激光雷達（LiDAR）對于自動駕駛汽車來說，就是讓自動駕駛汽車“看得見路”的感覺器官，它的工作原理簡單描述，就是將激光束打出去、把回波接回來，最后生成三維點云的交通環(huán)境。對于車企來說，并不是把“激光雷達”掛在車上，就意味著車輛一定能夠能看得清楚、判斷得準交通環(huán)境，其實激光雷達探測環(huán)境的好壞有非常多的影響因素。

先從對于激光雷達最重要的，也是直觀的“看得多遠、看得多細、看得多穩(wěn)”這三件事說起。一個激光雷達是否適合自動駕駛，基本上取決于它在距離（range）、角度/點云分辨率（resolution）、以及在現(xiàn)實世界復(fù)雜條件下的魯棒性（robustness）�！熬嚯x”回答了你能在多遠處發(fā)現(xiàn)目標、提前多久作出決策；“分辨率”決定了你能否分辨小物體或近距離復(fù)雜結(jié)構(gòu)；“魯棒性”則決定了在雨、霧、太陽直射或腰包里泥土時傳感器還能不能靠譜工作。這三項看似簡單，但每一項下面都藏著多個具體參數(shù)，在實際選用時需要逐一對照。對于激光雷達的選用，其實有多個參考參數(shù)。

第一類是基礎(chǔ)物理與測量參數(shù)，即最大探測距離、最小測距范圍、距離精度（accuracy）與重復(fù)性/精密度（precision）、回波強度（intensity）或反射率敏感度、脈沖能量和波長（常見905nm與1550nm之分）、多回波能力（multi-echo），以及死區(qū)和盲區(qū)等。

第二類是點云相關(guān)參數(shù)，即點云率（points per second，PPS）、水平與垂直角分辨率（angular resolution）、垂直通道數(shù)（channels）或陣列設(shè)計、探測視場（horizontal/vertical FOV）、掃描模式（旋轉(zhuǎn)/固態(tài)MEMS/OPA/Flash）和掃描頻率（rotation rate或frame rate）。

第三類是系統(tǒng)與工程參數(shù)，即時間戳與同步精度、延遲與抖動（latency/jitter）、溫度與振動抗性、IP等級與可靠性（MTBF）、電源與功耗、體積重量與安裝便利性、接口（Ethernet/CAN/ethernet+PoE）和軟件驅(qū)動兼容性。

最后是環(huán)境與場景適應(yīng)性，也就是激光雷達在雨、雪、霧、塵埃、日照下的探測能力、對低反射材料（深色衣物、黑色塑料）的探測概率、以及在多傳感器融合場景下與攝像頭、雷達的互補性。

激光雷達的這些參數(shù)并非獨立，常常聯(lián)系密切，在選擇時更是“有得必有失”的權(quán)衡。比如要把探測距離推向200米以上，需要更高的發(fā)射能量或更靈敏的接收器，而這會觸及眼安全規(guī)范（eye safety），價格也會顯著上升；提高角分辨率更是意味著在同一時間內(nèi)每個方向給出的點更密集，但如果不增加點云總數(shù)（PPS），那就必須犧牲掃描頻率；而增加點云率會對車端算力和帶寬提出更高要求。只有理解這些權(quán)衡，才能在產(chǎn)品選型或系統(tǒng)設(shè)計時做出合理取舍。

是不是還不夠直觀？那就舉個常見的“點云密度/角分辨率”計算示例。假設(shè)一臺LiDAR標稱點云率為1,200,000點/秒（1.2Mpps），并且是64通道的旋轉(zhuǎn)式設(shè)計，旋轉(zhuǎn)頻率為10Hz（即每秒10轉(zhuǎn)）。我們要計算每轉(zhuǎn)的點數(shù)、每轉(zhuǎn)每通道的點數(shù)，以及由此得到的水平角分辨率。步驟很直接但要把算數(shù)寫清楚，每秒點數(shù)乘以單轉(zhuǎn)時間等于每轉(zhuǎn)點數(shù)；單轉(zhuǎn)時間等于1÷旋轉(zhuǎn)頻率。代入數(shù)值，1,200,000×(1÷10)=1,200,000×0.1=120,000點/轉(zhuǎn)。把這120,000點在64個垂直通道之間分配，得到每通道每轉(zhuǎn)的點數(shù)為120,000÷64=1,875點。水平角分辨率近似等于360°÷每通道每轉(zhuǎn)點數(shù)，即360÷1,875≈0.192°。這意味著，在10Hz轉(zhuǎn)速和1.2Mpps的條件下，單個通道的水平分辨率約為0.19度，若車輛在50米處，同一通道相鄰兩點之間的橫向間距大約為50×tan(0.192°)（大約0.168米）。這個例子明確說明點云率、通道數(shù)和轉(zhuǎn)速如何共同決定遠處的點云密度，進而影響目標檢測與輪廓還原能力。

說到這里，相信還會有許多人好奇，點云率越高就意味著激光雷達越好么？答案是否定的。如果只是單純提高PPS，而不匹配合適的掃描模式、分辨率與算力支持，反而會造成數(shù)據(jù)擁堵和處理延遲，形成“有點但用不好”的尷尬局面。更重要的其實是點云的“有效點密度”，即落在目標表面的點數(shù)，而不是單純的總點數(shù)。有效密度受目標大小、表面反射率、視角、距離以及掃描幾何共同影響。對于一個行人（橫向?qū)挾燃s0.5米）在40米外能否被可靠檢測，取決于水平角分辨率、垂直通道覆蓋和回波強度。

說到點云質(zhì)量，其實就不得不談“噪聲、精度與偏差”。距離精度指的是測到的距離與真實距離的偏差，重復(fù)性（precision）反映的是多次測量的穩(wěn)定性。兩者都很重要，如果偏差可校正（系統(tǒng)性誤差），靠標定可以補償；但如果噪聲不可預(yù)測（隨機誤差）或隨溫度大幅變化，那對下游感知算法的影響就更致命。系統(tǒng)級評測中常測溫漂（temperature drift）、多次標定后的殘差，以及隨振動、碰撞后的校準保持性。車輛是一個高振動、高溫差的工作平臺，商用化的LiDAR必須通過汽車級的振動、沖擊、熱循環(huán)和密封測試（如IP67/69K）才能被考慮用于量產(chǎn)車。

關(guān)于波長與眼安全，905nm與1550nm的選擇關(guān)系到發(fā)射功率上限與成本。1550nm波長相對眼安全容許更高的發(fā)射功率，從而在相同比例下更容易實現(xiàn)更遠的探測距離或更高SNR，但相關(guān)的激光源和探測器往往更昂貴，且生態(tài)鏈（器件供應(yīng)、封裝工藝）更復(fù)雜。905nm方案在成本和成熟度上一般更有優(yōu)勢，但在追求超遠距（比如200m以上）性能時會遇到能量瓶頸。多回波（multi-echo）能力則在復(fù)雜場景（半透明目標、樹葉、雨雪）里非常有用，因為它能返回多個回波，用來區(qū)分近表面與后方物體，減少錯誤深度估計。

再說說激光雷達對于天氣與環(huán)境的適應(yīng)性，激光雷達在雨、雪、霧中，光會被散射，回波能量驟減，導(dǎo)致最大有效探測距離顯著下降。此處不能只看激光雷達硬件，一個好的系統(tǒng)還需要配合濾波、去噪和多傳感器融合策略。例如在強降雨中，毫米波雷達對大顆粒反應(yīng)更穩(wěn)定，攝像頭能提供顏色與紋理信息，兩者與LiDAR融合能提高檢測概率。廠商在規(guī)格表上給出的“最大探測距離”往往是在標準反射率（如10%或20%）且無雨霧的理想條件下測得，如果您是車企激光雷達的采購人員，務(wù)必要求廠商提供不同反射率、不同天氣下的檢測概率曲線，而不是一個單值的“最大距離”指標。

除了硬件之外，軟件處理能力也決定了激光雷達“好不好用”。好的激光雷達廠商會提供高質(zhì)量的驅(qū)動、低延遲的時間戳、穩(wěn)定的包結(jié)構(gòu)（點云格式），以及用于時空校正的算法（motion compensation、timestamp interpolation、intensity calibration）。此外，廠家能否提供預(yù)處理（去畸變、濾雨雪點云、時間同步到IMU/車輪里程計）和完整的測試數(shù)據(jù)集（包括不同天氣、不同道路場景的原始點云）也會顯著縮短集成團隊的開發(fā)周期。一個看起來光學參數(shù)優(yōu)秀的激光雷達，如果驅(qū)動欠缺、時間戳不準或沒有足夠的診斷信息，集成代價只會變得很高。

說了這么多，其實對于車企來說，在實際場景選型時，其實最關(guān)鍵的一點是“明確使用場景”。如果目標是高速場景（比如高速公路的自動巡航或L4區(qū)域的車道間長距離預(yù)判），你需要長探測距離、高SNR、低誤差和良好的遠距角分辨率；如果目標是城市復(fù)雜路段或泊車場景，近距性能、垂直分辨率、低最小探測距離和對小目標的檢出率更重要。這意味著沒有“放之四海皆準的最好激光雷達”，只有“適合我場景且在工程集成上最省力的激光雷達”。因此在評估時務(wù)必做場景化測試，在你要上車跑的典型路段、典型車速、典型天氣與典型目標（行人、自行車、垃圾桶、反光路牌等）上跑一套測試，而不是只看實驗室里給你的“最大距離”。

此外，對于廠商承諾與后勤支持也不能忽視。成熟廠商通常能提供完整的驗證報告、軟件更新機制（OTA）、長期供貨計劃和量產(chǎn)一致性保證。對于車廠或系統(tǒng)集成商，傳感器的一致性（unit-to-unit variation）和可批量化的校準流程非常重要，否則每輛車上線都要浪費大量人工去調(diào)參。除了上面聊得這些，廠商的備件供應(yīng)、維修服務(wù)、以及在國內(nèi)外的技術(shù)支持網(wǎng)絡(luò)，都會直接影響量產(chǎn)節(jié)奏和后裝維護成本。

總結(jié)一下今天聊的內(nèi)容，希望可以幫助讀者將上面的理論落到實處。評估一款激光雷達時，不要被高PPS、很多通道或很遠的“最大探測距離”單元的標簽迷惑。一定要看三類實際數(shù)據(jù)，即檢測概率隨距離和反射率的曲線、在目標典型尺寸下的點云密度（包括垂直和水平方向）、以及在多種惡劣天氣條件下的可用性百分比（比如0-5mm/h、5-20mm/h降雨條件下的可用性）。其次，要求廠商提供時間同步精度和延遲數(shù)據(jù)，因為在高速度場景下幾毫秒的時間戳差異就會導(dǎo)致定位與感知錯位。第三，與廠商協(xié)商獲取原始點云樣本（包括邊界條件下的失敗樣本），把這些原始數(shù)據(jù)丟進你自己的感知算法里跑一遍。第四，重視軟件與工程配套，良好的驅(qū)動、API、診斷信息和清晰的標定流程往往能把“紙面上略遜一籌”的傳感器在系統(tǒng)里調(diào)到更好；反之，硬件再牛如果沒有好的軟件支撐，也可能成為項目瓶頸。第五，考慮系統(tǒng)冗余與傳感器定位，單一激光雷達出故障的后果與多個不同類型傳感器組合的魯棒性差異，也應(yīng)納入成本效益分析里。

評判激光雷達好壞不能只看單個參數(shù)，必須從“場景需求—物理參數(shù)—系統(tǒng)集成—軟件支持—可靠性驗證”的系統(tǒng)視角出發(fā)。點云率、通道數(shù)、波長、探測距離、角分辨率、時間同步、天氣魯棒性和廠商工程支持，這些都是要逐一驗證的要素。只有把廠商提供的規(guī)格轉(zhuǎn)化為對你場景的檢測概率曲線與點云密度圖，做場景化的驗收測試，配合多傳感器融合和穩(wěn)健的軟件預(yù)處理，才是把激光雷達發(fā)揮到極致的正確路徑。

-- END --

       原文標題 : 決定自動駕駛激光雷達感知質(zhì)量的因素有哪些？