超越光學雷達：提高無人駕駛車輛傳感能力的方法。

光學雷達可以即時感知周圍環境訊息，並且形成高清晰度的三維圖形。光學雷達是通過發射脈衝調製光，觀察反射光和發射光之間的時間差，以計算距離，並且透過掃描或同步測量多條光束來獲取角度訊息。它具有反應速度快、檢測距離長、精度高等優點，所以是目前已知的環境測量方案中測量精度最高的感測器方案。

「根據Emergen Research的最新分析報告，LiDAR市場規模在2021年達到1,821.3萬美元，預計在預測期間以12.5%的年複合增長率成長，到2030年達到5,299.2萬美元。不同公司和研究機構對LiDAR感測器的投資和研發活動增加了市場收入的增長。例如，2022年2月9日，LiDAR儀器製造商Velodyne Lidar報告稱，其晚間交易的股票上漲超過60％，因為相關監管文件顯示其LiDAR傳感器正在用於自動駕駛汽車。」

光學雷達系統通常以10Hz至50Hz的刷新頻率提供數據，可測量達50公尺至120公尺的範圍。在現有的感測器中，範圍數據被認為是最準確的距離測量。一個具有二維光學束的2D光學雷達傳感器既在購買價格上，也在計算能力需求上更加經濟實惠。

特別是考慮到一個廣泛使用的典型三維光學雷達，Velodyne HDL-64E，每秒就能產生高達75MB的點雲數據，仍需要實時處理，這對於車輛上的系統來說是沉重的負擔，對於大多數嵌入式系統來說幾乎不可能。

另外，即使是高級且完全先進的三維光學雷達也無法涵蓋整個周圍區域，這意味著自我車輛附近必須有關鍵的盲點需要補充感測，並且仍然具有準確的測距功能。特別是雷達或超聲波雷達產生的不準確的測量會降低融合決策的整體質量，可能會導致不可預測的運動或虛假報警。

在車載光學雷達系統運行過程中，由於加速度、減速度、行駛方向改變等因素，系統獲得的點雲數據中不可避免地包含有噪點。目前大多數車載光學雷達系統可以提供反射脈衝的強度訊息，這反映了目標表面反射回來的能量，是不同物體的特性的反映。但是當光學雷達系統、天氣條件或其他特定條件不同時，光學點雲反映的強度訊息也會非常不同。

此外，車載光學雷達點雲數據是盲數據，點雲數據被用作物體表面的空間坐標信息，沒有關於物體所屬類別的訊息。這導致在點雲數據中對建築物、人等物體的自動識別，以及特徵提取方面存在巨大的困難。

光學雷達的成本太高，無法進行大規模生產。市場上有兩種潛在的趨勢：一種是通過生產只能完成特定任務且檢測距離有限的光學雷達，以減少成本；另一種是使用固態光學雷達來降低成本。