Mobileye最后的反击：FMCW对战TOF，争夺激光雷达王者宝座
Mobileye最后的反击：FMCW对战TOF，争夺激光雷达王者宝座
说到激光雷达就一定会提到自动驾驶，而在如何实现自动驾驶的方法论上，不管马斯克如何安利纯视觉方案，也不管他如何贬低激光雷达，特斯拉的中国学生们却没有学美国老师的玩法，纷纷给电动车装上了激光雷达，走雷达+摄像头的混合感知路线。
在刚刚过去的广州车展上亮相了13款装有激光雷达的车型，长城旗下新能源电动车品牌沙龙机甲龙更是一口气装上了4颗，并且放出狠话“4颗以下，请别说话”。如此霸气的炫富，即使在概念频出的新能源电动车圈里也不多见。
那到底激光雷达给自动驾驶带来了什么好处，以至于这么多车企都要装？又为什么说Mobileye可能会是激光雷达行业的终极赢家呢？继续往下分解
祖师爷Velodyne：以机械式激光雷达开场
都知道Mobileye以单摄像头视觉方案崛起于ADAS，但摄像头在某些场景下存在很难克服的困难，比如夜晚光线太暗导致成像效果不理想、恶劣天气导致能见度太低等。最为致命的是在高速路上，高速行驶的车辆需要提前感知前方足够远距离内的道路状况，好提前做好预警准备。而摄像头能清晰识别的距离有限，一般不会超过70米，这个识别距离在高速路上明显不够。
于是，激光雷达登场了。激光的准直性不错，光线聚焦不容易发散，能将识别距离提高到150—200米。1个激光发生器称为1线，16线就需要16个激光发生器，在竖直方向上1条线对齐排列，然后360°转动。这种方案称之为机械式激光雷达，也是激光雷达鼻祖Velodyne选择的方案。
图：三种线数的机械式激光雷达示意图
优点是能探测车辆周围360°的图像，视场角FOV达到360°的最大值，没有视场盲区。但缺点也非常明显，要得到分辨率更高的图像，就要增加激光雷达的线数，也就是要增加激光发生器的个数，导致产品体积成倍增加，没法集成到车身里，只能装在车顶，被车厂亲切地称为“车顶肯德基桶”。
图：装在车顶的机械式激光雷达
更麻烦的是，要保证扫描光线彼此平行不交叉，需要调教激光发生器的相对位置。线数越多，需要调教的激光发生器数量就越多，调教难度又是成倍增长。另外，机械式激光雷达必须用电机作为转动部件。电机一刻不停的转动，就不断有机械磨损，导致工作寿命在几千小时，一般不会超过5千小时，离车规要求的上万小时距离较远。
体积大零部件多、制作难度大、使用时间短，种种原因导致机械式激光雷达的价格极高。2016年，Velodyne的16线产品售价约8000美元，而一枚64线产品售价高达8万美元，普通乘用车根本用不起。如今机械式激光雷达大都用在无人车的测试车上。
固态：用光学镜头偏转取代机械转动
既然激光雷达必不可少，机械式的缺点又这么多，那就用技术来升级它。聪明的工程师们想到一个绝妙的办法，用光学镜头折射激光，达到多个激光发生器同等的效果。比如激光在1s内扫描1个点，如果镜头0.5s偏转一次，让激光在1s 内扫描2个点，那么就相当于有两个激光发生器，可称之为等效线数。
采用这种方案就不需要激光发生器360°转动了，也减少了激光发生器数量，大大降低成品体积，可以被集成到车身上，能被乘用车采用了。根据光学镜头和偏转方式，又可以分为这么几类：
1、旋镜方案
如下图所示，激光发生器发出的激光经过一块平面镜反射到一个棱柱状旋镜。平面镜上下翻转，可以实现激光在垂直方向上的扫描；旋镜转动实现激光在水平方向上的扫描。1个激光发生器+两个镜头就可以覆盖车辆前面一定范围的图像（实际产品中不止一个激光发生器）。采用这种方案的公司有禾赛科技和华为。以禾赛科技在2021年下半年发布的最新车规级激光雷达AT128为例，其视场角为水平120°×垂直15.4°，最高探测距离200m，尺寸137×112×147mm。
图：半固态旋镜方案激光雷达示意图
2、MEMS微振镜方案
这种方案的光学扫描部件采用MEMS工艺制作的微振镜，尺寸在微米量级。如下图所示，圆形镜片在悬臂梁的支撑下可以在上下和左右两个方向上振动，同样实现激光在水平和垂直两个方向上的扫描。
? 图：MEMES微振镜3D立体示意图 ? ? ? ? ? ? ? ?图：MEMES微振镜2D平面示意图
知名创企速腾聚创就是采取这种方案，也是目前商用的主流方案，优点是MEMS工艺成熟，成本可控，受到车厂青睐。去年广州车展上亮相的13款前装激光雷达新车型中，有接近一般都选择了这种方案。
3、棱镜方案：
光学扫描部件采用不规则的棱镜，如凸面镜、楔形镜等。好处是通过不规则棱镜的折射，可以把激光偏转到更大的范围，增大激光雷达的视场角。难点在于对光路的设计，以及对微型电机的控制。大疆的子公司览沃科技Livox就是采用这种方案，借助于大疆在无人机上积累的电机控制经验，Livox在已经发布的车规级激光雷达产品HAP上将电机尺寸轴承直径做到了5mm，转速高达7000转/min。转速越大，等效线数越大，每个目标点上有更多光线扫过，分辨率就越高。
图：棱镜方案光学部件示意图
以上三种方案都是在光学扫描部件上做文章，但更高阶玩法是在激光收发部件上动心思。传统激光发生器一般采用分立器件组装形式，体积大，成本高。采用如下图所示可以集成到芯片上的垂直腔面发射激光器（VCSEL），一颗芯片就可以集成数十、上百个激光器，再加上接收部件、逻辑运算单元，一颗激光雷达专用SoC诞生了。只要芯片化，就可以用摩尔定律降低其体积和成本，加速激光雷达上车应用的步伐。
?
? ? ? ? ?左图：垂直腔面发射激光器示意图 ? ? ? ?右图：集成多个垂直腔面发射激光器的芯片
?
Mobileye的逆袭：FMCW对战TOF
终于轮到Mobileye出场了。2021年1月11日，Mobileye发布了一款激光雷达SoC芯片，2025年量产。探测原理采用了跟以上所有方案都不相同的调频连续波FMCW（ Frequency Modulated Continuous Wave）的方案。
以上所有激光雷达探测原理都是基于飞行时间TOF：入射光打在物体表面被反射回来，接收器检测到反射光，计算光线从出射到回收的时间，就可以算出光线走过的路程，除以2就是物体与雷达的距离。目前装车商用的激光雷达产品，以及有点知名度的创企几乎全是采用这种技术路线。
Mobileye之所以会选择FMCW，是因为TOF的路上有几个不太好跳出来的坑。比如很难规避外界光线干扰的影响，这个干扰来自可能来自强阳光、也可能来自车辆自身安装的其他激光雷达，或者是别的车上搭载的激光雷达。
如今装有激光雷达的车辆数量很少，这个问题还不严重，当装有激光雷达的车辆越来越多，车辆之间激光信号的串扰问题会越来越严重。要解决这个问题常见的做法是对每一束激光脉冲进行单独编码,使其不受其他激光雷达的干扰。不过，编码会导致信噪比下降，进而牺牲测距能力。
TOF方案最大的问题是没法获取目标物体的速度信息，尤其是较远处物体的速度信息，因为物体距离越远，反射回来的激光信号越弱。但在某些场景下，比如一辆速度很快的车辆对向驶来的时候，TOF方案没法预测到这个潜在危险，到走近之后才发现留给车辆的规避时间就很短了。
再比如，下雨天车辆前轮胎会溅起水雾，水雾在TOF激光雷达射上形成的点云看起来跟车辆或其他障碍物没什么区别。这种信息会给自动驾驶决策系统造成很大的困扰。如果经常因水雾而误刹车，不仅乘坐体验很差，而且还埋下了可能被追尾的安全隐患。
图：激光雷达扫描得到的点云图
以上困难用FMCW就很好解决。FMCW通过发送和接收连续激光束，把返回光和本地光做干涉，并利用混频探测技术测量返回光和本地光的频率差异，再通过频率差换算出目标物的距离。如果目标物靠近车辆，光频率会升高；如果目标物远离车辆，则光频率会降低，通过频率差异就能算出目标物相对于车辆的速度。
在上面那个水雾的场景下，水雾在FMCW探测图像上有明显的上升和下降的轨迹，可通过这些速度信息帮助决策系统判断出它们是“水雾”，在决策算法中将其过滤掉。另外，FMCW只对自身发射的激光产生干涉，不受其他杂光的干扰，包括太阳光等环境光，以及来自其他激光雷达的光。TOF易受外光串扰的问题也迎刃而解。
这么好的方案为什么国内几大知名的激光雷达创企没有跟进呢？原因在于，要制造FMCW芯片需要复杂的硅光子芯片制造工艺，而Mobileye的东家Intel在服务器领域有强大的光纤收发器产品线，积累了丰富的硅光子芯片制造工艺，可以帮助Mobileye解决研发和制造上的难题。
在2021年CES上，Mobileye CEO Shashua在演讲中是这么说的：“我们激光雷达的性能预计会超过市场上任何已知的解决方案，能够使激光雷达本身成为一个单一的、完整的、独立的感知系统。”
当业界还在感叹昔日ADAS的霸主Mobileye在高阶自动驾驶上逐渐掉队的时候，殊不知，人家正在酝酿着一次终极反击。
