上，雷达也是一种发送信号并接收信号的系统。”

他在五年前创办了NPS，主要用于搜救无人机，以便当发生火灾等紧急情况时，在肉眼无法看清的树林深处艰难地带找到人和动物。

“我意识到，这种想法背后的算法相当复杂。因此，我最终与加州理工学院的巴巴克·哈希比（Babak Hassibi）教授取得了联系，选择了应用于数学领域的最新突破——原子范数（Atomic Norm）。” 雷兹瓦尼说。

哈希比证实，将原子范数应用于雷达是可能的。

AtomicSense的优势

雷兹瓦尼说，当雷达信号返回时，它通常被混在一起，有很多噪音，因此，需要进行处理。

“你必须做大量的提取信号的工作。这与我们在核磁共振或超声中所做的没有什么不同。在我们去除所有不必要的噪音之前，这些返回的信号无法理解，这就是雷达。”雷兹瓦尼表示。

他说，使用传统的雷达，它会发送一连串的信号，等待信号回来，然后研究细节，弄清楚什么样的目标和什么样的物体产生了这些特征，进行破译，得出10个或5个不同的结果对象。

“从根本上说，我们所做的是不同的，是基于空间和新的数学。它的出发性问题是：‘有多少个特征可以解释这个图像？’然后寻找所有可能的特征，促成最终的图像。从本质上讲，我们从另一个方面解决这个问题。” 雷兹瓦尼解释道。

也就是说，AtomicSense不是看单个物体，而是通过整个画面来进行识别。在同一时间内寻找电磁特征，寻找正在返回的信号。

“你希望能够识别出300米外的街道中央带着狗散步的行人，因为当你以60-80公里/时的速度在街上行驶时，你不希望发生事故。而其他传感器发现的的时候，通常已经太晚了。”他指出。

他把以前的雷达系统称为雷达20，把NPS的AtomicSense称为雷达30。他们专注在原子神经处理（Atomic neural processing），雷兹瓦尼认为，从根本上说，这比目前最先进的技术还要高出几个量级。

NPS创建了一个四级自主传感器融合平台，利用其AtomicSense平台测试多波段宽孔雷达以及相机和激光雷达（LiDAR）。

AtomicSense与激光雷达

雷兹瓦尼表示，AtomicSense雷达检测比传统雷达好十倍，而且做得和激光雷达一样好。

“我们的重点主要在雷达上，因为我们认为摄像机会越来越好。因此，随着时间的推移，可能不需要在方程式中同时使用相机和激光雷达。但这有可能在不久的将来发生变化。”他补充说，“你不能用任何其他传感器取代雷达，因为雷达独有的工作方式——它解决了许多激光雷达和相机都无法解决的问题。”

AtomicSense平台是一个基于原子范数的专利软件平台。它可以在低端GPU、中央处理器或通过边缘计算运行。与之相比，激光雷达就昂贵很多了，因为它是基于机械光学件，必须非常精确。激光雷达对灰尘很敏感，维护费用也很高。

NPS AtomicSense雷达处理的另一个优势是，它比传统平台有更少的误报，并提供更多的数据点，它在更多情况下更安全，可靠性更高。

根据雷兹瓦尼的介绍，它可以检测到在600米处穿越十字路口的汽车，探测距离可以达到传统雷达的25倍。

目前，NPS仍在不断地测试其传感器平台。

“我们用这个平台把所有的传感器集中在一起，继续进行研究。我们有一个多平台系统，可以仔细观察所有的场景，并决定哪一个需要改进。” 雷兹瓦尼说，“我们对整个自主性生态系统的最大增值是在雷达方面，它是目前的薄弱环节。我们正在用我们的软件带来突破性的进展。”

他介绍说，NPS可以用于汽车的信号处理软件，也可以进行国防应用，如雷神公司（美国的大型国防合约商）。使用AtomicSense，客户可以使用更少的雷达来达到同样的性能，或者有可能取代激光雷达以节省成本。

“我们的最终目标是拯救生命。” 雷兹瓦尼透露，“我们已经和几个客户谈过包括人工智能领域，汽车制造商以及Tier 1供应商。此外，还有一些国防公司。”

本文由汽车商业评论原创出品转载或内容合作请联系说明违规转载必究

本文来自易车号作者汽车商业评论，版权归作者所有,任何形式转载请联系作者。内容仅代表作者观点，与易车无关

当前，激光雷达已经被行业认为是应用于高阶智能驾驶以及自动驾驶逻辑上的“飞跃”。上周，小鹏 汽车 旗下全球首款量产激光雷达智能 汽车 ——小鹏P5下线，即将在本月底开启首批车主交付。

相比于几年前奥迪搭载法雷奥激光雷达不同， 小鹏P5有可能是首个将激光雷达真正应用于可以上路的智能驾驶系统的车型。

为什么是有可能？

因为按照小鹏 汽车 官方说明，相应增强版功能预计在2022年第二季度通过OTA实现，也就是城市NGP功能（自动导航辅助驾驶）。

此外，城市NGP功能需要逐一城市进行大量里程的标定、测试和验证 ，以提高可靠性，我们会从一线城市（北京除外）开始进行标定测试，逐步推广到其它城市，这个过程可能会持续较长时间；

并且城市NGP功能依赖于各城市的高级驾驶辅助地图的行政审批通过 （某些行政管辖区可能会需要更长的时间），该功能推送时不能覆盖所有城市，将依据各城市审批情况逐步开放。

而按照其他车企的计划，接下来长城摩卡搭载激光雷达的版本将于年底前上市。明年，蔚来ET7、沃尔沃XC90、智己L7等车型也将陆续上市。

显然，对于激光雷达上车并且真正应用于量产系统，还是一个未知数。不过，这并不会影响激光雷达“硬件”上车，因为软件可以OTA更新。

一、

一直以来，激光雷达作为自动驾驶的主要传感器选项之一，成本一直是大规模上车的最大障碍之一。 尽管L4级自动驾驶几乎都有搭载不同类型的激光雷达，但即便是Waymo，车队数量也仅仅不过千辆级别。

而对面向私人用户的乘用车市场，成本敏感度更高。1000元以下，被认为是大规模量产导入的基准线。

目前，大部分激光雷达供应商仍在处于从1000美元到500美元的降本“斗争中”。 对于300美元甚至100美元的目标，部分供应商选择了“降性能”的策略。

现实是什么？

当你看到由激光雷达生成的大量点云的图像时，可以看到很多细节。比如，行人、车、停车标志甚至是车辆上的图像，但这不是点云的“真实”效果，因为通过点云处理会丢弃大部分数据，这一点类似于传统的毫米波雷达。

同时，真实的点云对象也是“模糊的”，即使是像建筑或标识这样的平面，也会有一个个小的凹凸（并非一个真正的平面），这意味着返回的点会在表面纹理的细微变化上反弹，或者因为用于去除车辆自我运动的算法会产生小错误。

即使是静止的物体，其位置也会发生轻微的变化。因为激光雷达返回的，只是物体表面的一系列点，同时必须对返回值进行卡尔曼滤波等算法来过滤掉抖动。

但对于算法处理来说，这是把双刃剑。

因为如果过滤太多，感知系统可能会“错过”实际运动的对象；但是如果过滤不够，系统可能会计算出一个物体刚刚在毫秒内移动了一个可感知的距离，这对接下来的路径规划可能会产生错判。

当有企业声称他们的激光雷达“看到”200米或250米时，他们真正的意思是，传感器足够敏感，可以探测到从某个距离物体上的某个部分返回的脉冲，但这对系统来说几乎没有任何意义。

这意味着，点云密度至关重要。

因为激光雷达的工作原理意味着点返回的密度与传感器距离的函数线性下降，无论是水平还是垂直视场。点云密度低，就会严重影响对象分割和分类，确定对象类型变得困难，甚至是几乎不可能。

比如，大疆Livox的非重复扫描模式，独特的花状扫描模式，随着融合时间的增加，点云的场覆盖将持续增加，直至场覆盖接近100%。而传统机械式扫描下，当线不够密集时，就有丢失物体的可能。

此前，Livox的Horizon系列的探测范围达260米，水平视野达817度，可覆盖4条车道10米的范围。不过，在中高速场景下，这种方式存在障碍物精准识别的延迟问题。

而在给小鹏 汽车 提供的Livox HAP车规级定制版本上，Livox增加了对ROI区域的两次扫描，从而增强对行人和骑行人的安全感知。

对于远距离探测（300米以上），Livox还推出了一种名为Avia的全新解决方案，它可以在不同的扫描模式、范围和不同的场景之间切换。其中，重复扫描模式用来应对高精度和特定区域密集点云的应用需求。

这种改进方式，目的很明确，就是提升部分区域的点云密度。

从技术维度来说，激光雷达的测距、每秒点数（PPS）以及给定视场内的角度分辨率（以及对应的视场角）是三个主要规格，其中，第三个参数用于确定目标检测和分类的能力差异。

在相同的图像刷新率下，较高的PPS倍数意味着在同一距离（R）上给定目标上的点数量显著增加，这直接提升了目标检测和分类的更高精度。

在 Innovusion自动驾驶销售市场副总裁梁鸿燚看来，为什么强调激光雷达要看的远，并不是说要看到250米距离的车辆，而是要看到100-150米距离的小物体，对系统来说才能够有一个安全的预警时间和距离。

这就需要点云密度，尤其是低反射率物体。

比如，100个光子打出去，只有10个光子返回。只有在250米可以看到反射率10%的车辆的情况下，才有可能看到150米的路边低反的轮胎，20 20cm的纸箱，才有可能看到更近距离的100米左右的黑色（更低反射率）小物体。

这背后，还得益于Innovusion激光雷达的远距离探测以及高清分辨率，在120米外的行人可以获得20多个点或者400米左右的车辆上可以获得20多个点，这对于后续的感知识别算法，至关重要。

此外，Innovusion激光雷达还具有动态聚焦功能，通过局部像素加密，对感兴趣区域关键目标和细小物体进行“凝视”，能获取更加精确的三维信息。

二、

目前，激光雷达的降本策略之一，就是组合不同性能规格的激光雷达。 但，问题是，系统可能需要更多的激光雷达来提供全视场覆盖，或者通过其他传感器来补充。这意味着，更多的数据处理、传感器融合、高数据传输以及高算力要求等。

以Ibeo的方案为例，ibeoNEXT的性能参数是在112度水平视场角实现260米目标物探测，32度视场角仍在开发中。这意味着，需要两颗补盲激光雷达，才能形成对前向道路的广覆盖环境感知。

比如，大陆集团在已经自研量产短距FLASH激光雷达基础上，去年通过参股激光雷达公司AEye，计划从2024年起投产远距离激光雷达。

而一径 科技 则是推出了长距+中短距+盲区的全套MEMS激光雷达解决方案，包括面向短距应用的大视场角MEMS激光雷达，以及基于1550nm光纤激光器的前向长距MEMS激光雷达。

不可否认，激光雷达大规模应用还需要显著降低成本、提高产品寿命，并且需要突破更高的探测距离（超过250m，甚至是300-400m）、超高扫描线束等技术瓶颈。

1550nm是主流选择之一，不管是一径 科技 、AEye还是luminar，都采用了该方案设计长距离探测激光雷达。 使用1550nm的激光器不仅可以在人眼安全范围内提升几个数量级的出光功率，而且可以更加有效的避开阳光噪声区域，从而降低背景光噪声。

从一径 科技 推出的1550nm+MEMS方案激光雷达ML-Xs也可以看出，各项参数都达到了全新的高度。比如视场角达到120 25 ，角分辨率达到015 ，线束达到200线，背景光噪声（在自然光照条件下）降低了70%。

此外，1550nm的发射器要比905nm的更安全，可加大激光器的功率、提高信噪比、减小脉冲宽度，并且对人眼安全性更高，更重要的是提升了激光雷达的有效距离。

不过，1550nm方案目前最大的障碍，还是成本。对于核心供应链体系的垂直整合也是未来降低成本、保障上游供应的关键一环。

Luminar是收购了InGaAs芯片公司OptoGration Inc、芯片设计公司Black Forest Engineering，主要布局1550nm InGaAs光电探测器芯片以及专用数据处理芯片，理想状态下，规模化量产成本可以降至数美元范围。

一径 科技 同样选择底层芯片和元器件等自主研发和创新设计，目前其自研的的LiDAR专有芯片和核心算法已经成型，从而进一步降低1550nm激光雷达的成本。

在业内人士看来，“激光雷达的核心电子元器件正在向专用集成电路集成，后者具有密度更高、成本更低和可靠性更高等优点。这种趋势大致遵循集成电路的摩尔定律，意味着激光雷达体积、重量和成本大幅减少成为可能。”

而AEye公司推出的1550nm方案，则更强调了可以放置在挡风玻璃后，类似传统的前向摄像头。这对未来的车型设计来说至关重要，不会影响外型美观以及减少外置可能带来的对风阻系数的约束。

不过，从成本和供应链成熟度来说，905nm目前仍然具备特定优势，尽管这种波长带来了对眼睛安全的担忧（比如加大功率），同时限制了探测范围。

此外，从研发到制造（产品良率，间接影响成本）、供应能力和售后支持，激光雷达供应商还需要向市场证明，持续高效大批量生产已经准备就绪。

在这之前，这个市场还有不少变量因素。

三、

而在众多变量因素中，还有一项非常关键，那就是标准。

众所周知，在 汽车 前装市场，除了车规级、功能安全等一系列行业达成的默认认证之外，不同地区及市场还有相关的性能要求及测试标准，对于全新的 汽车 电子件，激光雷达也不例外。

按照高工智能 汽车 研究院数据预测，随着2022-2023年国内新车搭载L2级比例继续保持快速增长，高阶智能驾驶搭载激光雷达进入第一轮增长周期，预计到2023年国内乘用车前装激光雷达规模将超过150万颗。

这意味着，接下来技术路线如何发展，市场做出什么样的选择，有一点已经非常明确： 激光雷达的前装规模化量产已经开始。而整个行业也迫切需要规范化、标准化，从而为大规模前装量产提供参考基准。

10月12日，全国 汽车 标准化技术委员会电子与电磁兼容分技术委员会组织召开了《车载激光雷达性能要求及试验方法》标准起草组成立会 ，初步确立了车载激光雷达的标准体系构成和标准研制工作的计划与分工。

其中，在国家标准方面，禾赛作为牵头单位，百度作为联合牵头单位，共同负责国标GB/T《车载激光雷达性能要求及试验方法》的制定。 此外，禾赛还参与牵头制定多项激光雷达行业标准。

就在今年9月，禾赛的Pandar128激光雷达拿到了SGS颁发的全球首张激光雷达ISO 26262 ASIL B功能安全产品认证证书。而ISO 26262作为全球公认的 汽车 功能安全标准，是目前智能驾驶领域核心零部件前装的主要准入门槛之一。

而对于主机厂、一级零部件供应商来说，国标GB/T《车载激光雷达性能要求及试验方法》的起草，意味着，未来可以在一致的标准下对比市场上的各种产品，降低OEM的选型门槛和额外隐性成本。

从此次汽标委的标准起草会议纪要函中，对于标准完善也已经形成了初步的「意见」，在基本框架上增加了自检、故障报警、启动时间、唤醒功能等更加实用的功能，结合实际场景进一步区分了高速物体运动状态和高动态场景的点云性能要求等。

对于激光雷达的测试条件也做了进一步规范建议，例如试验室的光源，测试板的反射率；对于具体的测试布置进行了详尽的说明；对于人眼安全给出了莱茵提供的IEC标准参考；对车规环境测试也给出了全面的要求。

同时，在全球市场，IEEE也在去年启动了激光雷达性能测试方法的标准制定工作，聚焦于性能测试方法，包括距离精度/精度/分辨率、最大/最小距离、探测概率、角精度/分辨率、反射率等。

目前，激光雷达功能范围要求的模糊性，已经明确了相关标准测试方法的紧迫性，这意味着无论是激光雷达供应商还是 汽车 制造商都没有办法横向“比较”产品，行业缺乏透明度。

今年3月，Luminar与沃尔沃 汽车 旗下软件子公司Zenseact达成的协议，将激光雷达硬件和感知软件进行融合，提供一整套完整的自动驾驶解决方案。

因为，对主机厂来说，在为车型筛选出符合要求的激光雷达硬件后，还需要解决如何为硬件开发算法，怎么对系统的感知能力测试验证等问题，以确保达到量产要求。在激光雷达量产项目中，软件和硬件同等重要。

比如，激光雷达的感知算法 ，包括目标检测、目标跟踪、目标分类、速度判断、可行驶区域的判断甚至路径规划等等，在此基础上才能实现具体功能的开发。 一个典型的案例，就是激光雷达输出的原始点云数据也存在Corner Case。

这意味着，激光雷达感知算法与自动驾驶系统算法一样，同样需要大量场景数据的喂养，通过丰富的各类场景验证测试来实现算法的迭代，以保证激光雷达系统安全可靠、检测率和准确度。

此前，基于几年的激光雷达软件“开发+测试验证”闭环落地量产经验，亮道智能推出了面向整车量产的激光雷达系统解决方案 ，支持客户完成量产前激光雷达性能定义、产品硬件选型，感知算法开发与测试验证，以及系统集成到整车的量产目标。

“基于场景进行开发和测试验证成为行业趋势。 汽车 行业急需引入智能传感器软件算法开发，高质量数据采集和高效处理等技术，来应对智能化变革。”亮道智能CEO剧学铭表示。