激光雷达作为智能驾驶关键传感器，保障安全是立身之本，成长可期
思瀚产业研究院    2024-12-17

按照汽车控制权和安全责任分配的不同，智能驾驶又可划分为不同的等级。根据国际自动机工程学会（SAE International）制定的自动驾驶分级标准，汽车驾驶自动化可以分为 L0-L5 六个等级，级别越高，车辆自动化程度越高。中国工信部于 2021 年发布《汽车驾驶自动化分级》国家推荐标准，与 SAE的划分基本一致。

从可靠性的角度出发，智驾升级过程中，系统需要扩大冗余度，以实现容错性、可靠性的有效提升，从而实现安全保障。L3 级智驾是驾驶责任界定的分水岭，当自动驾驶功能启用时，环境监控主体变成了系统，驾驶决策责任也由驾驶员过渡到了系统。也就是说，随着智驾等级的递增，车辆动态行驶过程中驾驶员的参与度逐渐降低，系统更加需要依赖感知层的输入，从而进行驾驶决策和车辆控制。

在安全冗余的语境里，激光雷达作为目前车载传感器中可提供最丰富点云信息的传感器，通过自身数据的独特性为感知模型提供了感知冗余。目前看来，纯视觉和感知融合两种路线在数据集上的精度表现仍存在较大差距。

nuScenes 数据显示，在对目标物追踪准确度（AMOTA，Average Multiple ObjectTracking Accuracy）方面，纯视觉方案的表现经过 3 年的追赶，尚未达到感知融合方案 2020 年时的水平，目前差距仍超过 10 个百分点。当车辆搭载 L4 级自动驾驶功能时，对安全冗余的要求更高。如果说乘用车使用激光雷达是一个“优选项”，那么 Robotaxi 搭载激光雷达就更像是提高可靠性的一个“必选项”。现行 Robotaxi 解决方案均采用多传感器融合方案，单车配备大量传感器。

激光雷达在其中扮演关键角色，在自动驾驶决策权重和整车价值量上都占据举足轻重的地位。无人驾驶的 Robotaxi 要想实现尽可能少的远程介入，需要高效地解决复杂的长尾场景，尽可能地消除在自动驾驶过程中发生概率较低、但种类繁多的一些特殊场景所带来的潜在风险。与纯视觉方案相比，搭载激光雷达的感知融合方案在强光照射、夜晚弱光环境、进出隧道时光线显著变化、前景物体与背景颜色相同等场景中表现更佳。

在 MIT 的一项研究论文中，作者对比基于摄像头数据的算法和融合了激光雷达数据的算法结果发现：摄像头算法到了夜晚感知精度明显下降，而通过融合激光雷达，可以将夜晚环境的感知精度提升 3 倍。

2024 年 7 月，华尔街日报分布了针对特斯拉 Autopilot 事故的深度调查，揭示出纯视觉方案对于光线条件的高度依赖。10 月，美国国家公路交通安全管理局（NHTSA）因收到多起事故报告，且事故发生时道路能见度都较低（如阳光刺眼、起雾或空中扬尘）且 FSD 均处运行模式，宣布对特斯拉逾 240 万辆车进行调查，审查其纯视觉方案“检测并适当应对道路能见度降低情况”的工控能力。

随着相关技术的不断成熟以及 AI 大模型的发展，在智驾终极解决方案中，各大感知元器件之间，应该是及时调度冗余的关系，即系统根据场景的变化，动态地调用不同传感器，不断调整参数贡献值的分配。而激光雷达作为智能驾驶系统中的关键传感器，存在其独特的生存空间，成长前景可期。

更多行业研究分析请参考思瀚产业研究院官网，同时思瀚产业研究院亦提供行研报告、可研报告（立项审批备案、银行贷款、投资决策、集团上会）、产业规划、园区规划、商业计划书（股权融资、招商合资、内部决策）、专项调研、建筑设计、境外投资报告等相关咨询服务方案。