知情郎·眼|侃透公司专利事儿
最近，中信证券的报告《拆解五款激光雷达看智能驾驶投资机遇》引起了行业热议。
激光雷达这产品争议多年，但因价格贵、技术门槛高，落地者寥寥。
不过，要实现高级别自动驾驶技术（L4以上），拥有 3D构建能力与准确的深度知觉的 激光雷达是核心部件，这已成了一个自动驾驶工程界默认的“公理”——
不管马斯克个人再不喜欢激光雷达方案，也不能阻止其成为主流。
华为这些年，也一直在推自家的激光雷达产品，践行其“不造车，帮助车企造好车！”，四处向各路车企推销华为的激光雷达方案。
华为激光雷达硬件产品行吗？
产品牛不牛不清楚，只能说是谁用谁知道，但华为激光雷达专利不少。
至少，在自家产品问界M7上，还用上了自家自研的雷达产品。
比较出名的 华为96线激光雷达方案，当年该方案用在长城旗下沙龙品牌机甲龙上，让人眼前一亮。
据说，机甲龙用了4颗激光雷达，前后左右无死角，大概率依旧是使用MEMS 微振镜技术。
单颗雷达的探测范围可覆盖横向 120°纵向 25°，4 颗同时启用可实现 360°无视觉死角的全覆盖。
01 科普华为激光雷达发展过程
这些年，不造车的华为已经为车企推出了车机系统、充电方案、激光雷达等多种只能软硬件产品。
尤其是激光雷达，一度成为业界好奇之源。 大家都想看看，华为能玩出什么花样，能否独领风骚啊。
再科普2句激光雷达的重要性以及工作原理。
目前市场上应用于环境感知的主流传感器产品主要包括摄像头、毫米波雷达、超声波雷达和激光雷达四类。
从工作原理上讲，激光雷达与「雷达」非常相近。激光雷达以激光作为信号源，由激光器发射出的脉冲激光，接触到目标物后引起散射，一部分光波会反射到激光雷达的接收器上，根据激光测距原理计算，就得到从激光雷达到目标点的距离。脉冲激光以超高频率不断地扫描目标物，就可以快速复建出目标的三维模型及各种图件数据，建立三维点云图，绘制出环境地图，以达到环境感知的目的。
从公开披露的资料看，华为激光雷达产品的研发始于 2016 年，与其他激光雷达公司不同，华为从一开始就选择高难度姿势：
高性能、车规级、能大规模量产，而非从传统机械式激光雷达切入。
简单说，激光雷达是车企进军自动驾驶领域的必经之路，览沃科技、法雷奥、大疆Livox、速腾聚创M1等是业内知名的激光雷达厂商，产品提供给传统车企和造车新势力。
由于要做车规级的产品，且本身并无核心技术方面的突破，所以华为一直选择 MEMS 微振镜技术作为切入口做产品。
MEMS 微振镜技术在业内较为成熟，多年前就有了，只不过现在优化了制造工艺，能工程化大规模量产落地。
简单说，MEMS 半固态激光雷达是目前最为成熟的半固态激光雷达，也是量产产品的首选。
从公开的专利来看，华为激光雷达在扫描装置相关的专利有转镜式和 MEMS 微振镜式，而 MEMS 激光雷达专利更为完整，转镜式相对薄弱；
小鹏汽车最早搭载激光雷达的车型小鹏 P5 选择的是大疆 Livox 的激光雷达，采用双楔形棱镜方案，难度比一维、二维转镜方案高，但在最新车型小鹏 G9 上，该方案被抛弃，转而采用了速腾聚创 RS-LiDAR M1 激光雷达，该款激光雷达采用的即是 MEMS 微振镜技术。
大疆 Livox 的激光雷达
02 科普下MEMS 微振镜
MEMS 微振镜本质上是一种硅基半导体元器件，其特点是内部集成了「可动」的微型镜 面，采用静电或电磁驱动方式，简单讲就是以电机为主的扫描系统换成 MEMS 驱动的镜片，实现扫描动作。
MEMS 作为较为成熟的半导体元件具备大规模生产后成本下降的特性。其优点在于可以减少激光器和探测器数量，极大地降低成本：
1）结构精巧，体积、尺寸大幅下降；
2）MEMS 微振镜并不是为激光雷达而诞生的器件，它已经在投影显示领域商用化应用多年，供应链较为成熟。
缺点也明显，主要是 MEMS 微振镜尺寸较小，对应激光雷达的光学口径、扫描角度，视场角也会变小。
03 华为激光雷达到底优化了啥？
从华为96线激光雷达方案发布会内容来看，华为激光雷达首先要解决实际行驶过程中的主要难点场景，例如：
1）近距离加塞：
激光雷达由于精确的角度测量能力和轮廓测量能力，可以 2-3 帧确认加塞，百毫秒内做出判断。而毫米波雷达的角分辨率不够，摄像头通常来说需累计多帧，需要几百毫秒才可以确认加塞。
2）近端突出物：
激光雷达同样可以做出快速判断，而毫米波雷达和摄像头则差点意思。
3）十字路口左拐场景：
考验激光雷达大角度全视场测量能力，需同时满足大视场和远距测量能力。
4）隧道场景：
无需多说，出隧道瞬间摄像头弊端明显，激光雷达完美解决。
5）地库场景：
毫米波雷达由于多径反射性能不佳，光线强弱变化又会影响摄像头的性能，激光雷达的独特优势可以很好弥补。
6）另外，就是激光雷达对静止物体的准确识别。
在前不久小鹏 P7 碰撞事故中，摄像头+毫米波雷达这一组合均未识别出前方静止车辆，更不用提及时介入做出规避动作，如果车辆上装有激光雷达，那么悲剧完全可以避免。
华为 96 线激光雷达核心参数和主要技术：
「看得远」：华为激光雷达可以做到 150m@10% 的测距；
「看得宽」：该款激光雷达水平 FOV（视场角）为 120°；
「近端看得准」：垂直 FOV 为 25°；
「看得清」：分辨率可以做到 0.25°×0.26°。
以上参数配置基本可以实现城区行人车辆检测覆盖，并兼具高速车辆检测能力。
华为激光雷达有多少市场份额？
从机构披露的数据看，2021年全球激光雷达市场数据显示，华为的全球份额是3％，排名在第十一名，虽然与多家厂商并列，但能够在短时间内就获得全球3％的份额；
从中国市场来看，排名为第五，使用华为激光雷达的车型有极狐阿尔法S Hi版、阿维塔11、机甲龙、哪吒S这四款，目前开启交付的为车型有阿尔法S Hi版。
04 从算法层面看激光雷达
激光雷达与传统毫米波雷达、超声波雷达相比，有更高的技术壁垒和车规级难度。
因为抛开硬件工艺制造成本不说， 它麻烦的是软件算法，一个厂商一套算法各有侧重。毕竟，扫描图像后如何处理海量图像数据进行判定作出驾驶建议决策，才是核心。
现在的主流激光雷达厂商都会提供的自家 ADAS 解决方案或算法方案，帮助车企，然后车企要升级软件系统只能去求算法提供商。
所以导致合作难度几何级提升。
中信证券的报告这样描述及 激光雷达算法和传统摄像头之间的算法区别。
摄像头的封装比较简单，标准化程度很高。摄像头模组有镜头支架、驱动马达、镜头组、图像传感器组成，整个光学路径的设 计完全标准化，使得软硬件可以解耦，与摄像头相关的算法（ISP、目标检测）等可以被 剥离，纯粹的硬件封装自然没有高毛利率。
而不同厂商对于激光雷达的光学设计差异非常 大，从光源的选择（采用那个波段，多少个激光器）、扫描方式选择（转镜、MEMS、双 楔形棱镜、Flash）、接收方式的选择（APD、SiPM、SPAD）都有多种方式。如果不是深 刻理解某个激光雷达的光学设计，则很难对信号进行有效处理，这使得激光雷达的硬件和 算法很难进行解耦，激光雷达整机的特点更接近一个嵌入式算法系统设备。
那么激光雷达包含了哪些算法呢。
首先是点云生成的一系列算法，这个与硬件以及光学设计是强耦合的关系，也称为嵌入式算法，包含以下四个方面。
1）光源生成：由 FPGA、 Laser Driver 及相关算法生成，同时由 FPGA 形成抗干扰编码等；
2）光源扫描：电机、 MEMS 等相关部件的扫描算法、ROI 区域形成由 DSP 等器件来完成；
3）光源接收：信 号检测、放大、噪声滤除、近距离增强由 DSP 算法完成；
4）信号处理：点云生成、状 态数据、消息数据等。
点云生成后，有的车企会需要激光雷达厂商提供目标识别算法，有的则不需要。目标识别需要的算力比较大，如果 FPGA 算力不够的话，通常需要到驾驶域控制进行计算，比如到 Orin 或者地平线 J5 平台上进行计算。
06 主流算法介绍
AI算法论坛中，大牛整理的一些主流2D3D激光雷达算法。
2D Lidar SLAM
一般将使用单线雷达建构二维地图的SLAM算法，称为2D Lidar SLAM。大家熟知的2D Lidar SLAM算法有：gmapping, hector, karto, cartographer。通常数据和运动都限制在2D平面内且运动平面与激光扫描平面平行。
gmapping
基于粒子滤波的2D激光雷达SLAM，构建二维栅格地图。融合里程计信息，没有回环检测。
优点是在小场景中，计算量小，速度较快。
缺点是每个粒子都携带一幅地图，无法应对大场景（内存和计算量巨大）；如果里程不准或标定参数不准，在长回廊等环境中容易把图建歪。
hector
hector SLAM是完全基于scan-matching的，使用迭代优化的方法来求匹配的最佳位置，为避免陷入局部极值，也采用多分辨率的地图匹配。
由于完全依赖于scan matching，要求雷达的测量精度较高、角度范围大，扫描速度较高（或移动速度慢）。噪声多、边角特征点少的场景就很容易失败。
karto
karto是基于scan-matching，回环检测和图优化SLAM算法，采用SPA（Sparse Pose Adjustment）进行优化。
cartographer
cartographer是谷歌开源的激光SLAM框架，主要特点在于：
1.引入submap，scan to submap matching，新到的一帧数据与最近的submap匹配，放到最优位置上。如果不再有新的scan更新到最近的submap，再封存该submap，再去创建新的submap。
2.回环检测和优化。利用submap和当前scan作回环检测，如果当前scan与已经创建的submap在距离上足够近，则进行回环检测。检测到回环之后用ceres进行优化，调整submap之间的相对位姿。为了加快回环检测，采用分枝定界法。
3D Lidar SLAM
3D Lidar SLAM主要是针对多线雷达的SLAM算法。比较出名的有LOAM, LeGO-LOAM, LOAM-livox等。
LOAM
LOAM是针对多线激光雷达的SLAM算法，主要特点在于：
1) 前端抽取平面点和边缘点，然后利用scan-to-scan的匹配来计算帧间位姿，也就形成了里程计；
2) 由估计的帧间运动，对scan中的每一个点进行运动补偿；
3) 生成map时，利用里程计的信息作为submap-to-map的初始估计，再在利用submap和map之间的匹配做一次优化。
LeGO-LOAM
LeGO-LOAM在LOAM的基础上主要改进：
1) 地面点分割，点云聚类去噪；
2）添加了ICP回环检测和gtsam优化。
LOAM_livox
大疆2019年公布的面向小FOV Lidar的LOAM算法。
相比LOAM，做了一些改动。算法的特点：
1.添加策略提取更鲁棒的特征点：a) 忽略视角边缘有畸变的区域; b) 剔除反射强度过大或过小的点 ; c) 剔除射线方向与所在平台夹角过小的点; d) 部分被遮挡的点；
2.与LOAM一样，有运动补偿；
3.里程计中剔除相对位姿解算后匹配度不高的点（比如运动物体）之后，再优化一次求解相对位置。
07 从专利维度看华为激光雷达
在德高行全球专利数据库中，检索华为的激光雷达专利，他有中国专利154件、PCT专利76件，这些专利主要在产品应用方面，算法不少，多数围绕优化扫描路径，提升传输、决策效率；也在努力减少产品硬件工艺成本与体积，让其更适合纯电辅助行驶。
但从数量上，和行业大佬差距还是大的。
最新的华为12件专利如下：
序号
标题 (中文)
公开号
专利解决的问题
1
一种激光雷达及回波光信号接收方法
CN115113181A
该专利公开了一种激光雷达及回波光信号接收方法，用以提升探测器的可探测范围，提高激光雷达对远距离目标探测区域的测距能力，以及减少激光雷达对近距离目标探测区域的探测盲区问题的发生。
2
传感器的控制方法、装置和传感器
CN112114541B
该专利提供了一种传感器的控制方法、装置和传感器，通过雷达或摄像头等传感器参数的可配置可以实现传感器的灵活控制，并且可以节省车辆外部空间。
3
控制运动体移动的方法以及相关设备
CN115070750A
该专利提供了一种优化算法，基于体素和运动路径的映射关系以及障碍物的体素集合能够快速确定不经过第一体素集合的有效运动路径，如此可以减少运动路径的搜索范围，提高了路径规划的效率，满足实时性的要求。
4
一种光学组件及激光雷达系统
CN115087908A
该专利提供了一种光学组件及激光雷达系统，优化了光束发射、扩散路径，缩短了最终光学总长，提高了扫描效率。
5
点云匹配方法及装置，导航方法及装置，定位方法及激光雷达
WO2022188094A1
该专利提供了一种优化算法以及定位方法，实现了更快的点云匹配速度和更高的点云匹配精度，从而提高了同步定位和映射(SLAM)的速度和精度。
6
控制移动体移动的方法及相关装置
WO2022188554A1
该专利提供了一种算法，减小移动路径的搜索范围，提高路径规划的效率，满足实时性的要求。
7
检测装置，检测器，激光雷达及终端装置
WO2022188687A1
该专利提供了一种激光雷达探测方式，防止由检测模块反射的回波信号再次进入检测模块，从而避免由检测模块反射的回波信号产生光学串扰。
8
一种激光雷达性能参数获取方法及装置
CN115032613A
在多线激光雷达的几个关键性能指标中，角分辨率反应相同投影面积下点云的密集程度。角分辨率越高，点云的密度就越大，对目标的感知及环境的探测能力就越好。视场(field of view，FOV)为激光雷达可探测范围的大小，视场越大激光雷达可探测范围越大。一般这两项性能均由激光雷达厂商给出，但其给出的准确性有一定误差，或精度不够。光雷达性能测试的准确性的问题。该专利提供一种激光雷达性能参数获取方法及装置，用于提升多线激光雷达性能测试的准确性的问题。
9
固态激光雷达装置的校准
CN115004056A
该专利是华为在固态激光雷达装置的探索，尤其涉及固态激光雷达装置的校准领域的研究成果。
10
激光雷达系统，调整方法及相关装置
WO2022178667A1
该专利设计了一种对激光雷达工作温度、行车环境的监控系统。
11
窗户遮挡检测方法和装置
WO2022179207A1
该专利设计了一种窗口遮挡检测方法，该方法提高了激光雷达窗口遮挡检测的准确性，从而提高了终端在自主驾驶或辅助驾驶中的高级驾驶辅助系统(ADAS)能力。
12
一种激光雷达及车辆
CN216956370U
该专利涉及的激光雷达具有近距探测功能和远距探测功能，同时实现体积小型化。
【转载请注明德高行·知情郎】