無人駕駛汽車無疑本屆在美國拉斯維加斯舉行的CES（國際消費電子展）上最火的産品之一。而水漲船高，雷射雷達業已成為本屆CES上展示的關鍵技術，被用在了多家供應商和其汽車制造上合作夥伴展示的無人駕駛汽車上。
讓雷射雷達呈數量級降價的三駕馬車：MEMS、OPA與Flash
Chris Urmson在一場主題為“Howa driverless car sees the road”的演講中說：想要飛翔，就必須掌握飛翔的風力原理，而不能通過不斷提升彈跳能力的力學原理達到飛翔的目标。
同樣，在技術路線上，多線雷射雷達的技術原理決定了其量産與價格的局限性。普遍認為，通過革命性的技術，讓雷射雷達呈數量級降價，同時提高産能與穩定性，是最有效的手段。
這樣的技術包括MEMS、OPA與Flash三種方案：
MEMS：利用 MEMS 微振鏡（MEMS 指的是微機電系統），把所有的機械部件內建到單個晶片，晶片利用半導體工藝生産。
OPA：采用多個光源組成陣列，通過控制各光源發光時間差，合成具有特定方向的主光束，主光束便可以實作對不同方向的掃描。
Flash：短時間直接發射出一大片覆寫探測區域的雷射，再以高度靈敏的接收器，來完成對環境周圍圖像的繪制。
這三種革命性的方案都有基于其技術原理帶來的不同優缺點：同樣是晶片方案，千元級别的MEMS方案和OPA相比成本難以快速降到百元甚至十元級别，但是MEMS更容易做到遠距離，而OPA與Flash想達到200米距離還有大量的路要走。
是以業内對雷射雷達的判斷，普遍是認為：多線雷射雷達是最能“馬上用”的産品、OPA與Flash是3-5年後的“期待與驚喜”、而MEMS則是最有希望快速成熟的方案。MEMS雷射雷達的晶片化特征，使得它具有車規級、千元級、易量産的基因，是以這個方案将最先被OEM接受，成為第一代 L3以上自動駕駛量産車的感覺配件。
雷射雷達的進化：體積更小、成本更低、量産再望、感覺更智能
本屆CES展示其最新雷射雷達産品的企業包括，AEye，Innoviz，LeddarTech，Luminar，法雷奧，Quanergy，TetraVue和Velodyne，通過豐田、雪佛蘭汽車以及來自Navya和Fisker的自動駕駛汽車，其最新的雷射雷達性能得以展示。
作為雷射雷達的龍頭，Velodyne這次主要推出的新産品是VLS-128和Velarray, VLS-128 探測距離可以達到300米，分辨率是HDL-64的10倍，在CES現場的實時示範可以清晰分辨行人的五指，300米的探測距離和高分辨率讓VLS-128成為高速自動駕駛不可替代的唯一産品。Velarray是Velodyne推出的第一款固态雷射雷達，也是尺寸最小的一款，具備32線，水準開角為120度，垂直開角60度，現場展示中它可以直接安置在擋風玻璃的内部，不影響汽車外觀與駕駛視野，（因為這款Demo樣品還不是最終的工業化産品，很多參數暫時無法提供）。
預計，2018年的産能會達到100萬台，目前VLS-128已經可以實作量産，Velarry也會在2018下半年實作量産。
同時，Velodyne也設計了自己的ASIC晶片，可以極大減少LiDAR内部所需部件和體積，并大量提高産能和穩定性，整體成本價格會在2020年降低到數千甚至幾百美金。
首發之一的可能是來自法國巴黎的初創公司推出的自動駕駛計程車，這輛代号為“AutonomCab”的全球首輛自動駕駛計程車在Velodyne的CES展台上做了處女秀，能夠搭載6名乘客，配備不少于10個雷射雷達裝置，以及4個雷達傳感器和6個攝像頭。
Velodyne總裁邁克·傑倫（Mike Jellen）表示，他預計2018年将成為Velodyne和新興行業的“分水嶺年”，并表示該公司正在展示“第一批自動駕駛汽車将會出現的雷射雷達”。
同時，Quanergy最新的“S3”固态雷射雷達出現在最近重新開張的電動汽車制造商Fisker的新型豪華電動車上。作為比較知名的特斯拉電動車的競争對手，FiskerEMotion在Quanergy展台上首次亮相，搭載了5個S3傳感器，還配備了四個“蝴蝶翼”門。
Quanergy公司CEO LouayEldada在CES前夕曾表示：“Quanergy将在今年拉開大幕，未來的幾個月中，全球将會看到我們的技術被廣泛應用，進而推動整個行業的發展。 ”
Eldada及其同僚還在拉斯維加斯公布了該公司新推出的“Qortex”感覺軟體平台，發展了10年，該軟體平台并被認為可相容固态雷射雷達S3和舊機械雷射雷達等。CEO聲稱，這使Quanergy成為唯一 一家商業化生産內建硬體和軟體平台的雷射雷達制造商。
包括AEye和LuminarTechnologies在的Quanergy和Velodyne的一些新興挑戰者，可能會對此提出質疑。其中，他們都開發了基于1550 nm雷射器的高分辨率雷射雷達 - 更長，允許更高效率的更多人眼安全波長，以及更遠距離的感應，雖然雷射發射器的生産成本也會更高。
AEye展示了其新型“AE100”産品，被稱為自動駕駛汽車的機器人感覺系統，該系統內建了該公司的MEMS的雷射雷達和具有AI特性的低照度高分辨率相機以及“軟體可定義的硬體”。該系統将于今年夏季面市，CES期間在拉斯維加斯舉行路演。
AEye的創始人兼首席執行官LuisDussan說，該公司的方法允許傳感器模仿人類的視覺皮層- 用他的話來說，就是将實時的資訊收集到資料中。該公司去年6月份獲得了1600萬美元的A輪融資,其投資方包括Kleiner PerkinsCaufield & Byers、Intel Capital以及Airbus Ventures等。
“是以，該系統不僅捕獲場景中的所有一切，而且實際上為關鍵對象帶來了更高的分辨率，并且超過了行業所需的速度和距離”，Dussan補充道。
通過解決第一代雷射雷達解決方案的局限性，AEye能夠安全、及時地推出自動防故障的商用自動駕駛車輛。
豐田研究所（TRI）開發的一個更為完善的自動駕駛測試汽車，命名“Platform3.0”。以雷克薩斯LS600hL為基礎，它采用了來自加州初創公司LuminarTechnologies的雷射雷達技術，TRI表示測距可達200米。
TRI表示：“Platform 3.0具有非常豐富的傳感器，使其成為道路上最具感覺力的自動駕駛測試車之一。”他補充說，其四個高分辨率雷射雷達探頭確定了360度的覆寫範圍，并能夠在長距離下識别不同的黑暗物體的形狀。
測試車輛的四側還安裝了較短距離的雷射雷達傳感器，以檢測附近的危險物，如兒童或道路上的殘骸。TRI補充說：“新的平台在将來的突破性技術相容性上保持了靈活性。”Luminar将在本月晚些時候在舊金山的SPIEPhotonics West展會上展示其1550nm雷射雷達的最新版本。
雖然仍是測試車型，但今年春季TRI将在密歇根州的研究中心，基于雷克薩斯的車型，把Platform3.0投入小批量生産。
同樣在本周的拉斯維加斯，聲稱新型傳感器邁出“巨大一步”是以色列創業公司InnovizTechnologies。據介紹，InnovizPro的測距為150米，幀速率為每秒20幀，但尚未被定義為“汽車級”，相比競争對手，成本明顯降低，體積更加小巧，這一優勢領先于該公司更先進的InnovizOne。
Innoviz首席執行官兼聯合創始人OmerKeilaf聲稱：“我們正在以更低的成本滿足高分辨率掃描技術的主要需求，而且沒有最低限度的訂單要求。在我們繼續開發汽車級雷射雷達InnovizOne的同時，我們的合作夥伴現在可以訂購InnovizPro，以獲得目前最先進的雷射雷達。“
自2016年以來，該公司共融資8200萬美元，已經與Magna International和Aptiv（德爾福前身）等公司達成了合作，并表示與“top-tier”汽車制造商達成新的設計合同。
另一家試圖在拉斯維加斯引起沖擊的公司是加拿大的LeddarTech，它選擇了CES展會來展示其“Leddar生态系統”，并與仿真軟體提供商Optis建立了新的合作。
CES也看到了多樣化的光學元件制造商II-VI的出現，它引入了一個專為雷射雷達應用而設計的特殊的寬入射鏡，據說它與905,940和1550nm雷射器相容，包括垂直腔面發射雷射器VCSEL）。
中國時代就要到來
速騰聚創在本屆CES上推出了MEMS雷射雷達和攝像頭的底層融合技術和基于高精地圖的雷射雷達整體感覺系統。
雷射雷達和攝像頭的底層融合技術，創新性在于，把MEMS固态雷射雷達RS-LiDAR-M1 Pre與攝像頭進行硬體上的底層融合，進而讓自動駕駛車輛能全方位感覺真實世界的三維空間色彩資訊。據了解是全球首例MEMS雷射雷達和攝像頭的深度融合技術。
速騰聚創（robosense）所展示的“基于高精地圖的雷射雷達整體感覺系統”是由速騰聚創與高德地圖合作研發。速騰聚創（robosense）表示，希望通過強強聯合，讓自動駕駛研發團隊在融合方案的基礎上，減少開發難度。
除了速騰聚創，北科天繪、北醒光子和光珀智能都在本屆CES上推出了新品。
據國内某媒體報道的參展CES 2018的16家無人駕駛用雷射雷達廠商名單可以看出，有四家來自中國，還有1家由前百度員工在美國矽谷創立。幾乎占據了1/3。而據國内某雷射雷達公司透露，去年的CES僅他們一家在展示，今年有很多家。雖然禾賽科技沒去參展，但百度釋出在CES上釋出的無人駕駛平台Apollo 2.0有其身影——去年底，百度Apollo平台攜手禾賽科技釋出了雷射雷達、環視攝像頭模組、多傳感器融合和感覺識别算法為一體的自動駕駛開發者套件。中國的無人駕駛用雷射雷達在産品性能和穩定性方面已逐漸與國外廠家形成抗衡之勢，甚至某些參數方面還有些超越。
“中國的時代就要到來！”一位業内人士向新智元感慨到。
原文釋出時間為：2018-01-12
本文作者：劉光明
本文來自雲栖社群合作夥伴新智元，了解相關資訊可以關注“AI_era”微信公衆号