作者：牧民
6 月 22 日，蔚来汽车组织了一场关于「车载激光雷达的智能硬件」线上活动，由蔚来智能硬件副总裁白剑，介绍了蔚来 ET7 上所搭载的激光雷达。
关于激光雷达，在智能驾驶领域已经不再是陌生的传感器了，除了特拉「激光雷达」也被其他车企和智能驾驶公司看作为，实现高级别自动驾驶的必要传感器。
因为，其特有的 3 维感知信息，可以弥补摄像头等其他传感器在极特殊场景下的感知盲区，这就是行业里常说的：补盲。
虽然激光雷达有较高的成本，但在 2021 年下半年之后推出的大部分带有高阶辅助驾驶功能的智能汽车都带有了激光雷达，蔚来 ET7 则是其中之一。
在本次活动上，白剑为我们讲述了蔚来之所以选择激光雷达的原因，以及蔚来是怎么主导开发这款雷达的。
对话蔚来白剑
Q：云雾天气的激光雷达穿透性如何？
白剑：激光雷达由于使用红外的激光，雨雾对它有一定的影响。我们 ET7 搭载的是 1550nm 激光雷达，有专门针对雨雾天气的测试，雨天一般场景下，我们的感知能力基本上不会受到太大的影响。
Q：除了蔚来，其他车企也在陆续搭载激光雷达，并且不止一颗，如何评价车企在激光雷达数量上的比拼？
白剑：先说激光雷达，为什么用它的本源和初心来看这个事情，刚才在沟通的过程中，我也提到了蔚来为什么使用激光雷达：
第一，激光雷达可提供深度信息；第二，激光雷达的主要特征是看的远、看的清、看的稳，这个排序就是代表着我们对激光雷达的理解，同时也回答您刚刚说的问题。
当前技术条件下的纯视觉方案解决不了一些深度信息的问题，所以我们需要借助激光雷达的帮助。那在什么情况下最需要激光雷达？
当正向、高速、处理的场景非常复杂的时候需要激光雷达，或者说是特别需要激光雷达，所以我们选用了这一颗前向的激光雷达，水平方向 FOV120 度，最远探测距离 500 米，它是目前已经量产的激光雷达中看的最远的，能解决我们绝大多数的问题。
在其他的位置，有一些侧向激光雷达，它的应用场景多半是在无保护左转，Cut-in (加塞) 这些场景，这些场景下车速一般比较低。
这种情况下，Aquila 的摄像头系统，包括四颗侧向 8M 摄像头和四颗环式摄像头，这些摄像头组成的视觉系统上，可以提供比较足够的深度信息，还有视觉信息，特别是 Aquila 的传感器有两颗 Side Front 8M 摄像头，正好是放的比较高，瞭望塔式的结构，视野非常好。
这种情况下可以帮助我们处理测试补盲的场景，基于这些考虑，我们现在设计了这一套 Aquila 整个系统，它背后是有一定的逻辑。
Q：几乎所有的新势力车企都在布局自己的雷达事业，对于自研和合作，蔚来是怎么看的？针对这一次在 ET7 上，500 的超远距高精度激光雷达，500 米这个亮点，蔚来是如何做到它的稳定性？
白剑：首先我们先回答一个问题，蔚来不可能会做所有的事情，我们首先是一个主机厂，我们不可能把行业里所有的东西全部做掉。
我们相信行业里有非常大的生态系统，只有开放才是解决的方案。而且从人才和资源角度上来说，也不可能一家完全覆盖。
其次，大家都在布局，我们也在布局。对于我们来说，非常关键的零部件或者 ECU，我们更愿意跟合作伙伴共同成长、深度定制和开发。
激光雷达是非常好的例子，一路走来，我们和图达通彼此成长。在这种合作模式下，科技与美成为了可能。
总结下来，我们对激光雷达肯定会深度布局，我们会跟我们的合作伙伴合作共赢，携手深度定制。
您的问题是说看得远 500 米，我们怎么保证它的稳定可靠。今天我们提出来激光雷达非常重要的几项指标：看得远、看得清、看得稳。
激光雷达是扫描系统，把激光发射出去。按照您说的问题是 500 米，我们的光要打到 500 米处再反射回来，激光在空气中的衰减还好，即使是激光束，特别是 1550nm 的激光束，也有一定的发散角，这个发散角打到物体上，出去是一个很细的点，打到物体上已经有点比较大的光斑了，这些光斑反射回来，我的接收孔径不可能把所有的光都全部接收到，越远的时候回波能量越弱，为了保证 500 米的稳定：发出去的能量要强，接收出来的灵敏度要高，系统还要稳定可靠。
这里有一个 POD（探测概率）的概念，除了这个 POD 还用整个系统的层面上，这跟我们当时 1550nm 的选择有关系，1550nm，由于人员安全和激光器的技术路线决定了我们发出去的能量可以做到业界最强，这解决了发射的问题。
接收的时候，我们用了像 SPAD，APD 等，这些技术路线里，我们选择了接收稳定、可靠性最好的 APD，保证了灵敏度和可靠性，还有从后面系统的算法等等这些方面，都保证了 500 米的距离上光能发得出去、照得上，而且扩散得不大，能量比较聚，回来又能够检测得稳、检测得准，大概是这个逻辑。
Q：「定睛凝视」 这个功能是强制使用的吗，ROI 区域之外的角分辨率是多少？
白剑：第一，定睛凝视这个功能，原本是可以通过系统配置打开和取消的，但经过大规模的测试验证，我们认为这个功能是很重要的，也体现我们产品的优势，所以我们的系统默认会打开这个功能。
第二，这个「定睛凝视」的区域分辨率，0.06° × 0.06°，外围的分辨率不是固定的，有一个渐变的过程，如果非要回答，比如现在说多少线的激光雷达，比较流行，我们可以看到，我们的扫描线束大概是 144 线，这么一个水平的激光雷达。
Q：蔚来激光雷达和视觉摄像头的融合方面，和一般的友商比较如何？
白剑：激光雷达和视觉，必须进行深度融合。媒体朋友们可能听过前融、后融这些非常热的话题。
蔚来通过正向研发，掌握了智能电动汽车的几大核心技术，其中包括自动驾驶技术。
蔚来自研自动驾驶，包括硬件、操作系统、算法和激光雷达深度定制，整个这套系统里，先是定系统级的需求，从算法、自动驾驶或者辅助驾驶的角度看我们需要什么样的融合方式。
它的时间同步需求是什么样子，帧对齐的情况是什么样子，线束与线束之间是怎么拟合的。
激光雷达的深度信息精度和摄像头间，像素点是怎么进行内参和外参标定的，等等信息都是先从系统级上定义清楚，分解到各个子系统，包括激光雷达，达到自己的设计目标进行设计。
一旦设计好了之后，系统级的联调，联调的过程包括融合，内外参的标定，以及所有的信息对齐，时间的融合等等信息。
Q：大雾天气下的激光雷达，它的穿透能力怎么样？
白剑：在大雾天气情况下，激光雷达比起毫米波雷达来说，毫米波雷达由于它的工作在 60G 甚至 77G，它确实比激光雷达更加容易穿透，比起他们，所有的激光雷达，不管是哪一种，在大雾天气下不如它。
Q：有一些用车环境可能比较恶劣，用户不洗车、不爱车、不懂车，在这种情况下，激光雷达的稳定性怎么样，内部有做过哪些测试，售后成本是多少？
白剑：我们做过很多抗脏污的测试，激光雷达系统会做自检，自动驾驶系统会做系统级的自检，它有判断的标准，如果激光雷达上有泥点或者脏污，这些东西已经遮盖到一定比例了，我们点云的质量已经下降到了系统难以承受的时候，我们会提醒用户，激光雷达上面的窗口有脏污，请您去清洗一下。
我们也比较贴心的为用户准备好清洗套装，海绵一样的刷子，用户把它擦干净就好了，这里面没有任何成本问题。
另外一个，如果激光雷达装在比较下面比如保险杠的位置，路上碎石子飞溅，把激光雷达撞碎了，容易产生维修问题。但这个问题对我们来说要轻微很多，因为「瞭望塔」的位置在车的顶部，很少有碎石子到那么高的位置，「瞭望塔」布局可以避免很大一类型伤害的问题。
另外一类是刮蹭、磕碰，大家都知道左右后视镜或者保险杠容易蹭到，「瞭望塔」布局相对难蹭到。所有的激光雷达外膜都有硬化膜的，大概有 3-4um 厚的硬化膜，万一有非常小概率的事件撞到上面，如轻微的小石子碰到，我们测试过不会影响激光雷达使用的性能，不需要去维修，用户可以放心使用，这一块的风险是蛮低的。
Q：高性能的激光雷达需要高算力，这两年芯片的短缺是很多汽车厂商需要面对和解决的问题，未来如何面对这一问题？
白剑：我们对算力要求确实不低，不过也不用太担心，蔚来 NT2 平台车型算力高达 1016 TOPS 算力这一块不用担心。
关于芯片供应，我们做了非常多措施去保证供应，这也得益于我们深度参与激光雷达研发，我们主导了电路板的设计，很多芯片在选型阶段已经考虑过了。有些情况，一旦发生暂时性的短缺，我们都有预案。
我们看到整个供应形式是缓慢向好，比去年的情况好很多，以上种种都决定了我们目前激光雷达的产能情况非常好，产能爬坡顺利。
Q：激光雷达和摄像头感知是如何分配的，决策层级谁更高，或者当两者感知不一样的时候，谁拥有最终的决策？
白剑：算法模型会独立处理不同传感器的数据，然后在融合模块进行处理。
Q：激光雷达的寿命如何，和全车的生命周期相比，是否激光雷达提前退役，中途需要更换？
白剑：我们上车的每一个零件都有质量标准，其中一项是使用年限，激光雷达也一样。激光雷达经过严苛的耐久性测试，从系统的技术架构来看，他也没有非常脆弱的部件以至于要提前退役。激光雷达和整车其他零部件一样的质量要求。
Q：鉴于目前蔚来采用多传感与融合视觉感知的路线，之后会选择纯视觉感知的路线吗？
白剑：在我能看到的时间点上，我认为不会。至少有五六年的时间里，我们很难让 2D 摄像头的信息达到人眼那么好的瞬间计算深度，聚焦、自动变焦等等性能。
我们还是需要仰仗融合式的方式，用 1 + 1 > 2 的方式无限逼近人的眼睛，让算法和算力系统无限逼近人脑，我们相信只有这样才是自动驾驶的解决方案。
Q：市面上有一些激光器很多的激光雷达，甚至看到多达 128 个的这种宣传，请问这种雷达与蔚来的相比，原理有什么不同，优劣势又在哪？
白剑：激光雷达是否能看得清与分辨率有关，跟激光器的点数也有一定的关系，但没有非常必然的关系。激光器的点数少，让电机转的快一点，扫描的快速一些，一样可以做到高分辨率，没有太多的耦合性。回到初心或者本质上，我们一定要看分辨率。
第二，大概率这个 128 线的激光器是 VCSEL，128 点，就是 128 条线，坏了一个点就少了一条线，变成 127 线，这个还不是少一条线的因素，如果一个感知，激光每一帧的图像都少一条线，如果那条线上正好是扫描一个非常关键的要素点。
这对感知来说是非常可怕的事情，也不是说这个点数越多越好，我们应该说分辨率不止越高越好，还得可靠性越高越好。
Q：激光光束质量有哪些维度？不同波长、激光光束质量有何差别？比如 905nm 和 1550nm，在 200 米距离上，它们的激光束的发散角、光斑大小是怎样的？
白剑：这两个光斑大小不太一样，它跟准直设计也有关系，您刚才说的是激光的物理特性，还有一个是准直。从物理特性来说，155nm 的光斑更收敛，准直设计上，1550nm 这一款激光雷达上，它的准直能力还是蛮强的，光斑还是非常小的，特别有助于「看得准」，对车距精度上的提升也比较明显。
Q：能否详细讲解一下车载激光雷达在通过车规上的难点和关键点，以及目前图达通这款雷达的质保是什么？
白剑：我们目前量产的激光雷达基本上都是半固态的，包含一定数量的机械零件。而且激光雷达的工作环境和车一样，车是非常严苛环境多变的。为了保证激光雷达的耐久性和可靠性，进行了严苛的冲击振动测试、高温、高湿、低温测试。
Q：评判一款车规级激光雷达的好坏有几个维度，需要考虑哪些具体的参数和功能？作为一位普通的消费者有没有办法可以识别出一款激光雷达的好坏？
白剑：对消费者来说确实有难点，我们评判激光雷达主要看是否能够看得远、看得清、看得稳。
Q：单颗激光雷达是否能保证安全的冗余和高级别自动驾驶探测的需求？
白剑：整个自动驾驶的冗余不是单靠激光雷达来完成的，我们现在整个 NAD 的系统设计上，从算法、软件到硬件层面，接收器层面，全部要考虑功能安全的设计，这是一个系统级的设计。
举个例子，我们现在 NAD 的控制器上，芯片就有四颗，它们是两两互为备份的，这些东西都是其中一个层面，如果激光雷达坏了以后，整个系统还能依靠其他地方进行功能安全条件下的使用。
比如让它靠边停车，或者跟着这条道路上继续行驶到安全的地方，我们都有 NAD 安全的目标，我们要保证激光雷达一旦出现问题之后，系统还能维持我们的操作，达到安全的目标。
Q：下半年交付的 NOP + 会在什么地方使用到激光雷达？
白剑：在激光雷达的加持下，对于各类目标的检测距离会更强，看得更远也更准，这带来的是整体前向感知能力的提升，所有依赖前向感知的功能都能从中获益。
在用户的日常用车过程中，最直接最高频能感受到的体验提升是：
- 跟车时加减速会更平顺；
- 前方出现慢车时，自车的减速会更及时也会更舒适；
- 被他车切入时，减速的时机以及舒适度也会更好。
整体的加减速表现更像人类驾驶员。
Q：激光雷达的「定睛凝视」功能是需要事先设置好，还是随时可以调整，对驾驶者感兴趣的区域进行使用？
白剑：激光雷达可以做到实时调整定睛凝视的区域，但我们的感知算法暂时还不需要对它进行频繁的变化设置。
定睛凝视是为自动驾驶系统服务的，自动驾驶的算法，NAD 的算法需要的它会进行控制和调整，但是为了安全考虑暂时还没有开放给驾驶员使用这个功能的打算。
Q：激光雷达与毫米波雷达、摄像头的融合感知是如何实现的？对于自动驾驶的决策环节来说，不同传感器感知到的信息是否具有不同的优先级，蔚来的策略是什么？激光雷达需要综合哪些因素？现在的方案是不是最优的，这种布局方案是否还是有缺陷？
白剑：第一个问题，我们现在自动驾驶系统里，优先级最高的是激光雷达和 11 个摄像头，包括 7 个 800 万像素自动驾驶高清摄像头和 4 个 300 万像素高感光环视专用摄像头，基本上所有的场景我们都在使用。
它是系统级的，从系统的 Day1 开始就分配好时间怎么同步，像素上怎么对齐，帧上怎么对齐。
目前 Aquila 的布局是不是最优的？
我们要知道，整个自动驾驶算法是持续演进的，在未来很长一段时间里，我们现阶段看到包括我们实测下来最优的，并不代表后面一直会用这个。
从技术发展的趋势来看，技术在发展，将来人工智能的水平和芯片的能力越来越强，Sensor 的能力也越来越强，这个情况下是不是拿掉一些 Sensor，增加一些 Sensor，都是有可能的。
蔚来比较重视创新研发，我们不认为这套系统可以包打天下，我认为是会持续演进的过程。
Q：包括蔚来在内的很多车企选择的都是混合固态激光雷达，这个主要的考虑是什么，相对于机械旋转纯固态的优势是什么？激光雷达目前在整体成本中大概是什么情况？未来是否还有继续下降的空间？
白剑：当前技术条件下的纯固态很难做到看得远及高分辨率，业界都在努力研究，相信有一天纯固态也能做到高性能。就如同军用雷达系统一样，它也是经过多普勒的脉冲雷达到相控阵，有无源相控阵、有源相控阵，都有一个发散的过程，当然它的时间很长。
我相信车载激光雷达也需要慢慢发展，在未来很长一段时间里，混合固态是可量产的，主雷达的性能是所有雷达里性能要求最高的。
纯机械的，由于成本和性能方面原因，可能慢慢会淡出，现在基本上还是在混合固态这条线上。
关于量产的问题，激光雷达确实很贵，但是没有贵到像国外我们友商的老板他提到的。咱们中国供应链的能力还有设计水平都特别擅长做这件事，现在我们看到的 NT2 上激光雷达的成本确实价值不菲，随着量产规模化以后，它的下沉空间和力度还是非常可观的，我们非常期待有一个持续快速的成本优化的节奏。
Q：在对向来车也有激光雷达的时候，是否会对本车的激光雷达造成干扰，有没有使用一些加密抗干扰的算法？
白剑：激光雷达是一个小接收孔间的系统，它发射的时候也比较准直，从这个意义上来讲，目前经过我们测试、干扰的水平，还没有影响到对向来车。
咱们这款激光雷达有一定的编码能力，因为涉及到技术细节，我不在这里说的非常清楚了，每一个脉冲打出去接收回来都有一定的 ID，我们可以识别出来。
如果不这么做，可能自己和自己都会产生干扰，比如一道激光打出去，打到很远的距离，紧跟着另外一个激光束也打出去了，但是它很近，有没有可能下一个光束提前回来，完全有可能，那怎么解决这个问题？所以他有一定的编码能力，有一定的识别能力。
Q：固态、半固态、振镜、转镜、振镜 + 转镜等方案，各自的成本、可靠性优劣式，如果以五年时间算，哪种路线会成为主流？
白剑：纯固态的所有发射和接收全部是由发射系统来完成的，现在的混合固态有点取巧的意思，利用转动部件。
举个例子，如果说要一万个点，我要有一万个发射光源，纯固态，如果是混合固态，只需要几百个甚至几个，因为我可以算，发射都是这些东西，但是我可以通过转动，把每次发射的东西打到不同地方去，这是用时间换空间的一个做法。
如果发射和接收都要达到现在的高分辨率，在工业上非常昂贵，而且体积也很大，价格成本很难上车，所以固态激光雷达大家都觉得是趋势也非常好。
但目前技术上还不成熟，尚需要时间，让整个行业、供应链逐步发展，去催熟它，他需要的时间可能是五年为单位去发展的。
混合固态这一块，不管是振镜还是机械方式，都可以做到，当初担心它的振动问题，现在看也还好，整个产业链成熟了以后就是有这个好处，呈现出百花齐放，百家争鸣的好局面。
不管怎么样，这几种方案在成本上可能略有差距，但是差距已经不是特别大了，大家还是需要关注是不是能做到「看得远、看得清、看得稳」我们可以比拼这些探测效果，至于是振镜方案还是机械转动方案，现在看起来特别是到明年，这些方案都没问题，技术路线上都没有太大的问题。
Q：整车下线时，如何对传感器进行检测和校正，对生产的节拍有什么影响？
白剑：零部件有监测，激光雷达组装线有出厂检测，还有一些标定，我们去测它所有的参数如 UAL，我们还会做老化测试，如果一些激光雷达有缺陷，我们会把老化的过程打出来，保证可靠定、就是标出来距离，探测精度等等。
然后再到车的生产线上，装好车以后还有外参的标定，还有整车级别的检测，外参的标定让激光雷达、摄像头和整车系统，三维的坐标下面，他们能够达到一致。
如何理解激光雷达、摄像头和整车系统三维坐标下的一致性测试呢？
举个例子：摄像头看到视野的某一个方向，假设左前方两百米有一棵树它在视野水平多少度、垂直多少度，那激光雷达看到的必须也是在水平多少、垂直多少，我们会定义偏差可被允许的范围，超过这个范围就不合格了。
举例的这个测试只是成百上千项测试中的一项，我们会通过非常严苛的测试和标定动作，保证整个系统的时间和空间维度都是严格同步去工作的。
为什么自动驾驶需要激光雷达
蔚来 ET7 搭载了来自 Innovusion 的超远距高精度激光雷达，最远探测距离达 500 米，10% 反射率下探测距离达 250 米，拥有 120° 超广水平视角和 0.06° * 0.06° 高分辨率，是全球首款实现大规模量产的 1550nm 激光雷达。
1550nm：人眼友好、看得更清更远
1550nm 激光拥有比 905nm 更好的人眼安全性，通常人眼可见光波长范围为 380nm ～ 760nm。
远超人眼识别范围的 1550nm 激光无法在人眼视网膜上聚焦成点，且在通过眼球过程中大部分都会被水吸收，因此几乎不会对人眼造成危害；而 905nm 激光则更接近可见光波长，容易在人眼视网膜上聚焦成点。
为保护人眼安全，通常 905nm 的激光雷达的光功率上限较低。具有更好人眼安全性的 1550nm 激光雷达可允许输出更高功率，实现更远探测距离。
此外，1550nm 波长激光抗干扰能力强、光束准直度更好、光源亮度高，这几个优点也让激光的发射和接收更高效，可以实现更精细的物体识别。
1550nm 波长激光的光斑非常小，在 100 米外光斑直径仅为 905 的四分之一。在探测 100 米处的行人时，可以接收到横排 4 个点，纵排️ 7 个点的脉冲，清晰地探测到行人的姿态。
看得远：可更早发现障碍物，提升行车安全性
蔚来 ET7 激光雷达最远探测距离可达 500 米，10% 反射率标准下的探测距离，可达 250 米，行业领先。
看得清：「定睛凝视」功能实现 0.06° * 0.06° 超高分辨率，成就图像级激光雷达
每 0.01° 的角分辨率变化，在 200m 处，相邻的两个点距离约在 3.5cm。以 0.1° 角分辨率的激光雷达为例，其接收到的相邻两点间隔 35cm，对于行人、自行车、摩托车这样的目标物体，点云过于稀疏，对于算法挑战极大。
1、视场关键区域策略性加密，提升数据利用的有效性。
ET7 激光雷达具备「定睛凝视」功能，仿生人眼灵活变焦，可在行车关键视野区域产生角分辨率高达 0.06° * 0.06° 的高密度点云，将该区域的目标看得更清晰。
定睛凝视功能范围为 25°H（横向）* 9.6°V（纵向）。在前方 50m 处，该区域覆盖范围：横向覆盖达 10 条车道，纵向覆盖大于一层楼高度），可充分覆盖前方行车区域。
定睛凝视区域策略性选择加密关键区域，而非全局铺满点，可根据需要随时让任意区域分辨率高起来。避免占用不必要的计算资源，增加功耗、带宽等，提升数据利用的有效性，减轻算法压力，更利于整车感知系统运行，真正实现把「点」用在刀刃上。
2、ROI 区域动态可调，保障行车安全。
ROI 动态可调，实现对车辆与行人等更好地感知和追踪，即便在前方大曲率转弯或者上下坡道等工况下，也可以有效地提前发现远处危险目标。
更早地发现，才能更早地减速、同时更早地对用户发出警告，从而提高自动驾驶的可靠性和安全性。
看得稳：POD 是衡量激光雷达性能的重要指标
POD 探测概率，一般为超过连续 100 帧发射的激光束数量（即理论点数量）与被探测到的激光束数量（即有效点数量）的比值。
POD 体现出激光雷达接收返回点数的能力和稳定性，是反应激光雷达性能的一项重要指标。
蔚来搭载的激光雷达具有优秀的探测能力，感知 250m 处 10% 反射率物体的探测概率超过 90%。
更高的 POD，可以让车辆更清晰明确地感知到目标物体，减轻算法压力，实现更远的有效感知距离，提升自动驾驶系统整体的安全性。
激光雷达耐久性测试
在业内没有统一标准的前提下，蔚来联合图达通共同制定针对 ET7 激光雷达可靠性标准，设计了 DVPV 实验的架设环境、检测条目、性能及实验要求。
- 冲击测试：产品承受 50 个 G 实验
- 冷热冲击测试：极热（85℃）到极寒（-40℃），历经 100+ 循环
- 温湿交变 + 霜冻测试：温湿交变环境下，快速降温到 -10℃，历经 10+ 循环
- 环境测试：进行耐有害气体腐蚀实验，暴露在 SO2 NO2 CO2 CL2 等有害气体下；耐化学试剂实验，暴露在挡风玻璃清洗液、洗车化学制品、玻璃清洁剂、接触式喷雾、含咖啡因和糖的饮料等化学试剂环境中测试
- 光照测试：模拟阳光辐射和紫外线对零部件的影响，2000 - 3000h 下持续运行在最强光照下（＞盛夏吐鲁番光照强度）
以上是蔚来 ET7 激光雷达的全部性能特点。
