激光雷达技术分享发言稿.docxVIP

激光雷达技术分享发言稿

大家下午好，刚才的演讲非常精彩，我也学到了不少新知识。先来解释一下演讲的主题，的讲话是高屋建瓴，我的演讲是反过来，是从一个很细节的技术入手，我解释一下原因，就是我当时准备演讲内容的时候，翻了2018年的时候SAE的活动，当时做了一个演讲是梳理了国内外激光雷达发展的现状和点评了各个技术流派。

在准备这次的演讲时，我翻了那个PPT，过去快两年了，应该有一些变化，结果我发现在近两年的时间里面，虽然激光雷达有了长足的发展，但是看到这些主流的技术方向，主要的玩家，其实并没有根本性的变化，可能在过去两年里面出现了一些新的激光雷达公司。

过去的两年里面我们规模增长了两倍左右，销售额翻了很多番，工作工人是夜以继日的工作来生产产品，这些东西就体现在比较细节的东西上面，包括今天要讲的主要的抗干扰的技术。不知道在座的各位对激光雷达的了解有多深，我可以这么说，一般谈起激光雷达，都先问说你这个激光雷达是多少线，是机械式的还是固态的，一般都会问这些问题，可能稍微懂一点的会说探测距离有多远，大家关注的还是比较粗的这些技术。

但是这个东西它要真正的落地，其实涉及到太多细节的东西，这也就是包括我们在内的企业我们做得特别好的，在过去的两年中进行打磨的东西。像抗干扰，像可靠性的技术，如防水防尘的性能，大家今天来的时候，可能要注意的话，在外面的停车场上大部分的自动驾驶出租车上最上面顶着都是我们的主激光雷达。

所有的激光雷达市面上在卖的几乎所有的激光雷达都标称自己是达到IP67防水等级的，其实我们最早的时候我们做IP67防水试验的时候就是找了个外面的认证机构，拿了几台雷达做了，通过了，我们就很高兴达到这个水平了，出货了。结果过了一段时间，碰到国内一家很领头的客户的投诉说，你们的激光雷达在外面，就像今天的这个雨一样，在外面淋了三天，我们发现进水了。

这个我们就觉得很奇怪，然后拿回来分析，经过各种分析，包括了解行业的各种的测试之后，我们发现单单在室温下单位IP67是不够的，可能要满足车规的要求，还要经过温度的循环，经过低温高温各种循环之后，依然能够达到这种防水，那才是真正的满足实际使用的情况。所以我这个背景交代得有点长，过去的两年里面大家做了很多是这些细节上的、表面上看不到的工作。

为什么挑了这个比较细节的方向来讲，这是一个很现实的问题，现在路上的自动驾驶车辆越来越多，随着商业化的落地，包括刚才提到的L3的重卡、L4的自动驾驶出租车，随着这些东西的落地以后，路上的激光雷达会越来越多。包括国内还有个特殊情况，就是国内现在是车路，新基建带动了车路协同的热潮，很多的路口、十字路口，还有高速公路的两边也有可能安装激光雷达，路上的激光雷达会越来越多。

这对于激光雷达公司当然是件好事情，我们非常喜闻乐见的。但是它会带来一个比较严重的问题，就是激光雷达之间的串扰，我来解释一下串扰是怎么回事。这是一个示意图，不是实际的场景，大家想像一下路上以后跑的所有的大车、小车，上面都多多少少的装了激光雷达。那么激光雷达的工作原理就是不断的向四周发射激光脉冲，通过测量激光脉冲来回飞行的时间来测量距离。

比如说只有一台激光雷达的时候，很简单，收到的肯定是它自己发出去的信号，但是问题在这个车辆很多的时候，比如说这辆车的激光雷达有可能收到那辆车的激光雷达发过来的信号，它假如没有一个抗干扰的能力，就会误以为那边有一大波的障碍物往这边飞，而且激光雷达直接发射的信号要比反射回来的信号强很多，它会看到周边有一大堆虚拟的障碍物，不加处理的话，自动驾驶车辆就会认为身边一直环绕着一群不明的障碍物，就无法正常行驶了。

所以是有这么一个问题。会带来什么后果，有问题嘛自然会有后果，这个东西不处理，车是没办法开的，要处理当然是有办法的，现在包括之前有很多自动驾驶，最早激光雷达出来的时候，所有的激光雷达都是没有抗干扰功能的，这是一个自动驾驶公司需要解决的问题。最早他们就通过软件层面的方法来解决，这些噪点还是有一些特性的，如是离散的，没有什么规律性，它会快速的移动。

通过一些神经网络或者其他的滤波的算法，人们可以很大的降低这个影响。但是用软件解决它并不是万能的，第一你要对它进行准确的建模和训练，市面上的激光雷达五花八门，不同的探测距离、波形也不太一样，给训练带来麻烦。另外一个更关键的就是，这些识别这种噪点去解决的方法要面临到底是平衡假阳性还是假阴性的问题，可能会出现两种情况，有可能它实际上是一个噪点，但是没有把它过滤出去，整个算法比较保守的话，可能实际上是个噪点，没有过滤出去，这时候带来的问题是车辆可能认为前面会有一个不存在的障碍物，它可能会急刹车，一个障碍物出来之间出现在面前，比较保守了，要急刹车，这个是很危险的，因为后面的车有可能追尾，对乘客也是一个很不好的驾驶体验。

从另外一方面的角度来讲，算法太激