[首發(fā)于智駕最前沿微信公眾號(hào)]在自動(dòng)駕駛的技術(shù)發(fā)展過程中，激光雷達(dá)一直被認(rèn)為是核心的感知硬件，其線束數(shù)量也被視為衡量感知能力的主要指標(biāo)。從早期的16線、32線，到如今量產(chǎn)車型上標(biāo)配的128線、192線，乃至最新發(fā)布的512線，行業(yè)內(nèi)似乎陷入了一種“線束”競(jìng)賽，似乎線束越多，就代表自動(dòng)駕駛的能力越強(qiáng)，那事實(shí)果真如此嗎？

激光雷達(dá)線束的本質(zhì)

激光雷達(dá)的線束也被稱為通道數(shù)，它指的是激光雷達(dá)在垂直視場(chǎng)角（FOV）內(nèi)分布的激光束數(shù)量。對(duì)于傳統(tǒng)的機(jī)械旋轉(zhuǎn)式架構(gòu)或目前主流的固態(tài)激光雷達(dá)而言，線束基本等同于雷達(dá)內(nèi)部集成的激光收發(fā)模塊組數(shù)。每一個(gè)物理通道都代表了一個(gè)獨(dú)立的測(cè)距單元，隨著掃描機(jī)構(gòu)的往復(fù)或旋轉(zhuǎn)運(yùn)動(dòng)，這些線束在空間中可以繪制出密集的測(cè)距軌跡。線束增加帶來的最直觀紅利便是垂直角分辨率的顯著提升。所謂角分辨率，是指相鄰兩個(gè)探測(cè)點(diǎn)之間的角度間隔，這個(gè)間隔越小，意味著在遠(yuǎn)距離下投射到目標(biāo)物體上的激光點(diǎn)越密集。

圖片源自：網(wǎng)絡(luò)

在自動(dòng)駕駛的感知任務(wù)中，由于激光束隨距離增加會(huì)發(fā)生發(fā)散，導(dǎo)致單位面積內(nèi)的點(diǎn)云密度迅速下降，因此通過激光雷達(dá)識(shí)別遠(yuǎn)距離小目標(biāo)一直是行業(yè)痛點(diǎn)。如果一臺(tái)16線雷達(dá)在探測(cè)150米外的一個(gè)遠(yuǎn)端行人，可能只有零星一兩個(gè)點(diǎn)落在目標(biāo)身上，這在后端算法眼中僅僅可能是一組無法辨識(shí)的噪聲；而當(dāng)線束提升到128線甚至更高級(jí)別時(shí)，同樣的距離下可以投射出數(shù)十個(gè)甚至上百個(gè)點(diǎn)，從而勾勒出完整的人體輪廓或肢體動(dòng)作。這種分辨率的跨越式增長，極大地降低了感知算法在處理長尾場(chǎng)景時(shí)的難度。實(shí)驗(yàn)數(shù)據(jù)表明，在探測(cè)10厘米大小的小目標(biāo)時(shí)，16線雷達(dá)的可識(shí)別距離僅為3米左右，而當(dāng)?shù)刃Ь€束提升至300至600線級(jí)別時(shí)，有效識(shí)別距離可以飛躍至100米以上。

各線束激光雷達(dá)關(guān)鍵參數(shù)對(duì)比

這種性能提升在安全冗余方面也有不可替代的價(jià)值。高線束激光雷達(dá)由于擁有更多的獨(dú)立發(fā)射和接收通道，在硬件層面具備天然的抗失效能力。像是禾賽AT128，內(nèi)部集成了128個(gè)獨(dú)立工作的激光器，即便極個(gè)別通道發(fā)生了故障，剩余的通道依然可以保證整體感知畫面的連續(xù)性和完整性，不至于出現(xiàn)感知盲區(qū)。當(dāng)然，這種“物理堆疊”的邏輯正在遭遇挑戰(zhàn)。如果通過分立元器件在激光雷達(dá)內(nèi)部塞進(jìn)數(shù)百組模塊，不僅會(huì)導(dǎo)致體積膨脹到像個(gè)“大花盆”一樣難以集成進(jìn)車身，更會(huì)讓成本飆升到車企無法承受的地步。因此，目前自動(dòng)駕駛行業(yè)正嘗試芯片化方向，即利用半導(dǎo)體工藝將大量的發(fā)射器和探測(cè)器集成在厘米級(jí)的芯片上，通過硅光子技術(shù)實(shí)現(xiàn)高線束與緊湊體積的平衡。

高線束背后的系統(tǒng)性壓力與邊際成本

當(dāng)激光雷達(dá)的線束越來越多，整車電子電氣架構(gòu)卻在承受著前所未有的壓力。線束的增加并不是一個(gè)孤立的參數(shù)變化，它涉及算力、帶寬、功耗和熱管理等一系列連鎖反應(yīng)。首當(dāng)其沖的是數(shù)據(jù)傳輸帶寬的挑戰(zhàn)，一臺(tái)激光雷達(dá)的數(shù)據(jù)產(chǎn)生速率（Mbps）可以用核心公式進(jìn)行定量估算，即：

數(shù)據(jù)產(chǎn)生速率（Mbps）=(V×H×V×R×D)/106

其中，N指線束或通道數(shù)；H指水平點(diǎn)數(shù)，其計(jì)算方式為，水平視角（FOV）/水平角分辨率；V指幀率（如5Hz、10Hz或20Hz）；R指回波次數(shù)；D指單個(gè)數(shù)據(jù)點(diǎn)的位數(shù)（Bit）。

根據(jù)這一公式，當(dāng)線束從128線演進(jìn)到256線或512線時(shí)，單秒產(chǎn)生的點(diǎn)云數(shù)量會(huì)從百萬級(jí)激增至五百萬級(jí)以上。這意味著車載以太網(wǎng)需要承載接近1Gbps的實(shí)時(shí)數(shù)據(jù)流，對(duì)于目前仍廣泛采用千兆以太網(wǎng)架構(gòu)的量產(chǎn)車而言，多激光雷達(dá)配置極易引發(fā)總線淤塞。

激光雷達(dá)線束的激增也會(huì)給計(jì)算平臺(tái)帶來壓力。自動(dòng)駕駛系統(tǒng)需要實(shí)時(shí)對(duì)這些亂序的三維點(diǎn)云進(jìn)行預(yù)處理、聚類、目標(biāo)檢測(cè)和語義分割。主流的3D感知算法（如VoxelNet或基于Transformer的架構(gòu)）的時(shí)間復(fù)雜度會(huì)隨輸入點(diǎn)數(shù)呈近線性增長。如果智駕芯片的算力儲(chǔ)備不足，海量點(diǎn)云將導(dǎo)致處理時(shí)延超過100毫秒的閉環(huán)底線，從而引發(fā)嚴(yán)重的行駛安全風(fēng)險(xiǎn)。

激光雷達(dá)處理任務(wù)算力預(yù)估

在工程實(shí)踐中，為了維持實(shí)時(shí)性，需被迫在感知算法的前端進(jìn)行人為的“下采樣”或隨機(jī)丟點(diǎn)。這實(shí)質(zhì)上會(huì)讓主機(jī)廠花費(fèi)高昂成本采購的高線束雷達(dá)，在軟件層面通過算力去“抵消”掉這些增加的線數(shù)，導(dǎo)致硬件層面的線數(shù)紅利無法有效轉(zhuǎn)化為實(shí)際的感知精度提升，這便是顯著的邊際效益遞減。

此外，高線束雷達(dá)由于激光脈沖發(fā)射頻率極高，其峰值電流和熱量堆積問題也變得異常棘手。在1550nm長波長路線上，由于其激光發(fā)生器的電光轉(zhuǎn)換效率較低，高線束配置下的散熱需求甚至可能逼近48V車載供電網(wǎng)絡(luò)的功率分配極限，迫使整車廠不得不設(shè)計(jì)更復(fù)雜的液冷系統(tǒng)，這將進(jìn)一步抬高整車的成本。

除了成本和算力，物理環(huán)境對(duì)高線束雷達(dá)也同樣有約束。雖然線束越多在晴朗天氣下看得越清，但在強(qiáng)降雨、濃霧或暴雪天，激光雷達(dá)的表現(xiàn)會(huì)發(fā)生斷崖式下跌。水滴對(duì)激光產(chǎn)生的米氏散射會(huì)制造大量的虛假噪點(diǎn)云，每秒產(chǎn)生的虛假目標(biāo)點(diǎn)可能會(huì)達(dá)到2000個(gè)以上，這些噪聲將瞬間淹沒真實(shí)的障礙物信息。在這種極端場(chǎng)景下，線束的增加并不能提升變激光雷達(dá)的感知精度，相反，由于高線束雷達(dá)對(duì)弱信號(hào)更加敏感，在惡劣天氣下反而可能產(chǎn)生更多的誤報(bào)，從而引發(fā)不必要的緊急制動(dòng)。

激光雷達(dá)探測(cè)架構(gòu)的技術(shù)變革

既然盲目堆砌物理線束存在明顯的瓶頸，自動(dòng)駕駛行業(yè)開始尋求更聰明的解決方案。其中最具有代表性的趨勢(shì)是從“均勻全景掃描”轉(zhuǎn)向“動(dòng)態(tài)感知分配”，也就是所謂的ROI（感興趣區(qū)域）技術(shù)或“凝視”模式。這種技術(shù)的核心不再是無腦增加激光器的物理數(shù)量，而是通過算法實(shí)時(shí)控制掃描機(jī)構(gòu)。

例如，速騰聚創(chuàng)和華為的某些技術(shù)架構(gòu)允許激光雷達(dá)在車輛高速行駛時(shí)，將大部分掃描線束集中在垂直FOV的正中央?yún)^(qū)域。這就像人類的眼睛，雖然余光可以看清周圍，但注意力焦點(diǎn)卻能鎖死在前方的障礙物上。這種架構(gòu)使得激光雷達(dá)在物理總線束不變的前提下，局部垂直分辨率能夠瞬間提升4到5倍，達(dá)到等效數(shù)百線甚至上千線的效果。這種按需分配資源的思路，不僅解決了遠(yuǎn)距離探測(cè)的分辨率難題，更避免了在不需要關(guān)注的天空或路面區(qū)域浪費(fèi)昂貴的帶寬和算力資源。這種改變標(biāo)志著激光雷達(dá)正式進(jìn)入了數(shù)字化時(shí)代。

激光雷達(dá)中還有一個(gè)技術(shù)變量是波長的選擇。目前市面上激光雷達(dá)存在905nm和1550nm兩種主流路線。905nm由于兼容成熟的硅基接收器，成本優(yōu)勢(shì)巨大，但其受到人眼安全功率的嚴(yán)格限制，導(dǎo)致其在提高線數(shù)和增加測(cè)距距離時(shí)面臨天然的“天花板”。

與之相對(duì)，1550nm波長的激光在人眼視網(wǎng)膜的吸收波段外，允許使用高出905nm數(shù)十倍的發(fā)射功率。這使得1550nm雷達(dá)在不增加線數(shù)的前提下，就能獲得更強(qiáng)的穿透力和更遠(yuǎn)的探測(cè)距離，甚至能實(shí)現(xiàn)超遠(yuǎn)感知。雖然1550nm的激光雷達(dá)目前仍面臨光纖激光器成本高、體積大、散熱難等問題，但隨著供應(yīng)鏈的成熟，它在超高清感知領(lǐng)域的潛力被普遍看好。

905nm vs 1550nm激光雷達(dá)對(duì)比

此外，隨著FMCW（調(diào)頻連續(xù)波）激光雷達(dá)的崛起，將對(duì)傳統(tǒng)的ToF（飛行時(shí)間法）進(jìn)行降維打擊。傳統(tǒng)的ToF雷達(dá)只能測(cè)量物體的距離，而FMCW通過測(cè)量反射波與參考波的頻率差，可以利用多普勒效應(yīng)直接獲取物體的瞬時(shí)徑向速度。這意味著FMCW激光雷達(dá)即便線束較低，也能通過第四維的速度信息，精準(zhǔn)地過濾掉靜止噪聲，識(shí)別出正在橫穿馬路的行人或突然加塞的車輛。這種“4D感知”能力極大減輕了后端感知算法對(duì)高密度點(diǎn)云的依賴，從另一個(gè)維度解開了線束競(jìng)賽的死結(jié)。

軟件定義雷達(dá)與下一代感知趨勢(shì)

當(dāng)硬件線束的增長速度逐漸放緩，人工智能開始在軟件層面接管感知的提升任務(wù)。目前，很多技術(shù)正致力于研究點(diǎn)云超分辨率（Super-Resolution）算法。這種技術(shù)利用深度卷積神經(jīng)網(wǎng)絡(luò)或SRMamba等模型，可對(duì)低線束雷達(dá)輸出的稀疏點(diǎn)云進(jìn)行特征學(xué)習(xí)和幾何重構(gòu)。通過在大規(guī)模高清點(diǎn)云數(shù)據(jù)集上進(jìn)行訓(xùn)練，AI可以學(xué)習(xí)到現(xiàn)實(shí)世界三維結(jié)構(gòu)的規(guī)律，從而將32線或64線的原始數(shù)據(jù)“補(bǔ)全”到等效128線甚至更高的精細(xì)度。

隨著跨模態(tài)融合技術(shù)的應(yīng)用，一些先進(jìn)的感知框架可以將激光雷達(dá)的稀疏三維信息與車載攝像頭的二維高清圖像進(jìn)行深度耦合。通過圖像中的邊緣細(xì)節(jié)和顏色特征，算法可以為離散的點(diǎn)云提供“語義黏合”，生成既具備三維深度又具備圖像級(jí)解析力的環(huán)境模型。這意味著，不需要在車頂裝載一顆昂貴的512線雷達(dá)，而是可以通過一顆高性價(jià)比的128線雷達(dá)配合強(qiáng)力的AI推理引擎，就能達(dá)到超越物理極限的感知效果。這種“軟硬結(jié)合”的路徑，被認(rèn)為是打破目前自動(dòng)駕駛硬件成本瓶頸、實(shí)現(xiàn)“智駕平權(quán)”的必由之路。

當(dāng)然，在安全性要求極高的自動(dòng)駕駛領(lǐng)域，“確定性”一定是高于一切的。生成式算法雖然能提升畫面的清晰度，但也可能產(chǎn)生“幻覺”，即在點(diǎn)云稀疏區(qū)域補(bǔ)全出一個(gè)并不存在的結(jié)構(gòu)，或者將一個(gè)真實(shí)的小障礙物誤認(rèn)為背景噪聲進(jìn)行平滑處理。

最后的話

自動(dòng)駕駛激光雷達(dá)線束的演進(jìn)已經(jīng)從單純的“數(shù)量比拼”進(jìn)入了“質(zhì)量博弈”的新階段。對(duì)于L2+級(jí)的量產(chǎn)乘用車，出于成本和算力的現(xiàn)實(shí)考量，128線輔以ROI動(dòng)態(tài)掃描或?qū)⒊蔀樾袠I(yè)主流；而對(duì)于L4級(jí)Robotaxi，為了應(yīng)對(duì)極端的安全性挑戰(zhàn)，超高清線束雷達(dá)與多傳感器深度融合依然是不可逾越的護(hù)城河。激光雷達(dá)的線束并非越多就越好，只有當(dāng)傳感器規(guī)格與整車算力平臺(tái)、后端感知算法以及最終的商業(yè)邏輯達(dá)成系統(tǒng)性的閉環(huán)時(shí)，這樣的技術(shù)才具有真正的價(jià)值。

審核編輯 黃宇