满足高速公路L3自动驾驶的激光雷达设计和性能需求

内容摘要

激光雷达的设计必须坚固可靠，以确保在各种车速下的安全性和系统性能。这对于高速公路驾驶来说尤为关键。在本白皮书中，将探讨合适的激光雷达设计对于L3级自动驾驶汽车在高速公路行驶时安全驾驶的重要性。分析了诸如水平和垂直视场、水平和垂直分辨率、探测范围、帧率以及反射率响应等参数的要求。 对于自动驾驶汽车而言，最大的挑战之一在于，在高速公路上行驶时，要在远距离检测到诸如轮胎这类尺寸小、反射率极低的物体。

为了确保安全制动并避免碰撞，需要在多个方面进行权衡取舍。这一安全事件应用案例阐明了对远距离探测的要求，以及对尽可能高的分辨率和帧率的需求，以确保在高速行驶时能够检测到物体和障碍物。 除了这些参数之外，自动驾驶系统还必须考虑各种天气、光照和道路状况（包括坡度和弯道）的影响。它还必须考虑在高速公路速度下驾驶所需的制动时间。所有这些因素都对自动驾驶系统提出了更高的要求，以便在任何驾驶条件下都能达到关键性能指标。 激光雷达在车辆中的安装位置对激光雷达的设计和车辆的设计都有着重大影响，因为L3级自动驾驶所使用的激光雷达不应过于突兀。汽车的设计很容易决定激光雷达的设计。工程师们必须适应由汽车设计所决定的工程要求。 考虑到这些要求，并基于在InnovizOne产品上积累的经验，Innoviz公司开发了下一代高性能激光雷达InnovizTwo。在本白皮书中，将介绍InnovizTwo，其设计旨在确保在各种情况下，尤其是在高速公路行驶时，实现安全舒适的驾驶体验。

引言

每年，全球有超过130万人死于交通事故 ，多达5000万人遭受与道路相关的伤害。人为失误在所有事故的可能原因中占比80%至90%，在所有致命事故中占比94% 。由于交通是我们生活的一部分，因此应采用最佳的工程实践方法，以最大程度地减少人为失误的可能性。 自动驾驶是我们这个时代最具挑战性的任务之一。为了设计出 “完美的” 自动驾驶汽车，不同汽车公司的数千名工程师致力于描述各种不同的驾驶场景和应用案例，在这些场景和案例中，汽车必须能够安全地实现自动驾驶。 对交通事故的帕累托分析表明，道路上的大多数死亡事故发生在高速公路和城市的直道上，主要原因是驾驶员注意力不集中。尽管高速公路自动驾驶简化了驾驶决策软件的工作，但它对激光雷达传感器提出了更多要求，这使得汽车制造商在选择激光雷达时面临更大的困难。在高速公路上行驶时车速较高，这就需要更长的制动时间，同时也对自动驾驶系统提出了更高的要求。在传感器层面上增加探测范围，可以为软件系统提供更长的响应时间。

定义激光雷达的要求

在设计自动驾驶功能时，必须考虑许多参数，包括汽车自动驾驶的速度、车辆位置、天气状况等等。这些参数被用于计算对激光雷达、摄像头和毫米波雷达的抽象要求。 感知参数（例如确定检测或识别人的距离、允许的延迟时间、误报率或误检情况）会在各种不同的传感器之间进行分配，以弥补不同传感器的局限性。激光雷达、摄像头和毫米波雷达所提供的关键性能指标（KPI）相互补充，并提供冗余信息，因为用于传感器融合的域控制器会对这三个关键性能指标进行比较。 激光雷达的感知输出必须满足汽车制造商为做出驾驶决策所定义的所有关键性能指标。在可用处理能力和允许的延迟时间限制内满足这些关键性能指标，将决定激光雷达的设计，以及将激光雷达的原始点云数据转换为用于传感器融合的处理数据的感知软件的设计。

美国汽车工程师学会（SAE）自动驾驶等级 L3级自动驾驶，也被称为 “有条件的驾驶自动化”，根据美国汽车工程师学会（SAE）的J3016-2021标准的描述，指的是车辆能够在汽车原始设备制造商（OEM）所规定的有限条件下进行自动驾驶，且无需人类监督。要求 “驾驶员” 在足够的时间内对系统（车辆）发出的要求其重新接管控制权的请求做出响应。 与如今的L2+系统（这是介于L2级和L3级之间的非官方混合等级）相比，L3级系统对完全冗余的要求是一个质的飞跃。L2+系统仍然需要人类对系统进行监督，驾驶员不能将视线从道路上移开，也不能将手从方向盘上拿开。虽然L3级自动驾驶很可能主要在高速公路上实现，但当车辆驶离高速公路并行驶在当地道路上时，仍需要人类集中注意力，为L2+等级的驾驶提供必要的监督。

为了达到L3级或更高的自动驾驶等级，工程师们需要证明自动驾驶系统符合汽车行业国际标准化组织（ISO）26262标准中功能安全等级的最高级别——汽车安全完整性等级D（ASIL D），该等级对应着汽车领域的最高危险等级。这一等级要求对不同的驾驶应用场景进行分析，并证明在任何可能的情况下，汽车都能确保车内和车外人员的安全，即便系统中的某一个部件出现单点故障或性能下降的情况也是如此。 这种分析需涵盖整个平台，针对各种不同的驾驶场景、温度、天气状况以及其他内部或外部因素来展开。

平衡安全性与舒适性

虽然安全性至关重要，但如果自动驾驶系统的运行方式让驾驶员感到 “不舒服”，驾驶员就会对自动化系统失去信心，进而不再使用它。这里所说的 “舒服” 是指汽车在决策时不会拖延，因此不会做出 “最后一刻” 的决策，比如紧急制动和突然转向等操作。该系统应确保驾驶过程平稳，这源于对路况的完美感知，以及对本车前方物体做出快速、正确的决策。

L2+自动驾驶的风险与潜力

许多驾驶员将自动驾驶与诸如 “自动辅助驾驶（Autopilot）” 之类的功能混淆。驾驶员认为开启自动辅助驾驶功能后，他们就可以将视线从道路上移开，把手从方向盘上拿开。以下列出了当前L2+等级车辆的现状，以及激光雷达能为L2+等级车辆带来的好处：

1. L2+等级的自动驾驶平台正变得越来越受欢迎。

2. 这个非官方的美国汽车工程师学会（SAE）混合等级（也被称为 “自动辅助驾驶”）仍然需要人类进行监督。

3. 大多数事故发生在直道上，原因是驾驶员对路况过于自信。

4. 没有配备激光雷达的L2+等级自动驾驶会给人一种错误的信心，从而导致致命事故。

5. 研究表明，当启用自动辅助驾驶功能时，驾驶员会变得注意力不集中。

6. 没有配备激光雷达的L2+等级自动驾驶给自动驾驶技术带来了不良声誉。

7. 由未配备激光雷达的L2+等级车辆引发的事故，延缓了自动驾驶汽车的普及以及更安全出行方式的推广。

8. 根据国际标准化组织（ISO）26262标准，只有不依赖摄像头进行检测的激光雷达才能提供冗余功能。

9. 配备激光雷达的L2+等级自动驾驶为客户提供了更安全的平台。

10. 汽车制造商可以利用配备激光雷达的L2+等级自动驾驶，在现实生活条件下进行众包数据收集，并验证该平台的安全性。

11. 在L2+等级自动驾驶中使用激光雷达可以挽救客户的生命，加快开发进程，节省数据收集成本，并且能让汽车制造商更有信心地推出L3级自动驾驶服务，从而降低风险。

12. 使用激光雷达并通过空中下载（OTA）软件升级的L2+等级自动驾驶，可以逐步提高车辆的安全性，并且在不更换激光雷达硬件的情况下达到L3级自动驾驶水平。

L3级自动驾驶是自动驾驶领域的最小可行产品（MVP）

如同在任何新市场中一样，对于最小可行产品（MVP）需要有一个清晰的定义。这样一个最小可行产品的定义可以转化为减少与各种城市场景、十字路口相关的显著复杂性，以及降低道路中间出现诸如行人、骑自行车的人这类道路弱势群体（VRU）的高可能性。 对交通事故的帕累托分析表明，道路上的大多数死亡事故发生在高速公路和城市的直道上，主要原因是驾驶员注意力不集中。将L3级自动驾驶车辆主要限制在高速公路上行驶，将简化整个自动驾驶系统的要求和成本，消除我们生活中巨大的日常风险，并减少人们每天对汽车进行数小时人工操控的需求。 尽管高速公路驾驶简化了驾驶决策软件的工作，但它对激光雷达传感器提出了更多要求，这使得汽车制造商在选择激光雷达时面临更大的困难。在高速公路上行驶时车速较高，这就需要更长的制动时间，同时也对自动驾驶系统提出了更高的要求。在传感器层面上增加探测范围，可以为软件系统提供更长的响应时间。

在第3部分，将讨论传感器融合问题，并对摄像头、毫米波雷达和激光雷达进行比较。在第4部分，我们会探讨激光雷达的技术规格，并指出激光雷达制造商的宣传可能存在误导性，必须仔细评估。在第5部分，会展示一个高速公路安全事件的应用案例，以及为确保安全驾驶所需达到的性能要求。 在第6部分，将介绍InnovizTwo激光雷达，它是基于与汽车行业技术领导者进行数千小时面对面讨论后所明确的各项需求而研发的。

传感器融合

在车辆的驾驶决策过程中，对各种类型传感器的运用被定义为 “传感器融合”。大多数L2级智能辅助驾驶车辆使用摄像头和毫米波雷达作为做出驾驶决策（车辆速度和行驶轨迹的改变）的传感器。摄像头和毫米波雷达无法相互提供冗余功能，也无法满足功能安全要求。为了符合国际标准化组织（ISO）26262标准中汽车安全完整性等级D（ASIL D）的要求，驾驶员被定义为冗余传感器，通过观察道路情况，并对摄像头或毫米波雷达的任何错误检测提供备份。因此，要求驾驶员将视线始终放在道路上，手放在方向盘上，以便在车辆的驾驶决策系统出现错误时能够接管车辆。在L2级和L2+智能驾驶系统中，一旦发生事故，驾驶员需承担责任。 在美国汽车工程师学会（SAE）J3016-2021标准中，对于L3级到L5级的自动驾驶车辆，汽车原始设备制造商（OEM）被定义为在指定的运行设计域（ODD）内的法定驾驶员。因此，在自动驾驶系统完全接管全部驾驶任务的情况下，无论是在规定的应用场景（L3级到L4级）还是所有应用场景（L5级）中，只要符合ISO 26262标准中ASIL D等级的要求，汽车原始设备制造商就要对所发生的一切负全部责任。这旨在确保故障发生的概率足够低，使得汽车制造商、消费者和监管机构都认可车辆能够在特定区域和特定时间内无需人类驾驶员的监督即可进行驾驶操作。 传感器套件被视为自动驾驶系统的关键组成部分。如果不能准确了解车辆周围的环境，就无法做出正确的驾驶决策。符合ISO 26262标准中ASIL D等级要求的系统需要关键部件具备 “智能” 冗余功能。“智能” 冗余是指混合使用不同类型的传感器，而不是简单地使用多个相同类型的传感器（即摄像头、毫米波雷达或激光雷达）来在传感器发生故障时提供备份。 由于所有类型的传感器都存在局限性，混合使用多种传感器可以提高在任何给定情况下总有一个传感器能够良好工作的可能性。每个传感器必须独立工作，它们之间不能有任何相互干扰。这样一来，无论对于某种特定类型的传感器来说驾驶条件多么具有挑战性，都始终能够做出正确的驾驶决策。每种类型的传感器还必须配备其独立的感知软件，以确保不仅在硬件上具备冗余功能，在软件上也具备冗余功能。 由于每种传感器都有其优缺点，因此有必要同时使用摄像头、雷达和激光雷达，它们相互补充，并提供ISO 26262标准所要求的冗余功能。

图6：激光雷达、摄像头和毫米波雷达在不同维度上的性能表现

摄像头

摄像头是一种很好的传感设备，是如今用于实现对场景理解的基础传感器。摄像头属于被动传感器，依赖外部光源（太阳、汽车前灯、街道照明等）。然而，在光线较暗的条件下、强光导致的饱和状态下，以及诸如镜头上有水渍导致图像模糊的天气条件下，摄像头的性能会大幅下降。ISO 26262标准要求由不同类型的传感器提供冗余功能。不能通过使用另一个摄像头传感器来使摄像头具备冗余功能，因为另一个摄像头也很有可能出现类似的故障。

除了受到环境因素的影响之外，摄像头传感器的二维特性在某些物体被遮挡或仅部分被捕捉的场景中，限制了物体检测的真阳性率（TPR）。物体检测依赖于机器视觉，这需要事先使用足够的数据进行训练。对于不同类型可能出现的物体的边缘情况，需要对训练数据集中未包含的物体进行实时检测。在不同的性能下降模式下，摄像头很难满足这样的要求。

图7：在低光条件下摄像头与激光雷达的对比

图8：在有雾/下雨天气条件下摄像头与激光雷达的对比

毫米波雷达

毫米波雷达在确定沿径向方向移动的物体的位置和速度方面表现出色。毫米波雷达传感器可以根据其工作距离范围进行分类：短程毫米波雷达（SRR）的工作距离范围为0.2米至30米，中程毫米波雷达（MRR）的工作距离范围为30米至80米，远程毫米波雷达（LRR）的工作距离范围为80米至超过200米。 毫米波雷达是一种能够降低对环境因素敏感度的优良传感器类型；然而，即使是目前正在研发的最先进的 “下一代” 毫米波雷达，由于其分辨率较低，也无法提供足够的场景信息。此外，毫米波雷达在检测静止物体或垂直于径向方向移动的物体时存在困难。它们也无法准确确定物体的形状或小型物体的大小。因此，如今的毫米波雷达无法为摄像头提供全面的冗余功能，以实现对场景的精确理解。

激光雷达

仅使用摄像头和毫米波雷达的L2/L2+自动驾驶平台需要人类进行监督。因此，它们不符合L3级自动驾驶根据ISO 26262标准所要求的进行全面冗余分析的规定。目前，只有激光雷达能够保证为摄像头和毫米波雷达提供冗余功能。 激光雷达是自动驾驶汽车（AV）中的一个关键组成部分，其具备的传感能力是毫米波雷达和摄像头都无法比拟的。激光雷达在夜间运行时表现卓越，因为它不像摄像头那样依赖环境光。在恶劣的天气条件下，激光雷达在物体检测方面也比摄像头更具优势。与摄像头相比，激光雷达更不容易受到直射阳光或迎面而来的汽车前灯的强光干扰。此外，激光雷达的分辨率比毫米波雷达高得多，能够更好地识别物体。

图9：在直射阳光下摄像头与激光雷达的对比激光雷达能够提供高分辨率、精确的三维世界图像，感知软件层最容易利用它来创建对现实物理世界有价值的呈现。激光雷达系统使用脉冲激光束发射光线，这些光线从环境中的物体上反射（反弹）回来，在返回时被激光雷达的传感器检测到。通过返回时间的差异来计算物体与激光雷达之间的精确距离。这与摄像头不同，摄像头是估算物体到传感器的距离。 从激光雷达扫描返回的光点由激光雷达的处理单元收集和处理，以创建点云，即便是在光线较暗的条件下，也能形成对环境的三维（3D）呈现。点云可以从多个视角（即俯视、驾驶员视角、第三人称视角等）展示环境。随着时间推移，每个激光雷达点都反映出完整的X、Y和Z轴反射率数据。 当从多个视角查看时，这些数据点会被识别并归类为不同的物体。关于物体的其他信息，比如其位置、大小、速度、方向和反射率等，都可以从信号中确定。 虽然激光雷达有很多种类型，但由于在性能、成本、可靠性和尺寸方面存在较高的要求标准，大多数激光雷达无法满足三级自动驾驶在高速公路行驶时的不同需求。以下分析基于摄像头和毫米波雷达存在不足的驾驶场景和事件，提出了L3级自动驾驶激光雷达必须具备的不同属性。

L3级自动驾驶激光雷达的规格和性能

由于驾驶是一种动态的体验，激光雷达的设计必须使其能够在广泛的条件和情况下实现最佳性能。由于性能参数之间是相互关联的，为了适应标准驾驶条件和特殊情况，需要在很多方面进行权衡取舍。 在考虑最佳性能时，应结合安全性和舒适性的要求。安全性（或紧急情况）方面的要求，源于对检测与碰撞相关事件的需求，这些事件涉及到移动的物体、不能从上面碾压过去的物体以及不能从下面穿行的物体。舒适性对于用户体验来说也是一个重要因素，应避免出现突然停车、急转弯或任何其他意外动作。当把性能因素考虑在内时，舒适性和安全性的结合就形成了一系列细致入微的要求。自动驾驶汽车的设计行驶速度越快，在高速公路自动驾驶时对相应的分辨率、探测范围和帧率的要求也就越高。不过，需要注意的是，这种更高的性能只在一个较小的感兴趣区域（ROI）内是必需的，这个区域也就是用于远距离探测的视场（FOV）中心部分。

图10：驾驶中舒适性与安全性要求的对比

以下表格列出了对于理解L3级自动驾驶激光雷达规格和性能最为重要的参数。 在本节中，将阐述高速公路驾驶的相关要求，这是L3级自动驾驶激光雷达的主要应用场景。会探究那些决定激光雷达设计和性能的要求及考量因素，同时权衡舒适性与安全性。在本节结尾，会展示一个颇具挑战性的、并非罕见的应用案例，而该案例已导致多起备受关注的涉及开启自动辅助驾驶功能的L2+车辆的事故。

激光雷达的安装位置

人们可能会认为，与L4级自动驾驶以及城市场景相比，L3级自动驾驶平台的要求或许会有所放宽。然而，由于L3级自动驾驶的目标车辆主要是私家车，在很多情况下，汽车的设计及其外观会优先于其他所有要求。 外观决定销量。 激光雷达在车辆中的安装位置对激光雷达的设计和车辆的设计都有着重大影响。汽车的设计很容易决定激光雷达的设计。

诸如安装在格栅处、车顶上、挡风玻璃后面，或者与前大灯安装在一起等安装位置，会显著影响以下方面：- 视场FOV - 尺寸和纵横比 - 环境条件和气流 - 车窗的倾斜度、颜色，以及抵御碎石撞击和各种道路污垢的能力 - 清洁系统的设计

由于上述原因，L3级自动驾驶汽车对激光雷达设计师的要求，比如今的L4级自动驾驶穿梭巴士或自动驾驶出租车更为苛刻，因为L3级自动驾驶所使用的激光雷达不应过于突兀。遗憾的是，汽车设计师并不总是认为激光雷达是最具价值的设计元素。在某些情况下，汽车的设计在所有技术要求都确定之前就已经完成，而且这些技术要求并未得到充分考虑。由于汽车设计在汽车制造商的层级体系中处于较高的优先级，工程师们必须适应由设计所决定的工程要求，而这在很多情况下会迫使激光雷达做出重大的设计变更。

用于高速公路驾驶的激光雷达配置

前视激光雷达由于不存在交叉路口、交通信号灯，也没有包括行人和骑自行车的人在内的复杂城市场景，L3级自动驾驶在高速公路上行驶的要求得以简化。这意味着，可能仅需对行驶车辆的前方视野提供冗余功能。因此，假设一辆车配备的激光雷达能够满足所有设计要求，那么这辆车可能只需要一个激光雷达。如果需要额外的冗余功能，多个激光雷达会有所帮助。 这个感兴趣区域定义了视场、分辨率、帧率和探测范围，即便以牺牲乘客的舒适性为代价，也要确保乘客的安全。我们将其称为 “安全视场”。需要重点注意的是，由于车辆在近距离内的反应时间更短，因此近距离的安全视场要求比远距离的更高。为了避免汽车不必要的制动（这会影响用户体验），对近距离的误报情况制定了严格的要求。

视场和感兴趣区域

如前所述，对于视场的不同区域，分辨率和探测范围的要求是不同的。将这些要求划分到两个不同的区域，这两个区域共同构成了所有的要求。不出所料，视场中心的要求更高，因为通常假设激光雷达安装在汽车的中心位置，且正对着汽车行驶的方向。 可以增加视场中选定区域（即感兴趣区域）的探测范围和分辨率。感兴趣区域是指汽车应在远距离检测到危险，并在足够的时间内避免发生安全事故的区域。

通过在感兴趣区域（ROI）内动态聚焦激光能量，同时减少向ROI以外区域提供的激光能量，可增加探测范围。感兴趣区域可以独立配置，并且可以位于视场（FOV）内的任何位置。 激光雷达性能设计的关键考量因素为了理解驾驶需求，必须首先明确所考虑的规格参数。激光雷达的描述方式与相机非常相似，同时还有一些与相机无关的考量因素。

1. 水平视场（HFOV）：激光雷达在每一帧中能够捕捉到的水平角度。

2. 垂直视场（VFOV）：激光雷达在每一帧中能够捕捉到的垂直角度。

3. 水平分辨率（HRes）：同一行像素之间的角度间隔。

4. 垂直分辨率（VRes）：同一列像素之间的角度间隔。

5. 探测范围：在特定光照条件下，每个像素针对特定反射率所能达到的预期最大测量范围。

6. 帧率：所有像素每秒刷新的次数。

水平视场

- 水平视场考量因素：为了实现安全舒适的驾驶，需要宽阔的水平视场（HFOV）。HFOV越宽，车辆就越能更好地预测与碰撞相关的物体并对其进行跟踪。HFOV应能够检测到插队情况，即超车车辆突然进入本车车道。检测插队情况所需的最小视场为120°。

图13：水平视场（HFOV）的考量因素

该分析的假设条件如下：

1. 激光雷达安装在汽车的格栅处。如果是安装在车顶上，所需的视场（FOV）会更低，因为激光雷达所处的位置能够更早地检测到车辆插队的情况。 2. 本车的宽度约为1.9米。更宽的车辆可能需要更宽的视场。 3. 对于高速公路场景的应用案例，超车车辆的长度为1.6米或更长。4. 车道标线之间的距离为3.7米。汽车中心与车道标线内侧的距离为1.875米。本车侧面与车道标线之间有90厘米的安全余量。 5. 当以非常低的速度行驶或在交通严重拥堵的情况下，汽车的超声波传感器能够检测到距离相邻车辆侧面最远1米的范围。 6. 超车车辆的行驶速度与本车相似或高于本车。 7. 为了高度确信地检测和分类物体，必须检测到相邻车道车辆前部至少40厘米的长度。 8. 快速行驶的车辆可以以大约5°的角度进行横向变道。在时速130公里的情况下，横向速度为每秒3.14米。假设帧率为20帧每秒，且至少在三帧画面中检测到（目标车辆），在本车做出反应之前，超车车辆可以行驶47厘米。

为了检测到超车车辆的前部，在帧率为20帧每秒的情况下，大约需要120°的水平视场（HFOV）。如果帧率更低，就需要更大的安全余量，并且水平视场也应该相应增大。 图14：激光雷达安装在格栅处时的车辆插队场景

如下所示，安装在车顶上的激光雷达检测车辆插队情况时所需的水平视场（HFOV）较低。 

感兴趣区域（ROI）的水平视场

最小的ROI视场必须能够应对由不同道路坡度、汽车加减速、风以及传感器方向在线校准误差所引起的快速变化。所有这些误差都必须由ROI内充足的固定视场来覆盖，而不能通过操控激光雷达扫描来补偿。对场景的最低限度理解也要求具备扫描多个车道和不同类型道路曲率的能力。此外，还需要额外的视场作为缓冲，以考虑到工厂装配时的公差。

图16：水平视场中感兴趣区域（ROI）的考量因素

该角度（半水平感兴趣区域角度，即 half HROI）是从一个通过弧长公式计算得出的角度中提取出来的。

道路曲率最小半径（R） = 280 米
最大安全检测范围（A） = 100 米
偏航容差为 1.5°（安装容差） + 0.1°（偏航校准误差）

自车车道边界 = 1.5 倍车道宽度 + 1 米 = -6.625 米

（偏航角度）+3.5°（车道边界角度）∼15°

感兴趣区域（ROI）的水平视场角 = 2α（自车车道两侧）∼30°既然已经确定了水平视场（HFOV），并且知道了最小检测距离为100米，那么我们就可以计算出车辆行驶的速度。我们确定该速度为每小时130公里（每小时80英里）。

请注意，道路曲率通常会限制车辆的最高速度。自动驾驶汽车架构师可以通过考虑由最高速度得出的最大检测范围来调整感兴趣区域的水平视场角（ROI HFOV）。 垂直视场 垂直视场相关考量 垂直视场角（VFOV）由其向下和向上的需求所定义。所需的表面检测是由距离约3米处地面（小物体）的最低检测要求来界定的 。

图19：激光雷达的安装选项

用于确定格栅安装垂直视场角中α和β值的公式为：

为了在发现激光雷达的扫描角度偏离理想扫描角度时，将其扫描模式调整到正确位置，可调节的垂直视场角（VFOV）是很有必要的。扫描位置偏离正确位置可能有以下几个原因： - 激光雷达安装在车身上的过程中存在安装公差不够精确的情况。 - 由于负载不均衡或车辆老化导致车辆姿态发生变化。 - 车辆在高速行驶时悬架发生变化。

上述公式仅作为一个示例。汽车制造商需要考虑他们计划安装激光雷达的所有车型中激光雷达的安装位置，因为安装位置决定了激光雷达的设计和性能。 对于安装在格栅处、高度为50厘米的情况，垂直视场角（VFOV）的总和应为25°至40°。垂直方向的要求是由检测从车辆上突出的装载货物（高度约为1.5米）以及检测可行驶下方的物体（如低矮桥梁）的需求所决定的。垂直视场角（VFOV）的要求也应根据安装高度（格栅、车顶、挡风玻璃或前大灯）来计算。车顶安装的情况下，对垂直视场角（VFOV）的要求应该较低，因为检测突出物体相对更容易，而且发动机罩会阻挡向下的视野。

 感兴趣区域（ROI）的垂直视场角

感兴趣区域（ROI）的垂直视场角是由一个视角决定的，该视角能够适应不同的道路坡度，以确保在远距离时仍能检测到道路上的任何小物体。总的垂直视场角（VFOV）大于感兴趣区域（ROI）的垂直视场角，但垂直视场角（VFOV）其他部分的探测范围和分辨率要求较低。感兴趣区域（ROI）的最小视场角必须能够应对驾驶条件的快速变化，例如不同的道路坡度、汽车的加速和减速以及风力，还有传感器校准中的在线误差。感兴趣区域（ROI）足够的固定视场角必须考虑到所有这些误差。这些误差无法通过调整激光雷达的扫描来补偿，因为它们往往变化迅速且无法预测，因此只能通过更大的垂直视场角（VFOV）来补偿。 对于扫描式激光雷达来说，10°的垂直视场角足以消除可能导致有效垂直视场角发生变化的因素，例如装配公差、底盘老化、车辆载重等。这些因素是具有足够动态范围的扫描式激光雷达能够补偿的。

图20：垂直视场角（VFOV）的感兴趣区域（ROI）

足够的垂直视场角（VFOV）对于消除扫描线之间的间隙来说是必要的。需要一个密集的感兴趣区域（ROI），以便汽车能够检测到那些车辆无法安全驶过的物体，因为这些物体可能会损坏汽车，甚至可能会伤害车内的乘客。任何高度超过14厘米（这是标准乘用车的悬架长度或底盘高度）的物体都可能损坏汽车。如果扫描线之间存在间隙，汽车就无法判断某个物体是否超过了在一定速度下行驶时可能会损坏汽车的高度。因此，一旦识别出这样的物体，就有必要让汽车在安全距离处停下。 闪光式激光雷达（无法调整其光束方向）将需要额外增加5°的感兴趣区域（垂直视场角，总共为15°）。

图21：可调节的垂直视场角（VFOV）

分辨率

感兴趣区域（ROI）之外的分辨率

感知软件检测目标的能力取决于为了能够对目标进行高可信度的识别和分类而需要在目标上检测到的最少像素数量。距离越近，所需的分辨率就越低。在150米的距离处，分辨率为0.05°时，每个像素的高度为13厘米。而在50米的距离处，则需要0.15°的分辨率才能达到相同的像素尺寸。

图22：感兴趣区域（ROI）之外的分辨率

然而，只要分辨率足够高，检测人的所需像素数量可能是相同的，无论他们距离多远。这是基于这样一个假设，即感知层在安全区域内对物体进行分类和识别的能力应保持相同水平的置信度。至少需要 2x4（水平×垂直）个像素才能检测并识别人。

图23：感知层对不同距离处人的识别情况

如果没有足够数量的像素，一名行人将会被识别为一个移动物体，而不会被识别为行人。

图24：行人分类要求 为了实现良好的轨迹预测，分类是很重要的。 感兴趣区域（ROI）内的水平分辨率 为了在远距离时更有可能对易受伤害道路使用者（VRUs）进行正确的识别和分类，就需要更高的水平分辨率。假设在150米处有一名宽度约为40厘米的行人，使用0.07°的分辨率能够在水平方向上检测到2至3个像素。

图25：水平分辨率的考量因素 感兴趣区域（ROI）内的垂直分辨率 感兴趣区域（ROI）内所需的分辨率是由这样一种物体的高度决定的：该物体在一定速度下可能会损坏汽车或导致汽车翻车。由于标准乘用车的悬架长度或底盘高度为14厘米，所以任何高度超过14厘米的物体，如果汽车从上面驶过，都可能会损坏汽车。

图26：垂直分辨率

需要一个密集的感兴趣区域（ROI），以便汽车能够检测到那些无法从上面驶过的物体，因为它们可能会损坏汽车，并有可能伤害车内的人员。如果扫描线之间存在间隙，汽车就无法判断一个超过一定高度的物体可能会损坏汽车。因此，一旦识别出这样的物体，就必须让汽车在安全距离处停下。 为了避免在车辆可行驶区域内出现误报，并在检测时达到足够的置信度，在多个帧中必须至少检测到两个垂直像素。在大约100米的距离处，需要0.05°的分辨率，以确保能够检测到一个高度为14厘米的目标上的两个连续像素。这就将在干燥路面上的L3级自动驾驶速度限制在130公里/小时。具体解释见下文。 分辨率和检测距离的重要性再怎么强调都不为过。单个被检测到的像素所代表的物体大小，会根据激光雷达的检测距离和角分辨率而有所不同。例如，在200米的距离处，一个由分辨率为0.05°的激光雷达检测到的像素，可能是一个高度为1厘米、反光性很强的物体，汽车可以忽略它；也可能是一个高度为17厘米、反光性较弱的物体，汽车不能忽略它。即使激光雷达能够在500米的距离处检测到一个像素，也需要足够的分辨率来确定汽车应做出的反应。

图 27：一个像素内物体的高度模糊性感兴趣区域（ROI）的垂直尺寸由一个视角决定，该视角能够适应不同的道路坡度，以确保道路上的任何小物体在远距离时都能被检测到。虽然总的垂直视场角（VFOV）大于感兴趣区域（ROI）的垂直视场角，但垂直视场角（VFOV）的其余部分对探测范围和分辨率的要求较低。

探测距离

感兴趣区域（ROI）内的探测距离

激光雷达的探测距离由几个影响其性能的参数决定，例如物体的反射率、激光雷达的灵敏度，以及它对环境噪声和环境条件的适应能力。

假设激光雷达具有足够的分辨率，随着检测距离的增加，汽车的反应会更加平稳。以 80 英里每小时（130 公里每小时）的速度舒适驾驶，要求汽车能够识别至少 200 米外的易受伤害道路使用者（VRUs）。由于激光雷达在其使用期限内可能出现性能下降，或者受到天气条件的影响，建议探测距离超过 200 米。

图 28：影响感兴趣区域（ROI）探测距离能力的因素

由于检测到的物体由多个像素组成，应以 95%-97% 的真阳性率（TPR）检测到物体。在足够的分辨率下，若物体能被检测到 6 个或更多像素，总 TPR 可超过 99.9999%（假设每个像素的检测概率为 0.5 且像素间独立）。

感兴趣区域（ROI）外的探测距离

远距离和短距离检测需考虑不同因素。一般而言，探测器的原生分辨率越高，每个像素收集的光量越少，这会降低探测距离能力。这种权衡在检测大型深色物体（如黑色车辆）时尤为明显 —— 这类物体更容易被低原生分辨率的激光雷达检测到。

大多数激光雷达方案需要在提高分辨率和降低每像素灵敏度（从而导致探测距离缩短）之间权衡。例如：黑色金属车辆因尾部存在逆向反射器（如车牌或尾灯上的塑料透镜），可在 150 米距离以 10% 反射率被检测。相邻车道行驶的黑色金属车辆在 50 米距离需以 1% 反射率检测。

图29：感兴趣区域（ROI）外的探测距离

帧率

帧率的定义是每秒内所有像素被完全刷新的次数。每秒20帧（FPS）意味着每1/20秒激光雷达会提供一个新的帧，其中所有像素的测量均不依赖前一帧的数据。更高的帧率能带来更长的反应时间和更快的运动检测能力。通过连续采集多帧可以提升性能。例如，采用“7帧中4帧”（4-out-of-7, 4oo7）的最佳实践（即连续7帧中有4帧检测到目标）可确保足够的检测置信度和真阳性率（TPR），从而实现对物体的准确检测。

图30：帧率的考量因素

同时实现高分辨率、高帧率与大垂直视场角（VFOV）的挑战

在前文中，分别讨论了激光雷达的各项性能参数。尽管激光雷达的规格参数在数据表中独立定义，但某些参数的上限通常是单独测量的，而非在同时满足所有其他参数的条件下测得。然而，激光雷达必须能够在实际运行中同时满足所有参数的要求。在评估激光雷达时，需综合考虑各项规格和参数之间的相互制约关系，因为优化单一参数往往需要牺牲其他性能。由于参数间存在依赖关系，必须避免因调整某一参数而导致其他参数性能下降。  示例：帧率、分辨率与垂直视场角（VFOV）的相互制约，假设某激光雷达的工作帧率为10FPS（每秒10帧），且支持每秒640线的扫描能力，则每帧最多可覆盖64线。若需在10FPS下实现0.05°的分辨率，其垂直视场角（VFOV）仅能覆盖3.2°（计算方式：64线 × 0.05°/线 = 3.2°）。若进一步提高帧率（例如增加至20FPS），在相同扫描线数下，垂直视场角（VFOV）将进一步缩小。这一案例表明，分辨率、帧率与VFOV之间存在严格的资源分配矛盾。在实际设计中，需通过系统级权衡（如扫描模式优化、多传感器融合）来突破单一参数的限制，以满足自动驾驶对感知性能的综合需求。

图31：配置权衡-反射率响应

反射率数据是通过测量每个像素收集到的光量生成的。通过根据测量距离对该值进行归一化处理，可以提取出物体的反射率。这一信息有助于识别车道标线，并提升对车辆和行人的分类准确性。  反射率的定义与测量原理是物体的反射率定义为实际收集到的光量与理想白色朗伯表面（所有光线以朗伯方式散射且不吸收任何光）预期散射回的光量之间的比值。反射率范围可在0%至数百百分比之间，其中100%反射率对应理想白色物体（以朗伯方式全反射）。朗伯表面被定义为一种"理想无光泽表面"，无论观察者的视角如何，其接收到的光量均相同。

图32：反射率的考量因素

漫反射表面会均匀散射光线，而镜面（类似镜子）物体则沿特定方向反射光线。基于这一现象，主动传感器需要以接近法线的入射角来检测镜面表面的反射。这一特性被逆反射器所利用：通过将多个镜面排列组合，使得从宽角度范围进入的光线在多次反射后沿入射方向返回。这种设计可使反射光强度达到理想漫反射表面的数倍。此外，高透射表面（透明材料，如玻璃）反射的光极少，且其反射光通常为镜面反射。这导致当入射角从锐角变为垂直时，表面会突然“显现”。如黑色金属车辆因兼具深色与金属（类镜面）特性，反射率极低。以下是不同物体及其预期反射率的示例。

图33：不同反射率水平的物体

自动驾驶面临的挑战 应对高速公路安全事件

自动驾驶平台由功能安全工程师设计，这些工程师会分析所有可能的驾驶场景。系统必须通过必要的冗余措施来降低每一个可预见的风险。工程师们会分析数百个这样的场景，然后将其转化为对系统和激光雷达的要求。以下是一个边缘案例场景，它有助于确定激光雷达的设计要求。该场景描述了一辆以130公里/小时（80英里/小时）行驶的车辆（“后车”）跟随着一辆以相近速度行驶的前车。后车行驶在相邻车道的两辆车之间，无法变道。前车遮挡住了一个位于前方100米处、高度略高于14厘米的物体。

前车在最后一刻变道，露出了一个在120米处的物体。（此时）后车无法判断该物体是否可以从上面驶过。

由于水平和垂直方向上感兴趣区域（ROI）的视野范围较大，即便道路存在坡度或弯道，当后车开始变道时，也能立刻检测到该物体。又因为具备较高的水平分辨率，即使物体部分被遮挡，也能够被检测到。

该系统需要在7帧图像中有4帧检测到危险情况，以便在实施紧急制动时具备足够的置信度。在垂直分辨率为0.05°的情况下，后车在距离120米处无法确定那个14厘米高的物体是否可以从上面驶过。只有在距离100米处，后车才能以高置信度在7帧图像中检测到4帧存在该危险物体的情况。

图37：以高真阳性率（TPR）检测到“7帧中4帧”（4oo7）的情况

图38：以高真阳性率（TPR）检测到“7帧中4帧”（4oo7）的情况 在帧率为20帧每秒（20FPS）的情况下，以130公里每小时行驶的后车在0.35秒内会行驶12.5米。在那个距离下，它会实施紧急制动，而制动系统的完全机械延迟约为0.5秒，在此期间车辆会再行驶18米。车辆只有在距离目标70米时才会开始减速。通过非常强力且会让驾乘人员感到不适的制动，车辆会在距离物体4.5米处停下。  以下对那些能够改善反应时间并增加制动距离的参数进行的敏感性分析表明，与探测距离或帧率相比，垂直分辨率提升100%所带来的效益是最大的。

虽然上述例子是一个极端场景，但从这个用例中我们可以得出以下几点结论：

1. 如果后车在距离物体小于95米时才检测到它，那就无法避免碰撞。假设在最糟糕的情况下，当车辆以130公里每小时的速度行驶时，需要有100米的清晰视线范围。

2. 如果路面是湿滑的，所需的制动时间会更长，因为汽车应该减速行驶。始终考虑不同的路面状况是至关重要的。

3. 上述例子假设帧率为20帧每秒（20FPS）。如果帧率更低，就需要更长的清晰视线范围。

4. 即使系统能够在500米的范围内进行检测，也只有在具备足够的分辨率和帧率的情况下，才能检测到物体。

5. 在这种情况下，一些驾驶决策措施可能会有所帮助，例如当检测到前车变道时自动减速。

6. 在定义紧急制动场景下的激光雷达性能要求时，必须考虑每辆车的悬架高度和制动能力。

InnovizTwo为高速公路自动驾驶驾驶优化的设计旨在确保安全且舒适的驾驶体验。它具备前所未有的分辨率、帧率和探测范围。高垂直分辨率使得它能够在远距离检测到小型物体。其设计基于从 InnovizOne 中获得的宝贵经验，InnovizOne 被应用于宝马的第一代自动驾驶汽车中。它的设计还得益于与领先的汽车原始设备制造商（OEM）数千小时的需求探讨。  InnovizTwo 采用了与 InnovizOne 相同的经济高效的 905 纳米激光技术和专有专用集成电路（ASIC），此外还配备了一个具有更高光子探测效率的探测器和下一代扫描器。其硬件设计得到了简化，组件更少。它的性能比 InnovizOne 更高，而且预计成本将降低 70%。InnovizTwo 支持 -40°C 至 +85°C 的温度范围，配备千兆以太网硬件接口，以及与车辆域控制器的直接软件接口。它还包含可通过空中下载（OTA）进行升级的固件，这使得可以进行远程功能更新，并在无需更换任何硬件的情况下将车辆从 L2+ 级别升级到 L3 级别。系统软件从一开始就按照汽车软件过程改进及能力测定（ASPICE）、ISO 26262 和汽车工业软件可靠性协会（MISRA）的汽车软件开发标准进行设计。  这款激光雷达将具备完整的网络安全防护。