当前，自动驾驶可分为两大应用场景，一是开放式道路上的乘用车，二是封闭、半封闭环境下的功能型汽车。受技术、伦理道德以及法律限制等影响，在开放道路上无人驾驶全面商用还距离甚远，但在一些封闭、半封闭的应用环境下，其影响已经无处不在。如矿山、港口、景区、环卫等应用场景下的“低速无人车”已经稳步着陆。
除乘用车市场外，相对开放道路的自动驾驶而言，低速无人驾驶领域对激光雷达的需求更有望快速起量。
在快速发展的赛道中，对于应用企业来说，什么样的激光雷达方案才是实现低速无人驾驶的最优解？
激光雷达的三大路线
首先，我们来看看当前激光雷达主要的几类技术路线。激光雷达系统涉及激光光源、接收器件、扫描模式、测距原理等多个独立的维度或子模块，每个维度上都有多种潜在的方案选择。排列组合下来，理论上可行的激光雷达系统方案甚至可能超过上百种。
激光雷达分类方式繁多，当前业内常用的分类方式是根据雷达内部有无机械旋转部件来定义的，主要分为三种类型：机械式、固态、混合固态。
机械式
机械式雷达是指通过电机带动光机结构整体旋转的机械式方案，激光脉冲发射器、接收器等元器件都会随着扫描模块进行 360°旋转，从而生成一个立体点云，实现对环境的感知扫描。
机械式激光雷达最大的优点是可以通过物理旋转进行3D扫描，对周遭环境进行全面的覆盖形成点云，且精度高、工作稳定、成像快。但缺点也很明显，一个是高频的转动和复杂的机械结构致使其寿命相对较短，另一个是机械式雷达扫描线束的提高依赖于激光收发装置的堆叠，在成本和体积方面难以控制。
在自动驾驶的实验阶段，机械式雷达是能够满足应用端需要的，但伴随着自动驾驶从概念走向现实，要实现规模落地应用，核心零部件的寿命、成本等问题成为企业不得不考虑的问题。
固态式
前进的路上遇到拦路石，一般有两种选择，要么换一条路，要么搬开石头。
在激光雷达领域，随着传统机械式激光雷达渐渐不能满足自动驾驶规模落地的需要，更换路线成为大部分企业的选择。
固态激光雷达开始被认为是自动驾驶规模化应用的关键。相比机械式激光雷达，固态激光雷达仅面向一个方向一定角度进行扫描，覆盖范围有所限制。但取消了复杂高频转动的机械结构，耐久性得到了巨大的提升，体积也可以大幅缩小。
尽管能够解决机械式激光雷达面临的一些问题，但固态式激光雷达也存在着一些限制。
当前的固态激光雷达方案主要分为三种：Flash、OPA以及MEMS。
Flash能够在短时间内直接向前方发射出一大片覆盖探测区域的激光，通过高度灵敏的接收器实现对环境周围图像的绘制。Flash激光雷达的原理类似于拍照，但最终生成的数据包含了深度等3D数据。但是由于短时间内发射大面积的激光，因此在探测精度和探测距离上会受到较大的影响，当前也无法满足开放道路自动驾驶乘用车的需要。
OPA发射的是电磁波，同样也是波的一种，波与波之间会产生干涉现象。通过控制相控阵雷达平面阵列各个阵元的电流相位，利用相位差可以让不同的位置的波源会产生干涉，从而指向特定的方向。往复控制相位差便可以实现扫描的效果。
但是，OPA激光雷达要求阵列单元尺寸必须不大于半个波长，因此每个器件尺寸仅500nm左右，对材料和工艺的要求都极为苛刻，成本难以控制。上游的供应链尚未突破，OPA激光雷达的开发也存在诸多限制。
MEMS采用二维微振镜，仅需要少量激光收发单元，通过一面MEMS微振镜来反射激光器的光束即可实现对目标物体的3D扫描，对激光器和探测器的数量需求明显减少。MEMS 激光雷达结构原理上减少了绝大部分运动结构，但仍有一丁点可运动部件，也就是偏振镜面工作时候做出的振动，因此，也有一些人认为应该将MEMS归为混合固态类。
但也有企业表示，固态激光雷达与非固态激光雷达的区分，重点不在于内部是否存在运动部件，而在于结构的可靠性，行业对于“固态”的期待，大多源于机械电机及轴承不可靠的方面衬托，而MEMS在结构的可靠性方面已经无限接近“固态”了。
当然，固态还是混合固态其实并不是关键，关键在于，MEMS方案是否能够满足自动驾驶的需要。
MEMS的主要优势在于体积小，容易集成，便于整机尽可能小型化，量产后成本较低……不过 MEMS 也有它的局限性，如有效距离短、FOV窄等。此外，MEMS 器件的核心结构是尺度很小的悬臂梁结构，如果芯片设计或者器件选型不得当，会因为外界的振动或者冲击导致断裂，对激光雷达企业的设计和生产能力要求较高。
总体而言，在当前的三种固态方案中，MEMS技术是最为成熟的，也是业界和投资界比较看好的，有望最快实现量产落地。
混合固态
由于大部分固态技术突破及量产的实现还有很长一段路要走，作为折中方案的混合固态雷达开始成为一些厂商的方向。
混合固态雷达不需要通过机械结构来旋转激光发射器和接收器来进行360度扫描，体积比较小，成本也比较低，但是内部又有部分小型的机械运动部件。目前混合固态的主要方案有两种：
转镜式。转镜是通过反射镜面围绕圆心不断旋转实现扫描，转镜在功耗、散热等方面有着更大优势。法雷奥推出的全球首款车规级激光雷达就采用了转镜形式。在转镜方案中，存在一面扫描镜（一维转镜）和一纵一横两面扫描镜（二维转镜）两种技术路线。一维转镜线束与激光发生器数量一致，而二维转镜可以实现等效更多的线束，在集成难度和成本控制上存在优势，不过转镜方案与MEMS一样存在信噪比低，和有效距离短，FOV视场角受限等问题。
棱镜式。棱镜激光雷达也称为双楔形棱镜激光雷达，内部包括两个楔形棱镜，激光在通过第一个楔形棱镜后发生一次偏转，通过第二个楔形棱镜后再一次发生偏转。控制两面棱镜的相对转速便可以控制激光束的扫描形态。相比与转镜方案，棱镜激光雷达可以通过增加激光线束和功率实现更高的精度和更远的探测距离，不过机械结构也相对更加复杂，体积较前者更难以控制，存在轴承或衬套的磨损等风险。同时由于非重复性扫描点云有别于行业一直以来应用的重复性扫描点云，需要单独开发算法匹配，感知系统开发成本和周期更高。
不同类型激光雷达优劣势对比
低速无人驾驶的最优解
机械式、固态、混合固态……，哪一种方案才是实现低速无人驾驶的最优解，目前尚未有定论。事实上，尽管定义为“低速”，但由于应用场景多样复杂，不同的场景对于传感器的需求也呈现出不同的特点。
目前，我们所提到的低速无人驾驶一般聚焦于园区、景区、矿区、港口等室外半封闭场景的应用，事实上，室内一些清洁服务机器人甚至于工业场景应用移动机器人也被看做是低速无人驾驶。（延伸阅读：一文读懂移动机器人专用激光雷达）而激光雷达在低速无人驾驶领域的主要作用有两个：
1、目标检测
无人车对周围环境的准确感知是保证安全的基础，因此感知数据的精度和可靠性十分重要。激光雷达作为自动驾驶目标检测的最重要的传感器之一，常用于物体检测、障碍物识别、道路分割和目标关键信息提取。
下图是一个典型的目标检测效果图
2、SLAM定位与构图
激光SLAM指搭载激光雷达的车辆，使用实时的激光点云数据于运动中估计自身的位姿，同时增量式构建周围的环境地图的算法。基于激光雷达的SLAM就不受光照影响，数据量比较小，创建的地图精度高，而多线激光雷达还能提供丰富的三维点云数据，适应室外复杂环境，因此在低速无人驾驶领域广受欢迎。
激光SLAM定位与构图过程可分为三个步骤：首先对激光点云进行数据处理完成关键特征的提取。其次，根据帧间的特征匹配完成车体的实时位姿估计并且增量式地构建地图。最终，进行地图的全局优化，并结合高精地图、IMU等辅助信息优化自身的位置、姿态信息，实现高精度的地图构建与精准定位。
探维Tensor激光雷达建图效果
除此之外，障碍物检测、 可行驶区域识别等应用也都会需要用到激光雷达。
一般而言，室外场景更看重激光雷达的环境适应能力，比如抗雨雾、抗太阳光、灰尘等影响。室内场景，比如商场、火车站、机场等，更注重的是对透明玻璃或者大大小小的动态物体比如小动物或者小的障碍物这些的探测能力。此外，越大型的设备存在的盲区也更多，对传感器方案的配置也有不同的需求。
以下选取了当前低速无人驾驶几个典型场景的激光雷达的应用现状。
清洁机器人
清洁机器人应用场景具体可分为两大类，室内&室外，不同场景也有不同的需求。
以高仙机器人为例，其相关产品以3D/2D激光雷达+摄像头+超声传感器为主的多传感器融合方案，其系列产品主要可以分为室内、外的商用清洁机器人，与园区、道路用无人驾驶环卫车两大板块，商用清洁机器人应用场景又可以细分为较为简单的写字楼、酒店、商场、广场、交通枢纽、园区，和较为复杂的超市、地下车库、工厂车间等，因地制宜为用户提供最有效的机器人清洁服务。运行的环境不一样，对激光定位的要求也不一样，环境相对简单的，则以无碰撞安全运行为主，传感器的视距需求不高，但视野需要比较聚焦局部。而对于室外大型的清扫车一般会搭载3个及以上的激光雷达来实现定位导航及避障。
在雷达的选用上，目前高仙倾向机械式多线束雷达，跟速腾聚创合作居多，同时高仙也在不断积极探索其他高效前沿的传感器方案。据2020年报道，高仙也与大疆旗下的激光雷达公司览沃达成了合作，览沃为高仙定制的Mid系列产品采用棱镜式方案，览沃方面表示该系列产品点云密度可以达到20-32线的激光雷达效果，未来与高仙的合作也将会持续扩展。
当前，高仙在环卫保洁数字化这条路上走在前沿，以全系列商用清洁机器人与无人驾驶环卫车为载体，对传感器方案落地进行的一系列探索，也为行业作出了一定的贡献，颇具参考意义。
无人配送车
从限定区域的无人清扫到最后一公里无人配送，相对于清洁机器人而言，无人配送车面临着更加复杂的环境，对感知定位系统的要求也更高。
以美团最新一代的魔袋20为例，整车搭载了30余个传感器，包括3个激光雷达、19个摄像头、2个毫米波雷达和9个超声波雷达。其中，车顶激光雷达为禾赛科技Pandar 64，为一颗64线机械激光雷达，在车前左右两侧还分别配备了Velodyne的激光雷达，用于补盲。
这种激光雷达配置方案也是目前市场上大部分无人配送车的选择，车顶的激光雷达用来全局扫描，左右两个用来补盲，再与其他传感器相配合。
无人配送小车对激光雷达的应用依旧是以机械式方案为主，不过也有一些在尝试固态及混合固态的方案。2018年，阿里菜鸟与速腾聚创（RoboSense）联合发布了全球首款应用固态激光雷达的无人物流车G Plus，该款物流车搭载了来自速腾聚创的固态激光雷达RS-LiDAR-M1Pre，前方两台，后方一台。京东物流的无人小车也与LIVOX有相关合作。
但固态目前来说仍旧只是尝试性的应用，阿里最新一代的物流机器人“小蛮驴”依旧采用了机械式的方案，批量搭载了速腾聚创RoboSense为其定制的新一代32线激光雷达。其他包括京东、新石器、智行者也依旧是以机械式方案为主。
无人卡车
作为低速无人驾驶领域车型最大的无人卡车，在感知定位方面，则需要更多传感器的融合。
以斯年智驾的港口无人卡车为例，车上搭载了激光雷达、相机、毫米波雷达、超声波雷达等传感器，其中，作为主传感器的激光雷达都是传统的机械式方案，一共有4个，左右两侧和顶上配备高线束激光雷达，一般不低于32线，前方还需要补盲雷达，一般需要16线以上。据了解，一辆无人卡车整体传感器硬件成本接近20万，其中激光雷达占了70%-80%。
无人驾驶卡车厂商也在尝试固态的方案，不过固态的技术还并不成熟，首先视野比较受限，要达到机械式同样的扫描效果，需要多个拼接，且由于卡车本身的空气悬挂设计，车体抖动剧烈，严重影响到传感器之间的联合标定和对齐，所以一些厂商认为拼接的方案目前来说并不适用。
踏歌智行和慧拓智能的无人矿卡则选择了Ouster的数字激光雷达，所谓「数字激光雷达」，就是对激光雷达进行全半导体化的设计，将原来激光雷达产品内部的发射器、接收器等上千种光电器件固化到芯片之中，实现了「固态」的形式。在此基础上，Ouster 再在激光雷达内部加入旋转装置，让其能够在 360 度方向上实现扫描。数字激光雷达其实也可以理解为一种混合固态的方案，相对于纯固态激光雷达，ouster的数字激光雷达方案扩大了扫面角度，更适用于大型卡车的感知需要。
机械式为主，固态方案逐渐尝试
可以看出，目前在低速无人驾驶领域，无论是小型的清洁机器人还是大型的无人卡车，机械式激光雷达都是应用主流。
尽管各类产品应用场景不同，但同处低速领域，也有一些共同的特征。
与开放道路乘用车相比，低速场景的无人驾驶产品对探测距离、探测频率的要求相对来说较低，对感知距离要求也较低，一般在20-50米之间。因此目前低速场景应用的较多的都是低线束及短距离激光雷达，16线是应用最多的，其次是32线。
大部分厂商都在尝试固态的方案，主要因素之一在于机械式目前的成本较高。高仙机器人相关负责人表示尽管激光雷达的价格已经逐年下降，但对于应用端来说更低的价格始终是最大的关注点。
另外一点则在于使用寿命。机械式激光雷达的工作原理决定了它的寿命，因为轴承再好也是有一个绝对寿命的，长时间连续旋转到一定的程度后，再加上温度的因素，都对机械式激光雷达寿命有一点影响，不过伴随着一些厂商对机械式方案的不断改进，当前机械式产品的使用寿命也在不断延长。
事实上，无论是机械式、固态还是混合固态，都有各自的优点以及尚未突破的难点，目前并没有哪种方案是完美的，当然，未来伴随着技术的发展或许当前存在某些的问题能逐渐解决，但应该也很难出现一个能解决所有问题的“完美方案”。就像现在一样，应用端们还是要根据自己的需求去综合分析，选择最合适的方案。
当前来说，机械式方案最为成熟，显然更适用于低速无人驾驶领域，但成本高，寿命受限是目前存在的主要问题。固态方案尚存在诸多技术难点有待突破，混合固态雷达的应用也还不成熟，不过伴随着乘用车市场的推动，固态及混合固态方案可能会加速迭代发展，但当前大部分固态及混合固态产品针对的都是乘用车市场，未来要想在低速领域得到规模化应用，厂商能否针对这一市场推出适用性产品也是关键。
国产激光雷达厂商崛起
当然，技术的发展离不开企业的推动，伴随自动驾驶的发展尤其是低速无人驾驶的逐渐应用，这一阶段，国内外激光雷达企业纷纷成立，激光雷达市场规模开始爆发，企业也开始进入快速成长期。
这之中，中国的激光雷达厂商虽然起步较晚，但近几年，伴随着中国无人驾驶产业的快速发展，在不断的应用打磨中也逐渐成长起来，推进着激光雷达国产化的进一步深入。尤其是低速无人驾驶领域，中国的激光雷达厂商，以无法拒绝的性价比优势抢占了大量的市场份额。菜鸟、京东、美团、新石器、高仙、斯年智驾……都纷纷换上了国产激光雷达。
表：国内部分低速无人驾驶产品激光雷达应用情况（本表粗略统计，如有未完善之处，请指正！）
低速无人驾驶市场正在飞速发展，瞄准这一应用领域，一些激光雷达厂商也开辟了专门的产品线。
速腾聚创
RoboSense（速腾聚创）成立于2014年，RoboSense总部位于深圳，通过激光雷达硬件、AI算法与芯片三大核心技术闭环，为市场提供具有信息理解能力的智能激光雷达系统，产品技术包括：MEMS与机械式激光雷达硬件、硬件融合技术、AI感知算法等。
2016年速腾聚创发布了首款用于自动驾驶的16线激光雷达RS-LiDAR-16和32线激光雷达RS-LiDAR-32，2017年4月，速腾聚创16线激光雷达RS-LiDAR-16实现量产，陆续向合作伙伴供货。于此同时，2016年速腾也开启了固态激光雷达研发项目。通过不断迭代升级，MEMS性能不断完善，今年3月，速腾聚创在国内的首条车规级固态激光雷达产线正式落成。
而针对低速无人驾驶领域，目前速腾主要产品有RS-LiDAR-16、RS-LiDAR-32、RS-Bpearl以及新款大FOV的32线，主要以低线束的机械式激光雷达为主。其相关产品广泛应用到无人物流车、商用清洁机器人、巡逻机器人等领域，并与阿里菜鸟、京东物流、苏宁物流、AutoX、小马智行、Momanta、元戎启行等有着深度合作，市场占有率领先。
禾赛科技
禾赛科技2014年成立于上海，禾赛凭借自主研发的微振镜和波形加密技术，始终引领传感器创新的发展方向。经过多年深耕，禾赛在核心元器件、自研芯片、车规级生产能力、功能安全、主动抗干扰技术以及基于深度学习的激光雷达感知方面都有深厚的积累。
早在2016年，禾赛科技便前瞻性地开始自主研发激光雷达，并逐步进入无人驾驶激光雷达领域。深耕行业多年，先后推出多款产品，包括面向无人驾驶领域的Pandar40、Pandar40P、Pandar64、PandarQT、Pandar40M、Pandar128；与百度Apollo联合发布的多传感器融合感知套件Pandora；面向高级辅助驾驶领域的PandarGT；面向车联网应用的PandarMind；面向机器人、中低速应用等市场的PandarXT等系列产品。
针对中低速场景应用的PandarXT是禾赛基于自研芯片打造的中距离激光雷达，是一款32线360°机械旋转雷达，最远测距120m@20%，垂直视场角31°，各线均匀分布，垂直分辨率为1°。探测能力方面，PandarXT在100k Lux阳光下感知80m处10%反射率物体的探测概率超过90%。
探维科技
探维科技团队从2008年开始布局硬件级图像融合的固态激光雷达技术，2017年开始专注车载和自动驾驶应用场景，开发车规级的激光雷达产品，目前已经完成大规模量产产线的建设，进入批量交付阶段。值得关注的是，探维科技是国内唯一一家来自清华大学国家重点实验室的知识产权成果转化团队，在高精度激光测距和芯片化信号处理领域拥有十多年的研发经验和技术积累。
探维科技在技术方案上坚持核心器件的阵列化、集成化和芯片化，并基于这一目标开发了激光雷达的ALS技术平台。ALS技术平台包括阵列化模拟前端、专用并行处理芯片、单轴大视场描扫光学系统。其优势体现在产品稳定性强、量产难度低、灵活性高和迭代速度快四个方面。
2019年探维科技发布了16单元产品Tensor，并于业内率先实现了产品的规模化量产，2021年2月，探维正式开始交付全新高性能混合固态激光雷达产品——64单元Scope系列。目前，探维科技激光雷达已经完成大量的客户测试和验证，应用场景覆盖L3级乘用车商用车、L4级低速自动驾驶、工业AGV、无人叉车和车路协同等领域。在低速无人驾驶领域，Tensor具备明显的价格优势和产能优势，自去年量产以来已陆续完成交付数千台。高线数的Scope自今年年初正式发布后已获多笔意向订单，并得到了行业客户的广泛认可。
北醒光子
北醒光子成立于2015年，总部设于北京。秉承“做世界上最好的机器人眼睛”的经营理念，北醒不断将新技术与应用相结合，辅助客户探索安全智能行驶和自动化领域，快速进入“智能”新时代。
北醒光子激光雷达现已实现量产，年产能达到60万台。合作伙伴覆盖全球超过64个国家和地区，为智慧轨道交通、智慧民航、智慧航运、车路协同及自动驾驶、无人机、机器人、物位检测、安防、IoT等行业实现技术升级。
在低速无人驾驶领域，其最新一代CE系列激光雷达主要为低速领域无人车提供主雷达前向探测功能，量程较近、探测精度高、性价比高、多模式可配置，并配有TF系列激光雷达为无人车提供辅助补盲/避障等功能。目前已在园区和矿区进行了大量应用测试，稳定运行。
除以上列举的部分企业外，还有包括镭神智能、万集科技、欧镭激光等企业也拥有相关产品。
任何产业的健康发展都离不开产业链上下游的协同，自动驾驶的发展推动着激光雷达的不断进步，激光雷达技术的不断突破也给了自动驾驶更多可能性，在低速无人驾驶领域，随着相关产品的批量化落地，也将推动激光雷达市场规模进一步扩大，激光雷达整体预计也将继续呈现高速发展态势。
