一年前，陆奇在北京国家会议中心喊出了百度的口号“ALL IN AI”。
去年的这个时候，李彦宏乘坐自动驾驶汽车赶到了会场，并收到了著名的五环门票。
一年后，百度不再拥有陆奇，但拥有自动驾驶路测牌照。
百度Apollo 3.0的量产，让自动驾驶再次火爆。
从全球范围来看，Waymo、Uber、Lyft、百度、奔驰等厂商都在逐步加大自动驾驶的研发和量产力度。
关键是雷达技术和应用的突破。
大部分企业都瞄准了激光雷达这个“香馍馍”。
Yole Développement分析预测，2020年全球汽车激光雷达市场规模将达到50亿美元，2020年将达到1亿美元。
激光雷达作为自动驾驶的核心技术，是一个集激光、全球定位系统（GPS）于一体的系统和IMU（惯性测量单元）来获取数据并生成精确的DEM。
（数字高程模型）。
激光雷达的发展历史 在大多数参与自动驾驶的玩家看来，激光雷达是实现自动驾驶的必要基础。
传统雷达无法识别物体细节，且在暗光或逆光条件下摄像头的识别效率显着降低。
不过，市场的蓬勃发展也让人们对激光雷达产生了一些不同的认知。
快速运行的激光雷达可能“跑错了轨道”。
1、认知方向错误：体积大、价格高是激光雷达的“标配”。
当激光雷达用于自动驾驶时，我们应该从Velodyne入手。
早在2016年，美国国防高级研究计划局（DARPA）就主办了穿越莫哈韦沙漠的无人驾驶挑战赛。
本次大赛的初衷是为了激发自动驾驶技术在军事和商业应用方面的研发。
Velodyne创始人David Hall在本次比赛中敏锐地发现了激光雷达设备在自动驾驶技术方面的优势并开始研究。
很快，Velodyne 开发出了第一台激光雷达，其直径为 30 英寸，重近 10 磅。
2016年，谷歌推出了自动驾驶汽车项目。
谷歌屋顶上使用的“屋顶花盆”是Velodyne生产的64线激光雷达传感器，成本约为7.5万美元，占谷歌自动驾驶汽车成本的近一半。
谷歌自动驾驶汽车的“车顶花盆” 这个“车顶花盆”并不受欢迎。
一个明显的问题是无人驾驶测试车的外观。
安装在测试车上的激光雷达体积庞大且笨重。
因此，Alphabet子公司Waymo的测试车采用了巨大的黑色弧形车顶，而丰田和Uber测试车的车顶看起来就像一个咖啡罐。
随着时间的推移，制造商开始认为大尺寸和高价格是当前激光雷达的“标准特征”。
不过，一批研发机构已经开始解决这个“痛点”。
2017年，Velodyne发布了16线激光雷达，价格从7.5万美元降至1美元。
2017年3月，Cepton推出了第四代产品Vista，这是目前市场上功耗最低、尺寸最小的传感器，而且价格不到1美元。
与次元“Vista”激光雷达不同的是机械激光雷达（如 Velodyne）、固态激光雷达（如 Quanergy）和闪存激光雷达（如 LeddarTech），Cepton 采用微动技术（MMT），并且类似与日本某级供应商合作，将激光雷达应用到车灯空箱上，进一步拓展激光雷达的应用领域。
2、错误的应用场景：只有无人激光雷达才能“大展拳脚” 激光雷达是现阶段智能汽车实现中不可或缺的传感器。
它具有精确的测距、空间定位和描述、可靠的障碍物检测等独特能力。
高分辨率激光雷达有助于实现复杂交通环境下的自动驾驶，特别是针对交通拥堵、狭窄道路、社区、停车场等特殊场景。
激光雷达在无人驾驶领域占据了风头，许多制造商和消费者已经开始相信，只有无人驾驶才能让激光雷达“充分发挥潜力”。
确实，事实证明，激光雷达之于无人驾驶，就像水之于钓鱼，无可替代。
不过，也需要注意的是，激光雷达的应用场景并不局限于无人驾驶领域。
要厘清这个认知，我们首先要了解激光雷达的工作原理。
所谓的激光雷达利用光来测量距离。
激光雷达可以非常快速地收集样本点 - 每秒最多 10,000 个数据点。
想象一下，当发射光脉冲时启动秒表，然后在光脉冲返回时停止计时器（从它遇到的第一个物体反射）；通过测量激光的“飞行时间”，并了解脉冲传播的速度，您就可以计算出距离。
激光雷达传感器的应用原理可以通过快速采样整个环境来形成完整的点云，这种操作方法将在许多领域大有前途。
比如：应用于机器人领域，激光雷达解决了机器人行走的问题，知道如何规划路径，并且具有避障功能。
雷神智能、波士顿动力等公司对此进行了尝试，并已生产出产品；在无线人机测绘领域，激光雷达可以精确地对作业中的矿山和建筑工地进行三维建模。
例如，Cepton的SORA产品仅重克，检测范围达米。
专业提供无人机测绘解决方案；在铁路领域，激光雷达可以测量车辆，并且可以在中央车顶配备惯性测量单元（IMU）和GPS天线。
，用于获取沿线经纬度信息的3D数据。
CeptonSORA应用于无人机，我们再来谈谈汽车驾驶领域。
激光雷达除了作为无人驾驶中汽车的“眼睛”，可以实现路障识别外，还可以应用于自动紧急制动（AEB）系统，利用雷达来检测与前方车辆的距离或测量障碍物，然后通过数据分析模块将测量到的距离与警示距离和安全距离进行比较，以确保人类驾驶的安全。
此外，在汽车零部件领域，与机械激光雷达（如Velodyne）、固态激光雷达（如Quanergy）和闪存激光雷达（如LeddarTech）不同，Cepton采用微动技术（MMT）并与日本有一定水平的供应 与厂家合作将激光雷达应用到车灯空箱上，进一步扩大激光雷达的应用领域。
3、误判配件之间的关系：激光雷达可以替代其他多余的激光雷达。
雷达和摄像头之间永远不会是一种替代与更替的关系。
特斯拉首席执行官埃隆·马斯克曾经相信，他可以在不依赖单一技术的情况下制造出自动驾驶和半自动驾驶汽车。
这项技术就是激光雷达，它使用激光帮助汽车绘制周围环境的地图并进行导航。
马斯克认为，它可以依靠摄像头和雷达（无需使用激光雷达）来完成自动驾驶系统所需的大部分工作。
这也是目前一些厂商对激光雷达的看法：太多余了。
事实真的如此吗？实际上，激光雷达传感器带来了构建能够应对最具挑战性的环境的自动驾驶汽车所需的冗余和重叠功能。
目前，无人驾驶需要三个必备设备：摄像头、激光雷达和雷达。
他们每个人都有自己的优点。
例如，摄像头可以识别物体，但在某些黑暗和弱光条件下很难看清楚。
目的。
另一方面，激光雷达从物体上反射激光以形成图像，从而可能避免照明问题，即使雨或雪可能会限制其有效性。
尽管每种技术都提供了一定程度的冗余，但从安全角度来看，这些优点和缺点都必须存在。
自动驾驶最受诟病的就是安全性。
例如，Uber首例涉及自动驾驶的致命车祸发生在今年3月18日。
原因是自动驾驶汽车的传感器检测到正在过马路的行人。
但自动驾驶软件目前并未采取避让措施。
至于传感器本身，多种类型、多通道的传感器可以形成联动效应，从而在一定程度上增加无人驾驶的安全性。
毕竟，只要有0.01%的风险，就会有人付出生命的代价。
同样，从另一个角度来看，马斯克也不看好激光雷达，因为特斯拉试图以最低的成本开发自动驾驶汽车，用低成本、以软件为主的方式取代激光雷达的高价。
但事实上，随着技术的完善和发展，激光雷达的价格正在逐渐下降。
Otto的激光雷达技术不仅大大提高了功能，而且与几年前相比，其成本降??低了近90%。
其产品主要应用于大型18轮货运拖车。
在保证性能的基础上，Cepton承诺将Vista的价格降至1美元以下，并已投入量产。
4、赛车激光雷达应该去哪里？激光雷达发展至今，市场已成为红海。
如何在激烈的竞争中展现自己的优势？赛车激光雷达应该去哪里？事实上，激光雷达的发展面临着更多的机遇和挑战。
例如，材料、环境、行驶速度和成本仍然是激光雷达需要克服的难题。
同时，也面临着诸多机遇。
例如，它在智能机器生态系统中将具有巨大潜力。
与使用二维图像相比，点云可以更容易地被计算机用来构建物理环境的三维图像——二维图像是人脑最容易理解的数据，而对于计算机来说，点云是最容易理解的。
容易明白。
再比如，智能激光雷达可以为无人驾驶车辆“安全保驾护航”。
例如，Cepton开发的微动技术（MMT）可以实现传感器无需任何旋转或摩擦部件，从而将雷达深度集成到车身中，提高产品安全性。
在自动驾驶、主动安全和高精度地图方面，Vista提供了很好的解决方案。
总的来说，激光雷达是自动驾驶的重要传感器。
由于其功能特性能够在复杂交通环境的感知中发挥关键作用，因此受到越来越多的关注。
当然，激光雷达的应用市场也存在一些机遇和挑战。
激光雷达之路如何“走好、走稳”，还需要市场和时间的检验。
智能相对论：深挖人工智能的井，判断咸不咸，说出对错，说出vb的深浅。
重点关注领域：AI+医疗、机器人、智能驾驶、AI+硬件、物联网、AI+金融、AI+安防、AR/VR、开发者及其背后的芯片、算法、人机交互等。