1451
数据来源：各公司
上表为美国5月6日股市收盘时8大激光雷达上市公司市值对比，Luminar排名第一，市值达38.8亿美元，遥遥领先第二名的AEye。不过从跌幅来看，AEye是最坚挺的激光雷达股票，Luminar最高股价达37.73美元，如今只有11.12美元，AEye股价最高时达10.73美元，如今还有5.28美元。大部分激光雷达股票跌幅都超过了65%，跌幅最惨的当属Velodyne，股价最高曾达28.9美元，2021年5月初还有13美元左右，如今仅为1.77美元，跌幅超过90%。
图片来源：互联网
AEye的豪华投资团如上图，包括了全球第五大Tier1即日本丰田旗下的爱信精机和第六大Tier1德国大陆汽车，还有全球排名前20的已与佛吉亚合并的Hella海拉。整车厂包括了斯巴鲁和通用汽车，此外还有空客风投。英特尔和SK Hynix也有投资。
AEye设想的商业模式
图片来源：互联网
图片来源：互联网
AEye最主要合作伙伴是德国大陆汽车，2024年AEye的激光雷达将正式量产，与德国大陆汽车的近距离Flash激光雷达、域控制器、毫米波雷达和摄像头配合，可能用于本田的L3级车型，本田虽号称已推出全球第一个L3级车型Legend，但实际这只是噱头，L3级Legend只租不卖，只有100辆，真正的量产车型要到2024年。本田的自动驾驶合作伙伴主要就是德国大陆汽车和日本电产。
图片来源：互联网
上图是AEye与其他4家公司产品对比，其中A公司就是Luminar的Hydra。
图片来源：互联网
上图为Hydra的参数，其中分辨率方面，Luminar耍了一个小花招，它写的最小角分辨率，实际平均角分辨率是水平0.1度，垂直0.3度。帧率方面1-30可调，不过一般都是10Hz。
图片来源：互联网
AEye与Luminar技术路线近似，激光发射方面也是1550纳米光纤激光，Luminar当初并非是要主动选择1550纳米，而是因为光纤激光效率最高的波段是1550纳米，Luminar最主要是看中光纤激光的高功率，和905纳米的激光二极管比，光纤激光可以做到其100倍的功率。光纤激光另一个好处是方便布局，可以放在后备箱里，通过车顶利用光纤将激光送到后视镜处或者任何地方。
AEye与Luminar有几点不同，一是AEye采用双MEMS振镜扫描，发射与接收光路分离设计。二是AEye不采用简单的APD二极管做接收，而是用SiPM，将来可能用SPAD。最后，AEye采用的是和摄像头一体的传感器前融合设计。
图片来源：互联网
上图为AEye激光雷达专利中的双MEMS振镜扫描，Luminar是用两个电机带动的多边形扫描器完成，MEMS振镜的好处是更容易过车规，体积更小，缺点是产量低的情况下价格极高。
AEye整个激光雷达光路图
图片来源：互联网
SiPM又叫MPPC，MPPC是多像素光子计数器的缩写，该检测器也称为硅光电倍增器（SiPM）。它是一种固态光电探测器，使用在Geiger模式下运行的多个雪崩光电二极管（APD）像素。MPPC的基本元素（一个像素）是盖革模式APD和淬灭电阻的组合，并且这些像素中的大量像素被电连接并二维排列。
激光雷达光电检测元件对比
图片来源：互联网
2006年，日本滨松公司在国际上首先实现了MPPC的商品化。近10年以来，意大利的ITC-irst，爱尔兰的SensL公司（已被安森美收购）以及加拿大的Zecotek公司陆续实现了MPPC的商品化。
图片来源：互联网
上图为多家MPPC公司的显微镜照片，日本滨松优势明显。
图片来源：互联网
“MPPC”——Multi Pixel Photon Counter（多像素光子计数器），这个命名是从工作原理角度出发得来的。工作电压（盖革区）在盖革模式（即单光子模式）下，光生载流子通过倍增就会产生一个大的光脉冲，而通过对这个脉冲的检测，就可以检测到单光子。将盖革模式下的APD上连接一个淬灭电阻作为1个像素，就构成了MPPC的基本单元。相比APD，MPPC的增益可达到105-106，这样在理论上，可以在更短的时间内得到更长的距离信息，探测带宽也与APD不相上下。
另外，拥有小有效面积、更多像素结构的MPPC不仅具备较快的时间特性（上升时间仅1ns左右），还可利用其独特的光子分辨能力，将不同表面反射率的物体识别出来，从而达到测距同时分辨物体表面特性的目的。
国内速腾聚创也使用了SiPM，性能比传统的APD提升很多，不仅是有效距离的提升，还有信噪比的提升，也可以达到像素级图像。
图片来源：互联网
通过图可以看出，AEye是前融合设计，摄像头为辅，利用摄像头调整扫描器。
图片来源：互联网
AEye先用摄像头锁定大致图像范围，遇到大面积空洞如天空，激光雷达会跳过这些区域不扫描，遇到物体密集区域，则增加扫描密度。这样不仅提高性能，也避免激光雷达产生空洞。所谓空洞是，激光雷达由远及近靠近过程中，出现的点云“时有时无”的丢失现象被称为“空洞”。障碍物原始点云的“时有时无”会让感知软件难以连续跟踪，从而无法准确判断是不是一个固定障碍物，容易导致危险的急刹车或频繁的“减速加速”现象。
AEye的传感器融合流程
图片来源：互联网
上图就是“2D”，图片来源：互联网
对比消除重复点，这主要解决激光雷达的鬼影，对于高反射率物体，进入到激光雷达视场及测距范围后，输出的点云除了在真实位置有成像以外，还容易在其它位置形成一个形状、大小类似的成像，而这个虚假的成像被称为“鬼影”。不同类型激光雷达产生“鬼影”的行踪各不相同。常见的高反射率物体包括交通指示牌、锥桶、三角指示牌、汽车牌照、尾灯等。还有就是膨胀，对于高反射率物体，另外一个异常现象就是“膨胀”。“膨胀”是指激光扫描高反射率物体后，输出的点云会向四周扩散，看起来就像“膨胀”了一样，因此称为高反“膨胀”。
AEye的传感器前融合是一个非常好的思路，如今多线激光雷达的算法仍然是基于BEV的PiontPillar算法，这种将3D变成2D CNN的算法，效率一流，精度不理想，同时也丧失了众多3D信息，让激光雷达称为一个近似摄像头的东西，效果反而不如单纯视觉的特斯拉。激光雷达要发挥全部潜力，不能沿用深度学习这种摄像头领域最常见的算法，必须使用传统的可解释可预测的几何算法，否则激光雷达意义甚微，这恐怕也是激光雷达股价持续暴跌的原因之一。
