程 川，宋春華，王 鵬

（西華大學(xué) 機(jī)械工程學(xué)院，四川 成都 611700）

0 引言

隨著人工智能技術(shù)的發(fā)展，科幻電影中的自動(dòng)駕駛已成為一種現(xiàn)實(shí)。自動(dòng)駕駛技術(shù)不僅能提高公路行駛安全，還可緩解城市交通擁堵，與當(dāng)下共享經(jīng)濟(jì)結(jié)合，更可減少環(huán)境污染和用車成本。傳統(tǒng)車企和科技公司，都非常重視自動(dòng)駕駛相關(guān)技術(shù)的研發(fā)[1]。傳感器是自動(dòng)駕駛汽車的眼睛。實(shí)現(xiàn)真正的無(wú)人駕駛，汽車上必須安裝多種感知環(huán)境的傳感器，幫助車體完整感知周遭環(huán)境。

自動(dòng)駕駛汽車的車輛導(dǎo)航感知系統(tǒng)由攝像頭、毫米波雷達(dá)和激光雷達(dá)組成。激光雷達(dá)是一種通過(guò)發(fā)射激光，并接收返回激光，從而感知周圍環(huán)境的傳感器。其具有結(jié)構(gòu)簡(jiǎn)單、功耗低、抗干擾能力強(qiáng)、精度高等特點(diǎn)，在自動(dòng)駕駛技術(shù)中具有重要地位[2]。2007 年DARPA Grand Challenge 展示了激光雷達(dá)感知系統(tǒng)的巨大潛力；冠亞季軍都配備了多個(gè)激光雷達(dá)，其中冠軍和亞軍都采用了64 線激光雷達(dá)。目前，高端自動(dòng)駕駛汽車使用激光雷達(dá)作為其感知系統(tǒng)的一部分，其成本較高、穩(wěn)定性較差。2010 年Google 無(wú)人駕駛汽車配備激光雷達(dá)在加州道路上試行，到2018 年寶馬7 系配備五顆固態(tài)激光雷達(dá)在上海地區(qū)開(kāi)啟了面向L4 級(jí)（等級(jí)分類見(jiàn)表1[3]）的路試。從低端汽車到高端汽車，都配備了激光雷達(dá)，多家企業(yè)為自動(dòng)駕駛車輛開(kāi)發(fā)了獨(dú)特的激光雷達(dá)系統(tǒng)。另一方面，激光雷達(dá)的算法也進(jìn)入快速發(fā)展的軌道。車輛的感知系統(tǒng)使用激光雷達(dá)時(shí)，激光雷達(dá)具備語(yǔ)義描述、語(yǔ)義分割、預(yù)測(cè)的功用（表2）。激光雷達(dá)擅長(zhǎng)目標(biāo)識(shí)別，獲得語(yǔ)義信息不如相機(jī)，但能提供高精度的測(cè)距信息。相機(jī)在測(cè)距方面性能較差，激光雷達(dá)在識(shí)別方面性能較差，激光雷達(dá)通常與相機(jī)相互配合使用。激光雷達(dá)精確的距離信息和語(yǔ)義信息以及地圖信息，是車輛自動(dòng)駕駛不可缺少的器件。未來(lái)以激光雷達(dá)為中心，配合適應(yīng)算法的感知系統(tǒng)將會(huì)更成熟，新興的深度學(xué)習(xí)方法正在加速改變這個(gè)領(lǐng)域。本文綜述了激光雷達(dá)原理、關(guān)鍵部件以及研究現(xiàn)狀，闡述了車載激光雷達(dá)各關(guān)鍵部件現(xiàn)狀以及未來(lái)研發(fā)方向；針對(duì)激光雷達(dá)感知環(huán)境信息，綜述了感知系統(tǒng)的算法，未來(lái)將繼續(xù)優(yōu)化算法，直到開(kāi)發(fā)出一種適用于激光雷達(dá)的算法，并且未來(lái)深度學(xué)習(xí)在提供語(yǔ)義信息方面具有非凡的潛力。

表1 國(guó)際汽車工程學(xué)會(huì)（SAE）提出自動(dòng)駕駛分級(jí)方案

表2 車輛感知系統(tǒng)三個(gè)方面信息

1 激光雷達(dá)技術(shù)

傳統(tǒng)激光雷達(dá)通過(guò)獨(dú)特的波束控制系統(tǒng)來(lái)實(shí)現(xiàn)一束或多束激光掃描其視場(chǎng)角（Field of View，F(xiàn)oV）。激光二極管產(chǎn)生激光束，激光束經(jīng)物體反射回到接收系統(tǒng)，返回的信號(hào)被光電探測(cè)器接收，經(jīng)電子設(shè)備的濾波，并檢測(cè)發(fā)送和接收信號(hào)之間的差異，此差異與被測(cè)距離成正相關(guān)，距離檢測(cè)正是通過(guò)此差異來(lái)實(shí)現(xiàn)[4]。

激光雷達(dá)系統(tǒng)分為激光測(cè)距系統(tǒng)和掃描系統(tǒng)。激光測(cè)距系統(tǒng)包括：激光發(fā)射器、光電探測(cè)器、光學(xué)器件、信號(hào)處理電子設(shè)備。激光發(fā)射器中主要影響因素是激光波長(zhǎng)；光電探測(cè)器中主要影響因素是光敏二極管；掃描系統(tǒng)主要影響因素是掃描機(jī)構(gòu)的旋轉(zhuǎn)方式。

1.1 激光測(cè)距原理

激光測(cè)距系統(tǒng)按照測(cè)距方法可以分為飛行時(shí)間法（Time of Flight，ToF）測(cè)距法、基于相干探測(cè)的FMCW 測(cè)距法以及三角測(cè)距法等。飛行時(shí)間法激光雷達(dá)通過(guò)測(cè)量激光飛行時(shí)間，計(jì)算出距離，稱為直接檢測(cè)激光測(cè)距儀；調(diào)頻連續(xù)波激光雷達(dá)是通過(guò)多普勒效應(yīng)，間接測(cè)量距離和速度，稱為相干探測(cè)激光測(cè)距儀[5]；三角測(cè)距法則通過(guò)相似三角形的原理，測(cè)算出物體的距離，三種測(cè)距方法原理如圖1 所示。3 種不同測(cè)距原理比較（表3）。

圖1 三種測(cè)距方法原理

表3 三種不同測(cè)距原理比較

ToF 測(cè)距技術(shù)目前發(fā)展成熟，商用激光雷達(dá)基本都采用此技術(shù)。相比于三角測(cè)距法，ToF 測(cè)距具有測(cè)量距離遠(yuǎn)、采樣率高、響應(yīng)速度快和探測(cè)精度高等優(yōu)勢(shì)；三角測(cè)距法具有成本低和近距離探測(cè)精度高等優(yōu)勢(shì)。FMCW 測(cè)距法在理論上發(fā)展成熟，在實(shí)際應(yīng)用中不如ToF 測(cè)距技術(shù)，其復(fù)雜的電路系統(tǒng)設(shè)計(jì)，體積大，高質(zhì)量激光光源使得FMCW 測(cè)距法在車載激光雷達(dá)應(yīng)用受到阻礙；但是FMCW 測(cè)距法具有極強(qiáng)抗干擾能力、較長(zhǎng)探測(cè)距離、兼容固態(tài)掃描并能測(cè)量速度信息，F(xiàn)MCW 測(cè)距法具有光明應(yīng)用前景[6]。

1.2 激光波長(zhǎng)

選擇合適的激光波長(zhǎng)需要考慮大氣環(huán)境、人眼安全和成本。850 ～ 950 nm 的近紅外和1550 nm 短波紅外具有較好的穿透性和抗干擾性，普遍在工業(yè)場(chǎng)所使用。市場(chǎng)上很容易購(gòu)買到低廉、峰值功率較大，波長(zhǎng)在850 ～ 950 nm 和1550 nm 的二極管激光器和光纖激光器。

激光雷達(dá)在惡劣天氣情況下表現(xiàn)都較差。根據(jù)激光雷達(dá)回波功率式1[7]，惡劣天氣情況下增加了傳輸損耗（Tr），并削弱了物體的反射率（β），從而使得接收到的能量變小。激光發(fā)射器發(fā)射波長(zhǎng)較長(zhǎng)的激光，獲得較大的回波功率（Pr），長(zhǎng)波的激光雷達(dá)在惡劣天氣情況下具有較好的性能。簡(jiǎn)單地增加激光波長(zhǎng)，無(wú)法滿足眼睛安全標(biāo)準(zhǔn)。為了克服這個(gè)問(wèn)題，在復(fù)雜環(huán)境下使用毫米波雷達(dá)等技術(shù)來(lái)暫時(shí)性替代激光雷達(dá)，或提升光電探測(cè)器和使用更先進(jìn)的信號(hào)處理算法等來(lái)提高整體效率。

1.3 光電探測(cè)器

光電探測(cè)器利用光電效應(yīng)將光能轉(zhuǎn)為電能。核心元件是光敏元件，它描述了光電探測(cè)器在接收光子時(shí)，其電阻值的變化。激光雷達(dá)系統(tǒng)光電探測(cè)器選擇與激光波長(zhǎng)密切相關(guān)，其光敏元件的光敏性主要取決于光的波長(zhǎng)。常見(jiàn)的光電探測(cè)器有半導(dǎo)體光電二極管、雪崩光電二極管（Avalanche Photon Diode，APD）、單光子雪崩光電二極管（Single Photon Avalanche Diode，SPAD）、硅光電倍增管（Silicon Photon Multiplier，SiPM），具體性能見(jiàn)表4。

表4 光電探測(cè)器類別

APD 光電二極管通過(guò)雪崩效應(yīng)增加反向電壓以倍增光電流，與半導(dǎo)體二極管相比，提高激光接收能力和內(nèi)部電流增益以及信噪比，并且硅基和銦鎵砷APD 對(duì)可見(jiàn)光譜區(qū)域也更為敏感，成本也會(huì)更高。隨著APD 接收激光能力增加，也會(huì)增加噪聲。SPAD 在蓋革模式下會(huì)獲得較高的增益、靈敏度和低誤碼率，使得SAPD 能檢測(cè)到遠(yuǎn)距離極弱的光。SiPM 基于SPAD 并支持光子計(jì)數(shù)，克服了單個(gè)SPAD 不能同時(shí)測(cè)量多個(gè)光子的不足，SiPM 集成了密集的SPAD。SiPM 攜帶超高速輸出信號(hào)和高光子檢測(cè)效率，且噪聲小，溫敏小。

1.4 激光掃描機(jī)構(gòu)

激光掃描機(jī)構(gòu)旨在使發(fā)射的激光能快速探測(cè)大面積區(qū)域?，F(xiàn)有的掃描方式有機(jī)械旋轉(zhuǎn)和固態(tài)兩種。機(jī)械式激光雷達(dá)帶有控制激光發(fā)射角度的旋轉(zhuǎn)部件；固態(tài)式激光雷達(dá)則無(wú)需機(jī)械旋轉(zhuǎn)部件，主要依靠電子部件來(lái)控制激光發(fā)射角度。固態(tài)式激光雷達(dá)通過(guò)光學(xué)相控陣列、光子集成電路以及遠(yuǎn)場(chǎng)輻射方向圖等電子部件代替機(jī)械轉(zhuǎn)部件，實(shí)現(xiàn)發(fā)射激光角度的調(diào)整，具體性能見(jiàn)表5。

表5 按掃描機(jī)構(gòu)分類的激光雷達(dá)系統(tǒng)

目前，車規(guī)級(jí)激光雷達(dá)的掃描機(jī)構(gòu)以機(jī)械旋轉(zhuǎn)式為主，能實(shí)現(xiàn)垂直和水平360°視場(chǎng)角（Field of View，F(xiàn)oV），具有高信噪比和寬視場(chǎng)的優(yōu)勢(shì)，但旋轉(zhuǎn)機(jī)構(gòu)相對(duì)車輛內(nèi)部來(lái)說(shuō)體積較大，測(cè)量精度受車輛振動(dòng)影響較大。MEMS 取消了傳統(tǒng)機(jī)械旋轉(zhuǎn)結(jié)構(gòu)，部件集成到單個(gè)芯片上，具有小體積、高工作頻率等優(yōu)勢(shì)，在成熟集成電路的背景下，這種近乎固態(tài)的技術(shù)很有前景。OPA 和Flash 是真正的固態(tài)激光雷達(dá)，完全取消旋轉(zhuǎn)機(jī)構(gòu)減小振動(dòng)，OPA 采用CMOS 硅生產(chǎn)工藝支持大規(guī)模生產(chǎn)，盡管OPA 被認(rèn)為是一項(xiàng)很有前途的技術(shù)，目前還沒(méi)有商業(yè)化。Flash 激光雷達(dá)類似于相機(jī)，空間分辨率取決于相機(jī)的分辨率；Flash 能測(cè)量視場(chǎng)角內(nèi)所有目標(biāo)，避免平臺(tái)引起的運(yùn)動(dòng)補(bǔ)償問(wèn)題，其關(guān)鍵問(wèn)題是探測(cè)距離較近（通常小于100 m），容易受到其它不相干光的干擾。

2 自動(dòng)駕駛汽車激光雷達(dá)現(xiàn)狀

機(jī)械旋轉(zhuǎn)式激光雷達(dá)是第一款車規(guī)級(jí)的激光雷達(dá)。2017 年，奧迪發(fā)布的A8 豪華轎車，使用了Valeo集團(tuán)的SCALA 激光雷達(dá)用于實(shí)現(xiàn)L3 自動(dòng)駕駛，這是全球首款商用機(jī)械激光雷達(dá)；2018 年，Innoviz 宣布與麥格納達(dá)成合作，為寶馬提供L3 級(jí)自動(dòng)駕駛的InnovizOne 固態(tài)激光雷達(dá)。為了擴(kuò)大激光雷達(dá)的最大探測(cè)范圍，采用了單光子探測(cè)模式（蓋革模式）下的SPAD 陣列。Ouster 公司生產(chǎn)的OS1-64 激光雷達(dá)，采用基于互補(bǔ)金屬氧化物半導(dǎo)體（Complementary Metal Oxide Semiconductor，CMOS）的SPAD 來(lái)檢測(cè)VCSEL陣列發(fā)射的850 nm 激光。豐田中央研發(fā)實(shí)驗(yàn)室制造了基于CMOS 的SPAD 陣列的激光雷達(dá)原型，這款激光雷達(dá)采用905 nm 激光。SensL 制造了一款采用SiPM 探測(cè)器的激光雷達(dá)原型，是一款極具商業(yè)價(jià)值的車規(guī)級(jí)激光雷達(dá)。國(guó)外機(jī)械式激光雷達(dá)具有獨(dú)特的優(yōu)勢(shì)現(xiàn)已有達(dá)到商用級(jí)別，但由于效率低、體積大、成本高等因素，企業(yè)將會(huì)持續(xù)研發(fā)以SiPM 探測(cè)器為代表的固態(tài)激光雷達(dá)，未來(lái)固態(tài)式激光雷達(dá)會(huì)占據(jù)市場(chǎng)主導(dǎo)地位。

國(guó)內(nèi)車規(guī)級(jí)激光雷達(dá)還在初步發(fā)展的階段，相關(guān)研究正逐年增加；國(guó)內(nèi)激光雷達(dá)的相關(guān)研究以理論和實(shí)驗(yàn)居多，自主產(chǎn)品在自動(dòng)駕駛汽車的商業(yè)化仍在高速發(fā)展階段。北科天繪面向自動(dòng)駕駛汽車研發(fā)了R-Fans 系列車載激光雷達(dá)，采用機(jī)械旋轉(zhuǎn)式掃描機(jī)構(gòu)，實(shí)現(xiàn)360°全景掃描視場(chǎng)，具有較高的測(cè)距精度，是史上最小的32 線激光雷達(dá)；北科天繪C-Fans系列采用微機(jī)電系統(tǒng)掃描機(jī)構(gòu)，可以嵌入車身，使得激光雷達(dá)與車身融為一體。禾賽科技與國(guó)內(nèi)多家互聯(lián)網(wǎng)頭部企業(yè)合作，為其提供車規(guī)級(jí)的固態(tài)激光雷達(dá)，其QT 系列產(chǎn)品采用VCSEL 加單光子探測(cè)器，以及正在研發(fā)FMCW 激光雷達(dá)樣機(jī)系統(tǒng)和VCSEL 及單光子器件專用芯片，以增強(qiáng)可靠性和降低成本，實(shí)現(xiàn)關(guān)鍵元器件的自主可控。國(guó)內(nèi)自主研發(fā)的激光雷達(dá)主要以固態(tài)激光雷達(dá)的理論和實(shí)驗(yàn)為主，未來(lái)以FMCW為原理的固態(tài)激光雷達(dá)在商用層面有望國(guó)際領(lǐng)先。

3 激光雷達(dá)感知系統(tǒng)

自動(dòng)駕駛車輛的感知系統(tǒng)將環(huán)境感知分為傳感器輸出點(diǎn)云數(shù)據(jù)、定位數(shù)據(jù)和地圖數(shù)據(jù)三方面的描述。如圖2 所示是激光雷達(dá)處理數(shù)據(jù)的流程。近年來(lái)隨著深度學(xué)習(xí)的發(fā)展，感知系統(tǒng)的流程也發(fā)生了改變。

物體檢測(cè)算法提取物體和物理信息，即檢測(cè)物體的位置和輪廓。在絕大多數(shù)情況下，物體都是垂直于地面，所以檢測(cè)算法常通過(guò)地面濾波將點(diǎn)云數(shù)據(jù)標(biāo)記為地面或非地面，然后使用聚類將非地面點(diǎn)分到不同的目標(biāo)中。深度學(xué)習(xí)在物體檢測(cè)中主要依靠算法輸出多個(gè)3D 邊界框與人工標(biāo)注的數(shù)據(jù)進(jìn)行對(duì)比，若重合度達(dá)到一定的閾值則被認(rèn)為是成功的檢測(cè)。文獻(xiàn)[8]將3D 點(diǎn)云轉(zhuǎn)換到與圖像相似的正視圖，用R-CNN、YOLO 檢測(cè)物體圖像上目標(biāo)，此種方法存在多個(gè)點(diǎn)可能被投影圖像的同一坐標(biāo)，造成信息丟失且對(duì)3D 信息提取較為困難。文獻(xiàn)[9]提出將3D 點(diǎn)云同時(shí)投影到兩張圖，本質(zhì)上是點(diǎn)云投影成圖像，仍存在信息丟失。由于點(diǎn)云稀疏性和無(wú)規(guī)則性。文獻(xiàn)[10]提出體素化檢測(cè)方法，體素化后的數(shù)據(jù)有利于進(jìn)行空間卷積，提取多尺度、多層次的特征信息。文獻(xiàn)[10]量化之后，中間層3D 卷積運(yùn)算量較大，運(yùn)行速度較慢，實(shí)時(shí)性較低，文獻(xiàn)[11]則有效地解決此類問(wèn)題。

基于機(jī)器學(xué)習(xí)的目標(biāo)識(shí)別為自動(dòng)駕駛車輛系統(tǒng)提供行人、車輛、樹(shù)木、建筑等信息。傳統(tǒng)的目標(biāo)識(shí)別過(guò)程包括：特征提取、模型訓(xùn)練和目標(biāo)分類，其中，目標(biāo)分類主要是根據(jù)提取的特征來(lái)進(jìn)行預(yù)測(cè)分類。特征提取大致可分兩類：一類是整個(gè)目標(biāo)的全局特征提取，代表某個(gè)目標(biāo)的特點(diǎn)；另一類是每個(gè)點(diǎn)的局部特征提取，代表圖像局部特點(diǎn)。在3D 點(diǎn)云中應(yīng)用主成分分析（Principal Component Analysis，PCA）是一種獲取全局形狀特征的方法。文獻(xiàn)[12]通過(guò)PCA 獲得三個(gè)全局特征值。文獻(xiàn)[13]描述一個(gè)全局傅里葉直方圖描述符，但計(jì)算量較大，實(shí)時(shí)性較低。特征提取后的目標(biāo)分類屬于機(jī)器學(xué)習(xí)中監(jiān)督學(xué)習(xí)過(guò)程，即由數(shù)據(jù)集訓(xùn)練的分類器進(jìn)行預(yù)測(cè)分類輸入目標(biāo)的類別。常見(jiàn)的機(jī)器學(xué)習(xí)工具有：支持向量機(jī)（Support Vector Machine，SVM）、樸素貝葉斯分類算法等，其中具有徑向基函數(shù)的SVM 具有高速、高準(zhǔn)確率，其應(yīng)用廣泛。

移動(dòng)目標(biāo)跟蹤也稱為多目標(biāo)跟蹤，主要是跟蹤自動(dòng)駕駛車輛周圍移動(dòng)障礙物的姿勢(shì)、軌跡、速度等，算法通過(guò)時(shí)空一致性關(guān)聯(lián)和定位檢測(cè)識(shí)別的目標(biāo)。多目標(biāo)跟蹤按設(shè)計(jì)方法分為：基于檢測(cè)的跟蹤和融合檢測(cè)的跟蹤，前者占據(jù)多目標(biāo)跟蹤的大多數(shù)，其步驟可分為：狀態(tài)預(yù)測(cè)、數(shù)據(jù)關(guān)聯(lián)、狀態(tài)更新；文獻(xiàn)[14]使用恒定速度模型的卡爾曼濾波器（Kalman Filteri，KF）來(lái)跟蹤激光雷達(dá)檢測(cè)，只能跟蹤單個(gè)目標(biāo)；IMM 濾波器采用多個(gè)KF 并行處理，每個(gè)KF 使用不同的運(yùn)動(dòng)模型進(jìn)行多目標(biāo)追蹤。2017 年DARPA 挑戰(zhàn)賽首次應(yīng)用粒子濾波器（Particle Filter，PF），PF 用于不滿足高斯線性假設(shè)的情況，因此KF 系列在感知系統(tǒng)中應(yīng)用更多。

目標(biāo)檢測(cè)、目標(biāo)識(shí)別和多目標(biāo)追蹤提供了自動(dòng)駕駛車輛過(guò)去和當(dāng)前的狀態(tài)信息，盡管自動(dòng)駕駛系統(tǒng)可以依據(jù)這些信息能做出下一步的決策和路徑規(guī)劃，但由于模型和算法的理想化，不適用于長(zhǎng)期預(yù)測(cè)，深度學(xué)習(xí)方法應(yīng)用解決了這個(gè)缺點(diǎn)。文獻(xiàn)[15]通過(guò)變分高斯混合模型預(yù)測(cè)了車輛的運(yùn)動(dòng)。隨著遞歸神經(jīng)網(wǎng)絡(luò)在時(shí)間序列數(shù)據(jù)建模上的應(yīng)用，基于長(zhǎng)短期記憶網(wǎng)絡(luò)（Long Short-Term Memory，LSTM）使用的越來(lái)越多，文獻(xiàn)[16]在十字路口使用LSTM 對(duì)自動(dòng)駕駛車輛進(jìn)行仿真建模，其預(yù)測(cè)結(jié)果優(yōu)于傳統(tǒng)機(jī)器學(xué)習(xí)。激光雷達(dá)雖然目標(biāo)檢測(cè)和識(shí)別方面精確度高，但檢測(cè)和識(shí)別行人的精度較低。文獻(xiàn)[17]提出一種基于檢測(cè)的多目標(biāo)跟蹤深度學(xué)習(xí)模型，通過(guò)處理點(diǎn)云數(shù)據(jù)生成檢測(cè)目標(biāo)，然后通過(guò)數(shù)據(jù)關(guān)聯(lián)實(shí)現(xiàn)軌跡預(yù)測(cè)。

深度學(xué)習(xí)在激光雷達(dá)數(shù)據(jù)處理方面具有重大意義。深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)分支，主要是使用多層神經(jīng)網(wǎng)絡(luò)，相比于SVM 等傳統(tǒng)機(jī)器學(xué)習(xí)，深度學(xué)習(xí)可以自動(dòng)獲取輸入數(shù)據(jù)的特征。感知系統(tǒng)中地面分割、目標(biāo)檢測(cè)和追蹤都能通過(guò)深度學(xué)習(xí)模型來(lái)實(shí)現(xiàn)。

4 未來(lái)發(fā)展

綜上所述，目前車載激光雷達(dá)面臨以下問(wèn)題：（1）激光雷達(dá)成本較高；（2）國(guó)際安全標(biāo)準(zhǔn)限制了波長(zhǎng)的使用；（3）有限的探測(cè)距離；（4）惡劣的天氣條件影響激光雷達(dá)性能；（5）體積較大，集成度較低。這些問(wèn)題從激光光源波長(zhǎng)、激光掃描機(jī)構(gòu)、測(cè)距原理都可得到一定程度的解決，激光雷達(dá)正在走出實(shí)驗(yàn)室，走向自動(dòng)駕駛汽車市場(chǎng)，未來(lái)固態(tài)激光雷達(dá)將會(huì)占領(lǐng)市場(chǎng)。激光雷達(dá)相比于相機(jī)，能精準(zhǔn)的測(cè)距距離，但目標(biāo)識(shí)別不如相機(jī)精準(zhǔn)，特別是對(duì)行人的識(shí)別，與相機(jī)配合使用即可彌補(bǔ)這方面的缺陷；多傳感器融合使用亦是未來(lái)發(fā)展方向之一。

激光雷達(dá)數(shù)據(jù)中應(yīng)用深度學(xué)習(xí)是未來(lái)重要方向，面臨的主要問(wèn)題是點(diǎn)云數(shù)據(jù)缺乏標(biāo)注。這一問(wèn)題也正向好的方向發(fā)展，KITTI 數(shù)據(jù)集、nuScenes 數(shù)據(jù)集、SemanticPOSS 數(shù)據(jù)集有大量已標(biāo)注數(shù)據(jù)集。未來(lái)從點(diǎn)云數(shù)據(jù)獲取更精確目標(biāo)信息和提高目標(biāo)追蹤能力的算法是一主要方向。隨著激光雷達(dá)的快速發(fā)展，適用于特定激光雷達(dá)的新算法也會(huì)出現(xiàn)。