集度汽车透露了首款汽车机器人概念车车头部位的设计细节，车前灯和车前盖处激光雷达的设计清晰可见。至此，集度汽车的车前盖、前向双激光雷达自动驾驶技术方案首次曝光。

集度汽车官方也称，“双激光雷达”设计方案极具创新性，激光雷达所处的位置不仅特色鲜明，外观非常加分，其双激光雷达的配置也显示出安全优势。

对于这个特殊的设计，理想汽车创始人、董事长、CEO李想给出了自己看法：“在车顶上放一个，和在机盖或保险杠放两个，性能上没有任何区别，甚至头顶的单颗性能会更好。”而此番言论一出便引起了业内的关注，同时集度汽车CEO夏一平也与李想进行了多轮隔空对话。

多颗激光雷达或为安全考量

据悉，集度汽车在这款概念车上采用的是禾赛科技的AT128，产品全名为“AT128车规级混合固态长距激光雷达”。而巧合的是，理想汽车将要发布的L9也使用了同款激光雷达，只不过数量为一颗，且位置放置在了车顶。

集度智驾负责人王伟宝认为，除了外观上的加分，使用两颗激光雷达所带来的更多还是安全方面的优势。

首先，双激光雷达的点云视场更广、更安全。相比单雷达方案的120度FOV（Field of view，视场角），车头双雷达方案可实现水平180度的FOV覆盖。在“鬼探头”、左右有遮挡物等行车场景中，对左右横穿行人或障碍物的识别能力更强。

其次，双激光雷达方案对车辆重点区域的识别更精准。在车辆正前方60度FOV的区域内，双激光雷达可做到加倍重叠，目标物上的点云数据更多，识别准确率更高。在高阶自动驾驶的冗余安全方面，双激光雷达可互为安全冗余，比单激光雷达方案的可靠性更强。

“120度的FOV和180度FOV的还是不一样，解决的Corner Cases（极端情况）也不一样，所以在产品的能力上和体验上甚至是安全性还是有差别的。”夏一平说。

理论而言，搭载更多激光雷达确实可以在一定程度上提升感知精度，增加安全冗余，而车企也开始在激光雷达数量上做文章。

小鹏G9、极狐阿尔法S、哪吒S、沙龙机甲龙、威马M7、阿维塔11、智己L7等多款新车都搭载两颗及以上的激光雷达，沙龙机甲龙更是配备了四颗之多，并在2021年广州车展上喊出了“4颗以下不要说话”的口号。

“激光雷达并非性能越高越好，也并非数量越多越好，而是应该结合实际的使用需求进行装。”雷奥中国CTO顾剑民公开表示，“所有传感器背后都有成本，还涉及到系统协调性、算力和功耗等因素，装这么多，能不能都用到、用好呢？”

安装在什么位置最佳？

激光雷达数量之余，其安装位置也是集度汽车和理想汽车产品之间的差异。在李想看来：“在行人碰撞、维修成本，和震动控制（链接主体车）上，（放置激光雷达在）车顶都是最优的。唯一的问题是，车顶激光雷达的造型会需要适应，因为太像机动战士——高达了。”

公开资料显示，激光雷达的技术原理是，由激光发射器发射出一束超短激光脉冲，激光投射到目标物上，发生漫反射，再由激光接收器收到漫反射光，通过测量激光束在空中的飞行时间，计算出目标物体到传感器的距离。

从理论上而言，激光雷达放置在前挡风玻璃后方最佳，如同行车记录仪一般做隐藏式设计。但是，挡风玻璃并非完全平面玻璃，且国标GB9656-2016规定下的挡风玻璃透光率只是不低于70%，还不足以称之为高透光玻璃。

上述情况这也导致了如将激光雷达放置在挡风玻璃后，就犹如戴上了近视眼镜，感知能力将打折扣。虽然目前苹果也公布了安装在后挡风玻璃上的激光雷达的专利，但是距离量产还有很长的距离，并且成本也高到离谱。

目前业内有多种激光雷达的放置方式，例如蔚来ET7、威马M7、理想L9将激光雷达安置在车顶；小鹏P5、小鹏G9、阿维塔11等车型则将激光雷达安置在中网或者车身前雾灯位置；而集度汽车所采用的将激光雷达放置在发动机盖的方案则较为少见。

对此，有分析称，从功能、性能的角度来说，安装在车顶处的激光雷达可以兼做感知和定位，而激光雷达在车前灯下方两侧的位置则更适合感知功能。车企选择将激光雷达安置在什么位置，与车辆空间限制、成本、功耗，以及激光雷达的尺寸等因素都有关，需要权衡多个原因。

不过，李想表示：“我认为（集度汽车）量产的时候，激光雷达并不会布置在图片所示的机盖位置上，应该只是试验车的摆放位置。如果前部采用2~3颗激光雷达，大概率会布置在保险杠和翼子板上，风阻和造型都会更好，虽然成本更高。目前这个位置，最新的行人碰撞法规这一关过不了。”

据悉，集度汽车的首款汽车机器人概念车将在今年发布，在2023年上市交付，届时该车激光雷达安装位置是否会有调整，其性能表现如何？业内将持续关注。

 

作者：一点人工一点智能
链接：https://www.zhihu.com/question/448472033/answer/2498457506
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
 

AVOD，AVOD输入RGB图像及BEV（Bird Eye View），利用FPN网络得到二者全分辨率的特征图，再通过Crop和Resize提取两个特征图对应的区域进行融合，挑选出3D proposal来进行3D物体检测，整个流程如图Fig.5所示。

Fig.5 AVOD Architecture, figure from reference[4]

在KITTI 3D object Detection的评测结果如下图Fig.6，目前领先的算法主要集中于使用激光数据、或激光和单目融合的方法，纯视觉做3D目标检测的方法目前在准确度上还不能和上述两种方法相提并论，在相关算法上还有很大的成长空间，在工业界有较大的实用性需求，本次分享主要集中在目前比较新的纯视觉单目3D目标检测。

02 问题与难点